Skriv bedre e-poster – øk omsetningen

I løpet av noen få år har e-postmarkedsføring blitt en av mange bedrifters viktigste strategiske kommunikasjonskanaler.

Hver dag sender selskaper tusenvis av e-poster ut til nordmenn som har gitt dem sitt samtykke til å motta nyhetsbrev og reklame.

Bruken av egne flater har blitt spesielt viktig når kundene i mindre grad er til stede i de tradisjonelle mediekanalene og i økende grad beskytter seg mot reklame på digitale plattformer. Det er også en nyttig måte å samle opp store mengder unike data som kan brukes til å forbedre egen markedsføring.  

Men hvilken type innhold bør slike e-poster ha for å skape oppmerksomhet, interesse og salg?

Ingen «golden rule»

Med bruk av maskinlæring og kunstig intelligens har vi utviklet en metodikk som analyserer bedrifters e-poster og identifiserer hva som kjennetegner e-postene som fungerer best.

Det geniale med denne teknologien er man kan automatisere prosessen som ellers ville bestått av å manuelt gå gjennom titusenvis av e-poster for å kategorisere ulike typer innhold.

Vår analyse gir dessverre ingen «golden rule» for hva man skal gjøre, siden oppskriften som gir størst effekt vil variere betydelig fra firma til firma.

Fire interessante funn

Men, vi oppdaget fire fellestrekk ved de beste e-postene som er relevant for alle bedrifter å tenke på i sin markedsføring:

• Bilder med ansikter er mer effektive enn bilder som ikke inneholder ansikter.
• Bilder av kvinner som er i samme alder som mottaker gir større effekt, uavhengig av kjønn på mottaker.
• Tekst på bilder er kun positivt hvis denne teksten ikke tar opp mer enn 10-20% av det totale bildet. Her har mange mye å lære!
• Enklere språk gir større effekt enn faglig og teknisk språk.

Våre analyser indikerer et potensiale på 10-15% flere klikk for selskaper som ivaretar denne kunnskapen om hva kunder responderer på i sine e-poster. For mange selskaper vil dette utgjøre flere titalls millioner kroner i økt omsetning.

Smartere metode for A/B-testing

A/B-testing er en velkjent måte å teste to (eller flere) typer innhold mot samme målgruppe for å identifisere hva som fungerer best. Problemet er imidlertid at bedrifter ofte mangler gode ideer om hva som skal testes. De famler derfor ofte i blinde.

Med vår metodikk kan A/B-tester løses mye smartere fordi kunnskapen maskinlæring samler inn gir et langt bedre utgangspunkt for å plukke ut innhold man vet er mer effektivt enn andre typer.

Maskinlæring kan også brukes til å predikere klikkraten på en e-post før den sendes ut. Vi har ikke testet ut dette selv ennå, men på sikt kan man bruke dette til å gi e-poster en score og fjerne dårlige e-poster før de sendes ut.

Teknologien gir også spennende muligheter for å overvåke sine konkurrenter. Man får riktignok ikke tilgang til klikkstatistikken, men man kan lære utrolig mye om hvilken type innhold de bruker og hvilke kampanjer de kjører.