Engage
Analytics

किरकोळ विक्रेत्यांसाठी ईमेल ROI: पाठवलेले ईमेल आणि दुकानातील पुनर्भेट यांचा संबंध जोडणे

तुम्ही प्रत्येक रिटेल ईमेलचे मूल्यांकन केवळ तो उघडला गेला की नाही यावरून नव्हे, तर त्यामुळे दुकानाला मिळालेल्या अतिरिक्त भेटींवरून करू शकाल.

14 min read३,२६२ words

Part of the guide topicEmail marketing ROI for venues: measuring the visits it brings

तुमच्याकडे आधीपासूनच असलेल्या ॲक्सेस पॉइंट्सवर नऊ टप्प्यांत, ओपन ऐवजी स्टोअर भेटींद्वारे रिटेल ईमेल ROI मोजा. प्रत्येक ग्राहकाच्या रिटर्न WiFi साइन-इनचा त्याआधी पाठवलेल्या ईमेलशी मेळ घाला. ॲक्सेस न दिलेल्या एका यादृच्छिक कंट्रोल ग्रुपची नोंद ठेवा आणि स्टोअरनुसार झालेली वाढ रिपोर्ट करा. Purple Engage हे GDPR-सहमती मिळालेल्या गेस्ट WiFi लॉगइनमधून सूची तयार करते, ज्यामुळे तेच लॉगइन भेटीची नोंद करते.

तुमच्या स्टोअर-स्तरीय ईमेल रिपोर्टच्या शेवटी काय दिसेल?

प्रत्येक मोहिमेचा एक मुख्य आकडा असेल: ईमेल न मिळालेल्या ग्राहकांच्या तुलनेत यामुळे झालेल्या अतिरिक्त स्टोअर भेटी. तुमच्याकडे रिटर्न भेटीची लिखित व्याख्या आणि एक निश्चित ॲट्रिब्यूशन विंडो देखील असेल. हा रिपोर्ट तुमच्या ऑपरेशन्स टीमला वाचता येईल अशा फॉरमॅटमध्ये, स्टोअरनुसार निकालाचे वर्गीकरण करतो.

{"slot":"hero","alt":"Retail marketing manager in a store back office comparing return visits from emailed shoppers with a held-back control group, broken down by store","caption":"प्रत्येक ईमेल पाठवण्याचे मूल्यमापन ते नोंदवत असलेल्या ओपनिंगवरून नाही, तर त्यामुळे होणाऱ्या स्टोअर भेटींवरून करा","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."}

हा रिपोर्ट प्रत्येक ईमेल पाठवण्यासाठी तीन प्रश्नांची उत्तरे देतो:

  • यामुळे ग्राहक परत आले का?
  • यामुळे कितीने अतिरिक्त भेटी झाल्या?
  • कोणत्या स्टोअरने हे निकाल मिळवून दिले?

तुमच्या कॅश काउंटर (टिल) सिस्टीममधून सरासरी व्यवहाराचे मूल्य (ATV) जोडा, आणि हाच रिपोर्ट तुम्हाला प्रति संदेश मिळालेला महसूल देईल.

हे प्रत्यक्ष मोजमाप आहे, कोणतेही अनुमान नाही. उद्योगाच्या सरासरीवरून कशाचाही अंदाज लावला जात नाही. प्रत्येक आकडा तुमच्या स्वतःच्या फर्स्ट-पार्टी डेटामधून येतो: ईमेल स्वीकारणाऱ्या ग्राहकांचे गेस्ट WiFi साइन-इन.

सुरुवात करण्यापूर्वी तुम्हाला कशाची गरज आहे?

सात गोष्टी तयार असणे आवश्यक आहे. यातील बहुतांश तंत्रज्ञानापेक्षा निर्णय आहेत, आणि ते कॉन्फिगर करण्यापेक्षा त्यावर सहमत होण्यासाठी जास्त वेळ लागतो.

{"caption":"भेटींवर आधारित ईमेल मोजमापासाठी पूर्वअपेक्षित गोष्टी","asOf":"2026-06-10","columns":[{"key":"p","label":"पूर्वअपेक्षित गोष्ट"},{"key":"w","label":"हे का महत्त्वाचे आहे"},{"key":"c","label":"तपासणी कशी करावी"}],"rows":[["चाचणीत समाविष्ट प्रत्येक स्टोअरमध्ये गेस्ट WiFi Purple वर लाइव्ह आहे","ग्राहक जिथे साइन इन करतात तिथेच परतीच्या भेटी दिसतात","प्रत्येक स्टोअर गेल्या सात दिवसांतील साइन-इन्स दाखवते"],["GDPR ईमेल ऑप्ट-इनसह ब्रँडेड लॉगिन पेज","केवळ सहमती दिलेल्या संपर्कांना ईमेल पाठवले जाऊ शकतात आणि त्यांचे मोजमाप केले जाऊ शकते","चाचणी साइन-इन प्रोफाईलवर ऑप्ट-इन नोंदवते"],["भेटींचा ९० दिवसांचा इतिहास","आकार ठरवण्यासाठी वापरला जाणारा बेसलाइन रिटर्न रेट सेट करतो","अहवाल संपूर्ण कालावधीसाठी परतीच्या भेटी दाखवतात"],["विभाजित करण्यासाठी पुरेशी मोठी ऑप्ट-इन केलेली यादी","खूप कमी ग्राहक असल्यास वास्तविक वाढ दिसून येत नाही","स्टेप ४ मधील सायझिंग फॉर्म्युला चालवा"],["प्रदेशांनुसार मॅप केलेली स्टोअर्स","रिपोर्टिंगसाठी लहान स्टोअर्स एकत्रित केली जातात","प्रत्येक स्टोअरवर रिजन लेबल असते"],["स्टोअरनुसार सरासरी ट्रान्झॅक्शन व्हॅल्यू (पर्यायी)","वाढीव भेटींचे महसुलात रूपांतर करते","वित्त विभागाने या आकड्याला मंजुरी दिली आहे"],["मंजूर केलेली चाचणी योजना","निकाल आल्यावर मेट्रिक बदलण्यापासून रोखते","विंडो, भेटीची व्याख्या आणि होल्डआउट शेअर लिखित स्वरूपात असावा"]],"footnote":"शेवटच्या ओळीतील निर्णय मार्केटिंग आणि स्टोअर ऑपरेशन्सद्वारे संयुक्तपणे घेतले जातात."}

तुमची यादी अद्याप लहान असल्यास, मोजमाप करण्यापूर्वी कॅप्चर तयार करा. आमची retail email capture in store मार्गदर्शिका कॅश काउंटरवर आणि लॉगिन पेजवर ऑप्ट-इन केलेली यादी वाढवण्याबद्दल माहिती देते.

परतीच्या भेटीचा ईमेलशी मेळ कसा घातला जातो?

ओपन आणि क्लिक्समुळे स्टोअर-आधारित रिटेलची दिशाभूल का होते

Apple ने २०२१ मध्ये iOS 15 सह Mail Privacy Protection आणले तेव्हा ओपन्स हे एक विश्वासार्ह संकेत राहणे बंद झाले. हे वैशिष्ट्य ईमेल प्रतिमा आधीच लोड करते, त्यामुळे कोणी संदेश वाचला असो वा नसो, तो उघडला गेला आहे अशी नोंद होऊ शकते. ओपन रेट्स आता तुमच्या मोहिमेपेक्षा तुमच्या ईमेल ॲप्सच्या यादीच्या मिश्रणाबद्दल अधिक सांगू लागले आहेत.

क्लिक्स प्रामाणिक आहेत परंतु मर्यादित आहेत. वीकेंडची ऑफर वाचून स्टोअरमध्ये चालत जाणारा ग्राहक कधीही क्लिक करत नाही. तुमचा ईमेल प्लॅटफॉर्म कशाचीही नोंद करत नाही, तरीही ती भेट हाच तुम्ही दिलेल्या पैशांचा परिणाम असतो. क्लिक्स तुमच्या सर्वाधिक व्यस्त असलेल्या ग्राहकांकडे देखील झुकतात, जे कसेही भेट देण्याची शक्यता होती.

मॅचिंगचा नियम

मॅच कार्य करते कारण ईमेल पत्ता आणि भेट एकाच ठिकाणाहून येतात. जेव्हा एखादा ग्राहक गेस्ट WiFi मध्ये साइन इन करतो, तेव्हा तो ईमेल पत्ता देतो आणि विचारपूर्वक ऑप्ट-इन पर्याय निवडतो. Purple Engage ते फर्स्ट-पाटी संपर्क म्हणून स्टोअर करते. जेव्हा तोच ग्राहक नंतरच्या भेटीत पुन्हा साइन इन करतो, तेव्हा त्या भेटीची नोंद त्याच प्रोफाईलवर केली जाते.

नियम स्वतः संक्षिप्त आहे. ईमेल प्राप्त झालेल्या प्रोफाईलने ॲट्रिब्यूशन विंडोमधील कोणत्याही स्टोअरमध्ये साइन इन केल्यास परतीची भेट गणली जाते. प्रत्येक ग्राहक प्रति विंडो एकदाच गणला जातो, त्यामुळे एका ग्राहकाच्या तीन भेटी म्हणजे एक रिटर्न. यामुळे मोजमाप एका दराच्या स्वरूपात राहते, जे नियंत्रण तुलनेसाठी आवश्यक आहे.

सहमती ही सर्वात पहिली पायरी असते. GDPR अंतर्गत, सहमती स्वेच्छेने, विशिष्ट, माहितीवर आधारित आणि स्पष्ट असणे आवश्यक आहे. साइन-इन करताना अनटिक केलेला ईमेल ऑप्ट-इन पर्याय आणि स्पष्ट गोपनीयता सूचना हा याचा प्रारंभिक बिंदू आहे. आपल्या डेटा प्रोटेक्शन ऑफिसरकडून या मजकुराची खात्री करून घ्या.

{"kind":"flow","direction":"lr","caption":"WiFi साइन-इन ईमेलला पुन्हा भेट देण्याशी कसे जोडते","alt":"ग्राहकाच्या पहिल्या अतिथी WiFi साइन-इनपासून, ट्रीटेड आणि कंट्रोल ग्रुप्समध्ये यादृच्छिक विभाजनाद्वारे, रिटर्न साइन-इन्स आणि स्टोअर-स्तरीय अपलिफ्ट रिपोर्टपर्यंतचा प्रवाह.","nodes":[{"id":"a","label":"ग्राहक अतिथी WiFi मध्ये साइन इन करतो","sub":"लॉगिन करताना ईमेल आणि GDPR ऑप्ट-इन कॅप्चर केले जाते","tone":"brand"},{"id":"b","label":"Purple Engage मध्ये प्रोफाइल तयार केले जाते","sub":"भेट इतिहासासह फर्स्ट-पार्टी संपर्क","tone":"neutral"},{"id":"c","label":"पाठवण्यापूर्वी यादृच्छिक विभाजन","sub":"ट्रीटेड ग्रुप आणि रोखून धरलेला कंट्रोल ग्रुप","tone":"neutral"},{"id":"d","label":"ट्रीटेड ग्रुपला ईमेल पाठवला","sub":"या मोहिमेतून कंट्रोल ग्रुपला काहीही मिळत नाही","tone":"neutral"},{"id":"e","label":"विशिष्ट कालावधीत रिटर्न साइन-इन","sub":"तेच प्रोफाइल, कोणतेही स्टोअर, एकदाच मोजले जाते","tone":"success"},{"id":"f","label":"स्टोअरद्वारे अपलिफ्ट रिपोर्ट तयार केला","sub":"ट्रीटेड रिटर्न रेट वजा कंट्रोल रेट","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"}]}

कंट्रोल ग्रुप का महत्त्वाचा आहे

मॅचिंगवरून असे दिसते की ईमेल पाठवलेले ग्राहक परत आले. परंतु ईमेलमुळेच ते परत आले असे यावरून सिद्ध होत नाही. तुमचे ऑप्ट-इन केलेले ग्राहक आधीच तुमचे सर्वात निष्ठावंत ग्राहक आहेत आणि त्यातील अनेक जण ईमेल नसतानाही परत आले असते.

रोखून धरलेला कंट्रोल ग्रुप खऱ्या प्रश्नाचे उत्तर देतो. ही त्याच यादीची एक यादृच्छिक फळी असते ज्यांना मोहिमेतून काहीही पाठवले जात नाही. दोन गटांच्या रिटर्न रेटमधील फरक म्हणजेच ईमेलमुळे झालेल्या अतिरिक्त भेटी होय.

तुम्ही टप्प्याटप्प्याने भेट-आधारित मोजमाप कसे सेट कराल?

नऊ टप्प्यांवर क्रमाने काम करा. एक ते सहा टप्पे ईमेल पाठवण्यापूर्वी पूर्ण होतात. नऊपैकी सात ते नऊ टप्पे विशिष्ट कालावधी संपल्यावर पूर्ण होतात.

{"title":"दुकानांच्या भेटींद्वारे किरकोळ विक्री ईमेल ROI मोजा","steps":[{"title":"साइन-इन करताना संमतीची पुष्टी करा","body":"प्रत्येक दुकान ब्रँडेड लॉगिन पेज वापरत असल्याची खात्री करा, ज्यामध्ये अनटिक केलेला ईमेल ऑप्ट-इन आणि भेट डेटा समाविष्ट करणारी गोपनीयता सूचना असेल.","check":"चाचणी साइन-इन ईमेल ऑप्ट-इन म्हणून चिन्हांकित प्रोफाईल तयार करते."},{"title":"पुन्हा भेटीची व्याख्या निश्चित करा","body":"पुढील दिवशी, कोणत्याही दुकानात, प्रति खरेदीदार प्रति विंंडो एकदा गेस्ट WiFi साइन-इन मोजा. कर्मचार्‍यांचे डिव्हाइसेस वगळा.","check":"व्याख्या चाचणी योजनेमध्ये लिहिलेली आहे आणि मंजूर केली आहे."},{"title":"अॅट्रिब्यूशन विंडो निश्चित करा","body":"तुमचे खरेदीदार सहसा किती वेळा परत येतात त्यानुसार ईमेल पाठवल्यानंतर सात किंवा 14 दिवस निवडा.","check":"ईमेल पाठवण्यापूर्वी विंडो आणि पाठवण्याची तारीख नोंदवली जाते."},{"title":"नियंत्रण गटाचा आकार ठरवा","body":"होलआउट शेअर सेट करण्यासाठी तुमच्या 90 दिवसांच्या बेसलाइन रिटर्न रेटसह खालील साइजिंग सूत्र वापरा.","check":"नियंत्रण गट तुम्हाला शोधायच्या असलेल्या वाढीसाठी किमान संख्या पूर्ण करतो."},{"title":"श्रोत्यांना यादृच्छिकपणे विभाजित करा","body":"प्रत्येक दुकानातील ऑप्ट-इन संपर्कांना उपचारित आणि नियंत्रणामध्ये यादृच्छिक करा. विंडोमधील इतर प्रत्येक ईमेलपासून नियंत्रण दूर ठेवा.","check":"दोन गटांचे पूर्व 90 दिवसांचे रिटर्न रेट एका टक्केवारीच्या आत असतात."},{"title":"फक्त उपचारित गटाला पाठवा","body":"उपचारित विभागासाठी मोहिमेचे वेळापत्रक तयार करा आणि पाठवण्याची वेळ नोंदवा.","check":"पाठवलेला लॉग दाखवतो की शून्य नियंत्रण संपर्कांना ईमेल प्राप्त झाला."},{"title":"विंडो बंद झाल्यावर भेटी एक्सपोर्ट करा","body":"त्याच व्याख्या आणि तारखा वापरून, दुकानानुसार दोन्ही गटांच्या परताव्याच्या भेटी घ्या.","check":"प्रत्येक भेटीमध्ये प्रोफाईल, दुकान आणि विंडोच्या आत टाइमस्टॅम्प असतो."},{"title":"दुकानानुसार वाढीची गणना करा","body":"उपचारित रिटर्न रेटमधून नियंत्रण रिटर्न रेट वजा करा, नंतर वाढीव भेटींसाठी उपचारित खरेदीदारांनी गुणाकार करा.","check":"दुकानाच्या वाढीव भेटी संपूर्ण इस्टेटच्या एकूण संख्येत जोडल्या जातात."},{"title":"पद्धतीची पडताळणी करा","body":"A/A चाचणी चालवा: सूची विभाजित करा, काहीही पाठवू नका आणि समान विंडो लांबीमध्ये रिटर्न रेटची तुलना करा.","check":"A/A वाढ संपूर्ण इस्टेटमध्ये शून्याच्या जवळ आहे."}]}

रोखून ठेवलेला गट किती मोठा असावा?

नियंत्रण गटाचा आकार दोन इनपुटवर अवलंबून असतो. एक तुमचा बेसलाइन रिटर्न रेट आहे. दुसरा म्हणजे सर्वात लहान वाढ ज्याबद्दल जाणून घेणे आवश्यक आहे. निश्चित टक्केवारी हे ठरवत नाही. Lehr चा नियम 5% महत्त्व पातळीवर सुमारे 80% पॉवरसाठी त्वरित अंदाज देतो:

प्रति गट आवश्यक खरेदीदार = 16 × p × (1 − p) ÷ d²

p = विंडोमधील बेसलाइन रिटर्न रेट (18% साठी 0.18)
d = शोधण्यायोग्य सर्वात लहान वाढ (दोन पॉइंट्ससाठी 0.02)

उदाहरण: 16 × 0.18 × 0.82 ÷ 0.0004 = 5,904 खरेदीदार प्रति गट

तुमचा होलआउट शेअर 5,904 पेक्षा कमी खरेदीदार वितरीत करू शकतो. असे झाल्यास, तुमच्याकडे तीन पर्याय आहेत. तुम्ही होलआउट शेअर वाढवू शकता, मोठी शोधण्यायोग्य वाढ स्वीकारू शकता किंवा एकाच मोहिमेचे अनेक सेंड एकत्र करू शकता.```pk:callout {"tone":"tip","title":"डिफॉल्ट होल्डआउट भाग (शेअर)","text":"50,000 पेक्षा जास्त ऑप्ट-इन झालेल्या खरेदीदारांच्या यादीसाठी 10% आणि त्यापेक्षा कमी असणाऱ्यांसाठी 20% सह सुरुवात करा. त्यानंतर कंट्रोल ग्रुप पुरेसा मोठा आहे याची खात्री करण्यासाठी सूत्र चालवा."}


### वाढ (Uplift) आणि महसुलाची गणना करणे

प्रत्येक मोहिमेसाठी समान गणिताचा वापर करा जेणेकरून निकालांची तुलना एकमेकांशी अचूक करता येईल.

```text
Treated return rate  = treated shoppers who returned ÷ treated shoppers
Control return rate  = control shoppers who returned ÷ control shoppers
Uplift               = treated return rate − control return rate
Incremental visits   = uplift × treated shoppers
Incremental revenue  = incremental visits × average transaction value
{"tone":"warning","title":"एक चुकीचा ई-मेल संपूर्ण चाचणी खराब करतो","text":"विंडोमधील न्यूजलेटर्स आणि ऑटोमेटेड फ्लोसह प्रत्येक ई-मेलपासून कंट्रोल खरेदीदारांना दूर ठेवा. कंट्रोल ग्रुपला गेलेला एकही ई-मेल मोजल्या जाणाऱ्या वाढीला (Uplift) कमी करतो आणि तुम्ही तो नंतर दुरुस्त करू शकत नाही."}

तुम्ही स्टोअरनुसार निकालांचा अहवाल कसा तयार करता?

प्रत्येक स्टोअरचा अहवाल इस्टेट सरासरीऐवजी त्याच्या स्वतःच्या कंट्रोल खरेदीदारांच्या तुलनेत तयार करा. प्रत्येक स्टोअरमध्ये यादृच्छिक (Randomise) करा, ज्याला स्ट्रॅटीफाइड सॅम्पलिंग पद्धत म्हणतात, जेणेकरून प्रत्येक स्टोअरमध्ये समान होल्डआउट भाग राहील.

अचूकतेबद्दल प्रामाणिक रहा. 1,000 कंट्रोल खरेदीदार आणि 18% बेसलाइन असलेल्या स्टोअरमध्ये फक्त पाच पॉइंटची वाढ आढळू शकते. जेव्हा त्याचा कंट्रोल ग्रुप त्या आकारापर्यंत पोहोचतो तेव्हाच स्टोअरचा स्वतंत्र अहवाल द्या. लहान स्टोअरचा प्रदेशानुसार (रीजन) गट तयार करा. प्रत्येक स्टोअरच्या आकडेवारीकडे दिशादर्शक म्हणून पहा; इस्टेट आकडेवारी हाच खरा निकाल आहे.

{"caption":"एका पाठवलेल्या ई-मेलसाठी प्रातिनिधिक स्टोअर अहवाल, 14-दिवसांची विंडो","asOf":"2026-06-10","columns":[{"key":"s","label":"स्टोअर"},{"key":"n","label":"ट्रीट केलेले / कंट्रोल खरेदीदार"},{"key":"t","label":"ट्रीट केलेला रिटर्न्स दर"},{"key":"c","label":"कंट्रोल रिटर्न्स दर"},{"key":"u","label":"वाढ (पॉइंट्स)"},{"key":"i","label":"इन्क्रिमेंटल भेट"}],"rows":[["स्टोअर A (फ्लॅगशिप)","9,000 / 1,000","23.0%","19.5%","3.5","315"],["स्टोअर B","5,400 / 600","20.5%","18.0%","2.5","135"],["स्टोअर C","2,700 / 300","19.0%","19.7%","-0.7","-19"],["इतर 15 स्टोअर्स","47,700 / 5,300","20.8%","18.4%","2.4","1,145"],["एकूण इस्टेट","64,800 / 7,200","21.0%","18.6%","2.4","1,576"]],"footnote":"प्रातिनिधिक आकडेवारी. स्टोअर B आणि C 1,000 कंट्रोल खरेदीदारांपेक्षा खाली येतात, त्यामुळे त्यांना दिशादर्शक म्हणून वाचा आणि प्रदेशानुसार त्यांचा गट तयार करा. इस्टेट इन्क्रिमेंटल भेटी स्टोअरच्या ओळींची बेरीज करतात; वाढ राउंड ऑफ केली आहे.","download":{"filename":"store-email-uplift-report.csv"}}

स्टोअर C 300 कंट्रोल खरेदीदारांवर नकारात्मक वाढ दाखवते. त्या सॅम्पल आकारावर, तो डेटाचा एक नॉईज आहे. ई-मेलने खरेदीदारांना दूर नेले याचा हा पुरावा नाही. कोणीही त्यावर कोणताही निष्कर्ष काढण्यापूर्वी त्याचा त्याच्या प्रदेशासह गट करा.

व्यावहारिक उदाहरण: एक 18-स्टोअर फॅशन रिटेलर

वरील पद्धतीचा वापर करून प्रातिनिधिक आकडेवारी.

परिस्थिती. एका 18-स्टोअर फॅशन रिटेलरकडे मागील 12 महिन्यांत अतिथी WiFi द्वारे 72,000 खरेदीदारांनी ऑप्ट-इन केले होते. त्याच्या ई-मेल अहवालांनी ओपन आणि क्लिक दाखवले. मध्य-हंगामाच्या सेल ई-मेलने खरोखर खरेदीदारांना स्टोअरमध्ये आणले का हे स्टोअर टीमला जाणून घ्यायचे होते.

काय करण्यात आले. टीमने 14 दिवसांची मुदत निश्चित केली. त्याने 90 दिवसांच्या इतिहासावरून 18% बेसलाइन रिटर्न रेट घेतला. 10% होल्डआउटमुळे 7,200 कंट्रोल खरेदीदार मिळाले, जे सुमारे 1.8 पॉइंट्सची वाढ शोधण्यासाठी पुरेसे होते. टीमने प्रत्येक स्टोअरमध्ये यादृच्छिक (randomised) निवड केली आणि उर्वरित 64,800 लोकांना ईमेल पाठवला.

निकाल. ईमेल पाठवलेले खरेदीदार 21.0% दराने परत आले, तर कंट्रोल खरेदीदार 18.6% दराने परत आले. ही 2.4 पॉइंट्स किंवा 1,576 अतिरिक्त भेटींची (incremental visits) वाढ आहे. £38 च्या सरासरी व्यवहार मूल्यावर (average transaction value), सवलतीचा खर्च आणि मार्जिन वगळता सुमारे £60,000 चा अतिरिक्त महसूल मिळतो. केवळ फ्लॅगशिप स्टोअरने स्वतःच्या वाचनासाठी (read) 1,000 खरेदीदारांची मर्यादा ओलांडली. टीमने इतर स्टोअर्सचा अहवाल प्रदेशानुसार दिला.

व्यावहारिक उदाहरण: 12 ठिकाणी असलेला बार ग्रुप

स्पष्टीकरणात्मक आकडेवारी.

परिस्थिती. 12 ठिकाणी असलेल्या एका बार ग्रुपला गुरुवारी पाठवलेला ईमेल वीकेंडला गर्दी वाढवतो का हे जाणून घ्यायचे होते. त्यांच्याकडे गेस्ट WiFi द्वारे साइन इन केलेले 9,000 ग्राहक होते आणि त्यांचा सात दिवसांचा बेसलाइन रिटर्न रेट 12% होता.

काय करण्यात आले. या यादीच्या आकारावर, 10% होल्डआउट केवळ सुमारे 4.3 पॉइंट्सची वाढ शोधू शकत होता. टीमने होल्डआउट वाढवून 20% केला. त्यामुळे 1,800 कंट्रोल ग्राहक आणि सुमारे 3.1 पॉइंट्सची शोधण्यायोग्य वाढ मिळाली.

निकाल. ईमेल प्राप्त झालेले ग्राहक सात दिवसांत 16.0% दराने परत आले, तर कंट्रोल ग्राहक 12.0% दराने परत आले. ही 7,200 ग्राहकांमध्ये चार पॉइंट्सची वाढ किंवा 288 अतिरिक्त भेटी आहेत. ग्रुपने हा निकाल केवळ संपूर्ण इस्टेटसाठी सादर केला. प्रति स्थानक सुमारे 150 कंट्रोल ग्राहक असल्याने, कोणतेही एक स्थानक स्वतःचे वाचन समर्थित करू शकले नाही.

अहवाल देण्यापूर्वी तुम्ही निकालाची पडताळणी कशी करता?

अहवाल स्टोअर ऑपरेशन्स किंवा फायनान्स टीमकडे जाण्यापूर्वी ही चेकलिस्ट पूर्ण करा.

{"title":"निकाल शेअर करण्यापूर्वी त्याची पडताळणी करा","groups":[{"heading":"ईमेल पाठवण्यापूर्वी","items":[{"text":"रिटर्न व्हिजिट व्याख्या आणि विंडो स्वाक्षरीत (signed off) केली आहे","why":"निकाल आल्यानंतर मेट्रिक बदलणे थांबवते"},{"text":"ट्रीट केलेले आणि कंट्रोल पूर्व रिटर्न रेट्स एका पॉइंटच्या आत आहेत","why":"विभाजन यादृच्छिक (random) असल्याचे निश्चित करते"},{"text":"विंडोमधील इतर सर्व ईमेलमधून कंट्रोल वगळले आहे"},{"text":"दोन्ही गटांमधून कर्मचार्‍यांची साधने (devices) वगळली आहेत"}]},{"heading":"विंडो बंद झाल्यानंतर","items":[{"text":"सेंड लॉग शून्य कंट्रोल प्राप्तकर्ते दाखवतो"},{"text":"स्टोअर एकूण आकडेवारी इस्टेटच्या एकूण आकडेवारीशी जुळते"},{"text":"1,000 पेक्षा कमी कंट्रोल खरेदीदार असलेली स्टोअर्स प्रदेशानुसार एकत्रित केली आहेत","why":"लहान नमुने नॉईज निर्माण करतात, निष्कर्ष नाही"},{"text":"न पाठवलेल्या कालावधीवरील A/A चाचणी शून्य जवळ वाढ दाखवते","why":"पद्धत स्वतःहून वाढ शोधून काढत नाही हे सिद्ध करते"},{"text":"महसूल फायनान्स-मंजूर सरासरी व्यवहार मूल्य वापरतो"}]}],"download":{"filename":"retail-email-roi-verification.csv"}}

आकडेवारी तुम्हाला काय सांगू शकत नाही

  • कनेक्ट न करणाऱ्या खरेदीदारांच्या भेटी. WiFi केवळ साइन इन करणाऱ्या खरेदीदारांना पाहते, त्यामुळे ही पद्धत एकूण भेटींची संख्या कमी मोजते. वाढीची तुलना अद्याप वैध राहते, कारण दोन्ही गट समान रीतीने कमी मोजले जातात.
  • खर्च. साइन इन केल्यावर भेट दिसते, बास्केट (खरेदीची रक्कम) नाही. जोपर्यंत तुम्ही WiFi डेटा टिल पावत्यांशी (till receipts) जोडत नाही तोपर्यंत महसूल सरासरी व्यवहार मूल्यावर अवलंबून असतो.
  • ऑनलाइन विक्री. ईमेल वाचून तुमच्या वेबसाइटवर खरेदी करणारा ग्राहक अजिबात भेट न दिल्याप्रमाणे दिसतो.
  • हे का यशस्वी ठरले. ही चाचणी ईमेलमुळे प्रत्यक्ष भेटी झाल्याचे दाखवते. मात्र हे सब्जेक्ट लाईन, ऑफर की प्रतिमेमुळे घडले ते स्पष्ट करत नाही. तुम्हाला ते उत्तर हवे असल्यास एका वेळी एकाच बदलाची चाचणी घ्या.
  • दीर्घकालीन परिणाम. 14 दिवसांचा कालावधी तिसऱ्या आठवड्यात परतणाऱ्या ग्राहकाची नोंद घेऊ शकत नाही. लाइफटाईम व्हॅल्यूवरील परिणामाचा अंदाज घेण्यासाठी एका संपूर्ण तिमाहीसाठी एक गट राखून ठेवा.

एखादी पायरी अयशस्वी झाल्यास

  • पाठवण्यापूर्वी गटांमध्ये तफावत आढळल्यास (पायरी 5). पुन्हा यादृच्छिकपणे (Re-randomise) विभागणी करा. गटांमध्ये मॅन्युअली कधीही फेरबदल करू नका.
  • कंट्रोल गटाला ईमेल मिळाल्यास (पायरी 6). ही चाचणी रद्द करा आणि पुढील ईमेल पाठवताना ती पुन्हा चालवा.
  • स्टोअरमध्ये कोणतीही भेट न दिसल्यास (पायरी 7). निष्कर्षाचा कोणताही अर्थ लावण्यापूर्वी त्या स्टोअरमध्ये अतिथींचे WiFi साइन-इन सुरू (live) असल्याची खात्री करा.
  • अपलिफ्ट अवास्तव जास्त वाटल्यास (पायरी 8). एक्सपोर्टमध्ये प्रत्येक भेटीऐवजी प्रति कालावधीत ग्राहकांची केवळ एकदाच गणना केली जात आहे का ते तपासा.

पुन्हा होणाऱ्या भेटींची गणना कशी केली जाते आणि त्या कुठे सुटतात याच्या सखोल विश्लेषणासाठी, वारंवार होणाऱ्या भेटी कशा मोजायच्या याविषयीची आमची मार्गदर्शिका पहा.

कोणत्या चुकांमुळे रिटेल ईमेल ॲट्रिब्युशनमध्ये तफावत निर्माण होते?

  • ओपन्सकडे खरेदीचा हेतू म्हणून पाहणे. प्रायव्हसी फीचर्समुळे ईमेल ओपन्सची आकडेवारी फुगवून दिसते, त्यामुळे जास्त ओपन रेट स्टोअर भेटींबद्दल काहीही सिद्ध करत नाही.
  • निकाल पाहिल्यानंतर कालावधी निवडणे. मोहिमेचे परिणाम चांगले दिसावेत म्हणून निवडलेला कालावधी पुढील मोहिमेसोबत तुलना करण्यायोग्य नसतो. तो चाचणी योजनेमध्येच निश्चित करा.
  • कंट्रोल गटातील ग्राहकांना इतर ईमेल मिळू देणे. ऑटोमेटेड फ्लोज ही सामान्यतः यामागची मुख्य चूक असते. त्या कालावधीसाठी प्रत्येक फ्लोमधून कंट्रोल गटाला वगळा.
  • प्रत्येक ग्राहकाऐवजी प्रत्येक भेटीची गणना करणे. यामुळे वारंवार भेट देणारे तुमचे ग्राहक निकालावर वर्चस्व गाजवतात आणि अपलिफ्ट हा दर न राहता केवळ संख्या उरतो.
  • कर्मचाऱ्यांच्या उपकरणांचा (devices) समावेश करणे. कर्मचारी प्रत्येक शिफ्टदरम्यान साइन इन करतात, ज्यामुळे दोन्ही गटांची आकडेवारी बिघडते.
  • लहान सॅम्पल्सवर स्टोअरची क्रमवारी ठरवणे. 300 कंट्रोल ग्राहकांवर आधारित क्रमवारी केवळ योगायोगावर आधारलेली ठरू शकते. लहान स्टोअर्सचे प्रदेशानुसार (region) एकत्रीकरण करा.
  • कंट्रोल गटाऐवजी मागील वर्षाशी तुलना करणे. हवामान, कॅलेंडरच्या तारखा आणि प्रॉडक्ट रेंज हे सर्व बदलतात. केवळ एकाच वेळी चालवलेला कंट्रोल गटच ईमेलचा खरा परिणाम वेगळा दाखवू शकतो.

तुमच्या ईमेल ROI प्रोग्राममध्ये याचे स्थान काय आहे?

ही मार्गदर्शिका आमच्या व्हेन्यूसाठी ईमेल मार्केटिंग ROI आणि त्यातून होणाऱ्या भेटी या प्रमुख स्तंभाचा रिटेल विभाग आहे. हा स्तंभ संपूर्ण प्रोग्राम व्यापतो: हॉस्पिटॅलिटी, रिटेल आणि इव्हेंट्समधील कॅप्चर, सेगमेंटेशन, मोजमाप आणि रिपोर्टिंग. रिटेल कॅप्चर आणि सेगमेंटेशनसाठी, रिटेलसाठी Purple Engage पहा. WiFi-आधारित मार्केटिंगच्या व्यापक पैलूंसाठी, WiFi मार्केटिंग मार्गदर्शिका वाचा.

ही पद्धत अशा एका गोष्टीवर अवलंबून आहे जी सामान्य ईमेल प्लॅटफॉर्म्स पुरवत नाहीत: इन-स्टोअर WiFi लॉगिनमधून स्वतःहून तयार होणारी यादी, ज्यामध्ये त्याच प्रोफाइलवर भेटींची नोंद केली जाते.

{"tone":"proof","title":"मोठ्या प्रमाणावर Purple","text":"Purple 90 देशांमधील 80,000+ ठिकाणी गेस्ट WiFi चालवते, वर्षाला 500 दशलक्ष लॉगइन हाताळते आणि ब्रँडेड लॉगइन पेजेसवर सुमारे 50% जास्त ऑप्ट-इन दर दिसतात (Purple डेटा). Harrods आणि McDonald's यांसारखे ब्रँड Purple वापरतात."}

वारंवार विचारले जाणारे प्रश्न

आमच्याकडे आधीपासूनच असलेले ॲक्सेस पॉइंट्स व्हिजिट मॅचिंगसोबत काम करतात का?

होय. Purple हे हार्डवेअर-अग्नोस्टिक आहे आणि Cisco Meraki, HPE Aruba, Ruckus, Juniper Mist, Ubiquiti UniFi, Cambium, Extreme आणि Fortinet वर क्लाउड ओव्हरले म्हणून चालते. या मार्गदर्शकामधील मोजमाप Purple Engage मध्ये होते, ॲक्सेस पॉइंटवर नाही. त्यामुळे प्रत्येक स्टोअर कोणत्याही व्हेंडरचे उत्पादन वापरत असले तरी पद्धत तीच राहते. अधिग्रहणानंतर तुमच्या मालमत्तेत विविध व्हेंडर्सचे मिश्रण असल्यास, स्टोअर रिपोर्ट प्रत्येक स्टोअरला समान वागणूक देतो.

हे Mailchimp, Klaviyo किंवा HubSpot मधील ईमेल ROI रिपोर्टिंगपेक्षा वेगळे कसे आहे?

ते प्लॅटफॉर्म इनबॉक्स आणि ऑनलाइन काय घडते याचा रिपोर्ट देतात: ओपन, क्लिक आणि वेब ऑर्डर. तुम्ही आणलेल्या लिस्टवर ते ईमेल पाठवतात, परंतु ते ती लिस्ट तयार करत नाहीत. Purple Engage संमती दिलेल्या गेस्ट WiFi लॉगइनवरून लिस्ट तयार करते आणि स्टोअरमधील प्रत्येक खरेदीदाराच्या पुढील साईन-इनची नोंद करते. यामुळे तुम्हाला पाठवलेल्या संदेशाचे मूल्यांकन त्याने मिळवून दिलेल्या व्हिजिट्सवरून करता येते, जो स्टोअर-चालित रिटेलर बोर्डला रिपोर्ट करतो तोच खरा परिणाम आहे.

WiFi साईन-इन वरून परतावा व्हिजिट्स मोजणे GDPR चे पालन करते का?

होय, संमती योग्यरित्या घेतली असल्यास आणि तुमचे गोपनीयता पत्रक व्हिजिट डेटा कसा वापरला जातो हे स्पष्ट करत असल्यास ते पालन करू शकते. GDPR साठी संमती ही मोफत दिलेली, विशिष्ट, माहितीपूर्ण आणि अस्पष्ट नसलेली असणे आवश्यक आहे. व्यवहारात, याचा अर्थ अनटिक केलेले ऑप्ट-इन आणि साईन-इन वेळी सोप्या भाषेतील शब्द रचना असा होतो. Purple हे ISO 27001 प्रमाणित आणि GDPR चे पालन करणारे आहे, आणि लॉगइन पेज प्रत्येक खरेदीदाराच्या निवडीची नोंद ठेवते. लाँच करण्यापूर्वी तुमच्या डेटा प्रोटेक्शन ऑफिसरकडून शब्द रचनेची खात्री करून घ्या.

आमच्याकडे विश्वासार्ह निकाल येण्यासाठी किती वेळ लागेल?

संदेश पाठवल्यानंतर एका ॲट्रिब्यूशन विंडो नंतर निकालाची अपेक्षा करा, अधिक डेटा मिळवण्यासाठी एक दिवस. 14 दिवसांच्या विंडोसह, संदेश पाठवल्यानंतर सुमारे 15 दिवसांनी तुमच्याकडे डेटा असेल. विश्वासार्हता वेळेपेक्षा सॅम्पलच्या आकारावर अवलंबून असते. जर साईझिंग फॉर्म्युला सांगत असेल की तुमचे ग्रुप्स खूप लहान आहेत, तर मोहीम दोन किंवा तीन वेळा संदेश पाठवून पुनरावृत्ती करा. मग तुम्ही निष्कर्षापर्यंत पोहोचण्यापूर्वी निकाल एकत्र करा.

आपण प्रत्येक पाठवलेल्या संदेशावर महसुलाचा आकडा लावू शकतो का?

होय, जर फायनान्स टीम प्रत्येक स्टोअरचे सरासरी व्यवहार मूल्य प्रदान करत असेल. वाढीव महसूल मिळविण्यासाठी वाढीव व्हिजिट्सला त्या मूल्याने गुणाकार करा. परतावा आकडा मिळविण्यासाठी सवलत खर्च आणि संदेश पाठवण्याचा खर्च वजा करा. WiFi डेटा दाखवतो की खरेदीदार परत आला आहे, त्यांनी काय खरेदी केले हे नाही. साईन-इन ला बिल पावतींशी जोडल्याने प्रति व्हिजिट खर्च मिळतो, परंतु तो एक वेगळा डेटा प्रोजेक्ट आहे. व्हिजिट-आधारित आकडा स्वतःच्या बळावर स्वतंत्र राहतो.

Purple च्या बाहेर आमच्याकडे आधीपासून असलेल्या संपर्कांचे काय?

तुम्ही त्यांना ईमेल पाठवणे सुरू ठेवू शकता, परंतु त्यांना मोजल्या जाणाऱ्या चाचणीतून वगळा. मॅचिंगसाठी त्याच प्रोफाइलवर WiFi साइन-इन आवश्यक आहे. स्टोअरमध्ये कधीही साइन इन न केलेल्या संपर्काची रिटर्न व्हिजिटशी तुलना करता येत नाही. प्रथम WiFi द्वारे मिळवलेल्या यादीचे मोजमाप करा. त्यानंतर आमच्या रिटेल कॅप्चर मार्गदर्शकामध्ये नमूद केल्याप्रमाणे, बिलिंग काउंटरवर आणि लॉगिन पेजवर कॅप्चरद्वारे मोजमाप करण्यायोग्य हिस्सा वाढवा.

छापलेल्या प्रोमो कोडऐवजी या पद्धतीने मोजमाप का करू नये?

कोडद्वारे रेडिम्प्शन मोजले जाते, भेटी नाही. ईमेलमुळे परत आलेल्या परंतु कोडचा कधीही वापर न केलेल्या ग्राहकांची नोंद यामध्ये होत नाही. हे अशा ग्राहकांना देखील सवलत देते जे काहीही झाले तरी खरेदी करणारच होते. रोखून धरलेला कंट्रोल ग्रुप या दोन्ही प्रभावांची नोंद ठेवतो, कारण तो कूपन मोजण्याऐवजी रिटर्न रेटची तुलना करतो. ऑफरच्या मेकॅनिक्ससाठी कोडचा वापर करा आणि मोजमापासाठी कंट्रोल ग्रुपचा वापर करा.