Kun tekoäly sähköpostimarkkinoinnissa mainitaan, useimmat esimerkit alkavat uutiskirjeen otsikkorivistä. Se on helppoa ja tehokasta. Käytännön työssä yhden lauseen luominen on kuitenkin harvoin kallein osa. Aikaa kuluu datan valmisteluun, segmentin valintaan, sisällön kokoamiseen, linkkien tarkistamiseen, testaukseen ja arviointiin.
Käsittelin aihetta MladýPodnikatelin haastattelussa ja työskentelin sen parissa DreamROI-projektissa. Työkalut ovat sittemmin muuttuneet, mutta peruskokemus on ennallaan: toistettavan prosessin automatisointi on järkevää, mutta tarjouksen ja asiakassuhteen vastuuta ei pidä automatisoida.
Tekoälytermin alle kätkeytyy kolme eri asiaa
Generatiivinen tekoäly
Se luo ehdotuksia otsikkoriveiksi, teksteiksi ja toimintakehotusvaihtoehdoiksi tai muuttaa yhden artikkelin sähköpostiksi. Se on nopea, mutta voi keksiä tosiasioita, muuttaa tarjouksen merkitystä tai tuottaa vaihdettavissa olevan sävyn. Se sopii ensimmäisen luonnoksen apukirjoittajaksi ja kriitikoksi, ei lopulliseksi hyväksyjäksi.
Sääntöpohjainen automaatio
Se lähettää viestin rekisteröitymisen, oston, passiivisuuden tai CRM:n tilamuutoksen jälkeen. Sen ei tarvitse sisältää mitään mallia. Hyvin suunnitellut säännöt vaikuttavat usein enemmän kuin tekstin generointi, koska ne reagoivat oikealla hetkellä.
Ennustaminen ja personointi
Malli voi järjestää tuotteita tai artikkeleita tietylle vastaanottajalle, arvioida kiinnostusta tai suositella lähetysaikaa. Palvelut kuten Amazon Personalize hyödyntävät vuorovaikutushistoriaa ja katalogia. Tämä tarkoittaa kuitenkin dataa, infrastruktuuria ja jatkuvaa arviointia. Ilman riittävää signaalia malli vain arvaa itsevarmasti.
Aloita yhdestä tarkasta pullonkaulasta
En aloittaisi kysymyksestä ”Miten tuomme tekoälyn sähköpostimarkkinointiin?” Aloittaisin kohdasta, jossa prosessi menettää säännöllisesti aikaa tai rahaa:
- toimittaja valitsee joka viikko manuaalisesti artikkeleita useille segmenteille,
- myyjät unohtavat lähettää seurantaviestin, kun joku lataa materiaalin,
- verkkokauppa lähettää kaikille saman tuotejärjestyksen,
- tiimi luo versioita useilla kielillä eikä ehdi tarkistaa niitä,
- kukaan ei osaa sanoa, mikä automaatio tuo tilauksia ja mikä vain lähettää viestejä.
Sen jälkeen voit valita yksinkertaisimman toimenpiteen. Joskus se on uusi automaatiohaara. Toisinaan parempi datan vienti. Malli tulee mukaan vasta, kun sen hyöty ylittää toteutuksen ja valvonnan kustannukset.
Milloin tekstin generointi on järkevää
Generatiivinen malli auttaa minua ennen kaikkea versioiden luomisessa ja valmiin lähdemateriaalin muokkaamisessa. Yhdestä hyväksytystä artikkelista se voi ehdottaa lyhyttä uutiskirjettä, kolmea otsikkoriviä ja tekstiä suhteen eri vaiheisiin. Ohjeistuksessa on kuitenkin oltava faktat, kohderyhmä, tavoite, kielletyt väitteet ja esimerkkejä brändin äänensävystä.
Käytännön prosessi:
- Ihminen valitsee tarjouksen, kohderyhmän ja yhden sähköpostin tavoitteen.
- Hän lisää hyväksytyn lähdemateriaalin ohjeistukseen, ei epämääräistä pyyntöä ”kirjoita jotain myyvää”.
- Malli luo useita erottuvia versioita.
- Ihminen tarkistaa faktat, hinnan, ehdot, linkit, sävyn ja yhteensopivuuden sivun kanssa.
- Valitut versiot testataan ennalta määritettyä mittaria vasten.
- Tulos tallennetaan opiksi, ei vain asiayhteydestään irrotetuksi voittaneeksi otsikkoriviksi.
Kuvaan yksityiskohtaisemman työnkulun artikkelissa Tekoäly ja tekstin luominen yrityksessä.
Personointi tarvitsee dataa, ei innostusta
Sisältösuosituksia varten tarvitset kohtuullisesti kuvatun katalogin ja vuorovaikutushistorian. Lähetysajan ennustamiseen tarvitset riittävästi aiempia lähetyksiä ja avauksia. Esimerkiksi Mailchimpin lähetysajan optimointi toimii nimenomaisesti tilin aiempien tietojen perusteella.
Ei ole olemassa yhtä käynti- tai kontaktimäärää, jonka jälkeen tekoäly alkaa automaattisesti toimia kaikille. Se riippuu tapahtumien tiheydestä, tarjonnan monipuolisuudesta, kausivaihtelusta ja tavoitteesta. Pienellä listalla tarkka manuaalinen segmentointi voi olla halvempi ja luotettavampi kuin oma suositusjärjestelmä.
Näin arvioit kokeilua
Pelkkä sähköpostien avaaminen ei riitä. Sähköpostiohjelmien tekniset muutokset ovat tehneet siitä myös epäluotettavamman mittarin. Seuraa tavoitteesta riippuen klikkauksia, toteutuneita ostoja, päteviä yhteydenottoja, tilauksen peruutuksia, valituksia ja vastaanottajan pitkän aikavälin arvoa.
Laajemmassa toimenpiteessä pidä mukana kontrolliryhmä. Jos kaikki saavat personoidun sähköpostin, et voi tietää, olisiko tavallinen lähetys tuottanut saman tuloksen. Testaa A/B-testillä yhtä olennaista hypoteesia, älä otsikkoriviä, tarjousta, aikaa ja listaa samanaikaisesti.
Mikä on pidettävä ihmisen hallinnassa
- Strategia ja tarjous: malli ei tiedä kaupallista prioriteettia, ellei sille anneta sitä.
- Faktat ja ehdot: vastuuhenkilö tarkistaa hinnat, päivämäärät, takuut ja juridisen tekstin.
- Poikkeukset: herkkä asiakasryhmä tai kriisitilanne tarvitsee omat sääntönsä.
- Brändin äänensävy: työkalu voi seurata kaavaa, mutta brändin on tiedettävä, millaisen vaikutelman se haluaa antaa.
- Suostumus ja data: älä lähetä henkilökohtaisia, luottamuksellisia tai asiakkaiden tietoja huolettomasti julkiseen tekoälytyökaluun.
- Poiskytkentä: automaatiolla on oltava vastuuhenkilö ja helppo tapa pysäyttää se.
Yksinkertaisin pilotti pienemmälle yritykselle
Valitse yksi säännöllinen uutiskirje. Mittaa, kuinka paljon aikaa valmistelu vie nyt, kuinka monta virhettä toistuu ja mitä kaupallista mittaria seuraat. Anna tekoälyn valmistella versioita hyväksytystä artikkelista ja tarkistuslistasta. Vertaa neljän–kuuden lähetyksen jälkeen aikaa, laatua, klikkauksia ja kielteisiä reaktioita.
Jos aika vain siirtyi kirjoittamisesta korjauksiin, pilotti epäonnistui. Jos prosessi nopeutui ilman tarkkuuden heikkenemistä ja ihmiset saivat relevantimpaa sisältöä, sinulla on syy jatkaa. Vasta sen jälkeen käsittelisin monimutkaisempaa personointia tai integraatiota.
Milloin tekoälyä ei pidä käyttää
En käyttäisi sitä itsenäisenä lähettäjänä arkaluonteisissa tarjouksissa, jos hyväksytty lähdemateriaali puuttuu tai jos yksikin virhe voisi vahingoittaa asiakasta tai mainetta. Samoin ennustuskerroksen rakentamisessa rikkinäisen CRM:n ja epäjohdonmukaisten suostumustietojen päälle ei ole järkeä.
Laita ensin sähköpostimarkkinoinnin ja automaation perusteet kuntoon; käytännön työskentelyä yhden järjestelmän kanssa löydät ActiveCampaign-oppaasta. Jos haluat valita ensimmäisen pilotin todellisen prosessin ja datan perusteella, kirjoita minulle yhteydenottolomakkeen kautta.