Однако во многих сервисах такая возможность отсутствует. В таком случае нам приходится прибегнуть к дополнительным «махинациям» с показателями: фиксируем общие величины за все время действия автоответчика, а затем вычитаем из них предыдущие значения. Так мы получим результат за нужный период:

Сравниваем показатели эффективности вариантов А и Б. В первую очередь Кпр. Он вырос или снизился? Достигли ли мы приемлемого уровня или нужно продолжать эксперименты?

Если Кпр по-прежнему невысок, подставляем тему В, затем Г и т. д. – пока не получим ожидаемые значения или не убедимся, что уперлись в потолок, выше которого нам не подняться, дорабатывая только одну тему.

• Содержание

Над содержанием автоматических писем работаем аналогично – и только в том случае, если Ккл нас не устраивает, а оптимизация темы не повысила его в достаточной мере.

Тестируем тексты, картинки и ссылки. Элементы шаблона удобнее оптимизировать в массовой рассылке, которая выпускается в большем объеме и, соответственно, позволяет получить результат быстрее.

В автоматических рассылках при доработке содержания речь идет скорее об усовершенствовании ключевых предложений. Плохо работает скидка 5 % на второй заказ? Пробуем 10 % или добавляем бесплатную доставку.

К примеру, так может выглядеть тест призыва к действию:

А: Отправиться на сайт за покупками

Б: Использовать скидку

Последовательно проводим замеры показателей эффективности для этих вариантов и сравниваем их по Ккл:

Проводим тесты до тех пор, пока не достигнем намеченной цели или не упремся в потолок. Так же, как и в случае с темой, количество отправленных писем для каждого варианта должно быть достаточным (десятки и сотни).

• Время отправки

Момент срабатывания автоответчика влияет на уровень просмотров и в какой-то степени на уровень кликов. Он складывается из:

• дня отправки;

• времени отправки в течение дня.

Эти параметры тестируются раздельно, при этом никакие другие элементы в письмах не меняются (принцип изменения одного параметра за один цикл тестирования).

Начинаем с дня отправки: например, передвигаем welcome e-mail с первого дня подписки на второй, затем на третий и т. д. Сравниваем Кпр. Когда нащупали оптимальный день, переходим ко времени в течение дня: 8 утра, полдень, 16 часов и т. д.

Конечно, варьировать время отправки стоит в определенных пределах. Тот же welcome должен быть отправлен в течение первой недели после подписки, поэтому отодвигать его на более дальний срок нежелательно, как и пытаться сместить время отправки за полночь.

Подобно массовой рассылке, влияние времени отправки на просмотры и клики может быть не столь очевидным. Поэтому за этот инструмент стоит браться, лишь исчерпав другие возможности (дойдя до предела в оптимизации темы).

Если с автоматическими рассылками все не так просто, то с нотификациями еще сложнее! Эти письма у нас отправляются через CMS (в редких исключениях – через специализированный сервис, но тогда ситуация полегче). Таким образом, мы не знаем ни уровня доставки, ни просмотров, ни жалоб на спам. Чтобы узнать количество отправленных писем, нам, скорее всего, придется выуживать эту информацию из системы с помощью программиста.

Единственное, о чем мы можем судить достаточно точно, – это количество кликов и заказов. И то и другое нам доступно в сервисе веб-аналитики (благодаря utm-меткам, использованным при внедрении).

Стратегия первых трех месяцев работы с нотификациями – наблюдение. Мы просто набираем статистику, тем более нам есть чем заняться в это время: массовая и автоматические рассылки идут полным ходом.

После сбора данных переходим непосредственно к тестированию (рассмотрим только случай отправки писем через CMS – сервисы обычно дают больше статистики, и, если мы используем для отправки нотификаций специализированный сервис, то тестируем их по тому же принципу, что и автоответчики).

Отвечаем на вопрос: устраивает ли нас то, что мы видим, – количество кликов и заказов? Если нет, устанавливаем конкретные, достижимые цели и беремся за работу.