E-postmarknadsföring: Enkel analys av behållarlistan

Retentionstid

Abonnent retentionstid har sina rötter i tidningsbranschen. För flera år sedan arbetade jag för ett databasmarknadsföringsbolag som specialiserat sig på tidningsprenumerationsanalys. En av de viktigaste mätvärdena för segmentering och marknadsföring av utsikterna för prenumerationer var deras förmåga att "behålla". Vi ville inte (alltid) marknadsföra för framtidsutsikter som inte skulle behålla bra, så när vi ville förvärva kvalitetsutsikter skulle vi marknadsföra till stadsdelar och hushåll som vi visste behöll bra. Med andra ord tog de inte grepp om 13-veckorsspecialen och sparade sedan, de skulle faktiskt förnya och hålla fast.

För att analysera hur bra produkten klarade sig och hur bra det gick med vår marknadsföring skulle vi kontinuerligt analysera vår kundretention. Detta skulle hjälpa oss att hålla oss på mål. Det skulle också hjälpa oss att uppskatta hur många kunder som skulle lämna kontra stanna så att vi kunde planera våra förvärvskampanjer i enlighet med detta. Under sommarmånaderna där folk skulle åka på semester kanske vi marknadsför till utsikter med låg retention helt enkelt för att hålla räkningarna uppe (abonnentantal = annonseringsdollar i tidningsbranschen).

Retentionskurvan

Retentionskurva

Varför ska du analysera kvarhållande av listor?

Jag är ärligt förvånad över att, med tanke på värdet av en e-postadress, har e-postmarknadsförare inte antagit lagringsanalys. Lagringsanalys på e-postprenumeranter är värdefull av flera anledningar:

  1. Med låg retention kommer rapportering om hög skräp / skräppost. Övervakning av listhållning hjälper dig att bygga ditt rykte och undvika leveransproblem hos Internetleverantörer.
  2. Att ställa in lagringsmål är ett utmärkt sätt att se till att ditt innehåll är upp till snus. Det kommer i princip att berätta för dig hur många gånger du kan riskera dåligt innehåll innan en abonnent bestämmer sig för borgen.
  3. Behållningsanalys kommer att berätta hur dåligt dina listor är förnedrande och hur många prenumeranter du måste fortsätta att lägga till för att behålla dina listantal och; som ett resultat dina intäktsmål.

Hur man mäter kvarhållning och förslitning på din e-postlista

Exemplet jag har tillhandahållit här är helt gjort, men du kan se hur det kan hjälpa. I det här fallet (se diagrammet) sjunker det vid fyra veckor och ytterligare en efter 4 veckor. Om detta var ett riktigt exempel, kanske jag vill lägga till lite dynamiskt innehåll runt 10 veckors märke som verkligen lägger till lite zip till kampanjen! Samma vecka 4!

Till att börja med tar kalkylbladet jag använder i princip varje abonnent och beräknar datumet de startade och deras avbokningsdatum (om de har avslutat prenumerationen. Se till att kolla in beräkningarna - de gör ett bra jobb med att dölja information där den ska vara tom och räknar bara med villkor.

Du ser att det resulterande rutnätet innehåller de totala dagarna de prenumererade om de har avslutat prenumerationen. Detta är den information som jag kommer att använda i den andra delen av analysen för att beräkna retentionstakten vid varje vecka.

Prenumerantdagar

En retentionskurva är ganska standard i alla branscher som mäter prenumerationer, men den kan också användas för att analysera retention för andra industrier - matleverans (hur många leveranser och hur ofta innan någon lämnar för gott ... kanske ett speciellt "tack" precis innan det poäng är i ordning), hårklippningar, filmuthyrning ... du heter det och du kan beräkna förslitning och retention för din klient.

Att behålla kunder är vanligtvis mycket billigare än att skaffa nya. Du kan använda Retention Analysis för att beräkna och övervaka dina retentionskurvor.

Med mitt falska exempel ser du att jag bara måste lägga till ytterligare 30 +% av prenumeranterna för att behålla mina listantal, inom några månader. Det finns för närvarande inga e-postmarknadsföringsstandarder för retentionsanalys - så beroende på din bransch och dina kampanjer kan din listkvarhållning och avgång variera dramatiskt.

Ladda ner ett Excel Retention-kalkylark

Retention kalkylblad

Ladda ner Excel-kalkylarket

Det här är bara ett rudimentärt prov som jag satte ihop för det här inlägget. Det innehåller dock all information du behöver för att kunna analysera din retention. Högerklicka bara på diagrammet nedan och gör en "Spara som" för att ladda ner kalkylarket jag har byggt lokalt.

Om du behöver hjälp med att utföra denna typ av analys i dina listor, låt mig veta! Det kommer verkligen till nytta när du också har uppgifter om hushåll, demografi, beteende, innehåll och utgifter. Det gör att du kan göra en otrolig segmentering för att bättre rikta din marknadsföring och ditt innehåll till din publik.

Vad tror du?

Den här sidan använder Akismet för att minska spam. Läs om hur din kommentardata behandlas.