E-Commerce-E-Mail-Marketing-Reifegradmodell

Es ist kaum zu glauben, dass es E-Mail-Marketing [EN] schon seit über zwei Jahrzehnten gibt!!! In dieser Zeit hat es sich als außergewöhnlicher Kanal für Händler*innen erwiesen, um mit ihren Zielgruppen zu kommunizieren und den Umsatz nach und nach zu steigern. Eine Wahrheit, die sich nicht ignorieren lässt: Je relevanter und zeitnaher eine Nachricht gesendet wird, desto besser sind die Ergebnisse, die Marketer*innen sehen.

Der knifflige Teil war schon immer, wie du auf die Daten im Backend zugreifst. In den frühen Tagen führte das dazu, dass Unternehmen mit vielen Ressourcen jemanden eingestellt haben, der*die speziell auf die Daten zugreift. Im Laufe der Zeit haben technologische Fortschritte in der Marketing-Automatisierung und Segmentierung [EN] dafür gesorgt, dass der Zugriff auf und die Nutzung von Daten so gut wie allen zur Verfügung stehen.

Bei all diesen Fortschritten bei Automatisierungstools und Tests fragen sich viele Marketer*innen, ob sie die richtigen Dinge tun. Tatsächlich geht es bei großartigem Marketing nicht um die Tools, die du nutzt, sondern darum, sicherzustellen, dass du die richtige Grundlage hast. Und diese Grundlage wird mit einer Sache aufgebaut: Daten.

Wir haben das Reifegradmodell für E-Commerce-E-Mail-Marketing [EN] erstellt, um zu helfen zu verstehen, wie Daten in jeder Phase des Unternehmenswachstums genutzt werden sollten, um das Marketing voranzutreiben.

Ein Reifegradmodell ist ein Bewertungsraster, das Unternehmen verwenden können, um festzustellen, in welcher Phase sie sich in einem bestimmten Funktionsbereich oder einer Strategie befinden – und ein Gutes Reifegradmodell hilft dir zu verstehen, wie du von einer Phase zur nächsten gelangst. Du könntest zum Beispiel Händler*in sein, die*der gerade einen Warenkorbabbruch-Flow gestartet hat. Wenn du die Branchennews verfolgst, hörst du vielleicht von Unternehmen, die Predictive Analytics verwenden, um ihre Kampagnen zu segmentieren. Wie kommst du von hier nach dort?

Stell dir ein Reifegradmodell als robustes Diagramm/Reporting vor, das alle Infos enthält, die du brauchst, um zu wissen, wie du einen Bereich deines Unternehmens verbessern kannst.

Ein Reifegradmodell ist ein Fahrplan für Fortschritt.

Auch wenn es verlockend ist, direkt zu den fortgeschrittensten Stufen zu springen, solltest du achtsam sein und zuerst alle früheren Schritte aufbauen, um eine starke Grundlage zu schaffen. Oft stellt ein Unternehmen fest, dass seine Aktivitäten über die verschiedenen Stufen eines Reifegradmodells verstreut sind. Keine Sorge, das ist normal.

Bereit?! Dann legen wir los!

Der erste Schritt bei der Einführung einer E-Mail-Marketing-Strategie ist anzuerkennen, dass du eine brauchst! Natürlich ist es heutzutage schwer, eine*n E-Commerce-Händler*in zu finden, der*die davon überzeugt werden muss, dass das Sammeln von E-Mail-Adressen und das gelegentliche Versenden von Aktionen ein wichtiger Teil ist, um das eigene Geschäft zu starten.

In dieser Phase liegt dein Fokus darauf, einen kostengünstigen E-Mail-Marketing-Anbieter zu finden, mit dem du ganz einfach E-Mail-Adressen sammeln, sie in einer Liste speichern, E-Mails erstellen und sehen kannst, wer sie geöffnet und angeklickt hat.

Die Arten von E-Mails, die du versendest, lassen sich als „Einheitsgröße“ beschreiben und werden typischerweise als „Batch and Blast“ betrachtet – das bedeutet, dass sie an alle Empfänger*innen auf deiner Liste mit exakt derselben Nachricht gesendet werden. Vielleicht personalisierst du deine E-Mail mit etwas wie dem Vornamen, aber darüber hinaus machst du nicht viel.

Vor ein paar Jahren konntest du dich auf dieser Stufe der E-Mail-Marketing-Reife bewegen und dennoch wettbewerbsfähig bleiben. Und wenn du nebenbei ein komplett neues Unternehmen aufbaust oder ein Unternehmen planst, in dessen Aufbau du nicht investieren willst, kann diese Phase für dich mehr als ausreichend sein.

Aber du kannst nicht sehr lange in dieser Phase bleiben, wenn du möchtest, dass dein Unternehmen wächst.

Tatsächlich überspringt heute eine Gut Zahl an E-Commerce-Unternehmen diese Phase und wechselt fast sofort zu Stufe zwei. Wie das möglich ist? Weil der Aufwand, den es braucht, um dein E-Mail-Marketing ein bisschen ausgefeilter zu gestalten, extrem gering ist.

Du brauchst weder eine Armee von Entwickler*innen noch endlos viel Zeit, um dich in Richtung ereignisbasiertes E-Mail-Marketing zu bewegen. Und es zahlt sich aus – sieh dir an, wie viel Umsatz diese Unternehmen im 4. Quartal im Durchschnitt allein durch Warenkorbabbruch-Flow erzielt haben.

Source:
E-Commerce Industry Benchmark Report [EN]Wie Segmentierung und Automatisierung den Erfolg im E-Mail-Marketing vorantreiben

Design

Direkt nach dem Auspacken sehen deine E-Mails ziemlich gut aus und decken die Grundlagen einer soliden E-Mail ab – professionell, mit einer überzeugenden Botschaft und einem klaren Call-to-Action. Du nutzt Vorlagen zu deinem Vorteil. Was die Anpassung angeht, hast du dein Logo hinzugefügt und einige der Farben in einer Vorlage geändert. Deine Einstellung ist „solange es okay aussieht und funktioniert.“ Positiv ist, dass die Vorlagen, die du verwendest, wahrscheinlich responsiv sind, weil sie von deinem E-Mail-Service-Provider erstellt wurden.

Messung & ROI

Was die Messung angeht, bist du dir nicht ganz sicher, was genau zu der Umsatzsteigerung geführt hat – und das lässt dich im Unklaren darüber, was funktioniert und was nicht. Ohne Zugriff auf die Daten, die du brauchst, verfällst du wahrscheinlich in eine „Spray-and-pray“-Mentalität – nicht nur beim E-Mail-Marketing, sondern bei deiner Marketingstrategie insgesamt.

WIE DU AUFSTEIGST

Wenn du an E-Mail-Marketing glaubst, aber trotzdem nach dem Gießkannenprinzip vorgehst, solltest du dir zwei Fragen stellen:

„Investiere ich in das Wachstum meines Unternehmens?“

Wenn die Antwort nein ist, kein Problem – du bist genau da, wo du sein solltest. Wenn die Antwort ja ist, fahre mit der nächsten Frage fort:

„Halte ich mich nur deshalb davon ab, eventbasiertes E-Mail-Marketing zu machen, weil ich nicht weiss, wie ich anfangen soll, nicht weiss, welche Tools ich verwenden soll, oder nicht glaube, dass es sich auszahlt?“

Wenn die Antwort auf eine dieser Fragen ja ist – dann lies weiter!

In Level 2 geht es darum, herauszufinden, wie du den Umsatz mit E-Mail beschleunigen kannst – und der erste Schritt besteht darin, E-Mail-Serien zu automatisieren, die basierend auf Aktionen ausgelöst werden, die Besucher*innen auf deiner Website ausführen. Bei Klaviyo nennen wir diese automatisierten E-Mail-Serien „Flows“.

Technologie

Da dein E-Mail-Marketing immer ausgefeilter geworden ist, ist auch dein Bedarf an einem robusteren E-Mail-Dienstleister gewachsen, der Autoresponder und E-Mail-Pfade verarbeiten kann. Dein ESP kann einige Erkenntnisse wie Öffnungs- und Click-Through-Rates messen. Zusätzlich zum Messen von Erkenntnissen werden einige deiner Daten jetzt mit deinem ESP synchronisiert, aber nicht alles, was du brauchst.

Was du von deinem ESP brauchst:

• Eine starke Integration zwischen deiner E-Commerce-Plattform und deiner Marketing-Automatisierungsplattform

Deine ereignisbasierten automatisierten E-Mails sind nur so präzise wie deine Daten, daher musst du sicherstellen, dass dein ESP Metriken wie die Anzahl der begonnenen Checkouts erfasst; aufgegebene Bestellungen; ausgeführte Bestellungen; stornierte Bestellungen; und mehr.

• Benutzerfreundlichkeit

Du baust dein Unternehmen aus; du hast keine Zeit, deine Software zu bedienen. Achte darauf, dass du eine Lösung wählst, die intuitiv ist und weder eine lange Implementierung noch umfangreiche Schulungen erfordert.

• Reporting

Design

In der fortgeschrittenen Phase deiner Kreativarbeit befindest du dich an einem Punkt, an dem du „eine Grundlage aufbaust, aber noch nicht besonders ausgefeilt“ bist. Du hast die Grenzen von Vorlagen erkannt und probierst jetzt eine Mischung aus Designs mit Vorlagen und Freelancer*innen aus. Markenkonsistenz über all deine E-Mails und deine Website hinweg ist dir wichtig geworden. Wenn es um Markenkonsistenz geht, denkst du an Farbe, Schriftart, Logo und Fotos. Vielleicht hast du sogar schon mit der Nutzung webbasierten Schriftarten experimentiert. Außerdem beginnst du, mehr über Messaging und Design für mobile Erlebnisse nachzudenken.

Sieh dir diese Beispiele an:

Mit Zugriff auf mehr Daten und Erkenntnisse bist du besser gerüstet, um zu wissen, welche deiner E-Mail-Maßnahmen funktionieren und welche nicht. Dann kannst du diese Erkenntnisse nutzen, um bessere Entscheidungen für dein Unternehmen zu treffen.

Sobald sich etwa 5.000 Personen für deine E-Mail-Liste angemeldet haben, hast du genug Daten, um über Segmentierung nachzudenken. Wenn du gerade erst startest, gibt es zwei Arten von Segmentierung, die du nutzen solltest:

Der erste Schritt ist, mit Dingen anzufangen, die dir Nutzer*innen über sich selbst sagen und die sich in der Regel nicht ändern (oder sich nur selten ändern), wie Geschlecht oder Standort. Als Nächstes nutzt du Einkaufs- und Browsing-Verhalten, um Segmente basierend darauf zu erstellen, was jemand gekauft hat, wie viel die Person ausgegeben hat oder wann sie gekauft hat.

Auf Level 3 bist du wahrscheinlich eine erfahrene E-Mail-Marketer*in, die mit Best Practices (wie z. B. dem Bereinigen von Listen) vertraut ist, extrem zielgerichtet arbeitet und viel Zeit in deine E-Mail-Marketing-Strategie investiert hat.

Die Strategie

Du nutzt Segmentierung fast schon religiös, um Nutzer*innengruppen gezielt anzusprechen und ein hohes Maß an Personalisierung zu erzielen. Zusätzlich zu einem Newsletter, einer Welcome-Serie und Warenkorbabbruch-E-Mails basieren einige deiner ausgefeilteren Auto-Responder möglicherweise auf Variablen wie Personen, die seit 90 Tagen nichts gekauft haben (Winbacks), oder auf Browse Abandonment-Auto-Respondern. Du nutzt dynamische Produktempfehlungen basierend auf Käufer*innenverhalten, um deine Zielgruppe zu überzeugen.

Technologie

Du hast eine robuste Marketing-Automatisierung-Plattform eingerichtet, die dir als Single Source of Truth für deine E-Mail-Marketing-Metriken dient. Du kannst Daten ganz einfach analysieren, um fundierte Entscheidungen zu zukünftigen Marketing-Optionen zu treffen. Für die verschiedenen Komponenten deiner E-Mails steht A/B-Test zur Verfügung.

Design

Deine E-Mails sind schön gestaltet, responsiv und werden von einem*einer Inhouse-Designer*in oder einer Agentur erstellt. Dein Branding ist in der gesamten Kommunikation mit Kund*innen konsistent. Mit umfangreichen A/B-Tests steigen die Anforderungen an Kreativität sowie an die Erstellung einer hochwertigen Markenbotschaft und -erfahrung. Mit einer dedizierten Design-Ressource kann deine Marke auf eine Vorlage verzichten und sich wirklich Zeit nehmen, um sich vom Wettbewerb abzuheben und sich auf die gesamte Markenpräsenz zu konzentrieren.

Messung & ROI

Du verstehst, welche Taktiken den Umsatz für das Unternehmen steigern, und testest automatisierte E-Mails sowie Autoresponder-Serien.

Okay, du bist jetzt an dem Punkt, an dem du eine ziemlich ausgereifte E-Mail-Marketing-Strategie entwickelt hast. Also ... wie geht’s jetzt weiter? Was liegt am Horizont?

In der Marketingwelt dreht sich heute alles um künstliche Intelligenz und maschinelles Lernen.

Marketer*innen scheinen begierig darauf zu sein, bei KI aufs Ganze zu gehen, aber es scheint unterschiedliche Meinungen dazu zu geben, wie die Begriffe „maschinelles Lernen“, „künstliche Intelligenz“ und „Data Mining“ verwendet werden.

Eine Reihe von Unternehmen, die behaupten, künstliche Intelligenz zu nutzen, vermarkten in Wirklichkeit nur Machine-Learning-Techniken.

Bis 2020 werden 85 % der Kund*inneninteraktionen ohne einen Menschen verwaltet.
Gartner

Künstliche Intelligenz wird bis zum Ende des Jahrzehnts 16 % der amerikanischen Arbeitsplätze ersetzen.
Forrester

Verwirrt? Schauen wir uns die tatsächlichen Unterschiede an:

ML (maschinelles Lernen)

Wenn du an maschinelles Lernen denkst, denk an grundlegende Automatisierung, bei der du eine Liste von Schritten hast, die du einem Computer beigebracht hast, zu befolgen. Beim maschinellen Lernen hast du einen Satz definierter Fragen, die du beantworten möchtest, mit verschiedenen bekannten Variablen, die dir letztlich helfen herauszufinden, was wichtig ist.

Ein Beispiel für Machine Learning wäre, den optimalen Zeitpunkt für den Versand einer Kampagne zu berechnen oder basierend auf Daten, die du bereits hast, einen Rabatt anzubieten. Auch wenn es für eine Person möglich wäre, die benötigten Datenpunkte zusammenzutragen und eine Einschätzung vorzunehmen, wäre es nicht sehr praktikabel, diesen Prozess 1.000-, 10.000- oder sogar eine Million Mal zu wiederholen und dabei sinnvoll zu skalieren. Machine Learning kann diesen Prozess automatisieren.

Künstliche Intelligenz

Mit künstlicher Intelligenz zeichnen sich zwei Entwicklungswege ab: spezialisierte KI und allgemeinere KI. Spezialisierte KI ist das, was wir heute häufiger in Marketing-Technologie und in KI insgesamt sehen.

Narrow AI lässt sich am besten so beschreiben, dass du eine konkrete Frage im Kopf hast, auf die du eine Antwort finden möchtest, z. B. „Wie kann ich den Umsatz meiner Kampagnen steigern?“ oder „Wann ist der beste Zeitpunkt für unser Unternehmen, E-Mails zu senden?“ Während maschinelles Lernen auf der grundlegenden Automatisierung identifizierter Datenpunkte aufbaut, kann Narrow AI Dinge berücksichtigen, die du vielleicht früher übersehen oder zuvor nicht beachtet hast (z. B. das Tagging von Ereignissen).

Allgemeine KI fällt eher unter fortschrittliche Technologien wie Siris von Apple, Alexas von Amazon und Watson von IBM. Jede dieser Technologien, die als digitale Assistenten bezeichnet wird, kann eine scheinbar endlose Anzahl an Fragen beantworten. Aber nicht jede Frage (digitale Assistenten können dir kein Abendessen kochen oder mit deinem Hund spazieren gehen).

Wie KI für E-Commerce wirklich aussieht

Bei Klaviyo können wir das noch weiter herunterbrechen. KI für E-Commerce zu erschließen wird dann gelingen, wenn es möglich ist, Marketer*innen zu sagen, was sie als Nächstes tun sollten, um die besten Ergebnisse für ihr Unternehmen zu erzielen, ohne wissen zu müssen, welche Fragen sie stellen sollten.

Das bedeutet Folgendes. Anstatt dich darauf zu konzentrieren, wie du bestimmte Datenpunkte wie Click-Through-Rate und Öffnungen verbesserst, informiert dich künstliche Intelligenz für E-Commerce automatisch darüber, welche konkreten Massnahmen du ergreifen solltest, um den Umsatz zu steigern, und geht sogar so weit, dir zu sagen, wie viel Umsatz du mit jeder Massnahme erzielen wirst. Stell dir vor, du meldest dich bei deiner Marketing-Automatisierung-Plattform an und wirst automatisch auf die wichtigsten Massnahmen hingewiesen, die du ergreifen könntest, um den Umsatz deines Unternehmens zu steigern. KI für E-Commerce würde es Marketer*innen ermöglichen, weniger Zeit damit zu verbringen, in ihren Daten herumzustochern. Stattdessen würden sie es geniessen, proaktiv über die konkreten Massnahmen informiert zu werden, die sie ergreifen müssen, um ihr Unternehmen zu unterstützen.

Aktuell ist das einzige Unternehmen, das im Vertriebs- und Marketingbereich wirklich dieses Niveau an Raffinesse erreicht hat, Salesforce. Die von ihnen entwickelte Technologie ermöglicht es Vertriebsmitarbeiter*innen, mithilfe ihres KI-Tools Einstein zu erkennen, welche Leads sie priorisieren sollten.

Und die Realität ist: Obwohl es eine ständig wachsende Zahl von Marketing-Technologien gibt, die behaupten, KI-gestützt zu sein, ist die Fähigkeit, KI wirklich zu nutzen und effektiv auf E-Commerce-Marketing anzuwenden, nach wie vor nur einer sehr kleinen Anzahl von Unternehmen vorbehalten. Wie das möglich ist? Weil es viel Zeit, Geld und Arbeitskräfte erfordert. Eine kleine Gruppe von Marketing-Technolog*innen behauptet, das zu können, aber der aktuelle Stand von KI und Predictive Analytics ist unterentwickelt.

Tatsächlich ist der aktuelle Stand von KI und ML, soweit es um E-Mail-Marketing im E-Commerce geht, gar nicht so unähnlich dem, wo das E-Mail-Marketing selbst noch vor gar nicht allzu langer Zeit stand: Es ist teuer, braucht ein ganzes Heer zur Implementierung, ist in der Nutzung übermäßig kompliziert, und Anbieter*innen versprechen mehr, als sie liefern können.

Um für E-Commerce-Marketer*innen 100 % zu erreichen, darf die Technologie keinen großen Aufwand erfordern und muss in der Lage sein, bei jeder Interaktion neu zu bewerten und zu lernen, was deine Abonnent*innen brauchen.