Análisis del caso de email automation en Avenida.com en el marco del Online Marketing Day

1. Caso E-mail
Automation

2. DISEÑO
Organigrama

3. Objetivo
Ofrecer beneficios únicos del canal, creando conceptos de
comunicación y ofertas diferenciales
Automatización email diario
Herramienta en VBA para creación del HTML
Mayor tiempo destinado al análisis estratégico y
numérico del canal
Limpieza y división de la base según engagement.
Qué representa Email Marketing en Avenida.com
20% del revenue
20% del tráfico
+500k suscriptores – 20M emails mensuales
E-mail Marketing | Newsletter Diario

4. Automatización de
mails
Basados en el comportamiento del usuario y sus
preferencias
0,8% del trafico pero 4,5% de la venta
Mejores ratios de performance: +OR, +CTR, +CR.
Objetivo: contenido más relevante a cada usuario
basado en sus interacciones con el sitio.
Ejemplos: Serie bienvenida, Recupero de Carrito,
Producto Visto, Cross-sell, incentivo para usuarios
inactivos.
Emails automáticos

5. Bienvenida
 Objetivo: paso de
subscripción a
compra
 Bienvenida,
propuesta de valor e
incentivo con
caducidad
 Exposición de los
“mejores” productos
 Promoción para
aquellos que no
convirtieron
“… última oportunidad”

6. Sessions
Product view
Checkout
Thank you
page
Add to Cart
Producto visto
 Subject
personalizado
 Contenido
relevante
 Urgencia
 Social Proof
 Ofertas y
productos
relacionados

7. Sessions
Product view
Checkout
Thank
you page
Add to Cart
 1- Recordatorio y
propuesta de valor
 2- Descuento
 3- Seguimiento
Recupero de carrito

8. Sessions
Product view
Checkout
Thank
you page
Add to Cart
Cross sell y recurrencia
 Cross-Sell: Seguimiento con
productos relacionados.
 Recurrencia: Incentivar
recompra mediante gift card.

9. Estrategia Unique Opens Unique Clicks Conversion Rate
Newsletter Diario 8,34% 1,22% 0,74%
Bienvenida 25,50% 6,53% 5,90%
Product Viewed 38,49% 9,48% 2,26%
Recupero Carrito 40,74% 10,45% 8,30%
Cross-Sell 27,60% 7,13% 2,01%
Recompra 21 días 16,13% 6,65% 2,02%
Recompra 60 dias 14,58% 5,64% 3,23%
Resultados

10. Segmentación de los usuarios sin comportamiento en base a
datos demográficos
 Recolección de datos
 Armado de clusters
 Automatización en la generación de las bases y el contenido
Optimización del tiempo de envío. Llegar a cada usuario en el
horario adecuado
Modelos predictivos para evitar Churn (modelo Pareto/NBD de
Fader et al.)
Continuar optimizando el modelo de atribución
Próximos pasos

11. ¡Gracias!
Franco Fagioli
franco.fagioli@avenida.com