menu

Как искусственный интеллект и машинное обучение изменят email-маркетинг

8 шагов к новому пониманию рассылок

Маркетолог облачного сервиса Zoho, Айшвария Ашок рассказала, что email-маркетингу дадут машинное обучение (ML) и искусственный интеллект (AI).

Если кратко — они ответят на вопросы: кому писать, что писать и когда отправлять. Если подробнее, то есть 8 основных направлений, в которых будет развиваться email под влиянием ML и AI.

Машинное обучение располагает готовыми алгоритмами, направленными на улучшение показателей email-маркетинга. Итак, чем email-маркетологу поможет «бог из машины»?

1. Выбирать идеальную тему письма

Алгоритмы обработки естественного языка позволяют выявить закономерности: что работает в темах писем, а что нет. И даже сгенерировать эффективные темы писем.

2. Генерировать динамический контент 

Продвинутая персонализация — это подобрать товары и блоки из базы блоков, которые будут работать конкретно для этого пользователя. Это позволяет персонализировать каждое письмо в рамках одной кампании.

3. Анализировать тональность ответов

Те же алгоритмы обработки естественного языка позволяют выявить прилагательные и наречия в тексте и определить их настроение: позитивное или негативное. На основе этого определяется тональность ответов, и маркетологи получают информацию о том, какие эмоции могли вызвать такой ответ пользователя.

4. Тестировать разные варианты рассылок и элементы письма

Мультивариантное тестирование — это отправка разных сообщений пользователям в рамках одного сегмента, чтобы понять какое письмо лучше работает. 

Мультиатриббутивное — возможность отправлять в рамках одной кампании письма с разными темами, или претемами, или призывами к действию. На больших данных это позволяет значительно оптимизировать письма.

5. Сегментировать аудиторию в разы качественнее, чем вручную

ML позволяет создавать «умные» сегменты. Автоматизировать построение сегментов по критериям, формировать группы пользователей по интересам или потребностям и даже предсказывать, как себя поведет сегмент в будущем на основе исторических данных.

6. Подбирать идеальное время отправки

Большинство email-маркетологов подбирают время отправки так, чтобы email бренда был первым у пользователя во входящих. А у ML уже существует более надежный способ сделать так, чтобы письмо точно было прочитано. Это готовые математические модели, предсказывающие лучшее время отправки письма.

7. Определять частоту email-сообщений

Во-первых, ML позволяет выявить ритм email-коммуникаций компании и дает пищу для размышлений, насколько она соответствует бренду компании. Если бренд позиционирует себя как «всегда доступные и актуальные цены» — это предполагает частые и короткие письма с обновлениями цен и актуальности склада. Если «вечные ценности» — то письма редко и по делу. 

Во-вторых, ML позволяет определить тонкую грань: сколько писем подписчик готов получить, воспринять и обработать без раздражения, чтобы не расценивать их как «ненужный спам».

8. Анализировать, как фильтруется папка «Входящие» у пользователя

Алгоритмы сортировки почты у известных email-провайдеров работают не проще, чем алгоритмы поисковой оптимизации. ML позволяет на основе контента письма и других факторов определить, в какую папку в почте пользователя попадет письмо, и какой контент в нём почтовики могут посчитать спамом.

«Пиши, отправляй. Как писать тексты для email-рассылок»

Подпишитесь на рассылку и получите электронную книгу

Нажимая кнопку «Получить книгу», вы даете согласие на обработку персональных данных.