Email marketing je još uvijek ključni alat za mnoge tvrtke. Ostaje jedan od najučinkovitijih načina za uspostavljanje i održavanje odnosa s kupcima. Malo koja tvrtka si može priuštiti vlastitu mobilnu aplikaciju, pa je za većinu email kontakt često jedino rješenje.
Je li email marketing još uvijek učinkovit u eri AI-a?
Analizirajući statistike o hladnim emailovima (prodajni emailovi poslani nasumičnim tvrtkama), stope otvaranja emailova u posljednjih 6 mjeseci (10’25-03’26) pale su za čak 40%! Pretinci su preplavljeni neželjenim porukama koje nisu prilagođene primatelju. Sadržaj generiran AI-om ne stvara angažman.
Možda ćete reći da me to ne zanima jer ne šaljem neželjene poruke. Moja baza podataka sastoji se od pretplatnika koji su se sami prijavili na newsletter jer smo ponudili 5% popusta na prvu kupnju. Pa, ne baš.
Prvo, pretinac ispunjen emailovima generiranim od strane GPT-a za vašeg pretplatnika znači manje pažnje prema drugim emailovima. Oni se gube u masi pošte i gotovo automatski brišu zajedno s drugim porukama.
Drugo, slab email od tvrtke na koju sam se pretplatio završava u istoj skupini kao i vrlo slab AI-generirani email. Slab znači neodgovaranje na potrebe, neodgovaranje na interese. Drugim riječima – nepersonaliziran.
Kako se istaknuti u moru slabih AI-generiranih emailova?
Personalizacija i prilagođeni sadržaj sada su najvažnije metode za isticanje u pretrpanom pretincu. Međutim, personalizaciju treba razlikovati od personalizacije. Personalizacija nije pozdravljanje korisnika s njihovim imenom u vokativu. Ovaj dio se u osnovi može preskočiti. Personalizacija u gotovo trećem desetljeću 21. stoljeća je individualno prilagođavanje ponude za svakog primatelja, automatski. Tradicionalna segmentacija (demografija, povijest kupnje, RFM) sve više ne može pratiti brzo mijenjajuće preferencije kupaca.
Pa kako personalizirati? Ključ je segmentacija publike. Nažalost, loša vijest je da segmentacija koju poznajemo iz sustava za automatizaciju marketinga već nije dovoljna. Preferencije kupaca u e-commerce trgovini mijenjaju se brže nego mogućnosti segmentacije u samom alatu, a svakako brže nego sposobnost prilagodbe sadržaja tim segmentima.
Marketing odjeli opremljeni alatima za automatizaciju marketinga ne mogu pratiti strategiju “brže dosegnuti s individualno prilagođenim sadržajem.” Izgradnja i upravljanje nekoliko segmenata plus održavanje komunikacije već je veliki izazov. Dijeljenje popisa primatelja u nano-segmente je gigantski zadatak, zahtijeva ogroman tim i ogroman proračun. I tako, alati za automatizaciju marketinga završavaju kao alati za slanje emailova s nekoliko trikova koje nitko ne koristi.
Da biste uspjeli u email marketingu, potrebno je dati prioritet personalizaciji (i zapravo nano-personalizaciji) kako bi email kampanje odjeknule kod kupaca i donijele rezultate.
Vanjski sloj personalizacije u emailovima? Što je to?
Na prvi pogled, ovo se može činiti teško za implementaciju. Teoretski, trebali biste postaviti webhooks/streaming događaje, postaviti preporučni API, implementirati neko rješenje za rukovanje dinamičkim blokovima i značajkama. Jednostavnije rješenje je postaviti vanjski sloj personalizacije (mikroservis) koji prima signale i odlučuje koje module umetnuti — olakšavajući iteracije neovisno o korisničkom sučelju MA alata.
Vanjski sloj personalizacije je neovisna usluga izvan alata za automatizaciju marketinga (MA) koja:
- prikuplja signale korisnika u stvarnom vremenu,
- izračunava atribute i odluke o personalizaciji (sklonost, preporuke, odabir modula),
- vraća rezultat u obliku uputa (npr. koji sadržajni blokovi umetnuti) za sustav slanja ili API predloška emaila.
Prednost ovog rješenja je odvajanje logike personalizacije od MA sučelja, omogućujući brže iteracije i implementacije. Takav alat je također središnje mjesto za prediktivne modele, pravila i rezervne opcije. Omogućuje verzioniranje pravila (i ne samo pravila) i A/B testove neovisno o MA.
Kako implementirati nano-segmentaciju u email marketingu?
Takav mikroservis, iako mnogo jednostavniji za korisnika, pruža Quarticon – AI-mails. AI-mails su upravo vanjski sloj personalizacije u email marketingu.
U našem rješenju otišli smo još dalje – sustav vraća rezultate ne u obliku uputa koje treba integrirati s sustavom za automatizaciju marketinga, već u obliku gotovih blokova proizvoda (slike), koje je vrlo lako ugraditi u sadržaj emaila. Na taj način postiže se maksimalna jednostavnost implementacije.
Kako općenito funkcionira Quarticon mikroservis za nano-personalizaciju emailova? Želite imati blok proizvoda s 6 proizvoda prilagođenih za svakog korisnika – dodajete kod 6 slika (i poveznica) u svoj email i šaljete ga. Ne radite nikakvu segmentaciju, niti odabir proizvoda. Želite poslati proljetnu ponudu za mjesec dana – mijenjate “Zimska ponuda” u “Proljetna ponuda” u emailu i šaljete ga. Uopće ne dirate dio sa slikama, ne definirate proizvode.
Iza ovog rješenja stoji cijeli sloj donošenja odluka – ML modeli, pohrana događaja, izračun značajki, mapiranje sadržaja (ne samo proizvoda) ili upravljanje eksperimentima. Sve to je osigurano “u paketu.” Bez složene infrastrukture, možete postići razinu personalizacije ponude u emailovima koju najveći igrači nisu postigli sa svojim sustavima.
Budućnost email marketinga
Budućnost email marketinga u visoko konkurentnom okruženju oslanja se na personalizirani sadržaj (pa čak i nano-personalizirani) kako bi se istaknuo u pretrpanim pretincima. U e-commerceu, ovo je ključno i lako mjerljivo – povećava stope otvaranja, stope klikanja, konverzije.
To se također odnosi na druge industrije – izdavaštvo (plaćeni sadržaj), mediji, usluge oglašavanja, VOD usluge. Podaci i analiza ključni su u optimizaciji strategija email marketinga, ali nisu tu da bi se proučavali. Podaci od prije mjesec dana u e-commerceu su već povijest. Sve se događa ovdje i sada, u stvarnom vremenu.
Generiraju li AI-mails sadržaj emailova?
Ne, Quarticon AI-mails ne generiraju sadržaj i uopće ne koriste Generative Pre-trained Transformers (GPT). Koriste AI za analizu ponašanja korisnika i preporučuju prave proizvode ili sadržaj koji već imate (npr. proizvodi u e-commerceu, filmovi u VOD uslugama ili blog postovi / članci) pravoj publici u pravo vrijeme. To je drugo područje AI-a, nazvano prediktivni AI.
