Hur använder du e-postdata för att förbättra kommunikationen?

E-postdata förbättrar kommunikationen när du gör måtten till konkreta tester i stället för att stirra på siffror. Här går vi igenom en enkel förbättringsloop som kopplar data till bättre meddelanden.

Utkast

Team A går igenom e-postmåtten varje månad och sparar en rapport som ingen läser. Team B väljer en siffra varje vecka, ändrar en sak och jämför resultatet nästa fredag. Sex månader senare svarar Team B snabbare, skriver skarpare ämnesrader och skickar färre mejl som inte leder någonstans.

Att använda e-postdata för att förbättra kommunikationen betyder att koppla mått till en bestämd ändring, testa ändringen och mäta resultatet. Det handlar inte om att samla in fler siffror. Det handlar om att sluta cirkeln mellan det datan visar och det ditt team skriver, skickar och svarar på. Måtten från e-postmått som varumärken bör följa och trenderna från att följa e-postengagemang över tid matar direkt in i den här processen.

Så använder du e-postdata för att förbättra kommunikationen

Börja med ett problem du vill lösa. Låg öppningsgrad? Få klick? Långsamma svar? Välj det mått som hör till problemet och lämna resten tills vidare. Ett fokuserat test ger tydligare resultat än att ändra fem saker på en gång.

Gör måttet till en hypotes. "Vår öppningsgrad sjönk eftersom ämnesraderna blev vaga" går att testa. "E-post fungerar inte" gör det inte. Skriv om två ämnesrader med hjälp av ämnesrader för professionella mejl, skicka dem till liknande grupper och jämför öppningsgraden veckan efter.

Vanliga förbättringar som datan pekar ut

Låg öppningsgrad pekar ofta på ämnesrader, utskickstid eller att avsändarnamnet inte känns igen. Åtgärda ämnesraden först, eftersom det är det snabbaste testet. Låg klickfrekvens trots bra öppningar pekar på texten, länkarnas placering eller en svag uppmaning. Använd tydlighetsreglerna från hur du skriver ett tydligt och kortfattat mejl.

Långsam svarstid pekar på arbetsflödet i inkorgen, inte på hur väl ni skriver. Gå igenom reglerna för delegering från arbetsflöde för att hantera professionell e-post och se om brådskande meddelanden markeras rätt. Låg svarsfrekvens på säljmejl kan betyda att önskemålet är oklart eller att tiden för uppföljning från automatiska uppföljningsmejl behöver justeras.

Den veckovisa förbättringsloopen

Varje vecka noterar du dina viktigaste mått, hittar den svagaste siffran, formulerar en hypotes, gör en ändring och går igenom resultatet sju dagar senare. Dokumentera vad du testade så att du inte upprepar misslyckade experiment. Dela resultatet med teamet i två meningar så att alla lär sig av samma data.

Nästa kapitel om misstag varumärken gör i e-postrapportering tar upp fällorna som hindrar loopen från att fungera.

Vanliga frågor

Hur mycket e-postdata behöver ett varumärke innan det ändrar något?

Två veckors utgångsdata räcker för att börja testa en variabel. Fyra veckor ger större säkerhet om trendens riktning. WEMASY:s analys av formulär och sidor i webbplatsbyggaren ger sammanhang när länkar i mejl leder till besök på webbplatsen.

Bör varumärken ändra ämnesrader eller innehåll först?

Ändra ämnesraderna först när öppningsgraden är problemet. Ändra innehållet när öppningarna är bra men klick eller svar är låga. Datan visar vilken spärr som inte fungerar.

Kan e-postdata förbättra kommunikation med enskilda personer?

Data om svarsfrekvens och svarstid visar om din direkta kontakt ger svar tillräckligt snabbt. Följ vilka ämnesrader på offertmejl som får snabbast svar och återanvänd mönstret.

Hur kopplar du e-postdata till webbplatsens resultat?

Jämför klickfrekvensen på länkar i mejl med sidbesök och skickade formulär på landningssidan. Ett gap mellan klick och konverteringar pekar på ett problem med sidan, inte med mejlet. Se så påverkar professionell e-post konverteringar.

Vad gör jag om datan visar ett problem men åtgärden inte fungerar?

Kör testet i två veckor innan du drar slutsatsen att det misslyckades. En långsam vecka är brus. Om åtgärden fortfarande inte ger någon effekt formulerar du en ny hypotes och testar en annan ändring.

Hur förbättrar e-postdata automatiska meddelanden?

Data från sekvenser visar var mottagarna hoppar av. Få öppningar på steg två betyder att det första meddelandet gav fel förväntningar. Få klick på steg tre betyder att uppmaningen behöver arbetas om. Läs misstag att undvika med e-postautomatisering tillsammans med dina siffror.

Använd det direkt
på din egen webbplats.

Börja gratis med WEMASY och bygg din sajt på några minuter.