El objetivo de auditar el rendimiento de nuestras campañas de Email Marketing es comprender tanto qué estamos haciendo bien, como en qué necesitamos mejorar. A través de diferentes informes y métricas que veremos a lo largo de este post, llegaremos a la conclusión de qué acciones debemos de potenciar, mejorar o incluso evitar.
Principales métricas de rendimiento del canal mail y cruce de datos
A la hora de analizar el rendimiento de nuestras acciones de email, vamos a distinguir entre dos fuentes de datos diferentes: la herramienta que empleamos para email marketing y Google Analytics.
KPIs extraidos de la herramienta de Email Marketing
De la herramienta que empleemos para nuestras acciones de email extraeremos lo que nosotros llamamos métricas «pre-web». Es decir, todas aquellas relacionadas con las comunicaciones con el contacto hasta la visita a la web. En este sentido destacamos las siguientes:
- Envíos totales: es la única métrica absoluta que nos interesa, ya que el volumen de envíos nos hará darle una mayor o menor veracidad a las métricas basadas en porcentajes . Es decir, no es lo mismo un OpenRate del 80% con 200.000 envíos que con sólo 10 envíos. En el primer caso abarcamos un universo estadístico amplio que nos permitirá sacar conclusiones, al contrario que en el caso de los 10 envíos.
- OpenRate: en nuestro caso basamos el OpenRate en las aperturas únicas, y no en las aperturas totales, ya que nos interesa conocer si un contacto abre al menos una vez el email.
- CTOR: el CTOR es el ratio de clics por aperturas. Esta métrica nos parece mucho más coherente que un CTR basado en los envíos, ya que un OpenRate bajo puede contaminar la métrica del CTR. El objetivo del CTOR es comprender cuánto de clicable es un mail.
- UnsuscribeRate: ratio de desuscripciones por envío.
- BounceRate: ratio de rebotes por envío.
- SpamRate: ratio de spam por envío.
- Orders: a pesar de no tratarse de una métrica «pre-web», por cuestiones de atribución consideramos importante tener al menos dos modelos diferentes dentro del análisis. Por un lado, contamos con las transacciones de Google Analytics bajo un modelo last clic, y por otro con el modelo de atribución de la herramienta que empleamos. Éste va a depender de la herramienta, ya que algunas tienen ventanas de atribución mas amplias que otras.
KPIs extraidos de Google Analytics
- Sesiones
- Porcentaje de rebote
- Transacciones
- Ingresos
- Tasa de conversión de comercio electrónico
Cruce de datos de las métricas seleccionadas
Lo ideal, para tener una visión específica de la totalidad del embudo, es cruzar las dos tipologías de métricas para cada campaña. Para esto es imprescindible un correcto etiquetado en las UTM Campaings, de tal manera que el seguimiento sea integral.
De esta manera obtendremos una tabla similar a la de la imagen, en la que las filas con el encabezado verde representan los datos extraídos de Klaviyo y los encabezados naranjas representan los datos de Google Analitycs asociados a cada campaña.
Rendimiento por tipologías de campañas
En muchos casos nos vamos a encontrar con un elevado volumen de campañas, por lo que para poder poner foco en el análisis va a resultar muy importarte el poder agruparlas en diferentes tipologías.
Dependiendo de la estrategia que se esté siguiendo, habrá que decidir las agrupaciones que correspondan. Por ejemplo, todos los mails donde se promocione campañas del tipo «envío gratis» quedaran agrupadas bajo el nombre «envío gratis». Lo mismo con promociones «flash», «novedades», Black Friday»….etc
De esta forma, nos quedará una agrupación similar a la siguiente imagen.
En este ejemplo, lo que estamos haciendo es valorar el volumen de campañas por tipología, detectando su capacidad conversora. Como se puede apreciar, las transacciones de Klaviyo distan mucho de las de Google Anlitycs, debido a las diferencias en cuanto al modelo de atribución.
En las dos últimas columnas, sacamos la media de transacciones generada por cada campaña (siguiendo con las dos fuentes de conversión). De esta forma podemos detectar qué tipología de campaña tiene mayor fuerza transaccional. En el ejemplo de la imagen, detectamos como las tipologías «Envío gratis» y «Flash sale» son potenciables respecto a la tipología «Regalos», que a pesar de contar con un volumen similar de campañas, su media de transacciones está muy por debajo.
Como apunte, es importante contextualizar el análisis. Y es que no es comparable Black Friday con promociones de carácter periódico, como pueden ser los envíos gratis o las promociones flash de carácter mensual. Lo que buscamos aquí es en qué tipología podemos aumentar la periodicidad con un impacto claro en las transacciones.
Rendimiento por días de envío
Una cuestión importante a la hora de auditar las acciones de email es analizar el impacto en función del día de la semana del envío. Es decir, poder detectar qué día genera un mayor volumen de transacciones.
Para ello, vamos a aislar los datos de las tipologías mas transaccionales y preparar la siguiente tabla.
Para entenderlo mejor, vamos a explicar cada columna:
- Total Campaings: volumen total de campañas enviadas
- % de campañas: el peso de las campañas enviadas en cada día de la semana. Es decir, el 19,12% de la totalidad de campañas fue enviada un viernes.
- Total Order: volumen total de pedidos de campañas enviadas cada día de la semana.
- % Total Order: el peso de las transacciones de campañas enviadas en cada día de la semana. Es decir, el 16,97% de la totalidad de transacciones derivan de campañas enviadas un viernes.
- Diferencia: marcamos la diferencia entre las dos métricas porcentuales. Es decir, aunque el viernes se enviaran el 19,12% de la totalidad de las campañas, solo se generó el 16,97% de la totalidad de las transacciones. Por tanto, la diferencia es de -2,14%
Con esta métrica de diferencia entre volumen de campañas enviadas y transacciones generadas, podemos sacar conclusiones interesantes. Por ejemplo, verificamos que el viernes no es el día idóneo para envío de campañas transaccionales, mientras que el martes es un día de mucho mayor impacto.
Relación entre las diferentes métricas
Es importante poder poner en paralelo la evolución de diferentes métricas y comprobar el impacto qué tienen unas sobre otras. Esto nos puede ayudar para comprobar, por poner un ejemplo, el impacto que tiene el aumento de envíos en relación con el volumen de transacciones o el ratio de conversión por email enviado. En estos casos, no hay nada mejor que representar el evolutivo a través de una gráfica como en la siguiente imagen.
Lo que vemos en las barra azules es el volumen total emails enviados, mientras que la línea roja representa el ratio de transacciones por mail enviado. Lógicamente, a partir de producirse el aumento en el mes 7, el ratio de transacciones se va diluyendo. ¿Es esto malo? Depende.
Veamos la siguiente imagen con los datos de transacciones totales generadas por el canal mail.
Como podemos ver, a pesar de que el ratio de transacciones por envío se reduce conforme aumentamos la frecuencia de envíos, el total de transacciones si que aumenta.
En definitiva, nuestro ratio de conversión baja, pero como enviamos mucho más, el resultado final es «positivo». Y entrecomillamos porque tenemos que verificar otras métricas que justifiquen mantener este salto más allá de las transacciones. Hablamos por ejemplo del OpenRate, del BounceRate o del UnsuscribeRate. Si esas métricas se mantienen en unos parámetros adecuados, la escalada de envíos quedará justificada.
Para ello podemos plantear la siguiente gráfica, donde vemos el impacto del aumento de envíos en el UnsuscribeRate. No solo se mantiene, sino que mejora respecto a meses anteriores.
Esto son solo algunos ejemplos de relación entre métricas, y como a la hora de tomar decisiones o de analizar el adecuado rendimiento del canal es importante tener una visión 360º. Otros ejemplos de gráficas evolutivas de relación entre métricas sería:
- Envios totales y SpamRate
- Envíos totales y BounceRate
- Envíos totales y OpenRate
- Envíos totales y CTOR
Rendimiento por segmentos
La segmentación de contactos es una práctica obligatoria en email marketing. Si en nuestro ecommerce seguimos esta práctica, a la hora de descargar los KPIs «pre-web» de las campañas deberíamos de exportar también los segmentos destinatarios. De esta manera tendremos todos los datos de rendimiento de campañas asociados a cada segmento receptor.
Para poder proceder al análisis, juntamos en una tabla donde asociamos a cada segmento los principales KPIs explicados en el primer apartado del post, junto con la métrica de tasa de conversión por envío. El resultado lo tenemos en la siguiente imagen.
A través de esta tabla, podemos detectar el segmento con una mayor tasa de conversión por envío, de tal manera que podamos potenciar las comunicaciones hacia estos contactos. A la hora de extraer conclusiones, es muy importante tener en cuenta el dato de volumen de envíos por segmento, ya que no podemos errar ante un universo estadístico de baja magnitud.
Por ejemplo, el segmento 1, tiene una tasa de conversión por envío muy por encima del resto, pero solo han recibido un total de 119 de emails. Es un dato muy poco representativo. Si que es un firme candidato a ser explorado aumentando la frecuencia, pero no tiene por qué mantener esas métricas ante un aumento de envíos.
Sin embargo, vemos como el segmento 5, cuenta con una tasa de conversión por envío de 0,83% habiendo recibido un total de 19.523 mails. Aquí si hay un universo estadístico con la magnitud apropiada. Nosotros recomendaríamos aumentar la frecuencia de comunicaciones hacia este segmento, que además cuenta con un buen OpenRate y un CTOR en la media.
Conclusiones
Una vez tenemos completado este análisis de rendimiento de las acciones de email marketing, podemos extraer una gran cantidad de conclusiones que nos van a guiar hacia la activación de determinadas palancas.
Ejemplos de acciones a implementar:
- Potenciar los envíos más transaccionales en determinados días de la semana.
- Potenciar la tipología de campañas con mayor fuerza transaccional
- Aumentar o disminuir la frecuencia de envíos basándonos en el impacto de diferentes métricas relacionadas entre sí.
- Potenciar las comunicaciones hacia segmentos con una mayor respuesta transaccional
Esperamos que con este post haya quedado un poco más claro cómo auditar el rendimiento de nuestras campañas de email marketing. Si queréis aprender más sobre email marketing, automatizaciones y fidelización, desde VIVA! Conversion os recomendamos visitar la sección Marketing Automation de nuestro blog.
