Как использовать поведенческие данные для персонализации рассылок

Персонализация по имени и городу давно никого не удивляет. Более сильный уровень — поведенческие данные: не то, что человек о себе сообщил, а то, что он реально сделал. Просмотрел, кликнул, купил, бросил в корзине, перестал открывать письма. Именно на этих данных строится персонализация, которая ощущается как забота, а не как шаблон с подставленным именем.

Какие поведенческие данные вообще есть

•  Поведение на сайте или в приложении. Просмотренные товары и страницы, поисковые запросы, действия в корзине.

•  Поведение в самих письмах. Какие письма открывает, по каким ссылкам кликает, в какое время дня чаще читает рассылку.

•  История покупок. Частота, давность, категории, средний чек.

•  Стадия жизненного цикла. Дата регистрации, дата первой покупки, сколько времени прошло с последней активности.

Как превратить поведение в конкретное письмо

•  Посмотрел товар, но не купил. Письмо с этим же товаром и, если уместно, с ответом на типичное возражение (доставка, размер, гарантия).

•  Открыл письмо, но не кликнул. Повторное письмо с другой темой и другим призывом к действию, а не точная копия.

•  Регулярно интересуется одной категорией. Смещайте рекомендации в сторону этой категории, а не показывайте усреднённый ассортимент.

•  Давно не покупал, хотя раньше покупал часто. Письмо для возврата с релевантным для его категории поводом, а не с общей скидкой на всё подряд.

Технически: откуда брать эти данные

Для полноценной работы с поведением нужна платформа, которая объединяет действия из разных источников в один профиль клиента, обычно это CDP, либо ESP с достаточно развитой поддержкой поведенческих триггеров. Сравнение конкретных сервисов, включая те, что специализируются именно на этом (enKod, Rees46, Mindbox), есть в статье про сервисы для email-рассылки.

Частые ошибки

•  Слишком явно показывать слежку. «Мы заметили, что вы смотрели» считывается навязчиво, если товар упомянут без дополнительной пользы (совет, сравнение, отзыв).

•  Использовать устаревшие данные. Рекомендовать то, что человек уже купил в другом месте или вернул.

•  Присылать слишком много триггеров сразу. Если у пользователя одновременно сработало три поведенческих сценария, письма стоит объединить, а не отправлять по отдельности.

Коротко

•  Поведенческие данные сильнее демографических: они показывают намерение, а не просто описание человека.

•  Каждому типу поведения соответствует свой сценарий письма, а не универсальный шаблон.

•  Нужна технически объединённая история действий, иначе персонализация основана на догадках, а не на фактах.

Собирать поведенческие данные о подписчиках нужно с указанием этого в политике конфиденциальности и с учётом ФЗ «О персональных данных».

Читайте также:

• Что такое персонализация email-рассылок и как её использовать  
• Как персонализировать письма для роста конверсии  
• Динамический контент: что это такое и как его использовать в рассылках  
• Как использовать нейросети для создания персональных товарных рекомендаций  
• RFM-сегментация без сложной CRM: простой подход для малого бизнеса