Direct Mail и Offline Retargeting Только от 10% до 15% покупок происходит в онлайне. Несмотря на такую ощутимую разницу с офлайном, уже который год инновации появлялись именно в онлайн-маркетинге.
Благодаря Programmatic Direct Mail и Offline Retargeting направлениям, в этом году тренд изменился. Бренды собирают триггеры в онлайне, чтобы получать невероятные конверсии из старых каналов типа физических журналов или открыток на почту. Virgin может добавить посадочный талон с вашими данными на рейс, который вы не закончили бронировать, и добавить прямо в журнал, который вы получаете по подписке. IKEA может полгода собирать данные о вашем бюджете, вкусе и потребностях, чтобы в итоге отправить персонализированный каталог с мебелью, которую вы искали.
Mailchimp добавил в этом году функцию отправки открыток. Pebblepost
привлек $111M, еще не имея self-serve продукта. Postalitics вышел на $125K MRR за полгода только на поддержке Hubspot, из которого они собирают адреса получателей. 70 из 100 получателей такой персонализированной открытки вводят купон c нее во время покупки в онлайне, что делает этот канал еще и data-driven.
Фокус на Retention и ROI Еще год-два назад рынок восхищался стремительным ростом продуктов типа YO или Secret, которые получали миллионы скачиваний за неделю. Но этот год окончательно показал, что retention — самая важная метрика в продукте. Из последних примеров —
Peach и
Trivia HQ. Первый уже канул в лету, а второй быстро теряет популярность. Кому нужен миллиард мертвых пользователей?
Чем важнее становится retention, тем точнее нужно считать ROI маркетинга, так как воронка становится намного сложнее. Верю, что в 2019 площадки уделят еще больше внимания подсчету настройки CPA, а email service providers уже начали показывать ROI каждой email-кампании наряду с Open и Click Rate.
ML в A/B Testing Я верю, что ML и AI в маркетинге лишат многих маркетологов работы, но ML в Marketin Technology — это как Bitcoin в Сильпо, все вокруг обсуждают, а за хлеб не заплатишь. Пока ML встречается в основном в enterprise продуктах.
Но для ML есть отличное применение, которое может быстро появится во многих self-serve martech продуктах в следующем году — это A/B-тестинг. Работая в Talkable, я увидел, как маркетологи крупных компаний часто делают А/B-тестинг эмоционально и наугад. Иногда, боясь потратить деньги компании или надеясь на лучшее, они тестируют скидку в 5% и 10%, хотя намного лучший результат и продажи принес бы эксперимент на 10% и 15%.
ML сможет собрать много исторических данных о пользователях, сделать на основе данных эксперименты по категориям и хладнокровно ждать результатов, не тестируя слишком второстепенные вещи и не боясь потерять работу.
Voice Marketing В августе вышел интересный
репорт о том, что из 50 млн пользователей Alexa только 100 000 что-то через нее купили. Amazon принял меры — начал просить крупные бренды упоминать Alexa на упаковках и в рекламе. По факту компания попросила о
бесплатной рекламе нужной им привычки, но бренды пока не рвутся оказывать такую услугу.
Это оставляет вопрос эффективности рекламы через smart-девайсы открытым на еще один год. Пока люди активно пользуются Siri, Alexa, но редко делают через них покупки, площадки для маркетинга не будут спешить строить под них инструменты.