Lehtripõhine lähenemine Messengeri robotitele müügivihjete genereerimiseks (reaalsete mõõdikutega)

Lehtripõhine lähenemine Messengeri robotitele müügivihje genereerimiseks

Testimine. Testimine on üks peamisi asju, millele olen viimase aasta jooksul oma energiat pühendanud. Eelduste testimine. Testimiskontseptsioonid. Toodete katsetamine.

Inkrementalism on võtmetähtsusega, kui ehitate midagi, mida veel pole.

Kui käivitasime müügivihjete genereerimiseks mõeldud vestlusroboti tööriista Visualbots, oli testimiseks palju eeldusi. Tööstus oli alles lapsekingades ja turundajad polnud harjunud selliste tööriistadega nagu meie. Ja me ei teadnud, millised robotikujunduse ja optimeerimise strateegiad oleksid kõige rohkem töötanud.

Kuid olime kindlad, et testimiseks on oluline tooteeeldus:

"Kas Messengeri roboteid saab kasutada müügivihje genereerimiseks ja need annavad paremaid tulemusi kui kaks peamist asendustoodet (nimelt sihtlehekülgi ja juhtreklaamid)?"

Selle eelduse tõestamiseks oleme töötanud kümnete varajaste kasutuselevõtjatega erinevates tööstusharudes, kes kulutavad kümneid tuhandeid eurosid. see protsess: muutsime olemasoleva sihtlehe vestlusrotiks, korraldame robotis Facebooki reklaamikampaaniaid ja mõõtsime kogu lehtri toimivust, mille lõppeesmärk on saavutada sihtkonversioonimäär (vt ühte esimestest näidetest allpool).

See on meile võimaldanud koguda palju andmeid ja luua teadmisi selle kohta, kuidas müügivihje genereerimise roboti lehter Messengeris töötab. Ja ma kirjutan seda artiklit, et jagada mõningaid õppetunde, mida oleme õppinud kolme järgmise punkti kohta:

1. Messengeri roboti lehter
2. Messengeri roboti KPI-d
3. Messengeri roboti KPI-de optimeerimine

Nautige artiklit.

Messengeri roboti lehter

Nagu iga kasutajate hankimise toimingut, saab Messengeri voogu kujutada lehtrina, mis koosneb kolmest põhietapist.

1. Omandamine
2. Aktiveerimine
3. Konverteerimine

1. Omandamine (= reklaam)

Omandamine viitab turunduskanalile, mida kasutatakse liikluse saatmiseks robotile.

Meie puhul koosneb see Facebooki kliki-sõnumitoojaks reklaam kasutatakse liikluse suunamiseks Messengeri vestlusesse.

2. Aktiveerimine (= tervitussõnum)

Aktiveerimine viitab kasutaja esimesele sisulisele toimingule, mis hakkab robotiga vestlema. Meie puhul seisneb see suhtluses roboti tervitussõnumiga.

. teretulnud sõnum on esimene asi, mida kasutaja näeb, kui ta kohtab reklaamist Messengeri robotit.

See on tehniliselt kuulutuse osa, kuid analüüsime seda alati eraldi, kuna sellel on oma omadused ja optimeerimistehnikad.

3. Konversioon (= roboti keha)

Konversioon viitab roboti eesmärgi saavutamisele.

Meie puhul, kuna me räägime müügivihjete genereerimisest, seisneb see tavaliselt meilisõnumi kogumises pärast seda, kui on vastatud mitmele roboti kehas sisalduvale kvalifitseerimisküsimusele.

Messengeri roboti KPI-d

Igal robotilehtri etapil on oma KPI. Peamised, mida me vaatame, on järgmised:

1. kliki hind
2. tervitussõnumite konversioonimäär
3. plii konversioonimäär

Allpool leiate lisateavet iga KPI kohta.

1. Värbamise KPI (= kliki hind)

Peamine KPI, mida me kasutame, on klõpsutariif (CPC). See näitab, kui kulukas on reklaamile liiklust suunav klikk.

See KPI sõltub peaaegu täielikult reklaami seadistusest, nii et roboti tegelik sisu ei oma siin suurt tähtsust.

. valem On järgmine:

kliki hind = kulutatud summa klõpsude kohta

Mõistlik väärtuste vahemik sest mõõdik on vahemikus 0.20€ ja 0.40€.

Oleme näinud juhtumeid, kus hind oli palju madalam, mis tavaliselt tähendas väga madalat või kõrgemat müügivihje kvaliteeti, mille tulemuseks on mõnikord paremad konversioonimäärad kanalis, mis kompenseerib liikluse hankimise suuremaid kulusid.

2. Aktiveerimise KPI (= tervitussõnumi konversioonimäär)

Peamine KPI, mida me kasutame, on tervitussõnumite konversioonimäär. See näitab, kui palju inimesi, kes on tervitussõnumit näinud, on sellega tegelikult suhelnud, alustades vestlust robotiga.

See KPI sõltub peamiselt reklaami teksti/pildi ja tervitussõnumi sisu vahelisest kooskõlast ning sõnumi enda kirjutamise viisist (nt lühikesed retoorilised küsimused töötavad tavaliselt paremini).

. valem On järgmine:

tervitussõnumite konversioonimäär = vestlused alanud / lingiklikid

Mõõdik „Alustatud vestlused” viitab sellele, mitu korda inimesed hakkasid teie ettevõttele sõnumeid saatma. See hõlmab vestlusi nii uute kasutajatega kui ka varem kaasatud kasutajatega (erinedes selles mõttes Facebooki määratlusest Sõnumivestlused on alanud).

Mõõdikud „Lingi klikid” viitavad klikkide arvule, mis viisid kasutajad vestluse avamiseni (samamoodi, nagu see on määratletud Facebooki poolt). Eelistame kasutada seda mõõdikut tavaliste klikkide asemel, et saaksime välistada mõju, kui inimesed klõpsavad reklaami osadel, mis ei viita vestlusele, näiteks lehe nimele.

Mõistlik väärtuste vahemik sest mõõdik on vahemikus 25% ja 50%.

3. Konversiooni KPI (= müügivihje konversioonimäär)

Peamine KPI, mida me kasutame, on plii konversioonimäär. See näitab, kui paljud inimesed, kes hakkasid robotiga suhtlema, jätsid lõpuks oma väärtuslikumad isiklikud andmed (nt e-posti aadress või telefoninumber), mida tavaliselt küsitakse lehtri lõpus.

See KPI sõltub sellest, kuidas kogu lehter on üles ehitatud, voo pikkusest ja isikliku teabe küsimise viisist.

. valem On järgmine:

müügivihje konversioonimäär = müügivihjed/ vestlused on alanud

Müügivihje mõiste on ettevõtteti väga erinev, kuid tavaliselt võib seda määratleda kui kasutajaid, kes vastavad lehtri kõige olulisemale kvalifikatsiooniküsimusele.

Samuti on selle mõõdiku vahemiku määratlemine väga keeruline, kuna see varieerub olenevalt tööstusest.

Mõistlik väärtuste vahemik keskmise pikkusega kvalifikatsioonilehtri jaoks (st rohkem kui kuue küsimusega) jääb vahele 25% ja 50%.

Tõeliselt hästi toimivate lehtrite puhul võib see aga kergesti tõusta üle 75%.

Messengeri roboti KPI-de optimeerimine

Enne kui asume ülaltoodud KPI-de täiustamise tehnilistesse üksikasjadesse, tuleb klientide hankimise eesmärgil loodud Messengeri roboti loomisel ja optimeerimisel meeles pidada peamist kontseptsiooni.

Peate luua järjepidev Ad-to-bot kogemusi.

Reklaam ja robot tuleb välja mõelda koos, kuna te ei saa robotit täiustama hakata, kui reklaam ei ole sellega kooskõlas. Saate lihtsalt halva liikluse, mille jaoks te ei saa optimeerida.

Oleme seda õppinud raskel teel, kui esimesed testid ei andnud oodatud tulemusi. Ja esimene signaal sellest oli tõesti madal tervitussõnumite konversioonimäär (st vaid vähesed Facebooki reklaamiga suhtlevad inimesed hakkasid robotiga suhtlema).

Et mõista, miks see juhtus, tegime robotitega mitu UX-testi, paludes kasutajatel läbida kogu lehter ja öelda meile samm-sammult, mida nad ootavad. Selgus, et esimene põhjus, miks inimesed loobusid, oli see, et see, mida nad vestluses said, ei vastanud neile ootustele.

Ja see juhtus seetõttu, et see, kes reklaami tegi (testija), erines roboti loomisest (meie).

Siis mõistsime, et enne roboti ehitamist peame kogu lehtri koos läbi mõtlema, alustades kuulutusest (ja sellest tulenevalt otsustasime koostada reklaame koos robotiga – kasutades seda ülilahedat tööriista reklaami maketid).

Seda öeldes saame nüüd üksikasjalikumalt uurida, mida lehtri erinevate etappide täiustamisel silmas pidada.

1. Värbamise KPI (= kliki hind) optimeerimine

Need on põhiküsimused, mille me endalt küsime, kui reklaam ei toimi nii, nagu ette nähtud (st CPC jääb pidevalt oodatud vahemikku).

• Kas kasutate rakenduse Messages eesmärgikampaaniaid (kampaania tasemel optimeerimine)?

Meie testid on näidanud, et need toimivad pidevalt paremini kui teised kampaaniad, sealhulgas konversioonikampaaniad.

• Kas kasutate õiget vaatajaskonda (reklaamikomplekti tasemel optimeerimine)?

See on näidanud, et sellel on tohutu mõju reklaami toimivusele, nagu see juhtub mis tahes muud tüüpi Facebooki kampaaniates. Ainus aspekt, mida tasub siin mainida, on see, et hea optimeerimistehnika on järgmine: pärast seda, kui on kogutud hea hulk vestlusi, saate luua sarnased vaatajaskonnad et sihtida inimesi, kes on juba teie robotiga vestelnud. Ja see toimib päris hästi.

• Kas kasutate vähese vaevaga kutset tegevusele (CTA) (reklaami tasemel optimeerimine)?

Meie testides toimisid kasutaja suure potentsiaalse pingutusega CTA-d (nt "Saada sõnum") halvemini kui vähese pingutusega (nt "Lisateave").

2. Aktiveerimise KPI (= tervitussõnumi konversioonimäär) optimeerimine

Need on põhiküsimused, mille me endale esitame, kui tervitussõnum ei toimi nii, nagu ette nähtud (st konversioonimäär on pidevalt alla 25%).

• Kas teie tervitussõnumi sisu on kooskõlas reklaami teksti ja pildiga?

Nagu varem rõhutatud, on robotite omandamise kampaaniate ebaõnnestumise peamine põhjus see, et reklaami ja roboti kogemust ei ole koos mõelnud. Joondage reklaami sisu tervitussõnumiga.

• Kas esitate vähese vaevaga küsimuse?

Tervitussõnumi roll on sisuliselt paluda kasutajal robotiga vestluses osaleda. Seetõttu soovite hõõrdumist nii palju kui võimalik minimeerida. Ja sõnumi sõnastusel on suur mõju. Nagu michael esiletõstmised sisse tema artikkel, madala pingutusega küsid töötavad hästi, eriti kui need on kujul retoorilised küsimused. Näited võivad olla "Kas soovite alustada?" või "Kas soovite saada tasuta kupongikoodi?".

3. Optimeerige konversiooni KPI (= müügivihje konversioonimäär)

Kuna müügivihje mõiste on ettevõtteti erinev, on selle KPI optimeerimise kohta raske abstraktseid õppetunde anda. Pidage seda meeles, lugedes põhiküsimusi, mille me endale esitame, kui müügivihje konversioonimäär ei toimi nii nagu ette nähtud (st konversioonimäär on pidevalt alla 25%).

• Kas vestlus loob piisavalt usaldust, et kasutaja saaks oma kontaktandmed jätta?

Testide tegemisel mõistsime midagi, mida me varem ei oodanud. Algselt lähtusime kujunduse eeldusest, et lühemad robotid oleksid paremini toiminud kui pikemad, kuna kasutajad oleksid läbinud vähem samme.

Kuid need lühikesed robotid ei toiminud ootuspäraselt ja küsimuste eemaldamine andis veelgi hullemaid tulemusi. UX-testide käivitamisel hakkasime saama järgmiseid kommentaare:

"Tundub, et meiliaadressi avaldamiseks pole olnud piisavalt küsimusi"

"Kuidas see annab mulle isikliku hinnapakkumise nii piiratud hulga teabega?"

Paradoksaalselt tundus, et kasutajad ootasid palju küsimusi, enne kui nad said robotit usaldusväärseks pidada ja otsustasid esitada oma isikuandmed. Teisisõnu:

Küsimused loovad usaldust

Tegelikkus on tõepoolest see, et juhtivate genereerimisrobotite robotilehter näeb rohkem välja nagu see, mida näete allpool.

• Kas selgitate, miks te küsite isikuandmeid?

Enne e-posti või telefoninumbri küsimist on alati hea tava selgitada, miks te sellist teavet vajate ja mis juhtub pärast seda, kui kasutaja selle esitab, sealhulgas millal, kes ja mis põhjusel temaga ühendust võetakse (nt „Me saadab teile kohandatud hinnapakkumise“, „Broneerime teile külastuse meie korteritesse“).

• Kas pakute mingit stiimulit?

Hea tava on motiveerida kasutajat oma isikuandmeid, näiteks tasuta hinnapakkumist, näidist või kvaliteetset sisu, jätma. Seda saab lubada juba reklaami tasemel ja rõhutada tervitussõnumis, kuid lõppkokkuvõttes peaks see toote kasu saama müügivihje konversiooni tasemel.

Need on mõned õppetunnid, mida oleme viimase aasta jooksul õppinud, kui lähenesime Messengeri robotitele kui lehtritele ja optimeerisime neid andmepõhisel viisil (mõned täiendavad ülevaated siin).

Loodan, et sellest on abi ka teile.

Head teekonda,
 - Liivi

14/12/2018

> Lahtiütlus: see artikkel on avaldatud aasta pärast selle algset kirjutamist. Vahepeal on projekt Visualbots katkestatud ja paljud asjad on minu elus ja chatbot maastikul muutunud. Jagan seda artiklit lootuses, et üle üheaastase tegevusega kogutud arusaamad võivad Messengeri turundusringkonnale siiski kasulikud olla.

---

Lehtripõhine lähenemine Messengeri robotitele müügivihjete genereerimiseks (reaalsete mõõdikutega) ilmus algselt Ajakiri Chatbots meediumil, kus inimesed jätkavad vestlust, tuues esile selle loo ja sellele reageerides.

• Münditark. Euroopa parim Bitcoini ja krüptobörs.
• Platoblockchain. Web3 metaversiooni intelligentsus. Täiustatud teadmised. TASUTA PÄÄS.
• CryptoHawk. Altcoini radar. Tasuta prooviversioon.
• Source: https://chatbotsmagazine.com/a-funnel-driven-approach-to-messenger-bots-for-lead-generation-with-real-metrics-dedb1e87f795?source=rss—-d6dc2c824f17—4