1. 部落格
  2. 電子報行銷

RFM 進階篇:Email 名單分眾實作,教你創造開信率 38% 的方法!(三部曲 3/3)

名單太多,到底應該寄給誰?將 RFM 模型運用在電子報行銷上,找出高價值的 VIP 名單。

名單量太多?想要節省 Email 行銷成本?到底哪些顧客喜歡用 Email 收信,能發揮最大的 Email 行銷報酬率?這篇文章分享如何將 RFM 模型運用在電子報名單管理上,找出最適合進行電子報行銷的顧客,並提出建議。

一般常見的 RFM 模型是在 CRM 中利用顧客的消費行為進行分眾,分析顧客的終身價值。在 Email 行銷中,最直觀的成效是開信率和點擊率。應該如何提升你的開信率和點擊率?除了積極優化電子報內容,也應進行名單管理。如果停止寄信給開信率很低的人,就可提高整體開信率。利用 RFM 模型,可分析顧客的收信行為,並進行分眾。

電子報行銷 RFM 實際應用案例

一般的 RFM 指標分別是:Recency 最近一次消費日期、Frequency 消費頻率、Monetary 總消費金額。本篇文章利用 RFM 模型分析電子報的成效,Recency 的指標可以取代為上次開信的日期;Frequency 則以平均開信率平均點擊率作爲分析指標;由於這次的案例名單沒有客戶的消費金額,因此無法分析 Monetary,而以 R、F 兩個指標進行分析。

以下是這次案例設定的 R、F 指標,並以此作為名單分眾的條件:

  • R:近期有無開信。在這個案例中,使用近期 10 次有無開信進行分組。
  • F:平均開信率。在這個案例中,使用開信率大於或小於等於 22% 進行分組。(全部名單未分組的平均開信率為 22%)

注意!由於每個公司的數據不同,因此分組方法必須根據公司的數據進行調整。這篇文章列出 RFM 分組的3大核心概念,強烈建議參考。

1.凍結名單【R 低】

首先將近期 10 次未開信的名單拉出,把它定義為凍結名單,即最近未開信的名單可能對電子報興趣已經不大,或是最近已經不需要電子報的服務。預測:開信率最低,最不值得投資的一群人。

2.VIP 名單【R 高 F 高】

針對近期 10 次有開信的名單中,再找出開信率較高(>22%)的名單。這些名單最近有開信,且開信率很高,表示他們最近有在關注我們,且關注頻率很高,判斷我們的電子報內容最符合這些顧客的需求。預測:開信率最高,最值得投資。

3.普通名單【R 高 F 低】

接著,在近期 10 次有開信的名單中,找出開信率較低(≤22%)的名單。這些名單最近有開信,但開信率不高,表示他們可能只對某些電子報內容有興趣。預測:開信率普通,可選擇性寄送電子報。

4.無資料名單【R、F 無資料】

排除以上三組名單,剩下的名單皆屬於無資料名單。這些人極可能是新名單,沒有任何行為資料。預測:沒有任何行為資料,無法進行預測。可持續寄信,隔一段時間,累計足夠多行為資料後,再次進行分組。

透過 R、F 指標針對 Email 名單的分群結果
R、F 指標針對 Email 名單的分群結果

 

根據 Email 名單的 R、F 分群結果進行實驗,實際寄送三次電子報行銷信件,每次寄送間隔一週左右,且每次寄送皆同時寄送給四個名單群組,以下是累計三次實驗的結果數據

RFM 進階篇:名單分眾實例,成功找到開信率 38% 的名單!
1.凍結名單【R 低】近期 10 次未開信:平均開信率 4.5%

 

RFM 進階篇:名單分眾實例,成功找到開信率 38% 的名單!
2.VIP 名單【R 高 F 高】近期 10 次有開信且開信率 >22%:平均開信率 31.8%

 

RFM 進階篇:名單分眾實例,成功找到開信率 38% 的名單!
3.普通名單【R 高 F 低】近期 10 次有開信且開信率 ≤22%:平均開信率 8.4%

 

RFM 進階篇:名單分眾實例,成功找到開信率 38% 的名單!
4.無資料名單【R、F 無資料】沒有足夠的數據:平均開信率 7.7%

 

進行三次實驗後,得出四個名單群組分別的平均開信率結果如下:

  1. 凍結名單【R 低】近期 10 次未開信:平均開信率 4.5%
  2. VIP 名單【R 高 F 高】近期 10 次有開信且開信率 >22%:平均開信率 31.8%
  3. 普通名單【R 高 F 低】近期 10 次有開信且開信率 ≤22%:平均開信率 8.4%
  4. 無資料名單【R、F 無資料】沒有足夠的數據:平均開信率 7.7%

 

實驗結果顯示,【R 高 F 高】群組的開信率高達 31.8%,【R 低】群組的開信率只有 4.5%,而【R 高 F 低】群組的開信率是 8.4%,證實原先的預測是正確的!因此,在 Email 行銷預算有限的前提下,應著重投資【R 高 F 高】群組,降低【R 低】群組的預算,並累計無資料群組的行為資料。

使用篩選功能,進行名單分眾

名單分眾可以有很多種方式,除了上述提到的 RF 分眾以外,也可使用名單的基本資料如:性別、地區等進行分眾。新版的電子豹增加了篩選功能,可輕鬆完成分組。電子豹的篩選功能分兩種:基本資料和行為資料。

基本資料:自定義資料。可以在 Excel 中加入名單的性別、消費金額、註冊成為會員的時間等等。匯入電子豹系統後,即可在基本資料中顯示。若你的活動是針對女生,可使用基本資料的篩選功能,找到女生,並建立群組。

行為資料:分析名單過去的行為資料。可依據行銷活動記錄、活動名稱、平均開信率、平均點擊率等作為篩選條件。

  • 活動記錄中可針對在電子豹的寄送活動的行為資料進行篩選,例如可以篩選近期 5 次寄送活動有點擊的人。
  • 活動名稱中可針對某個寄送活動的行為進行篩選。若想針對新會員再次做行銷活動,可以選擇上禮拜的寄送活動註冊會員歡迎信,找出有點擊歡迎信的名單,再次寄信新會員優惠給他們。
  • 平均開信率平均點擊率則可以找出開信率和點擊率較高的名單。

 

名單分眾很重要,如果名單不進行分眾,會導致開信率和點擊率不佳。根據這次的 R、F 實驗證明,透過分眾找出最近有開信且開信率高的名單,可以在電子報行銷中達到最佳的開信率結果,因此在行銷成本有限的情況下,可以優先對這些名單進行 Email 行銷,或針對這群重點客戶做個人化的行銷策略。

新版的電子豹系統有進階名單管理功能,可利用篩選條件,於系統中進行 Email 名單分眾。除了可以篩選基本資料(年齡、性別等)以外,也可使用名單的行為資料(平均開信率、平均點擊率)作為篩選條件。有效的 R、F 分眾方法,搭配電子豹後台的彈性篩選方式,可輕鬆管理你的 Email 名單,在有限的行銷預算中,得到最高的 Email 行銷報酬率!


延伸閲讀:RFM 概念篇:做好顧客分眾,完成 CRM 的第一步!(三部曲 1/3)

延伸閲讀:RFM 操作篇:別煩惱了!分眾行銷就這麽簡單!(三部曲 2/3)

延伸閲讀:EDM 也可以萌萌噠!看看 Pinkoi 怎麼做

延伸閲讀:SEO 做不起來?你試過用電子報提升 SEO 的必殺技嗎?

延伸閲讀:主旨優化的 7 個秘訣+A/B 測試,教你提升 Email 開信率