E-Mail-ROI für Einzelhändler: Verknüpfung von Mailings mit wiederkehrenden Filialbesuchen
Sie können jede Einzelhandels-E-Mail anhand der zusätzlich generierten Filialbesuche beurteilen, nicht anhand von Öffnungsraten.
Part of the guide topicEmail marketing ROI for venues: measuring the visits it brings
Messen Sie den E-Mail-ROI im Einzelhandel an den Filialbesuchen, nicht an den Öffnungsraten - in neun Schritten auf den Access Points, die Sie bereits besitzen. Gleichen Sie jede erneute WiFi-Anmeldung eines Käufers mit der vorherigen E-Mail ab. Halten Sie eine zufällig ausgewählte Kontrollgruppe zurück und melden Sie den Zuwachs nach Filiale. Purple Engage erstellt die Liste aus GDPR-konformen Gast-WiFi-Logins, sodass derselbe Login den Besuch erfasst.
Was zeigt Ihr E-Mail-Bericht auf Filialebene am Ende?
Jede Kampagne enthält eine zentrale Kennzahl: die zusätzlichen Filialbesuche, die sie verursacht hat, gemessen an Käufern, die sie nicht erhalten haben. Sie verfügen außerdem über eine schriftliche Definition eines Wiederholungsbesuchs und ein festes Attributionsfenster. Der Bericht schlüsselt das Ergebnis nach Filialen auf - in einem Format, das Ihr Betriebsteam lesen kann.
{"slot":"hero","alt":"Retail-Marketing-Manager im Backoffice eines Geschäfts vergleicht Wiederholungsbesuche von Käufern, die E-Mails erhalten haben, mit einer zurückgehaltenen Kontrollgruppe, aufgeschlüsselt nach Filialen","caption":"Beurteilen Sie jeden Versand nach den Filialbesuchen, die er bringt, nicht nach den Öffnungen, die er aufzeichnet","prompt":"Natural light photograph in a UK fashion store back office. A marketing manager at a laptop shows a store operations director a simple bar chart comparing two groups by store. Calm, practical mood, purple accent in the interface, no readable brand logos, no readable text on screen."}
Der Bericht beantwortet für jeden Versand drei Fragen:
- Hat er Käufer zurückgebracht?
- Wie viele zusätzliche Besuche hat er verursacht?
- Welche Filialen haben das Ergebnis getragen?
Fügen Sie den durchschnittlichen Transaktionswert aus Ihrem Kassensystem hinzu, und derselbe Bericht liefert Ihnen den Umsatz pro Versand.
Das ist Messung, keine Modellierung. Nichts wird aus Branchendurchschnitten geschätzt. Jede Zahl stammt aus Ihren eigenen Erstanbieterdaten: den Gast-WiFi-Anmeldungen von Käufern, die dem E-Mail-Empfang zugestimmt haben.
Was benötigen Sie, bevor Sie beginnen?
Sieben Dinge müssen vorhanden sein. Bei den meisten handelt es sich eher um Entscheidungen als um Technologie, und ihre Abstimmung dauert länger als die Konfiguration.
{"caption":"Voraussetzungen für besuchsbasierte E-Mail-Messung","asOf":"2026-06-10","columns":[{"key":"p","label":"Voraussetzung"},{"key":"w","label":"Warum es wichtig ist"},{"key":"c","label":"So prüfen Sie es"}],"rows":[["Gäste-WiFi live über Purple in jedem Store des Tests","Wiederkehrende Besuche werden nur erkannt, wenn sich Käufer anmelden","Jeder Store zeigt Anmeldungen in den letzten sieben Tagen"],["Branded Login-Seite mit DSGVO-E-Mail-Opt-in","Nur Kontakte mit Einwilligung können angeschrieben und gemessen werden","Eine Test-Anmeldung zeichnet das Opt-in im Profil auf"],["90 Tage Besuchshistorie","Bestimmt die Basis-Rückkehrquote zur Dimensionierung","Berichte zeigen wiederkehrende Besuche für den gesamten Zeitraum"],["Eine Opt-in-Liste, die groß genug für eine Aufteilung ist","Zu wenige Käufer verbergen eine reale Steigerung","Führen Sie die Dimensionierungsformel in Schritt 4 aus"],["Stores den Regionen zugeordnet","Kleine Stores werden für das Reporting zusammengefasst","Jeder Store trägt ein Regions-Label"],["Durchschnittlicher Transaktionswert pro Store (optional)","Wandelt zusätzliche Besuche in Umsatz um","Finanzabteilung hat die Zahl freigegeben"],["Ein freigegebener Testplan","Verhindert das Verschieben der Metrik nach Eintreffen der Ergebnisse","Zeitraum, Besuchsdefinition und Holdout-Anteil schriftlich fixiert"]],"footnote":"Entscheidungen in der letzten Zeile werden von Marketing und Store Operations gemeinsam getroffen."}
Wenn Ihre Liste noch klein ist, bauen Sie zuerst die Erfassung auf, bevor Sie messen. Unser Leitfaden zu retail email capture in store behandelt das Wachstum der Opt-in-Liste an der Kasse und auf der Login-Seite.
Wie wird ein wiederkehrender Besuch einer E-Mail zugeordnet?
Warum Öffnungen und Klicks den filialgeprägten Einzelhandel irreführen
Öffnungen sind kein verlässliches Signal mehr, seit Apple 2021 mit iOS 15 den Mail-Datenschutz (Mail Privacy Protection) eingeführt hat. Die Funktion lädt E-Mail-Bilder vorab, sodass eine Nachricht als geöffnet registriert werden kann, unabhängig davon, ob sie jemand gelesen hat. Öffnungsraten sagen heute mehr über den Mix der Mail-Apps Ihrer Liste aus als über Ihre Kampagne.
Klicks sind ehrlich, aber eng gefasst. Ein Käufer, der ein Wochenendangebot liest und in den Store geht, klickt niemals. Ihre E-Mail-Plattform zeichnet nichts auf, und dennoch ist dieser Besuch das Ergebnis, für das Sie bezahlt haben. Klicks tendieren zudem zu Ihren engagiertesten Käufern, die sehr wahrscheinlich ohnehin vorbeigekommen wären.
Die Zuordnungsregel
Die Zuordnung funktioniert, weil die E-Mail-Adresse und der Besuch von derselben Stelle stammen. Wenn sich ein Käufer im Gäste-WiFi anmeldet, gibt er eine E-Mail-Adresse ein und nimmt ein bewusstes Opt-in vor. Purple Engage speichert dies als First-Party-Kontakt. Wenn sich derselbe Käufer bei einem späteren Besuch erneut anmeldet, wird dieser Besuch im selben Profil erfasst.
Die Regel selbst ist kurz. Ein wiederkehrender Besuch zählt, wenn sich das Profil, das die E-Mail erhalten hat, innerhalb des Attributionsfensters in einem beliebigen Store anmeldet. Jeder Käufer zählt einmal pro Fenster, sodass drei Besuche eines Käufers als ein wiederkehrender Besuch gewertet werden. Dadurch bleibt die Messung eine Quote, was für den Vergleich mit der Kontrollgruppe erforderlich ist.
Einwilligung steht an erster Stelle. Gemäß GDPR muss eine Einwilligung freiwillig, für den konkreten Fall, in Kenntnis der Sachlage und unmissverständlich abgegeben werden. Ein nicht vorausgewähltes Kontrollkästchen für den E-Mail-Empfang und ein klarer Datenschutzhinweis bei der Anmeldung sind der Ausgangspunkt. Stimmen Sie den Wortlaut mit Ihrem Datenschutzbeauftragten ab.
{"kind":"flow","direction":"lr","caption":"How a WiFi sign-in links an email to a return visit","alt":"Flow from a shopper's first guest WiFi sign-in, through a random split into treated and control groups, to return sign-ins and a store-level uplift report.","nodes":[{"id":"a","label":"Shopper signs in to guest WiFi","sub":"Email and GDPR opt-in captured at login","tone":"brand"},{"id":"b","label":"Profile created in Purple Engage","sub":"First-party contact with visit history","tone":"neutral"},{"id":"c","label":"Random split before send","sub":"Treated group and held-back control","tone":"neutral"},{"id":"d","label":"Email sent to treated group","sub":"Control receives nothing from this campaign","tone":"neutral"},{"id":"e","label":"Return sign-in inside window","sub":"Same profile, any store, counted once","tone":"success"},{"id":"f","label":"Uplift reported by store","sub":"Treated return rate minus control rate","tone":"brand"}],"edges":[{"from":"a","to":"b","style":"solid"},{"from":"b","to":"c","style":"solid"},{"from":"c","to":"d","label":"treated","style":"solid"},{"from":"c","to":"e","label":"control","style":"dashed"},{"from":"d","to":"e","style":"solid"},{"from":"e","to":"f","style":"solid"}]}
Warum die Kontrollgruppe wichtig ist
Der Abgleich zeigt, dass Käufer, die eine E-Mail erhalten haben, zurückgekehrt sind. Er zeigt jedoch nicht, dass die E-Mail sie zur Rückkehr bewegt hat. Käufer, die ihre Einwilligung gegeben haben, sind bereits Ihre treuesten Kunden, und viele würden auch ganz ohne E-Mail wiederkommen.
Die zurückgehaltene Kontrollgruppe beantwortet die eigentliche Frage. Sie ist ein zufälliger Ausschnitt derselben Liste, der nichts aus der Kampagne erhält. Die Differenz zwischen den Rückkehrquoten beider Gruppen entspricht den Besuchen, die durch die E-Mail verursacht wurden.
Wie richten Sie die besuchsbasierte Messung Schritt für Schritt ein?
Gehen Sie die neun Schritte der Reihe nach durch. Die Schritte eins bis sechs erfolgen vor dem Versand. Die Schritte sieben bis neun erfolgen, sobald sich das Zeitfenster schließt.
{"title":"ROI von Einzelhandels-E-Mails anhand von Filialbesuchen messen","steps":[{"title":"Einwilligung bei der Anmeldung bestätigen","body":"Stellen Sie sicher, dass jede Filiale eine gebrandete Anmeldeseite mit einem nicht angekreuzten E-Mail-Opt-in und einem Datenschutzhinweis nutzt, der Besuchsdaten abdeckt.","check":"Eine Test-Anmeldung erstellt ein Profil, das als für E-Mail angemeldet markiert ist."},{"title":"Wiederkehrenden Besuch definieren","body":"Zählen Sie eine Gast-WiFi-Anmeldung an einem späteren Tag, in jeder beliebigen Filiale, einmal pro Käufer pro Zeitfenster. Schließen Sie Mitarbeitergeräte aus.","check":"Die Definition ist im Testplan schriftlich festgehalten und freigegeben."},{"title":"Attributionsfenster festlegen","body":"Wählen Sie sieben oder 14 Tage nach dem Versand, abgestimmt darauf, wie oft Ihre Käufer normalerweise wiederkommen.","check":"Das Fenster und das Versanddatum werden vor dem Versand erfasst."},{"title":"Größe der Kontrollgruppe bestimmen","body":"Verwenden Sie die Formel zur Größenbestimmung unten mit Ihrer 90-Tage-Basis-Rückkehrrate, um den Holdout-Anteil festzulegen.","check":"Die Kontrollgruppe erreicht die Mindestanzahl für den Uplift, den Sie erkennen möchten."},{"title":"Zielgruppe zufällig aufteilen","body":"Teilen Sie angemeldete Kontakte innerhalb jeder Filiale zufällig in Test- und Kontrollgruppe auf. Halten Sie die Kontrollgruppe während des Fensters aus jeder anderen E-Mail heraus.","check":"Die vorherigen 90-Tage-Rückkehrraten der beiden Gruppen liegen innerhalb eines Prozentpunkts."},{"title":"Nur an die Testgruppe senden","body":"Planen Sie die Kampagne für das Testsegment und notieren Sie den Versandzeitpunkt.","check":"Das Versandprotokoll zeigt, dass null Kontrollkontakte die E-Mail erhalten haben."},{"title":"Besuche nach Ablauf des Fensters exportieren","body":"Rufen Sie wiederkehrende Besuche für beide Gruppen nach Filiale ab, unter Verwendung derselben Definition und Daten.","check":"Jeder Besuch enthält ein Profil, eine Filiale und einen Zeitstempel innerhalb des Fensters."},{"title":"Uplift nach Filiale berechnen","body":"Subtrahieren Sie die Kontroll-Rückkehrrate von der Test-Rückkehrrate und multiplizieren Sie das Ergebnis mit den Test-Käufern für inkrementelle Besuche.","check":"Die inkrementellen Besuche der Filialen addieren sich zur Gesamtzahl des Filialnetzes."},{"title":"Methode überprüfen","body":"Führen Sie einen A/A-Test durch: Teilen Sie die Liste auf, senden Sie nichts und vergleichen Sie die Rückkehrraten über dieselbe Fensterlänge.","check":"Der A/A-Uplift liegt im gesamten Filialnetz nahe bei null."}]}
Wie groß sollte die zurückgehaltene Gruppe sein?
Die Größe der Kontrollgruppe hängt von zwei Eingabegrößen ab. Die eine ist Ihre Basis-Rückkehrrate. Die andere ist der kleinste Uplift, der eine Erkenntnis wert ist. Ein fester Prozentsatz entscheidet dies nicht. Lehr's Formel liefert eine schnelle Schätzung für etwa 80 % Teststärke bei einem Signifikanzniveau von 5 %:
Benötigte Käufer pro Gruppe = 16 × p × (1 − p) ÷ d²
p = Basis-Rückkehrrate im Zeitfenster (0,18 für 18 %)
d = kleinster zu erkennender Uplift (0,02 für zwei Prozentpunkte)
Beispiel: 16 × 0,18 × 0,82 ÷ 0,0004 = 5.904 Käufer pro Gruppe
Ihr Holdout-Anteil liefert möglicherweise weniger als 5.904 Käufer. In diesem Fall haben Sie drei Optionen: Sie können den Holdout-Anteil erhöhen, einen größeren erkennbaren Uplift akzeptieren oder mehrere Versendungen derselben Kampagne zusammenfassen.
{"tone":"tip","title":"Standard-Holdout-Anteil","text":"Starten Sie bei Listen mit mehr als 50.000 angemeldeten Shoppern bei 10 % und darunter bei 20 %. Wenden Sie dann die Formel an, um zu bestätigen, dass die Kontrollgruppe groß genug ist."}
Berechnung von Uplift und Umsatz
Verwenden Sie für jede Kampagne dieselbe Arithmetik, damit die Ergebnisse direkt vergleichbar sind.
Rückkehrquote der Testgruppe = zurückgekehrte Testgruppen-Shopper ÷ Testgruppen-Shopper
Rückkehrquote der Kontrollgruppe = zurückgekehrte Kontrollgruppen-Shopper ÷ Kontrollgruppen-Shopper
Uplift = Rückkehrquote der Testgruppe − Rückkehrquote der Kontrollgruppe
Inkrementelle Besuche = Uplift × Testgruppen-Shopper
Inkrementeller Umsatz = inkrementelle Besuche × durchschnittlicher Transaktionswert
{"tone":"warning","title":"Ein einziger falscher Versand ruiniert den Test","text":"Halten Sie Kontrollgruppen-Shopper aus jedem E-Mail-Versand im Messzeitraum heraus, einschließlich Newslettern und automatisierten Flows. Ein einziger Versand an die Kontrollgruppe verringert den gemessenen Uplift und kann nachträglich nicht korrigiert werden."}
Wie berichten Sie Ergebnisse pro Store?
Berichten Sie jeden Store im Vergleich zu seinen eigenen Kontrollgruppen-Shoppern, nicht im Vergleich zum Gesamt-Durchschnitt des Filialnetzes. Zufallsauswahlen sollten innerhalb jedes Stores erfolgen - eine Methode namens stratifizierte Stichprobe -, damit jeder Store denselben Holdout-Anteil aufweist.
Seien Sie ehrlich bezüglich der Präzision. Ein Store mit 1.000 Kontrollgruppen-Shoppern und einer Baseline von 18 % kann nur einen Uplift von etwa fünf Prozentpunkten erkennen. Weisen Sie einen Store nur dann einzeln aus, wenn seine Kontrollgruppe diese Größe erreicht. Fassen Sie kleinere Stores nach Regionen zusammen. Betrachten Sie jeden Store-Wert als Richtwert; das Gesamtergebnis des Filialnetzes ist das maßgebliche Resultat.
{"caption":"Beispielhafter Store-Bericht für einen Versand, 14-Tage-Fenster","asOf":"2026-06-10","columns":[{"key":"s","label":"Store"},{"key":"n","label":"Test- / Kontrollgruppen-Shopper"},{"key":"t","label":"Rückkehrquote Testgruppe"},{"key":"c","label":"Rückkehrquote Kontrollgruppe"},{"key":"u","label":"Uplift (Punkte)"},{"key":"i","label":"Inkrementelle Besuche"}],"rows":[["Store A (Flagship)","9,000 / 1,000","23.0%","19.5%","3.5","315"],["Store B","5,400 / 600","20.5%","18.0%","2.5","135"],["Store C","2,700 / 300","19.0%","19.7%","-0.7","-19"],["Weitere 15 Stores","47,700 / 5,300","20.8%","18.4%","2.4","1,145"],["Gesamtergebnis Filialnetz","64,800 / 7,200","21.0%","18.6%","2.4","1,576"]],"footnote":"Beispielhafte Zahlen. Die Stores B und C liegen unter 1.000 Kontrollgruppen-Shoppern; betrachten Sie diese Werte daher als Richtwerte und fassen Sie sie nach Regionen zusammen. Die inkrementellen Besuche des Gesamtergebnisses summieren die Store-Zeilen; der Uplift ist gerundet.","download":{"filename":"store-email-uplift-report.csv"}}
Store C zeigt einen negativen Uplift bei 300 Kontrollgruppen-Shoppern. Bei dieser Stichprobengröße handelt es sich um statistisches Rauschen. Es ist kein Beweis dafür, dass die E-Mail Shopper vertrieben hat. Fassen Sie die Daten mit der jeweiligen Region zusammen, bevor voreilige Schlüsse gezogen werden.
Praxisbeispiel: Ein Modehändler mit 18 Stores
Beispielhafte Zahlen unter Anwendung der obigen Methode.
Ausgangslage. Ein Modehändler mit 18 Stores hatte über die vorherigen 12 Monate 72.000 Shopper über das Gäste-WiFi gewonnen. Seine E-Mail-Berichte zeigten Öffnungen und Klicks. Die Store-Teams wollten wissen, ob eine Mid-Season-Sale-E-Mail tatsächlich Shopper in die Geschäfte gebracht hat.
Was getan wurde. Das Team legte ein Fenster von 14 Tagen fest. Es legte eine Basistermin-Rückkehrrate von 18 % aus einer 90-Tage-Historie zugrunde. Eine Holdout-Gruppe von 10 % ergab 7.200 Kontroll-Kunden, was ausreichte, um einen Anstieg von etwa 1,8 Punkten zu erkennen. Das Team randomisierte innerhalb jeder Filiale und sendete die E-Mail an die anderen 64.800.
Ergebnis. Die kontaktierte Kundengruppe kehrte zu 21,0 % zurück, verglichen mit 18,6 % in der Kontrollgruppe. Das sind 2,4 Punkte oder 1.576 zusätzliche Besuche. Bei einem durchschnittlichen Transaktionswert von 38 £ entspricht dies einem zusätzlichen Umsatz von etwa 60.000 £ vor Rabattkosten und Marge. Nur der Flagship-Store überschritt den Schwellenwert von 1.000 Kunden für eine eigene Auswertung. Das Team berichtete die anderen Filialen nach Regionen.
Praxisbeispiel: Eine Bar-Gruppe mit 12 Standorten
Beispielhafte Zahlen.
Ausgangslage. Eine Bar-Gruppe mit 12 Standorten wollte wissen, ob eine E-Mail am Donnerstag das Wochenende füllt. Sie hatte 9.000 Gäste, die sich über das Gäste-WiFi angemeldet hatten, und eine 7-Tage-Basistermin-Rückkehrrate von 12 %.
Was getan wurde. Bei dieser Listengröße konnte eine Holdout-Gruppe von 10 % nur einen Anstieg von etwa 4,3 Punkten erkennen. Das Team erhöhte die Holdout-Gruppe auf 20 %. Dies ergab 1.800 Kontroll-Gäste und einen erkennbaren Anstieg von etwa 3,1 Punkten.
Ergebnis. Gäste, die die E-Mail erhielten, kehrten innerhalb von sieben Tagen zu 16,0 % zurück, verglichen mit 12,0 % in der Kontrollgruppe. Das sind vier Punkte bei 7.200 Gästen oder 288 zusätzliche Besuche. Die Gruppe berichtete das Ergebnis nur für den gesamten Bestand. Mit etwa 150 Kontroll-Gästen pro Standort konnte kein einzelner Standort eine eigene Auswertung stützen.
Wie überprüfen Sie das Ergebnis, bevor Sie es berichten?
Gehen Sie diese Liste durch, bevor der Bericht den Filialbetrieb oder die Finanzabteilung erreicht.
{"title":"Überprüfen Sie das Ergebnis, bevor Sie es teilen","groups":[{"heading":"Vor dem Versand","items":[{"text":"Definition des Wiederholungsbesuchs und Zeitfenster freigegeben","why":"Verhindert das Verschieben der Metrik nach Eingang der Ergebnisse"},{"text":"Bisherige Rückkehrraten von kontaktierter Gruppe und Kontrollgruppe innerhalb eines Punkts","why":"Bestätigt, dass die Aufteilung zufällig ist"},{"text":"Kontrollgruppe von allen anderen E-Mails im Zeitfenster ausgeschlossen"},{"text":"Mitarbeitergeräte aus beiden Gruppen ausgeschlossen"}]},{"heading":"Nach Ablauf des Zeitfensters","items":[{"text":"Versandprotokoll zeigt null Empfänger in der Kontrollgruppe"},{"text":"Filialsummen stimmen mit der Gesamtsumme des Bestands überein"},{"text":"Filialen mit unter 1.000 Kontroll-Kunden nach Regionen zusammengefasst","why":"Kleine Stichproben erzeugen Rauschen, keine Erkenntnisse"},{"text":"A/A-Test in einem Zeitraum ohne Versand zeigt einen Anstieg nahe Null","why":"Beweist, dass die Methode keinen Anstieg erfindet"},{"text":"Umsatz nutzt den von der Finanzabteilung genehmigten durchschnittlichen Transaktionswert"}]}],"download":{"filename":"retail-email-roi-verification.csv"}}
Was die Zahlen Ihnen nicht sagen können
- Besuche von Kunden, die sich nicht verbinden. WiFi sieht nur Kunden, die sich anmelden, sodass die Methode die Gesamtzahl der Besuche zu niedrig ansetzt. Der Vergleich des Anstiegs gilt weiterhin, da beide Gruppen gleichermaßen zu niedrig angesetzt werden.
- Ausgaben. Eine Anmeldung zeigt einen Besuch, keinen Warenkorb. Der Umsatz basiert auf dem durchschnittlichen Transaktionswert, es sei denn, Sie verknüpfen WiFi-Daten mit Kassenbons.
- Online-Verkäufe. Eine einkaufende Person, die die E-Mail liest und auf Ihrer Website kauft, wird überhaupt nicht als Besuch erfasst.
- Warum es funktioniert hat. Der Test zeigt, dass die E-Mail Besuche ausgelöst hat. Er zeigt jedoch nicht, ob die Betreffzeile, das Angebot oder das Bild dafür verantwortlich war. Testen Sie jeweils nur eine Änderung, wenn Sie diese Antwort benötigen.
- Langfristige Effekte. Ein 14-tägiges Zeitfenster erfasst niemanden, der in Woche drei zurückkehrt. Halten Sie eine Kontrollgruppe über ein ganzes Quartal hinweg zurück, um den Effekt auf den Customer Lifetime Value abzuschätzen.
Wenn ein Schritt fehlschlägt
- Gruppen unterscheiden sich vor dem Versand (Schritt 5). Randomisieren Sie die Aufteilung erneut. Passen Sie die Gruppen niemals manuell an.
- Kontrollgruppe hat die E-Mail erhalten (Schritt 6). Verwerfen Sie den Test und führen Sie ihn beim nächsten Versand erneut durch.
- Ein Store verzeichnet keine Besuche (Schritt 7). Vergewissern Sie sich, dass Gäste-WiFi-Anmeldungen in diesem Store aktiv sind, bevor Sie Rückschlüsse aus dem Ergebnis ziehen.
- Der Uplift wirkt unplausibel hoch (Schritt 8). Prüfen Sie, ob der Export Kundinnen und Kunden einmal pro Zeitfenster und nicht bei jedem Besuch zählt.
Eine genauere Diagnose dazu, wie wiederkehrende Besuche gezählt werden und wo sie verloren gehen, finden Sie in unserem Leitfaden zur Messung wiederkehrender Besuche.
Welche Fehler verzerren die E-Mail-Attribution im Einzelhandel?
- Öffnungen als Kaufabsicht interpretieren. Datenschutzfunktionen blähen Öffnungen künstlich auf; eine hohe Öffnungsrate beweist daher nichts über Store-Besuche.
- Das Zeitfenster erst nach Vorliegen der Ergebnisse festlegen. Ein Zeitfenster, das gewählt wurde, um eine Kampagne gut aussehen zu lassen, lässt sich nicht mit dem nächsten vergleichen. Legen Sie es im Testplan fest.
- Zulassen, dass Kontrollkunden andere E-Mails erhalten. Automatisierte Flows sind hier meist die Ursache. Schließen Sie die Kontrollgruppe für das gesamte Zeitfenster von jedem Flow aus.
- Jeden Besuch statt jede einkaufende Person zählen. Ihre treuesten Kundinnen und Kunden dominieren dann das Ergebnis, und der Uplift ist keine Rate mehr.
- Mitarbeitergeräte einbeziehen. Mitarbeitende melden sich in jeder Schicht an, was beide Gruppen verzerrt.
- Stores anhand kleiner Stichproben vergleichen. Eine Rangliste, die auf 300 Kontrollpersonen basiert, belohnt reines Glück. Fassen Sie kleine Stores nach Regionen zusammen.
- Mit dem Vorjahr statt mit der Kontrollgruppe vergleichen. Wetter, Kalendertage und Sortimente ändern sich. Nur eine zeitgleiche Kontrollgruppe isoliert die Wirkung der E-Mail.
Wie ordnet sich dies in Ihr E-Mail-ROI-Programm ein?
Dieser Leitfaden ist das Einzelhandelskapitel unseres Hauptthemas zu E-Mail-Marketing-ROI für Veranstaltungsorte und die dadurch generierten Besuche. Das Hauptthema deckt das gesamte Spektrum ab: Erfassung, Segmentierung, Messung und Reporting für Gastronomie, Einzelhandel und Events. Für die Erfassung und Segmentierung im Einzelhandel lesen Sie Purple Engage für den Einzelhandel. Für umfassendere Argumente zu WiFi-gestütztem Marketing lesen Sie den WiFi-Marketing-Leitfaden.
Die Methode stützt sich auf eine Sache, die herkömmliche E-Mail-Plattformen nicht bieten: eine Liste, die sich automatisch aus Store-internen WiFi-Logins aufbaut und Besuche demselben Profil zuordnet.
{"tone":"proof","title":"Purple in großem Maßstab","text":"Purple betreibt Gast-WiFi an mehr als 80.000 Standorten in 90 Ländern, verarbeitet 500 Millionen Anmeldungen pro Jahr, und gebrandete Anmeldeseiten verzeichnen um etwa 50 % höhere Opt-in-Raten (Purple-Daten). Marken wie Harrods und McDonald's nutzen Purple."}
Häufig gestellte Fragen
Funktioniert der Besuchsabgleich mit den Access Points, die wir bereits besitzen?
Ja. Purple ist hardwareunabhängig und läuft als Cloud-Overlay auf Cisco Meraki, HPE Aruba, Ruckus, Juniper Mist, Ubiquiti UniFi, Cambium, Extreme und Fortinet. Die Messung in diesem Leitfaden erfolgt in Purple Engage, nicht auf dem Access Point. Die Methode ist daher dieselbe, unabhängig davon, welchen Anbieter die jeweilige Filiale nutzt. Wenn Ihr Bestand nach einer Übernahme verschiedene Anbieter kombiniert, behandelt der Filialbericht jede Filiale gleich.
Wie unterscheidet sich dies vom E-Mail-ROI-Reporting in Mailchimp, Klaviyo oder HubSpot?
Diese Plattformen berichten darüber, was im Posteingang und online passiert: Öffnungen, Klicks und Web-Bestellungen. Sie senden an eine Liste, die Sie mitbringen, bauen diese jedoch nicht auf. Purple Engage baut die Liste aus Anmeldungen von Gast-WiFi mit Einwilligung auf und erfasst die nächste Anmeldung jedes Käufers in einer Filiale. Dadurch können Sie einen Versand anhand der generierten Besuche beurteilen - genau das Ergebnis, das ein filialgeführter Einzelhändler an den Vorstand meldet.
Ist die Messung von Wiederholungsbesuchen aus WiFi-Anmeldungen GDPR-konform?
Das kann sie sein, sofern die Einwilligung ordnungsgemäß erfasst wird und Ihre Datenschutzhinweise erklären, wie Besuchsdaten verwendet werden. Die GDPR verlangt eine freiwillig erteilte, spezifische, fehlerfreie und eindeutige Einwilligung. In der Praxis bedeutet dies ein nicht vorausgewähltes Opt-in-Kästchen und eine verständliche Formulierung bei der Anmeldung. Purple ist ISO 27001-zertifiziert sowie GDPR-konform, und die Anmeldeseite zeichnet die Auswahl jedes Käufers auf. Stimmen Sie die Formulierung vor dem Start mit Ihrem Datenschutzbeauftragten ab.
Wie lange dauert es, bis wir ein zuverlässiges Ergebnis haben?
Rchnen Sie mit einem Ergebnis ein Attributionsfenster nach dem Versand, plus einen Tag zur Datenabfrage. Bei einem 14-Tage-Fenster haben Sie etwa 15 Tage nach dem Versand ein Ergebnis. Die Zuverlässigkeit hängt eher von der Stichprobengröße als von der Zeit ab. Wenn die Berechnungsformel ergibt, dass Ihre Gruppen zu klein sind, wiederholen Sie die Kampagne über zwei oder drei Aussendungen. Führen Sie die Ergebnisse anschließend zusammen, bevor Sie eine Schlussfolgerung ziehen.
Können wir jedem Versand eine Umsatzzahl zuordnen?
Ja, sofern die Finanzabteilung einen durchschnittlichen Transaktionswert pro Filiale bereitstellt. Multiplizieren Sie die inkrementellen Besuche mit diesem Wert, um den inkrementellen Umsatz zu erhalten. Ziehen Sie Rabatt- und Versandkosten ab, um den Ertrag zu berechnen. WiFi-Daten zeigen, dass ein Käufer zurückgekommen ist, nicht was er gekauft hat. Das Verknüpfen von Anmeldungen mit Kassenbons liefert den Ausgabenwert pro Besuch, aber das ist ein separates Datenprojekt. Die besuchsbasierte Kennzahl steht für sich allein.
Was ist mit den Kontakten, die wir bereits außerhalb von Purple besitzen?
Sie können ihnen weiterhin E-Mails senden, schließen Sie sie jedoch aus dem gemessenen Test aus. Der Abgleich erfordert eine WiFi-Anmeldung über dasselbe Profil. Ein Kontakt, der sich noch nie in einer Filiale angemeldet hat, kann keinem erneuten Besuch zugeordnet werden. Messen Sie zuerst die über WiFi gewonnene Liste. Steigern Sie dann den messbaren Anteil durch Erfassung an der Kasse und auf der Anmeldeseite, wie in unserem Leitfaden zur E-Mail-Erfassung im Einzelhandel beschrieben.
Warum nicht stattdessen mit einem gedruckten Aktionscode messen?
Codes messen Einlösungen, keine Besuche. Sie erfassen keine Käufer, die aufgrund der E-Mail zurückgekehrt sind, den Code jedoch nie verwendet haben. Sie belohnen auch Käufer, die ohnehin gekauft hätten. Eine zurückgehaltene Kontrollgruppe deckt beide Effekte ab, da sie Rückkehrquoten vergleicht, anstatt Gutscheine zu zählen. Nutzen Sie Codes für Angebotsmechanismen und die Kontrollgruppe für die Messung.
