Interacción de suscriptores, crítica en entrega de correos: informe

Interacción de suscriptores, crítica en Email Marketing: informe

Un estudio de Return Path encontró que existe una fuerte correlación entre la interacción del suscriptor y la entrega de correos a la bandeja de entrada.

Este informe, el segundo en su tipo, revela ciertos parámetros y métricas que afectan la capacidad de entrega en la industria del email marketing.

Interacción de suscriptores, enfoque del informe

Return Path, proveedor de datos, lanzó el segundo informe anual de indicadores claves de interacción en email marketing.

En éste se expone que las métricas ocultas de entrega de correo electrónico proporcionan datos específicos del email marketing, tales como la tasa de lectura, la tasa de respuesta, la tasa de reenvío y la tasa de quejas.

[Tweet “Return Path generó un informe sobre la interacción de usuarios #EmailMarketing”]

Este tipo de métricas miden el nivel de respuesta de los consumidores con el mensaje que reciben.

En general, las industrias que superaron el promedio de estas métricas también disminuyeron su tasa de entrega en spam.

La interacción de los suscriptores es fundamental para que los correos electrónicos se envíen a la bandeja de entrada.

De acuerdo a George Bilbrey, presidente de Return Path, los proveedores de email como Microsoft, Yahoo y Google están constantemente buscando cómo mejorar la experiencia de sus clientes y dependen todo el tiempo de los indicadores de interacción que pueda arrojar el análisis de los mensajes.

“Sin embargo, muchos profesionales de marketing no buscan estas métricas, y tal vez ni siquiera estén conscientes de su existencia”, explicó.

Conclusiones del estudio

Entre las principales conclusiones de este estudio se encuentran:

Aunque la tasa de correos no deseados aumentó ligeramente año tras año (13% en 2016 contra 12% en 2015), las métricas de interacción positiva, como la tasa de lectura, la tasa de respuesta y la tasa de reenvío también experimentaron una mejora significativa.
Las industrias con la tasa de spam más baja (bancos/finanzas, distribución y manufactura, viajes y servicios públicos) también excedieron casi todas las referencias para la interacción de los suscriptores.
El total de correo electrónico entregado a la carpeta de correo no deseado varió de sólo 6% (bancos/finanzas y distribución y manufactura) a 24% (automotriz). Ese último (automóvil) también tuvo la peor colocación en spam de 2015 (28%).
La tasa de lectura global aumentó 8% año con año, y cada industria registró un aumento en la tasa de lectura comparada con 2015. Las industrias con mayor tasa de lectura fueron distribución y manufactura (58%) y servicios públicos (57%). En comparación, la mejor tasa de lectura de 2015 fue del 47% (servicios públicos).
Los suscriptores tomaron un rol más activo este año en la separación del correo deseado de correo no deseado. La tasa general “eliminado sin leer” subió de 9% en 2015 a 13% en 2016, mientras que la tasa “no es spam” (que mide la frecuencia con la que el suscriptor recupera un mensaje de la carpeta de spam y lo marca como “no basura”) saltó de sólo 0,03% en 2015 a 1,04% en 2016.

Los resultados del informe se obtienen del análisis de más de 5 mil millones de correos electrónicos comerciales recibidos en 2016.

El informe se desglosa por sector de la industria, permitiendo a los profesionales de marketing comparar su propia interacción con los suscriptores e identificar oportunidades de mejora.

Metodología del estudio

Retun Path realizó este estudio usando datos de consumidores globales de más de 17 mil remitentes comerciales, 2.5 millones de panelistas y 5 mil millones de correos electrónicos comerciales recibidos entre el primero de enero y el 31 de diciembre del 2016.

La base de datos de consumidores se definió con la información capturada por el monitoreo de cuentas de correo electrónico de subscriptores reales para ejemplificar la iniciativa y la fidelidad del usuario basada en filtros de decisiones por los proveedores de bandejas de entrada.

La base de datos de consumidores puede descubrir factores y umbrales basados en el comportamiento que influyen en la colocación de la bandeja de entrada en los proveedores de grandes buzones de entrada, y no pueden ser identificados por semillas no interactivas.