مارکتینگ اتومیشن زمانی بیشترین ارزش را ایجاد می‌کند که فقط برای خودکار کردن ارسال پیام استفاده نشود و به بخشی از استراتژی شناخت، سگمنت‌بندی و مدیریت چرخه عمر مشتری تبدیل شود. کیس استادی پوما نمونه خوبی از همین تغییر است؛ برندی جهانی که با استفاده از مارکتینگ اتومیشن توانست طی ۶ ماه، درآمد حاصل از ایمیل را ۵ برابر کند، دیتابیس مشتریان خود را ۵۰ درصد رشد دهد و تعداد مشترکان هفتگی را به ۱۰ برابر برساند.
پیش از این تغییر، بخش زیادی از ارتباط ایمیلی پوما بر پایه ارسال یک خبرنامه نسبتاً مشابه برای مخاطبان بود. اما با اضافه شدن سگمنت‌بندی، شخصی‌سازی، سناریوهای Lifecycle و بهینه‌سازی زمان ارسال، داده مشتری نقش بسیار پررنگ‌تری در تصمیم‌های مارکتینگ پیدا کرد.
پوما با چه چالشی در ارتباط با مشتریان روبه‌رو بود؟
فعالیت در چند کشور و ارتباط با گروه‌های مختلف مشتری، اجرای کمپین‌های شخصی‌سازی‌شده را برای پوما پیچیده کرده بود. زبان، ارز، علایق، رفتار خرید و مرحله‌ای که هر مشتری در چرخه عمر قرار داشت، از بازاری به بازار دیگر متفاوت بود.
پیش ازاستفاده از مارکتینگ اتومیشن، پوما عمدتاً یک Newsletter استاندارد را به‌صورت هفتگی برای مخاطبان خود ارسال می‌کرد. در چنین مدلی، امکان شخصی‌سازی عمیق ارتباط با مشتری محدود بود و هنوز ساختار گسترده‌ای برای Lifecycle Automation وجود نداشت.
پوما هم‌زمان چند هدف داشت: رشد دیتابیس مشتریان، شخصی‌تر کردن ارتباطات، شناخت دقیق‌تر رفتار مشتری و اجرای همه این فعالیت‌ها با تیمی که نمی‌توانست برای هر بازار ده‌ها کمپین جداگانه به‌صورت دستی بسازد. هدف نهایی ساده به نظر می‌رسید: پیام مناسب، برای مشتری مناسب، در زمان مناسب.
اما اجرای همین منطق در مقیاس بالا، بدون مارکتینگ اتومیشن بسیار دشوار است.
پوما چطور از داده مشتری برای سگمنت‌بندی استفاده کرد؟
یکی از مهم‌ترین تغییرات، کنار گذاشتن نگاه یکسان به همه اعضای دیتابیس بود. پوما تلاش کرد به‌جای اینکه همه مخاطبان را صرفاً «مشترک ایمیل» ببیند، تفاوت میان ارزش، رفتار و احتمال خرید آن‌ها را شناسایی کند.
با استفاده از داده‌های Customer Lifecycle و تحلیل رفتار کاربران، گروه‌هایی شناسایی شدند که احتمال بیشتری داشت طی دو تا سه ماه آینده خرید انجام دهند.
این کاربران می‌توانستند پیام‌ها و پیشنهادهای مرتبط‌تری دریافت کنند. از طرف دیگر، برای مشتریانی که Engagement پایین‌تری داشتند، Frequency ارتباط کاهش پیدا می‌کرد.
این بخش از تجربه پوما یک نکته مهم را درباره مارکتینگ اتومیشن نشان می‌دهد:
اتومیشن لزوماً به معنی ارسال پیام بیشتر نیست؛ گاهی هدف، ارسال کمتر اما دقیق‌تر است.
در یک کسب‌وکار آنلاین نیز می‌توان کاربران را بر اساس رفتارهایی مثل سابقه خرید، مشاهده محصول، کلیک روی کمپین، زمان آخرین تعامل یا میزان فعالیت به گروه‌های متفاوت تقسیم کرد.
برای مثال، یک Segment می‌تواند شامل مشتریانی باشد که اخیراً چند بار از سایت بازدید کرده‌اند و احتمال خرید آن‌ها بالاست. Segment دیگری می‌تواند شامل مشتریانی باشد که مدت زیادی خریدی نداشته‌اند و در معرض ریزش قرار دارند.
این تقسیم‌بندی کمک می‌کند هر گروه ارتباط متناسب با وضعیت خودش را دریافت کند.
شخصی‌سازی در مقیاس چند کشور چطور انجام شد؟
برای برندی مثل پوما، Personalization فقط به معنی قرار دادن نام مشتری در ابتدای ایمیل نیست.
یک کمپین ممکن است هم‌زمان در کشورهای مختلف اجرا شود و هر بازار زبان، ارز و محصولات متفاوتی داشته باشد. بنابراین Subject Line، قیمت، واحد پول، محصولات پیشنهادی و حتی بعضی Blockهای محتوایی باید بر اساس مشخصات مخاطب تغییر کنند.
پوما با استفاده از مارکتینگ اتومیشن، قالب‌ها و Logicهایی طراحی کرد که این فرایند را تا حد زیادی به‌صورت خودکار انجام می‌دادند.
در نتیجه، لازم نبود تیم برای هر کشور یک نسخه کاملاً جداگانه از کمپین بسازد. ساختار اصلی کمپین می‌توانست یک بار طراحی شود و بخش‌های مختلف آن بر اساس اطلاعات مخاطب تغییر کنند.
این موضوع علاوه بر شخصی‌سازی، یک مزیت عملیاتی مهم هم داشت. با افزایش تعداد بازارها، کمپین‌ها و Segmentها، حجم کار تیم مارکتینگ می‌تواند خیلی سریع افزایش پیدا کند. Automation کمک می‌کند بخشی از این پیچیدگی بدون نیاز به افزایش متناسب تعداد نیروی انسانی مدیریت شود.
نقش Lifecycle Automation در استراتژی پوما چه بود؟
پوما ارتباط با مشتری را به چند کمپین مناسبتی محدود نکرد. سناریوهایی برای مراحل مختلف Customer Lifecycle طراحی شد تا رفتار یا وضعیت مشتری مشخص کند چه ارتباطی برای او مناسب است. از جمله سناریوهای مورد استفاده می‌توان به Welcome، Abandoned Cart، Browse، Upsell، Win-back و تبدیل Leadها به مشتری اشاره کرد.
تفاوت این رویکرد با یک کمپین معمولی در نحوه شروع ارتباط است.
در یک کمپین عادی، تیم مارکتینگ تعیین می‌کند که در یک تاریخ مشخص، یک پیام برای گروهی از کاربران ارسال شود. اما در Lifecycle Automation، رفتار خود مشتری می‌تواند باعث شروع یک سناریو شود.
برای مثال:
کاربر جدید: ورود به Welcome Journey
کاربری که محصول را دیده اما خرید نکرده است: ورود به سناریوی یادآوری یا Browse Abandonment
کاربری که سبد خرید را رها کرده است: اجرای Cart Recovery
مشتری غیرفعال: ورود به Win-back Journey
مشتری پس از خرید: دریافت پیشنهاد Upsell یا Cross-sell
در چنین مدلی، هزاران یا میلیون‌ها مشتری می‌توانند هم‌زمان در مراحل متفاوتی از Customer Journey قرار داشته باشند و لازم نیست تیم مارکتینگ برای تک‌تک این اتفاق‌ها کمپین جداگانه‌ای را به‌صورت دستی اجرا کند.
انتخاب زمان مناسب ارسال چه تأثیری داشت؟
یکی دیگر از بخش‌های مهم این کیس، استفاده پوما از Send Time Optimization بود.
در بسیاری از کمپین‌ها، زمان ارسال بر اساس برنامه تیم مارکتینگ تعیین می‌شود؛ مثلاً همه کاربران ساعت ۱۰ صبح یک ایمیل را دریافت می‌کنند.
اما رفتار کاربران یکسان نیست.
ممکن است یک مشتری معمولاً صبح ایمیل‌های خود را بررسی کند و مشتری دیگری بیشتر در ساعات عصر یا شب با پیام‌ها تعامل داشته باشد.
Send Time Optimization تلاش می‌کند با استفاده از داده‌های قبلی، زمان مناسب‌تری برای ارسال به هر کاربر انتخاب کند.
در کیس پوما، استفاده از این قابلیت باعث ۵ تا ۱۰ درصد افزایش Open Rate شد.
این نتیجه نشان می‌دهد که Personalization فقط درباره محتوا نیست. زمان ارسال هم می‌تواند بخشی از تجربه شخصی‌سازی‌شده باشد.
برای طراحی یک کمپین دقیق‌تر، بهتر است هم‌زمان سه سؤال پاسخ داده شوند:
چه پیامی باید ارسال شود؟
این پیام برای کدام گروه از مشتریان مناسب است؟
بهترین زمان ارسال آن چه زمانی است؟
پوما چگونه از A/B Testing برای بهینه‌سازی کمپین‌ها استفاده کرد؟
اجرای خودکار یک کمپین، به‌تنهایی تضمین نمی‌کند که آن کمپین بهترین نسخه ممکن است. به همین دلیل، تست و تحلیل بخش دیگری از استراتژی پوما بود.
تیم CRM از A/B Testing استفاده می‌کرد تا تأثیر تغییرات مختلف را روی عملکرد کمپین بررسی کند.
موضوع تست می‌توانست محتوای پیام، نحوه شخصی‌سازی، زمان ارسال یا بخش‌های مختلف یک کمپین باشد.
بعد از هر تست، تیم می‌توانست بررسی کند کدام نسخه Engagement یا Revenue بیشتری ایجاد کرده و بر اساس داده واقعی تصمیم بگیرد.
یک ساختار مناسب برای بهینه‌سازی مارکتینگ اتومیشن می‌تواند این مراحل را داشته باشد:
- اجرای سناریو
- اندازه‌گیری عملکرد
- طراحی یک فرضیه برای بهبود
- اجرای A/B Test
- مقایسه نتایج
- اصلاح کمپین یا Journey
این چرخه باعث می‌شود Automation به یک فرایند ثابت و بدون تغییر تبدیل نشود.
نتیجه مارکتینگ اتومیشن پوما چه بود؟
تغییر رویکرد پوما طی ۶ ماه نتایج قابل‌توجهی ایجاد کرد.
| شاخص | نتیجه |
|---|---|
| درآمد حاصل از ایمیل | ۵ برابر |
| Open Rate | ۲۵٪ رشد |
| رشد دیتابیس مشتریان | ۵۰٪ |
| مشترکان هفتگی | ۱۰ برابر |
| رشد Open Rate با Send Time Optimization | ۵ تا ۱۰٪ |
پوما همچنین رشد سه‌رقمی سال‌به‌سال درآمد حاصل از ایمیل را گزارش کرده است.
نکته مهم این است که این نتایج صرفاً از ارسال تعداد بیشتری ایمیل به دست نیامد.
تغییر اصلی در این بود که داده مشتری نقش بیشتری در تصمیم‌های مارکتینگ پیدا کرد؛ اینکه کدام کاربر باید پیام دریافت کند، چه محتوایی برای او مناسب‌تر است، چه زمانی باید پیام ارسال شود و مشتری در کدام مرحله از چرخه عمر قرار دارد.
چه درس‌هایی می‌توان از کیس پوما گرفت؟
تجربه پوما چند نکته مهم برای تیم‌های CRM، Growth و Digital Marketing دارد.
دیتابیس بزرگ به‌تنهایی مزیت نیست
داشتن صدها هزار یا میلیون‌ها مخاطب به این معنی نیست که کمپین حتماً نتیجه خوبی خواهد داشت.
اگر همه کاربران پیام تقریباً یکسانی دریافت کنند، تفاوت میان مشتری وفادار، مشتری جدید، کاربر غیرفعال و مشتری با احتمال خرید بالا نادیده گرفته می‌شود.
ارزش دیتابیس زمانی بیشتر می‌شود که داده‌ها برای شناخت تفاوت کاربران استفاده شوند.
شخصی‌سازی فقط استفاده از نام مشتری نیست
Personalization واقعی می‌تواند شامل محصول پیشنهادی، نوع محتوا، زبان، ارز، زمان ارسال، Frequency ارتباط، کانال و مرحله Customer Lifecycle باشد.
به همین دلیل، قرار دادن نام مشتری در Subject یا ابتدای پیام را نمی‌توان به‌تنهایی یک استراتژی شخصی‌سازی کامل دانست.
Automation به Scale کمک می‌کند
یکی از مشکلات اصلی مارکتینگ در مقیاس بالا این است که تعداد سناریوها به‌سرعت زیاد می‌شود.
اگر قرار باشد هر Segment و هر مرحله Customer Journey به‌صورت دستی مدیریت شود، تیم خیلی زود با محدودیت عملیاتی مواجه می‌شود.
Automation کمک می‌کند سناریوها بر اساس Ruleها و رفتارهای مشخص اجرا شوند و تیم مارکتینگ بیشتر روی استراتژی، تحلیل و بهینه‌سازی تمرکز کند.
Frequency هم بخشی از تجربه مشتری است
گاهی بهترین تصمیم مارکتینگ این است که برای یک کاربر پیام کمتری ارسال شود.
اگر کاربر مدت زیادی با پیام‌ها تعامل نکرده باشد، افزایش تعداد ارسال الزاماً باعث بازگشت او نمی‌شود و حتی می‌تواند تجربه بدتری ایجاد کند.
بنابراین Frequency باید بر اساس رفتار و Engagement مخاطب مدیریت شود.
سناریوی پوما را چطور می‌توان با زبلاین اجرا کرد؟
منطق استفاده‌شده در کیس پوما محدود به یک برند یا یک پلتفرم خارجی نیست. کسب‌وکارها می‌توانند بر اساس داده‌های خود، سناریوهایی با منطق مشابه را در زبلاین طراحی کنند.
فرض کنید یک فروشگاه اینترنتی می‌خواهد ارتباطات خود را از ارسال عمومی به Lifecycle Marketing نزدیک‌تر کند.
ابتدا رفتارهای مهم کاربران ثبت می‌شوند؛ رفتارهایی مثل مشاهده محصول، ثبت‌نام، خرید، رها کردن فرایند خرید، کلیک روی پیام و بازگشت به سایت.
بعد از آن، کاربران بر اساس ویژگی‌ها و رفتارهایشان در Segmentهای متفاوت قرار می‌گیرند.
برای هر Segment نیز می‌توان Journey متناسب با وضعیت مشتری طراحی کرد.
کاربر جدید: Welcome Journey
مشاهده محصول بدون خرید: ارسال یادآوری یا پیشنهاد مرتبط
رها کردن سبد خرید: Cart Recovery
عدم خرید طی یک بازه مشخص: Win-back Journey
مشتری فعال: پیشنهاد محصولات مرتبط
مشتری وفادار: پیشنهاد یا ارتباط متناسب با ارزش و سابقه خرید
در ادامه نیز عملکرد هر Journey بررسی می‌شود و بر اساس داده واقعی می‌توان Segment، پیام، زمان‌بندی یا ساختار سناریو را تغییر داد.
چه قابلیت‌هایی در زبلاین برای چنین سناریوهایی کاربرد دارند؟
برای اجرای سناریوهایی مشابه منطق استفاده‌شده توسط پوما، چند قابلیت باید در کنار هم قرار بگیرند.
سگمنت‌بندی مشتریان
با Customer Segmentation می‌توان کاربران را بر اساس ویژگی‌ها، رفتارها و Eventهای مختلف در گروه‌های متفاوت قرار داد.
مثلاً می‌توان Segment جداگانه‌ای برای مشتریان غیرفعال، مشتریان پرتکرار یا کاربران علاقه‌مند به یک محصول ایجاد کرد.
طراحی Customer Journey
در Customer Journey Designer می‌توان مسیرهای ارتباطی متفاوتی بر اساس Segment، زمان، Event یا رفتار مشتری طراحی کرد.
این قابلیت کمک می‌کند هر کاربر بر اساس وضعیت خودش وارد یک مسیر مشخص شود.
ارتباط چندکاناله
سناریوی Lifecycle الزاماً نباید فقط به Email محدود باشد.
بسته به نوع کسب‌وکار و رفتار مشتری، می‌توان از کانال‌هایی مثل SMS، Email، Mobile Push، Web Push یا In-Site Message استفاده کرد.
این موضوع اهمیت زیادی دارد، چون ممکن است کانال مناسب برای هر کاربر یا هر سناریو متفاوت باشد.
A/B Testing
با A/B Testing می‌توان نسخه‌های مختلف یک پیام یا سناریو را بررسی کرد و تصمیم‌گیری را به داده واقعی سپرد.
برای مثال، می‌توان دو پیشنهاد، دو زمان ارسال یا دو Copy متفاوت را آزمایش کرد.
Analytics
بعد از اجرای Journey باید مشخص شود چه اتفاقی افتاده است.
چه تعداد کاربر وارد مسیر شده‌اند؟
چند نفر با پیام تعامل کرده‌اند؟
کدام Segment عملکرد بهتری داشته است؟
کاربران در کدام مرحله از Journey خارج شده‌اند؟
تحلیل این داده‌ها کمک می‌کند سناریوهای بعدی دقیق‌تر طراحی شوند.
تفاوت این مدل با ارسال انبوه چیست؟
ارسال انبوه معمولاً با یک سؤال شروع می‌شود:
«این هفته چه پیامی برای دیتابیس بفرستیم؟»
اما Lifecycle Marketing سؤال متفاوتی مطرح می‌کند:
«هر مشتری الان در چه وضعیتی قرار دارد و ارتباط مناسب برای او چیست؟»
در مدل اول، Campaign محور اصلی تصمیم است.
در مدل دوم، مشتری و رفتار او محور تصمیم قرار می‌گیرد.
به همین دلیل، مارکتینگ اتومیشن زمانی بیشترین ارزش را دارد که فقط ارسال پیام را خودکار نکند، بلکه به کسب‌وکار کمک کند تصمیم بگیرد چه زمانی اصلاً باید ارتباطی شکل بگیرد.
جمع‌بندی
پوما در ابتدای این مسیر با مسئله‌ای روبه‌رو بود که بسیاری از کسب‌وکارهای دیجیتال نیز تجربه می‌کنند: دیتابیس بزرگی از مشتریان وجود دارد، اما مدل ارتباطی برای بخش زیادی از آن‌ها شبیه به یکدیگر است.
با استفاده از مارکتینگ اتومیشن، Segmentation، Personalization و Lifecycle Automation، این مدل تغییر کرد.
در مدت ۶ ماه، درآمد حاصل از ایمیل پوما ۵ برابر شد، دیتابیس مشتریان ۵۰ درصد رشد کرد و تعداد مشترکان هفتگی به ۱۰ برابر رسید.
اما مهم‌تر از خود اعداد، منطق پشت این نتایج است؛ شناخت بهتر مشتری، انتخاب پیام مرتبط‌تر، مدیریت مناسب Frequency، انتخاب زمان مناسب و طراحی Journey بر اساس رفتار واقعی کاربران.
زبلاین نیز به کسب‌وکارها کمک می‌کند داده‌های رفتاری کاربران را برای سگمنت‌بندی، طراحی Customer Journey و اجرای ارتباطات چندکاناله استفاده کنند.
اگر می‌خواهید ببینید سناریوهای مارکتینگ اتومیشن چطور می‌توانند بر اساس رفتار مشتریان کسب‌وکار شما طراحی شوند، درخواست دمو زبلاین ثبت کنید.