Cold Email A/B TestiNeyi test etmeli ve nasıl ölçmeli
A/B testi cold email yanıt oranlarını %30-50 artırabilir. Ancak çoğu ekip yanlış şeyleri test eder. İşte gerçekten fark yaratan unsurlar.
Cold Email··6 dakikalık okuma
Önemli çıkarımlar
Konu satırları en yüksek etkiye sahiptir cold email performansında: önce onları test edin
İstatistiksel olarak geçerli sonuçlar için varyant başına 100+ email'e ihtiyacınız var
Vonsel, gerçek verilerden yerleşik A/B testi için her işletmeye özel birden fazla yapay zeka varyantı üretir
Temeller
Cold outreach'te A/B testi neden önemli
Cold email A/B testi, aynı email'in iki varyantını farklı segmentlere göndermek ve hangisinin daha iyi performans gösterdiğini ölçmek demektir. Optimizely'nin A/B testi temelleri rehberi, küçük iyileşmelerin bile zamanla katlandığını açıklar. Açılma oranındaki %15'lik bir iyileşme ve yanıt oranındaki %10'luk bir iyileşme, tek bir ekstra email bile göndermeden pipeline çıktınızı ikiye katlayabilir.
VWO'nun split testi metodolojisi üzerine araştırması, çoğu ekibin kritik bir hata yaptığını gösteriyor: aynı anda çok fazla değişkeni test ediyorlar. Cold email'de etkili A/B testi, her seferinde tek bir unsuru değiştirmek ve testi istatistiksel anlamlılığa ulaşacak kadar uzun süre yürütmek demektir.
Cold email'e özgü zorluk örneklem büyüklüğüdür. Binlerce ziyaretçiyle yapılan web sitesi A/B testlerinin aksine, cold email kampanyaları genellikle yüzlerce gönderimle yürütülür. Bu, neyi test ettiğiniz ve nasıl ölçtüğünüz konusunda disiplinli bir yaklaşım gerektirir. İyi email konu satırları en yüksek etkiye sahip başlangıç noktasıdır.
istatistiksel olarak geçerli sonuçlar için varyant başına gereken email
1
temiz ve uygulanabilir test sonuçları için her seferinde tek değişken
Neyi test etmeli
A/B test etmeye değer 6 unsur (öncelik sırasıyla)
Mailchimp'in A/B testi sözlüğü ve ConvertKit'in email test stratejileri rehberi öncelik sırası konusunda hemfikir. Bunları en yüksek etkiden en düşüğe doğru test edin:
1
Konu satırları
En yüksek etkiye sahip tek unsur. Soru mu yoksa cümle mi, kısa mı uzun mu, kişiselleştirilmiş mi genel mi, merak odaklı mı değer odaklı mı: bunları test edin. Kazanan bir konu satırı email açılma oranınızı ikiye katlayabilir.
2
Açılış cümlesi
İlk cümle, geri kalanını okuyup okumayacaklarını belirler. İşletmelerine atıf vs. acı noktası açılışı vs. ortak bağlantı vs. iltifat: bunları test edin. Yorumlardan ve puanlamalardan gelen gerçek veriler bunu kolaylaştırır.
3
Harekete geçirici mesaj (CTA)
Yumuşak CTA ("konuşmaya değer mi?") vs. spesifik CTA ("bu perşembe 15 dakika?") vs. değer CTA'sı ("raporu göndermemi ister misiniz?"): bunları test edin. ActiveCampaign'in email etkileşim optimizasyonu üzerine blogu, ilk temas cold email'lerinde yumuşak CTA'ların kazandığını gösteriyor.
4
Email uzunluğu
50 kelimelik email'ler vs. 120 kelimelik email'ler vs. 200 kelimelik email'ler: bunları test edin. Cold email için neredeyse her zaman daha kısa olan kazanır. Ancak "daha kısa", kendi özel hedef kitleniz ve B2B email bağlamınız için test edilmelidir.
5
Kişiselleştirme derinliği
Yalnızca isim kişiselleştirmesi vs. şirkete özel vs. yorum tabanlı derin kişiselleştirme: bunları test edin. Vonsel, veritabanınızdaki her işletme için farklı kişiselleştirme seviyeleri üretir.
6
Gönderim zamanı ve günü
Salı 09:00 vs. Perşembe 14:00 vs. Cumartesi sabahı: bunları test edin. "En iyi" zaman sektöre göre değişir. Bunu akıllı bir gönderim sıklığı stratejisiyle birleştirin.
Manuel A/B testini atlayın. Varyantları yapay zekaya ürettirin.
Vonsel, gerçek yorum verilerinden her işletme için birden fazla benzersiz email varyantı üretir. Her email farklıdır. Yapay zeka destekli, yerleşik A/B testi.
Kişiselleştirme derinliğinin ikinci en yüksek etkiye sahip olmasına rağmen en küçük örneklemi gerektirdiğine dikkat edin. Bunun nedeni, genel ve derinlemesine kişiselleştirilmiş email'ler arasındaki farkın o kadar büyük olmasıdır ki, hızla istatistiksel olarak anlamlı hale gelir. Test kampanyalarınızı yönetmek için uygun bir email otomasyonu kullanın.
Cold email A/B testinin geleceği iki şablonu birbirine karşı test etmek değil. Gerçek verilerden her potansiyel müşteri için benzersiz email'ler üretmektir. Her email farklı olduğunda, "test" doğal olarak ölçekte gerçekleşir.
Şablon A'yı şablon B'ye karşı test etmeyi bırakın. Bunun yerine gerçek verilerden benzersiz email'ler üretin
Her potansiyel müşteri için yapay zeka tarafından üretilen varyantlar
Vonsel, gerçek yorumları, puanlamaları ve işletme detaylarını kullanarak her işletme için birden fazla email varyantı oluşturur. Ölçekte yerleşik A/B testi. Planları görün veya bizimle iletişime geçin.
Cold email'lerde ilk olarak neyi A/B test etmeliyim?
Konu satırlarıyla başlayın. Email'in açılıp açılmayacağını onlar belirler. Açılma oranındaki %10'luk bir iyileşme, daha fazla yanıta, toplantıya ve anlaşmaya dönüşür.
Geçerli bir A/B testi için kaç email'e ihtiyacım var?
Varyant başına en az 100 (toplam 200). Yanıt oranı testi için varyant başına 200-300 hedefleyin, çünkü yanıt oranları daha düşüktür ve anlamlılık için daha büyük örneklem gerektirir.
Yapay zeka, cold email'de manuel A/B testinin yerini alabilir mi?
Kısmen. Vonsel, gerçek verilerden her işletme için birden fazla benzersiz varyant üretir ve geleneksel A/B testinin manuel olarak elde etmeye çalıştığı doğal çeşitliliği yaratır.
Ücretsiz Deneme