En toda estrategia de Marketing Automation hay unas métricas esenciales a analizar. Dependiendo del objetivo de mi estrategia, analizaremos más en profundidad unos KPIs u otros. También es muy importante tener en cuenta qué acción estamos planificando y por medio de qué canal se va a hacer, ya que no es lo mismo la personalización de un carrusel de productos en tu web que el envío de una newsletter.
Las métricas básicas de una estrategia de Marketing Automation
Haciendo un breve repaso a las métricas más básicas, si centramos en 3 objetivos básicos (interacción, conversión y awareness), nuestras métricas esenciales a analizar serán:
Cuando nuestro objetivo principal sea la interacción, tendremos en cuenta aquellas métricas que respondan a acciones que previamente hemos considerado como respuesta del cliente hacia nuestros estímulos, analizando concretamente:
- La tasa de apertura (OR)
- La tasa de clics (CTR)
- La tasa de respuesta
Cuando nuestro objetivo principal sea la conversión, ya sea una venta o cualquier acción que se defina, analizaremos:
- La tasa de conversión (CR): Basaremos esta métrica en los objetivos conseguidos en base a todos los impactos realizados.
Cuando nuestro objetivo principal sea informativo o awareness debemos definir muy bien las métricas que son relevantes para nosotros. Algunas de éstas pueden ser:
- La atribución del tráfico en web
- Las visualizaciones del contenido
- La tasa de rebotes (BR): Podemos verlo tanto en los datos de la web como en los emails. A mayor tasa de rebote menor interés habrá causado el contenido o de peor calidad serán los emails de nuestra BBDD.
- La tasa de apertura (OR)
- La tasa de clics (CTR)
Por último, debemos de tener en cuenta el ROI, una de las métricas más importantes en cualquier negocio. Esta métrica normalmente no suele estar representada entre los KPIs que nos muestran las herramientas de Marketing Automation, por lo que deberemos calcularla por nuestra cuenta.
Otras métricas más complejas del Marketing Automation
Si lo que queremos es ir más allá, deberemos incorporar métricas más complejas. Para ello utilizaremos e incorporaremos métricas como el Churn Rate (probabilidad de que el cliente haya dejado de comprar definitivamente), CLV (cantidad total de dinero que se espera que este contacto gaste) o P. Alive (probabilidad que tiene el cliente de volver a comprar). Además de estas métricas podremos utilizar la segmentación avanzada como una forma de obtener más información sobre mi audiencia / BB.DD.
Caso práctico: ¿Cómo incorporamos estas métricas más complejas al análisis de mi estrategia?
La mejor manera será ponerlo en práctica. Pongamos que actualmente, cuento con una estrategia de recuperación de carrito abandonado básica con dos impactos de email y considero que no estoy llegando a mis clientes como debería.
Para llevarla más allá necesito saber:
- Cuál es la evolución de los carritos abandonados en el tiempo, tanto en número de productos como en importe y en número de carritos. Lo consultaré en el apartado de dashboard de nuestra herramienta de marketing automation, Connectif.
- Por otro lado, observaré cuál es el estado de la suscripción a la newsletter de estos usuarios y su actividad email.
Sabiendo que la evolución de los carritos abandonados es más o menos estable, con algún pico, coincidente en periodos promocionales, voy a analizar cómo son los usuarios que abandonan estos carritos y evaluar si merece la pena poner más o menos esfuerzo en recuperar esas ventas.
Para ello voy a crear segmentos dinámicos y dinámicos plus, teniendo en cuenta las métricas Churn, P. Alive y CLV, pudiéndose combinar con la segmentación RFM. Para posteriormente desarrollar mi estrategia.
En este análisis veo que tengo usuarios suficientes con Churn y P. Alive elevados para hacer estrategias distintas para cada uno de ellos. Sabiendo esto, el siguiente paso será cruzar las diferentes métricas para saber en quién debo poner más o menos esfuerzo en la recuperación de la compra, creando segmentos dinámicos plus que posteriormente utilizaré en mi estrategia más avanzada de carrito abandonado.
En primer lugar, considero que aquellos en los que no debo emplear mucho esfuerzo serán los usuarios que tengan un Churn mayor al 50% y que pertenezcan a los segmentos perdidos, en riesgo de pérdida o hibernando del RFM, que abandonan carritos de más de 50€ y no han hecho compras en los últimos 60 días.
Por otro lado, emplearé mucho más esfuerzo en los que tienen un P. Alive mayor al 60%, abandonan carrito abandonado con importes mayores a 150€ y se encuentran en segmentos de campeones, fieles o potencialmente fieles. Excluyendo a aquellos que hayan hecho compras en el último mes.
Después de todo este análisis voy a crear mi flujo de recuperación de carrito avanzado.
Si mis usuarios tienen un P.Alive mayor al 60% le impactaré hasta 4 veces durante una semana en el caso de que no hayan hecho compra antes con mensajes adaptados a su situación. Si tras estos impactos no han recuperado su compra, 3 días después le daré una última oportunidad con un buen incentivo siempre y cuando estén dentro del segmento dinámico plus creado anteriormente.
Si no cumplen con las condiciones anteriores, pero tienen un Churn por encima del 50% y no pertenecen al segmento dinámico plus creado anteriormente, solo los impactaremos una vez con un email con su carrito y productos recomendados, mientras que si pertenecen al segmento simplemente le impactaremos con un pop up en su próxima entrada a la web.
Finalmente, si no cumple ninguno de los requisitos anteriores, pasaremos a una estrategia media, con 3 impactos mediante email.
Elogia, agencia especializada en Marketing Automation
Desde Elogia, como agencia Data First, esperamos que este vídeo y el contenido de este post te hayan ayudado a analizar mejor tus métricas y a medir
de forma efectiva tus esfuerzos de marketing. Y recuerda, si tienes problemas con ello, nuestro equipo de Marketing Automation siempre puede ayudarte ;)