Marketing Digital

24 nov, 2015

Modelagem preditiva no e-mail marketing

Publicidade

É amplamente conhecido que mensagens de e-mail personalizadas geram taxas de resposta mais elevadas do que e-mails promocionais estáticos. Precisamos levar a personalização a outro nível, mais profundo e mais segmentado que nunca, injetando conteúdo e ofertas relevantes no e-mail marketing diretamente de seu site. O resultado demonstrará uma taxa de resposta e um ROI superiores.

Hoje podemos ver no mercado brasileiro que o e-mail marketing ainda está sendo usado somente para envio em massa. Algumas empresas até personalizam os e-mails com alguns dados, como dados comportamentais de campanhas (cliques etc.) e dados de compras, mas isso leva os usuários a receberem conteúdo que não é tão relevante como gostariam que fosse.

O amanhã tem que ser mais assertivo! Precisamos usar todos os dados que temos. Isso inclui dados demográficos, pessoais, de compras etc., mas também os dados de navegação.

Faz algum tempo que estou querendo comprar um notebook, me cadastrei em vários sites, entrei de forma regular para ver novas ofertas e somente cliquei em ofertas de notebook: até hoje não recebi nenhum e-mail relacionado a notebooks. Eu já recebi de geladeira, TV, celular e até produtos não relacionados com o que eu busco. Esses sites estão focando somente no clique que eu faço nas campanhas deles, e não no que estou fazendo no site deles. Qual a chance de que eu interaja com esse e-mail?

A primeira coisa é ter um sistema de análise que permite rastrear o comportamento dos visitantes, mas também armazenar esses dados para criar um modelo preditivo.

Mas o que é um modelo preditivo?

A modelagem preditiva é um processo utilizado em análises para criar um modelo estatístico do comportamento futuro. A análise preditiva é da área de Data Mining, que se preocupa com as probabilidades de previsão e tendências.

Um modelo preditivo é composto de uma série de indicadores. Quais variáveis são suscetíveis de afetar o comportamento ou resultados futuros? Em marketing, por exemplo, o gênero de um cliente, idade e histórico de compras podem prever a probabilidade de uma venda futura.

Na modelagem preditiva, os dados são coletados para os indicadores relevantes, um modelo estatístico é formulado, as previsões são feitas e o modelo é validado e revisado quando dados adicionais se tornam disponíveis. O modelo pode ser uma equação linear simples ou uma rede neural complexa, mapeada por um software sofisticado.

A modelagem preditiva é utilizada amplamente em tecnologia da informação (TI). Em sistemas de filtragem de spam, por exemplo, modelagem preditiva é por vezes utilizada para identificar a probabilidade de que um e-mail seja spam.

e-mail-mkt-1

É preciso definir um perfil para cada cliente:

  • O que ele faz no meu site?
  • Quais é a cadeia de clique? Qual o percurso dele?
  • Quais ofertas interessam a ele? Quanto tempo ele passa nas categorias?
  • Qual é a frequência de acesso? Ele acessou via meu e-mail ou via outra fonte?
  • É comprador?
  • Ele já comprou um produto após o ter abandonado?

Uma vez que você tenha todas as informações, você precisa definir o perfil do cliente e focar nos interesses dele. Vale ressaltar mais uma vez: Por que enviar diariamente categorias de produtos que o membro nunca sequer visitou ou clicou? O que fazer com essas informações?

  • Em primeiro lugar qual é seu interesse, além de vender mais?
  • Qual é a estratégia abordada: focar em up selling, cross selling? (Somente para citar algumas possibilidades).
  • Quais são os produtos que vou priorizar? Cada site tem suas preferências dependendo do modelo de negócio. Exemplo: O tempo de vida de meus produtos é curto e meus recursos de estoque são baixos, então preciso liquidar o estoque para poder fazer entrar novos produtos (uma promoção também ajuda).
  • Quais serão as regras de relacionamento? O que vou enviar e por quê?

Para isso, precisam ser definidos alguns cenários.

e-mail-mkt-2

Uma vez que você tenha todas essas informações, você precisa usá-las. Para isso, você vai precisar de um Email Service Provider (ESP) capaz de se integrar com qualquer sistema por meio de uma sincronização de dados ou uma API.

Você pode criar um template no seu ESP e chamar variáveis dinâmicas para personalizar o e-mail. O conteúdo será transmitido pela sincronização de dados (ou API). Cada cliente terá no banco de dados do seu ESP informações diferentes que permitirão personalizar seu e-mail (essas opções de integração são alguns exemplos. Existem outras possibilidades).

Hoje já existem alguns sites que usam esse tipo de personalização usando modelos preditivos para recomendar produtos em função desses dados. Essas campanhas têm uma interação muito maior, o que leva a um ROI mais elevado (e pelo fato de ter mais interação ajuda na entregabilidade também). Todos os sites deveriam ter um sistema que permite saber exatamente qual é o percurso completo do seus membros. Existem algumas empresas no mercado que oferecem este tipo de serviço, como a PredictiveIntent.