Hoe Mepal ziet welke klanten de e-mailprestaties bepalen

Mepal kon zien hoe een e-mailcampagne in totaal presteerde. Welke klantgroepen dat resultaat bepaalden, kon het team niet zien.

Met informatie die al in Deployteq stond, vergelijkt Mepal nu in SEINō de resultaten van groepen als nieuwe klanten, recente kopers en trouwe klanten.

Daar was geen nieuw datasysteem voor nodig.

Mepal

Consumentenproducten

Marijn van de Bree

E-mailmarketeer & CRM-specialist

Achter de klikratio (CTR) van een hele campagne kunnen twee heel verschillende verhalen zitten. Een campagne kan gemiddeld lijken omdat de ene klantgroep sterk reageert en een andere nauwelijks. Voor Mepal betekende dat: rapportages op campagneniveau waren nuttig, maar te beperkt om te bepalen hoe het e-mailprogramma relevanter kon worden.

De vraag achter het campagnetotaal

Marijn van de Bree, E-mailmarketeer & CRM-specialist, wilde weten hoe nieuwsbrieven presteerden bij verschillende soorten klanten: of terugkerende klanten anders reageerden dan nieuwe, of klanten met een recente aankoop anders klikten dan klanten van wie de laatste bestelling meer dan een jaar geleden was, en welke RFM-segmenten een resultaat omhoog of omlaag trokken.

Veel van de informatie daarvoor stond al in Deployteq. Mepal had klantkenmerken en aankoophistorie, maar kon die context nog niet als vaste dimensies gebruiken in de rapportages in SEINō.

Implementatietijd: Minder dan een dag
Klantcontext in historische rapportages: Vastgelegd op het verzendmoment

Bestaande data als dimensies in de rapportage

Mepal en SEINō bepaalden samen welke klantcontext de rapportages bruikbaarder zou maken: het RFM-segment, de tijd sinds de eerste en de laatste aankoop, hoe lang iemand al ingeschreven staat en of diegene een gepersonaliseerd MyMepal-product had gekocht.

Deployteq berekent die waarden op het moment dat een e-mail wordt verstuurd en voegt ze als metadata toe aan de verzendevents die SEINō ontvangt. SEINō zet die metadata om in eigen dimensies (custom dimensions), zodat het team campagnes op die klantgroepen kan filteren en vergelijken. De inrichting gebruikt informatie en templatemogelijkheden die al in Deployteq zitten; een nieuwe klantdatabase of een middlewareproject was niet nodig.

Voor datums werkt Mepal met zinvolle periodes in plaats van een aparte waarde voor elke datum. Een klant kan bijvoorbeeld worden ingedeeld op het aantal maanden sinds de laatste aankoop. Zo zijn de groepen makkelijker te vergelijken en blijft de rapportage overzichtelijk.

De juiste context bij elke mailing

De klantcontext wordt vastgelegd op het verzendmoment. Was iemand een recente koper bij het ontvangen van een campagne, dan houdt die campagne in de historische rapportage de context ‘recente koper’, ook als de status van de klant later verandert. Zo vergelijkt Mepal eerdere campagnes met de doelgroepcontext die gold toen elk bericht werd verstuurd.

Het team voegde ook een gehashte waarde toe aan de UTM-parameters van de links in zijn e-mails, met informatie die de ene mailing van de andere onderscheidt. Dat helpt om websitesessies te koppelen aan de bijbehorende mailing. Samen met de verzendmetadata onderzoekt Mepal zo wat verschillende klantgroepen doen nadat ze hebben geklikt, en niet alleen of ze klikten.

Een sterker vertrekpunt voor segmentatie

Volgens de oorspronkelijke klantcase was de inrichting in minder dan een dag klaar. SEINō hielp de templatelogica in Deployteq voor te bereiden en Mepal voerde de laatste aanpassingen in de templates door. Het resultaat is een rapportageoverzicht waarin het CRM-team ziet welke groepen bijdragen aan de prestaties van een campagne en waar een gerichtere aanpak kan helpen.

Voor het team van Marijn levert elke mailing nu een betere vraag op: naast hoe de campagne presteerde, ook welke klanten reageerden en wat het team de volgende keer voor hen anders kan doen.

Lees voor de implementatiestappen en Smarty-voorbeelden hoe je rapporteert over klantsegmenten met Deployteq-metadata en SEINō (in het Engels).

Voor je volgende CRM-evaluatie

Bekijk welke klantgroepen het totaalresultaat van een campagne omhoog of omlaag trekken.
Kijk of engagement verandert met de tijd sinds de laatste aankoop of met hoe lang iemand al ingeschreven staat.
Ga na welke segmenten wel doorklikken, maar op de website niet converteren.

Onderzoek deze punten met je eigen data. Ze zijn geen belofte dat een ander team dezelfde resultaten haalt.