Leggere i risultati della campagna in contesto (2)

Un report individuale di campagna indica cosa è successo per un singolo invio. Per capire perché i risultati sono quelli che sono — e se le cose stanno migliorando, peggiorando o rimanendo stabili — è necessario confrontare più campagne. La dashboard di report delle campagne offre quattro strumenti per farlo: filtri per categoria, filtri per segmento, filtri per tipo di campagna e il selettore del periodo di tempo. Usati insieme, consentono di analizzare i dati in modi che rivelano modelli che un singolo report non mostrerebbe mai.

Perché i report individuali non sono sufficienti

Un picco di disiscrizioni dopo una particolare campagna è facile da notare. È molto più difficile sapere se quella campagna ne sia stata la causa. Spesso non lo è. Un contatto che si disiscrive dopo l'email del mercoledì potrebbe essere stato silenziosamente irritato già da lunedì. La campagna che riceve la colpa è semplicemente quella che si trovava ad arrivare nel momento sbagliato.

La stessa logica si applica ai tassi di apertura, ai tassi di clic e ai bounce. Un tasso di apertura del 2% su una campagna è allarmante se il tasso abituale è del 35%, ma privo di significato se si è inviato a un segmento freddo mai contattato prima. Il numero ha senso solo in relazione a una linea di base — e quella linea di base deriva dal confronto tra più campagne dello stesso tipo, allo stesso pubblico, nel tempo.

Consiglio del supporto Per un'analisi più approfondita del motivo per cui le disiscrizioni sono particolarmente soggette a errate interpretazioni, si consulti l'articolo del Flexmail Knowledge Centre "Il mito della disiscrizione: perché quella singola campagna negativa probabilmente non è responsabile" su flexmail.be/kenniscenter.

Impostazione delle categorie per confronti significativi

Le categorie sono etichette che si assegnano alle campagne. Flexmail non impone una struttura di categorie fissa — si creano le categorie che hanno senso per il proprio programma di invio e le si assegna al momento della creazione della campagna o retroattivamente in seguito.

Il valore delle categorie dipende interamente dalla consistenza con cui vengono utilizzate. Alcuni modi comuni di categorizzare:

  • Tipo di contenuto — newsletter, email promozionale, aggiornamento prodotto, invito a un evento, re-engagement. Questo consente di confrontare come il pubblico risponde a diversi tipi di contenuto in tutti gli invii, non solo all'interno di una campagna.
  • Lingua — EN, NL, FR. Se si invia a pubblici multilingue, filtrare per lingua indica se i risultati differiscono sistematicamente tra i gruppi linguistici, indipendentemente dal contenuto.
  • Business unit o brand — utile se l'account copre più prodotti, servizi o team che inviano a pubblici distinti.
  • Serie di campagna — se si esegue una newsletter mensile ricorrente o una promozione stagionale, etichettare tutte le edizioni con la stessa categoria facilita il monitoraggio delle prestazioni di quella serie nel tempo.

Consiglio del supporto È possibile assegnare o modificare le categorie su campagne esistenti in qualsiasi momento — non è necessario averle impostate prima dell'invio. Se si hanno mesi di cronologia delle campagne senza categorie, è possibile tornare indietro e etichettarle ora. I filtri rifletteranno immediatamente quelle etichette.

Utilizzo dei filtri per approfondire l'analisi

I filtri appaiono in cima alla dashboard di report delle campagne. I filtri attivi vengono mostrati come chip e possono essere rimossi singolarmente. È possibile combinare più filtri contemporaneamente — la dashboard si aggiorna per mostrare solo le campagne che corrispondono a tutti i filtri attivi. All'interno della selezione filtrata, è possibile ordinare la tabella delle campagne in base a qualsiasi colonna — tasso di apertura, tasso di clic, tasso di disiscrizione, data di invio — cliccando sull'intestazione della colonna. Ordinare per tasso di apertura mette in evidenza le campagne più forti e più deboli della selezione; ordinare per data consente di leggere il trend cronologicamente.

Filtrare per categoria

Applicare un filtro per categoria per confrontare le prestazioni all'interno di un tipo di campagna. Ad esempio, filtrando per la categoria newsletter e estendendo il periodo a sei mesi, si può vedere se il tasso di apertura è in crescita, in calo o stabile in tutte le edizioni della newsletter — senza che gli invii promozionali o altri tipi di campagna distorcano la visione.

Passare da una categoria all'altra rivela differenze strutturali nel modo in cui il pubblico risponde a contenuti diversi. Se le email promozionali hanno costantemente un tasso di clic inferiore rispetto alle newsletter, questo dice qualcosa sulle offerte o sul testo promozionale, non sul canale email in sé.

Filtrare per segmento

I filtri per segmento sono particolarmente utili per l'analisi delle disiscrizioni e dei bounce. La stessa campagna inviata ai contatti più coinvolti e a un segmento inattivo produrrà numeri molto diversi. Se si esamina il tasso di disiscrizione complessivo senza separare questi gruppi, il segmento inattivo gonfia il dato e fa sembrare problematico un programma sano.

Il filtraggio per segmento aiuta a rispondere a domande come: i contatti inattivi si disiscriscono a un tasso più elevato indipendentemente da cosa si invia? Il segmento VIP clicca tre volte di più rispetto alla lista generale? Il segmento di lingua francese si comporta diversamente da quello di lingua olandese sullo stesso tipo di campagna?

Filtrare per tipo di campagna

Il tipo di campagna distingue gli invii standard dai test AB e da altri formati di campagna. Filtrare solo i test AB consente di esaminare tutti i risultati dei test in un unico luogo — utile per costruire un quadro delle variabili (lunghezza dell'oggetto, orario di invio, struttura del contenuto) che spostano costantemente l'ago attraverso più test, piuttosto che trarre conclusioni da un singolo risultato.

Combinare i filtri per confronti precisi

I filtri funzionano insieme. Ecco alcuni esempi di combinazioni che producono confronti utili:

  • Categoria: newsletter + Segmento: contatti FR — mostra come si comporta il pubblico della newsletter in lingua francese rispetto a un filtro separato per i contatti NL. Se i tassi di apertura divergono significativamente e lo fanno da diversi mesi, è un segnale che vale la pena indagare.
  • Categoria: promozionale + Periodo: ultimi 90 giorni — isola gli invii promozionali recenti per vedere se un cambiamento nel tipo di offerta, nell'approccio all'oggetto o nella frequenza di invio ha avuto un effetto misurabile.
  • Categoria: re-engagement + Segmento: inattivi — la combinazione più rilevante per valutare se le campagne di re-engagement stanno effettivamente spostando l'ago sui contatti inattivi.

Cosa cercare nei risultati filtrati

Una volta filtrata una parte significativa dei dati, i KPI della dashboard e la tabella delle campagne riflettono solo quelle campagne. Cercare:

Trend, non singoli punti dati

Una singola campagna anomala raramente dice molto. Tre campagne dello stesso tipo di fila con tassi di apertura in calo indicano che qualcosa sta cambiando. Verificare la tabella delle campagne ordinata per data e cercare una direzione, non solo un livello. Un aumento graduale delle disiscrizioni nella categoria promozionale nell'arco di tre mesi è un segnale per rivedere la frequenza o la pertinenza delle offerte — non è causato da nessuna singola campagna in quella finestra temporale.

Differenze tra categorie

Confrontare i KPI aggregati quando si passa da un filtro per categoria all'altro. Se la categoria newsletter mostra un tasso di apertura del 40% e la categoria promozionale mostra il 22%, il divario è normale — si tratta di tipi di contenuto diversi con aspettative di pubblico diverse. Se entrambi sono in calo insieme mese dopo mese, il problema è più probabilmente la stanchezza della lista o un cambiamento nella cadenza di invio.

Valori anomali a livello di segmento

Filtrare per segmenti diversi e confrontare i KPI in cima alla dashboard rivela rapidamente quali pubblici sono coinvolti e quali no. Un segmento con un tasso di disiscrizione costantemente elevato in più tipi di campagna indica che non desidera essere nella lista alla frequenza attuale o con il contenuto attuale — indipendentemente da come le singole campagne si comportano con gli altri segmenti.

Combinare i dati filtrati con i motivi di disiscrizione

Flexmail mostra un sondaggio di uscita sulla pagina di disiscrizione per impostazione predefinita. I contatti che si disiscriscono possono indicare il motivo della loro scelta. È possibile esaminare queste risposte nella scheda Contatti.

I dati del sondaggio di uscita diventano più utili quando vengono letti insieme ai risultati filtrati. Se la dashboard delle campagne mostra un tasso di disiscrizione crescente nella categoria promozionale negli ultimi due mesi, e il sondaggio di uscita mostra "troppe email" come motivo principale nello stesso periodo, questi due segnali insieme costituiscono prove molto più solide di un problema di frequenza rispetto a ciascuno da solo. Se il sondaggio di uscita mostra "non più rilevante" come motivo dominante e il tasso crescente è concentrato in un segmento, il problema è più probabilmente il targeting che la frequenza.

Attenzione Le risposte al sondaggio di uscita non sono collegate a singole campagne nella dashboard — vengono raccolte a livello di account. Usarle come contesto qualitativo insieme ai dati quantitativi filtrati, non come misura diretta per campagna.

Un punto di partenza pratico

Se non si sono mai usate le categorie prima, un primo passo utile è esaminare gli ultimi tre-sei mesi di campagne e assegnare le categorie in modo consistente. Anche un semplice sistema a due livelli — tipo di contenuto e lingua — fornisce una struttura sufficiente per iniziare a fare confronti significativi.

Da lì, prendere l'abitudine di controllare la vista filtrata anziché la dashboard completa quando si esaminano i risultati. La dashboard completa è utile per un rapido controllo dello stato di salute. La vista filtrata è il luogo dove si scopre cosa guida effettivamente i numeri.

Passi successivi

Did this answer your question? Thanks for the feedback There was a problem submitting your feedback. Please try again later.