email marketing automation - avenida.com

Caso E-mail Automation

DISEÑO

Organigrama

Objetivo Ofrecer beneficios únicos del canal, creando conceptos de comunicación y ofertas diferenciales

Automatización email diarioHerramienta en VBA para creación del HTMLMayor tiempo destinado al análisis estratégico y numérico del canalLimpieza y división de la base según engagement.

Qué representa Email Marketing en Avenida.com20% del revenue20% del tráfico+500k suscriptores – 20M emails mensuales

E-mail Marketing | Newsletter Diario

Automatización de mails

Basados en el comportamiento del usuario y sus preferencias

0,8% del trafico pero 4,5% de la venta

Mejores ratios de performance: +OR, +CTR, +CR.

Objetivo: contenido más relevante a cada usuario basado en sus interacciones con el sitio.

Ejemplos: Serie bienvenida, Recupero de Carrito, Producto Visto, Cross-sell, incentivo para usuarios inactivos.

Emails automáticos

Bienvenida

Objetivo: paso de subscripción a compra

Bienvenida, propuesta de valor e incentivo con caducidad

Exposición de los “mejores” productos

Promoción para aquellos que no convirtieron

“… última oportunidad”

Sessions

Product view

Checkout

Thank you page

Add to Cart

Producto visto

Subject personalizado

Contenido relevante

Urgencia

Social Proof

Ofertas y productos relacionados

Sessions

Product view

Checkout

Thank you

page

Add to Cart

1- Recordatorio y propuesta de valor

2- Descuento

3- Seguimiento

Recupero de carrito

Sessions

Product view

Checkout

Thank you

page

Add to Cart

Cross sell y recurrencia

Cross-Sell: Seguimiento con productos relacionados.

Recurrencia: Incentivar recompra mediante gift card.

Estrategia Unique Opens Unique Clicks Conversion Rate

Newsletter Diario 8,34% 1,22% 0,74%

Bienvenida 25,50% 6,53% 5,90%

Product Viewed 38,49% 9,48% 2,26%

Recupero Carrito 40,74% 10,45% 8,30%

Cross-Sell 27,60% 7,13% 2,01%

Recompra 21 días 16,13% 6,65% 2,02%

Recompra 60 dias 14,58% 5,64% 3,23%

Resultados

Segmentación de los usuarios sin comportamiento en base a datos demográficos

Recolección de datos Armado de clusters Automatización en la generación de las bases y el contenido

Optimización del tiempo de envío. Llegar a cada usuario en el horario adecuado

Modelos predictivos para evitar Churn (modelo Pareto/NBD de Fader et al.)

Continuar optimizando el modelo de atribución

Próximos pasos

¡Gracias! Franco Fagioli franco.fagioli@avenida.com