Pendekatan yang digerakkan oleh corong ke bot Messenger untuk menghasilkan prospek (dengan metrik nyata) PlatoBlockchain Data Intelligence. Pencarian Vertikal. ai.

Pendekatan berbasis corong untuk bot Messenger untuk pembuatan prospek (dengan metrik nyata)


Pendekatan yang digerakkan oleh corong ke bot Messenger untuk menghasilkan prospek

Pendekatan yang digerakkan oleh corong ke bot Messenger untuk menghasilkan prospek (dengan metrik nyata) PlatoBlockchain Data Intelligence. Pencarian Vertikal. ai.

Pengujian. Pengujian adalah salah satu hal utama yang saya curahkan energi saya dalam satu tahun terakhir. Menguji asumsi. Konsep pengujian. Menguji peningkatan produk.

Inkrementalisme adalah kunci setiap kali Anda membangun sesuatu yang belum ada.

Ketika kami memulai Visualbots, alat chatbot untuk menghasilkan prospek, banyak asumsi yang harus diuji. Industri ini masih dalam masa pertumbuhan dan pemasar belum terbiasa dengan alat seperti milik kita. Dan kami tidak tahu desain bot dan strategi pengoptimalan mana yang paling berhasil.

Tapi kami yakin ada asumsi produk utama untuk diuji:

โ€œDapatkah bot Messenger digunakan untuk menghasilkan prospek dan memberikan hasil yang lebih baik daripada dua produk pengganti utama (yaitu .) halaman arahan dan iklan utama)?โ€

Untuk membuktikan asumsi ini, kami telah bekerja dengan puluhan pengadopsi awal di berbagai industri yang menghabiskan puluhan ribu euro, berikut ini proses ini: kami mengubah halaman arahan yang ada menjadi chatbot, kami menjalankan kampanye iklan Facebook di bot dan kami mengukur kinerja corong penuh, dengan tujuan akhir untuk mencapai rasio konversi target (lihat salah satu contoh pertama di bawah).

Pendekatan yang digerakkan oleh corong ke bot Messenger untuk menghasilkan prospek (dengan metrik nyata) PlatoBlockchain Data Intelligence. Pencarian Vertikal. ai.
Contoh nyata dari corong bot Messenger (generasi prospek)

Ini telah memungkinkan kami untuk kumpulkan banyak data dan hasilkan keahlian tentang cara kerja corong bot generasi prospek di Messenger. Dan saya menulis artikel ini untuk membagikan beberapa pelajaran yang telah kita pelajari pada tiga poin berikut di bawah ini:

  1. Corong bot Messenger
  2. KPI bot Messenger
  3. Mengoptimalkan KPI bot Messenger

Nikmati artikelnya.

Corong bot Messenger

Karena setiap aktivitas akuisisi pengguna, alur messenger dapat direpresentasikan sebagai corong, yang terdiri dari 3 langkah utama:

  1. Perolehan
  2. Activation
  3. Konversi
Pendekatan yang digerakkan oleh corong ke bot Messenger untuk menghasilkan prospek (dengan metrik nyata) PlatoBlockchain Data Intelligence. Pencarian Vertikal. ai.
Corong bot Messenger

1. Akuisisi (= iklan)

Akuisisi mengacu pada saluran pemasaran yang digunakan untuk mengirim lalu lintas ke bot.

Dalam kasus kami ini dibentuk oleh Iklan klik untuk mengirim pesan Facebook digunakan untuk mengarahkan lalu lintas ke obrolan Messenger.

Pendekatan yang digerakkan oleh corong ke bot Messenger untuk menghasilkan prospek (dengan metrik nyata) PlatoBlockchain Data Intelligence. Pencarian Vertikal. ai.
iklan

2. Aktivasi (= pesan selamat datang)

Aktivasi mengacu pada tindakan bermakna pertama yang dilakukan oleh pengguna yang mulai mengobrol dengan bot. Dalam kasus kami ini terdiri dari interaksi dengan pesan selamat datang dari bot.

Grafik menyambut pesan adalah hal pertama yang dilihat pengguna saat mereka menemukan bot Messenger dari iklan.

Secara teknis ini adalah bagian dari iklan itu sendiri, tetapi kami selalu menganalisisnya secara terpisah, mengingat ia memiliki karakteristik dan teknik pengoptimalan sendiri.

Pendekatan yang digerakkan oleh corong ke bot Messenger untuk menghasilkan prospek (dengan metrik nyata) PlatoBlockchain Data Intelligence. Pencarian Vertikal. ai.
Pesan selamat datang

3. Konversi (= badan bot)

Konversi mengacu pada pencapaian tujuan bot.

Dalam kasus kami, karena kami berbicara tentang pembuatan prospek, biasanya terdiri dari pengumpulan email, setelah beberapa pertanyaan kualifikasi yang terdapat dalam "badan bot" telah dijawab.

Pendekatan yang digerakkan oleh corong ke bot Messenger untuk menghasilkan prospek (dengan metrik nyata) PlatoBlockchain Data Intelligence. Pencarian Vertikal. ai.
Tubuh bot

KPI bot Messenger

Setiap langkah corong bot memiliki KPI sendiri. Yang utama kita lihat adalah:

  1. biaya per klik
  2. tingkat konversi pesan selamat datang
  3. tingkat konversi prospek

Di bawah ini Anda dapat menemukan detail lebih lanjut tentang setiap KPI.

1. KPI Akuisisi (= biaya per klik)

KPI utama yang kami gunakan adalah biaya per klik (BPK). Ini menunjukkan seberapa mahal klik yang mengirimkan lalu lintas ke iklan.

KPI ini hampir sepenuhnya bergantung pada pengaturan iklan itu sendiri, sehingga konten bot sebenarnya tidak terlalu penting di sini.

Grafik rumus adalah sebagai berikut:

biaya per klik = jumlah pengeluaran/ klik

Masuk akal jarak nilai untuk metrik adalah antara 0.20โ‚ฌ dan 0.40โ‚ฌ.

Kami telah melihat kasus di mana harga jauh lebih rendah, yang biasanya diterjemahkan dalam kualitas prospek yang sangat rendah, atau lebih tinggi, terkadang mengarah ke tingkat konversi yang lebih baik di bawah corong yang mengkompensasi biaya perolehan lalu lintas yang lebih tinggi.

2. KPI Aktivasi (= tingkat konversi pesan selamat datang)

KPI utama yang kami gunakan adalah tingkat konversi pesan selamat datang. Ini menunjukkan berapa banyak orang yang telah melihat pesan selamat datang yang benar-benar berinteraksi dengannya, memulai percakapan dengan bot.

KPI ini sebagian besar bergantung pada konsistensi antara teks/gambar iklan dan isi pesan selamat datang dan cara pesan itu sendiri ditulis (misalnya pertanyaan retoris singkat biasanya berfungsi lebih baik).

Grafik rumus adalah sebagai berikut:

tingkat konversi pesan selamat datang = percakapan dimulai/ klik tautan

Metrik "Percakapan dimulai" mengacu pada berapa kali orang mulai mengirim pesan ke bisnis Anda. Ini mencakup percakapan dengan pengguna baru serta yang sebelumnya terlibat (dalam pengertian itu berbeda dari definisi Facebook tentang .). Percakapan Pesan Dimulai).

Metrik โ€œKlik tautanโ€ mengacu pada jumlah klik yang mengarahkan pengguna untuk membuka obrolan (dengan cara yang sama seperti yang didefinisikan oleh Facebook). Kami lebih suka menggunakan metrik ini, daripada klik biasa, sehingga kami dapat mengecualikan efek orang yang mengklik bagian iklan yang tidak tertaut ke obrolan, seperti nama halaman.

Masuk akal jarak nilai untuk metrik adalah antara 25% dan 50%.

3. KPI Konversi (= tingkat konversi prospek)

KPI utama yang kami gunakan adalah tingkat konversi prospek. Ini menunjukkan berapa banyak orang yang mulai berinteraksi dengan bot pada akhirnya meninggalkan informasi pribadi mereka yang lebih berharga (misalnya email atau nomor telepon), yang biasanya ditanyakan di akhir corong.

KPI ini bergantung pada bagaimana keseluruhan corong disusun, pada panjang alur, dan cara informasi pribadi diminta.

Grafik rumus adalah sebagai berikut:

tingkat konversi prospek = prospek/percakapan dimulai

Konsep "Prospek" sangat bervariasi dari satu perusahaan ke perusahaan lain, tetapi biasanya dapat didefinisikan sebagai pengguna yang menjawab pertanyaan kualifikasi paling penting di corong.

Menentukan rentang untuk metrik ini juga sangat sulit, karena sangat bervariasi tergantung pada industrinya.

Masuk akal jarak nilai untuk corong kualifikasi menengah (yaitu dengan lebih dari enam pertanyaan) adalah antara 25% dan 50%.

Tapi itu dapat dengan mudah meroket di atas 75% jika corong berperforma sangat tinggi.

Mengoptimalkan KPI bot Messenger

Sebelum kita membahas teknis tentang cara meningkatkan KPI di atas, ada konsep utama yang perlu diingat ketika membuat dan mengoptimalkan bot Messenger yang dibuat untuk keperluan akuisisi pelanggan:

Anda perlu buat konsisten pengalaman ad-to-bot.

Iklan dan bot perlu dipahami bersama, karena tidak mungkin Anda dapat mulai meningkatkan bot jika iklan tidak konsisten dengannya. Anda hanya akan menerima lalu lintas yang buruk yang tidak dapat Anda optimalkan.

Pendekatan yang digerakkan oleh corong ke bot Messenger untuk menghasilkan prospek (dengan metrik nyata) PlatoBlockchain Data Intelligence. Pencarian Vertikal. ai.

Kami telah mempelajari ini dengan cara yang sulit, ketika tes pertama tidak menghasilkan hasil yang diharapkan. Dan sinyal pertama dari itu benar-benar tingkat konversi pesan sambutan rendah (yaitu hanya beberapa orang yang berinteraksi dengan iklan Facebook yang mulai terlibat dengan bot).

Untuk memahami alasan mengapa hal itu terjadi, kami melakukan beberapa tes UX dengan bot, meminta pengguna untuk menelusuri seluruh corong dan memberi tahu kami apa yang mereka harapkan, langkah demi langkah. Jelas muncul bahwa alasan pertama orang-orang turun adalah bahwa apa yang mereka terima dalam obrolan itu bukan yang mereka harapkan.

Dan ini terjadi karena siapa yang melakukan iklan (penguji) berbeda dengan yang membuat bot (kami).

Saat itulah kami memahami bahwa, bahkan sebelum membangun bot, kami perlu berpikir di seluruh saluran bersama, mulai dari iklan (dan sebagai akibatnya kami menyatakan merancang iklan bersama dengan bot โ€” menggunakan alat yang sangat keren ini untuk iklan mockup).

Karena itu, sekarang kita dapat membahas lebih detail tentang apa yang harus dilihat saat meningkatkan berbagai langkah corong.

1. Mengoptimalkan KPI akuisisi (= biaya per klik)

Ini adalah pertanyaan kunci yang kami ajukan kepada diri kami sendiri ketika iklan tidak berkinerja sebagaimana dimaksud (yaitu BPK secara konsisten di luar kisaran yang diharapkan).

  • Apakah Anda menggunakan kampanye obyektif Pesan (pengoptimalan tingkat kampanye)?

Dalam pengujian kami, mereka telah terbukti berkinerja secara konsisten lebih baik daripada kampanye lain, termasuk kampanye konversi.

  • Apakah Anda menggunakan audiens yang tepat (pengoptimalan tingkat set iklan)?

Ini telah mengungkapkan memiliki dampak besar pada kinerja iklan, seperti yang terjadi di semua jenis kampanye Facebook lainnya. Satu-satunya aspek yang layak disebutkan di sini adalah bahwa teknik optimisasi yang baik adalah sebagai berikut: setelah itu sejumlah percakapan telah dikumpulkan, Anda dapat membuat pemirsa yang mirip untuk menargetkan orang-orang yang mirip dengan orang-orang yang sudah mengobrol dengan bot Anda. Dan ini bekerja dengan cukup baik.

  • Apakah Anda menggunakan ajakan bertindak (CTA) upaya rendah (pengoptimalan tingkat iklan)?

Dalam pengujian kami, CTA menyiratkan upaya potensial tinggi bagi pengguna (misalnya "Kirim pesan") berkinerja lebih buruk daripada upaya rendah (misalnya "Pelajari lebih lanjut").

2. Mengoptimalkan KPI aktivasi (= tingkat konversi pesan selamat datang)

Ini adalah pertanyaan kunci yang kami ajukan kepada diri sendiri ketika pesan selamat datang tidak berjalan sebagaimana mestinya (yaitu tingkat konversi secara konsisten di bawah 25%).

  • Apakah konten pesan selamat datang Anda konsisten dengan teks dan gambar iklan?

Seperti yang disoroti sebelumnya, alasan utama kegagalan kampanye akuisisi bot adalah karena pengalaman iklan dan bot belum dipikirkan bersama. Sejajarkan konten iklan dengan salah satu pesan selamat datang.

  • Apakah Anda mengajukan pertanyaan usaha kecil?

Peran pesan selamat datang pada dasarnya adalah meminta pengguna untuk ikut serta dalam percakapan dengan bot. Akibatnya Anda ingin meminimalkan gesekan sebanyak mungkin. Dan cara pesan diungkapkan memiliki dampak besar. Sebagai michael menyoroti di artikelnya, usaha rendah meminta bekerja dengan baik, terutama jika mereka dalam bentuk pertanyaan retoris. Contohnya dapat berupa โ€œApakah Anda ingin memulai?โ€ atau โ€œApakah Anda ingin menerima kode kupon gratis?โ€.

3. Optimalkan KPI konversi (= tingkat konversi timah)

Karena konsep lead yang berbeda dari perusahaan ke perusahaan, sulit untuk mengambil pelajaran tentang bagaimana mengoptimalkan KPI ini. Harap diingat bahwa saat membaca pertanyaan kunci yang kami ajukan pada diri sendiri ketika tingkat konversi prospek tidak berjalan sebagaimana mestinya (yaitu tingkat konversi secara konsisten di bawah 25%).

  • Apakah percakapan membangun kepercayaan yang cukup bagi pengguna untuk meninggalkan detail kontaknya?

Saat melakukan pengujian, kami menyadari sesuatu yang tidak kami duga sebelumnya. Kami awalnya pindah dari asumsi desain bahwa bot yang lebih pendek akan berkinerja lebih baik daripada yang lebih lama, karena pengguna akan melalui lebih sedikit langkah.

Tetapi bot pendek ini tidak berkinerja seperti yang diharapkan, dan menghilangkan pertanyaan menghasilkan hasil yang lebih buruk. Ketika kami menjalankan tes UX kami mulai menerima komentar seperti berikut:

โ€œRasanya belum cukup pertanyaan untuk memberikan alamat emailโ€

"Bagaimana ini akan memberiku penawaran pribadi dengan informasi yang diberikan dalam jumlah terbatas?"

Tampaknya paradoks pengguna mengharapkan banyak pertanyaan sebelum mereka dapat menganggap bot dapat diandalkan dan memutuskan untuk memberikan detail pribadi mereka. Dengan kata lain:

Pertanyaan membangun kepercayaan

Kenyataannya memang bahwa corong bot dari bot generasi prospek lebih mirip dengan yang Anda lihat di bawah.

Pendekatan yang digerakkan oleh corong ke bot Messenger untuk menghasilkan prospek (dengan metrik nyata) PlatoBlockchain Data Intelligence. Pencarian Vertikal. ai.
Tingkat penurunan corong pembuatan prospek bot Messenger (data nyata)
  • Apakah Anda menjelaskan mengapa Anda meminta informasi pribadi?

Sebelum Anda meminta email atau nomor telepon, selalu merupakan praktik yang baik untuk menjelaskan mengapa Anda memerlukan informasi tersebut dan apa yang akan terjadi setelah pengguna mengirimkannya, termasuk kapan mereka akan dihubungi, oleh siapa dan untuk alasan apa (mis. akan mengirimkan penawaran khususโ€, โ€œKami akan memesankan kunjungan di apartemen kami untuk Andaโ€).

  • Apakah Anda memberikan insentif?

Ini adalah praktik yang baik untuk memberikan insentif bagi pengguna untuk meninggalkan detail pribadinya, seperti kutipan gratis, sampel, atau konten berkualitas tinggi. Ini sudah diizinkan di tingkat iklan dan ditekankan pada pesan sambutan, tetapi pada akhirnya harus mendapatkan produk di tingkat konversi prospek.

Ini adalah beberapa pelajaran yang telah kami pelajari selama setahun terakhir saat mendekati bot Messenger sebagai corong dan mengoptimalkannya dengan cara berbasis data (beberapa wawasan lebih lanjut di sini).

Saya harap ini akan membantu Anda juga.

Selamat menempuh perjalanan,
โ€Š-โ€ŠLivy

14/12/2018

> Penafian: artikel ini telah diterbitkan setahun setelah aslinya ditulis. Sementara itu, proyek Visualbots telah dihentikan dan banyak hal telah berubah dalam hidup saya dan di lanskap chatbot. Saya membagikan artikel ini dengan harapan wawasan yang terkumpul selama lebih dari satu tahun kegiatan tetap dapat bermanfaat bagi komunitas pemasaran Messenger.

Pendekatan yang digerakkan oleh corong ke bot Messenger untuk menghasilkan prospek (dengan metrik nyata) PlatoBlockchain Data Intelligence. Pencarian Vertikal. ai.


Pendekatan berbasis corong untuk bot Messenger untuk pembuatan prospek (dengan metrik nyata) awalnya diterbitkan di Majalah Chatbots on Medium, di mana orang-orang melanjutkan pembicaraan dengan menyoroti dan merespons cerita ini.

Stempel Waktu:

Lebih dari Majalah Chatbots