Filter
ChatGPT Het effect van testen met content op conversie [case e-mailmarketing]
Marketing. We houden ons er volop mee bezig en daar is een reden voor. De verzamelnaam ‘marketing’ zegt zoiets als ‘alle activiteiten die er op gericht zijn om transacties tot stand te brengen of te bevorderen’. In deze zin schuilt eigenlijk de belangrijkste reden van het feit dat we ons bezighouden met marketing, namelijk; transacties. Of, zoals dat in e-mailmarketing wordt genoemd, conversie. Zo helder als het doel is, zo troebel is soms de weg er naartoe. Want op welke manier behalen we de hoogst mogelijke conversie?
We willen een product of dienst verkopen, maar de omzetting van attentie via een klik naar conversie blijkt soms behoorlijk lastig. Die klik is vaak het eerste meetpunt of een campagne goed of slecht scoort. De boodschap in je e-mail moet ontvangers motiveren die klik te maken en door te gaan naar het bestelformulier. Met verschillende uitingen valt in e-mailmarketing goed te testen welke variant het beste converteert.
Welk type content converteert het best?
In ons vorige artikel ‘Hoger rendement op je e-mailcampagnes? Gebruik engagement!’ hebben we beschreven hoe het mogelijk is om een hoger rendement op je e-mailcampagnes te halen door gebruik te maken van de Engagement Index. Daarin kwam naar voren dat het met goede selecties op basis van engagement met de afzender, mogelijk is om met lagere verzendaantallen een beter resultaat te boeken. In deze blog geven we hier een vervolg aan, door te kijken naar de inhoud van het e-mailbericht dat wordt verzonden aan bepaalde groepen van de database. We hebben de database met ontvangers dus gefilterd op basis van engagement. En nu? Testen met content naar de actieve en inactieve groepen.
De Engagement Index geeft informatie over de betrokkenheid van ontvangers van je e-mailberichten. Het is mogelijk om met behulp van de index een groep ‘actieve’ ontvangers en een groep ‘inactieve’ ontvangers te selecteren. De database werd opgedeeld in een actieve groep en een inactieve groep. In deze testgrid heeft de groep ‘actief’ in de afgelopen twaalf maanden minimaal één keer een commerciële prospectmail geopend. De groep ‘inactief’ heeft in de afgelopen twaalf maanden geen commerciële prospectmail geopend.
Deze segmenten in de database kunnen hierdoor apart worden benaderd om een beter rendement te halen. Het is interessant om bepaalde engagementgroepen in de database aparte boodschappen en uitingen te sturen. We hebben hiermee getest en bespreken in dit artikel onze bevindingen.
Zoals in ons eerdere artikel besproken, is allereerst een goede deliverability van je e-mailcampagnes nodig om je doelgroep optimaal te kunnen bereiken. Deze deliverability bestaat voornamelijk uit drie belangrijke pijlers:
- de technische inrichting van het verzendplatform;
- de kwaliteit van de database (lijsthygiëne en permissie van de ontvangers);
- de inhoud/content van de e-mail.
Voor een goede relatie met internet service providers (ISP’s) is het belangrijk dat deze pijlers in de basis op orde zijn. Dit totale pakket aan pijlers zorgt er namelijk voor dat een goede reputatie wordt opgebouwd bij internet service providers. Een stijgende reputatie heeft weer een direct effect op de deliverability van je e-mailberichten. Wanneer berichten beter aankomen in de mailbox van je ontvanger, zullen het absolute aantal opens, clicks en conversies gaan stijgen. We richten ons nu vooral op de derde pijler: de inhoud/content van de e-mail.
Content
Binnen de engagementgroepen ‘actief’ en ‘inactief’ hebben we drie testen gedaan met verschillende content. Het uitgangspunt van de test was optimalisatie van de boodschap per doelgroep, met als uiteindelijke doel een hoger rendement op de e-mailcampagnes.
 tekst met plaatje |
 tekst |
 plaatje |
De testgrid zag er als volgt uit:
- De database werd door middel van de engagement index opgedeeld in de groepen actief en inactief.
- Naar beide groepen werden dezelfde e-mailcampagnes verstuurd, het onderscheid werd gemaakt op basis van content.
- Binnen de actieve groep ontstonden er zo drie groepen:
- De groep ‘Tekst met plaatje’
- De groep ‘Tekst’
- De groep ‘Plaatje’
- Binnen de inactieve groep ontstonden er zo ook drie groepen:
- De groep ‘Tekst met plaatje’
- De groep ‘Tekst’
- De groep ‘Plaatje’
- De contentgroepen werden in batches verstuurd naar de e-mailadressen.
- Er is voor gekozen om voor alle varianten op beide groepen dezelfde afzendnaam en onderwerpregel te gebruiken, om het openpercentage niet te beïnvloeden.
De resultaten
Uit twee testen komen significante verschillen:
Test 1: Een e-mailcampagne om informatie aan te vragen over het besparen op de energierekening
- Bij de actieve groep lag het openpercentage op de varianten ‘Tekst’ en ‘Tekst met plaatje’ het hoogst, bij de inactieve groep lag het openpercentage van de variant ‘Plaatje’ het hoogst.
- Het doorclickpercentage van de actieve groep lag bij de variant ‘Tekst met plaatje’ hoger dan bij de variant ‘Tekst’.
- Bij de inactieve groep lag het doorclickpercentage van de variant ‘Tekst’ iets hoger dan bij de variant ‘Plaatje’, maar dit was statistisch niet significant.
Test 2: Een online actie voor verkoop van dameslingerie en herenondergoed
- Bij de actieve groep lag het openpercentage op de varianten ‘Tekst’ en ‘Tekst met plaatje’ nagenoeg gelijk, bij de inactieve groep lag wederom het openpercentage van de variant ‘Plaatje’ het hoogst.
- Het doorclickpercentage van de actieve groep lag bij de variant ‘Tekst met plaatje’ in totaal hoger dan bij de variant ‘Tekst’. Wat wel opviel is dat bij de dames mailing het doorclickpercentage op de variant ‘Tekst’ hoger lag.
- Bij de inactieve groep lag het doorclickpercentage van de variant ‘Tekst’ iets hoger dan bij de variant ‘Plaatje’, maar dit was statistisch niet significant.
De learnings
Wat kunnen we uit deze testen precies leren? En hoe kunnen we dit in toekomstige campagnes gaan gebruiken? Uit de tests blijkt dat groepen in de database verschillend reageren op content. Zowel qua openpercentages als qua doorclicks zijn er verschillen. En hoewel de verschillen soms klein lijken, kunnen deze op termijn (bij grotere volumes) tot behoorlijke verschillen leiden.
De bovenstaande testopzet hebben we toegepast bij prospectiecampagnes op externe databases, maar het is uiteraard ook mogelijk om te gaan testen met content op verschillende doelgroepen in een klantendatabase. De belangrijkste learnings zijn:
- Afhankelijk van de doelstelling van een campagne kan een testgrid worden opgesteld om de optimale variant te bepalen. De optimale variant kan per campagne en per klant verschillen. Wanneer de doelstelling conversie is, blijken varianten waarin tekst is opgenomen beter te werken. Wanneer de doelstelling bijvoorbeeld reactivatie van een inactieve groep is, blijkt het toesturen van een variant ‘Plaatje’ een hogere score te genereren.
- Met behulp van de Engagement Index kunnen er verschillende segmenten worden aangebracht in databases. Het is hierdoor mogelijk om een groep consumenten te vinden die meer betrokken is. Segmenten in de database kunnen met verschillende content per doelgroep worden benaderd om een beter rendement te halen. Het kan zeer interessant zijn om engagementgroepen in de database aparte boodschappen en uitingen te sturen.
- Met behulp van de juiste content is het mogelijk om inactieve adressen weer actief te krijgen. De variant ‘Plaatje’ haalt de hoogste opens bij de inactieve groep. Deze mensen zullen bij een toekomstige campagne in de groep met actieve adressen zitten (minimaal 1x geopend in de laatste 12 maanden). Het blijven versturen van e-mailberichten naar e-mailadressen die nooit openen heeft steeds meer nadelige gevolgen voor de algehele engagementreputatie van het afzendadres. Het is daarom zaak om e-mailadressen zo te benaderen dat hun engagement toeneemt. Op die manier wordt het algehele engagement opgekrikt, wat weer invloed heeft op de deliverability.
Conclusie: testen werkt!
E-mailmarketing is een perfect instrument om te testen wat de beste resultaten oplevert. Test met verschillende doelgroepen en met de engagement index en experimenteer met content. Speel daarnaast met een onderwerpregel en wissel verzenddagen en -tijden af. Pas dan kom je te weten wat het beste converteert en dus het meeste rendement oplevert op je e-mailcampagnes. Er zijn duidelijke verschillen tussen de verschillende testvarianten. Testen met content vergt tijd (en creativiteit), maar het levert uiteindelijk absolute meerwaarde op!
Tot slot nog een tip: de DM Calculator
Een handig hulpmiddel om te gebruiken bij testen is de DM Calculator van Frans Reichardt. Met deze calculator is het mogelijk de benodigde testgrootte, de betrouwbaarheid of afwijking van een testresultaat en de significantie van het verschil tussen twee testuitkomsten te berekenen. Er is ook een app van de calculator beschikbaar om te gebruiken bij al je toekomstige testen!
Over de auteurs
