Estudio de caso de correo electrónico frío: 97% más de citas después de 1 prueba A/B (con plantillas)
Publicado: 2024-04-02
- 1 de febrero de 2024
Contenido
Este estudio de caso analiza cómo duplicamos los resultados de correo electrónico frío para un corredor de negocios (y cliente de MailShake desde hace mucho tiempo) después de una única prueba A/B.
Verá cómo ayudamos a Robert Allen de Acme Advisors & Brokers a convertir algunas "respuestas negativas" en una campaña que consiguió múltiples citas por día gracias a una nueva estrategia de pruebas A/B.
Además, le mostraré por qué nuestra agencia de generación de leads comenzó a realizar " pruebas A/B cualitativas " y cómo nos ayudó a llevar un solo correo electrónico de una tasa de respuesta del 9,8% al 18% después de escribir solo una variación guiada por comentarios .
Estadísticas de campaña:
4 correos electrónicos
206 prospectos
Tasa de apertura: 65%
30% de tasa de respuesta
64 respuestas en total
Más de 30 reuniones generadas
La nueva prueba A/B de correo electrónico frío
Probablemente te hayan dicho que deberías realizar pruebas A/B en tus correos electrónicos fríos.
Pero después de hablar con científicos de datos y gurús del marketing como Brian Massey de Conversion Sciences...
… ¡Resulta que la mayoría de nosotros (incluido yo mismo) hemos realizado mal las pruebas A/B de correos electrónicos fríos!
¡Jadear!
Cómo ejecutar pruebas A/B de correo electrónico en frío como un doctorado
Este es el mayor error que cometen los usuarios de correo electrónico en frío cuando realizan pruebas A/B:
"Analizamos las tasas de respuesta en lugar de las respuestas reales ".
Sí, ahora, cuando realizo pruebas A/B, no me importan las tasas de respuesta. Al menos no al principio.
¿Por qué? Según los científicos de datos, las tasas de respuesta no son una métrica confiable hasta que se obtienen 100 respuestas por variación de correo electrónico frío. (Obtenga más información sobre la significación estadística aquí).
Traducción : Si finaliza una prueba ANTES de recibir 100 respuestas por variación, no sabrá (con confianza) qué correo electrónico funcionó mejor.
No tengo un doctorado, pero eso significa que si obtienes una tasa de respuesta del 10% por variación, necesitarás enviar 2000 correos electrónicos antes de poder ejecutar correctamente una prueba A/B.
¿Ves el problema aquí?
Ese tipo de volumen puede funcionar con la optimización de la página de destino o con anuncios PPC... pero si tiene una lista MUY específica, no tendrá 2000 personas con quienes contactar por segmento.
Entonces, ¿qué debe hacer un equipo de ventas?
Ejecute pruebas A/B "guiadas por comentarios".
Resulta que analizar tus respuestas te ayudará a mejorar los resultados MUCHO más que comprobar las tasas de respuesta.
Este no es un concepto nuevo. (Simplemente se utilizan datos cualitativos en lugar de datos cuantitativos). Pero es la mejor manera de realizar pruebas A/B si desea duplicar su tasa de respuesta rápidamente.
Para explicar cómo hicimos esto (y cómo usted puede hacer lo mismo), veamos el estudio de caso:
Descripción general del estudio de caso
Cuando empezamos a trabajar con Robert, él tenía un objetivo claro en mente: generar 1 llamada por día.
Específicamente, nuestro objetivo era brindarles 1 llamada programada por día con un propietario de negocio calificado que estuviera interesado en que vendieran su negocio.
Para alcanzar ese objetivo, necesitaríamos generar 3 respuestas interesadas por día. (No podíamos suponer que el 100 % de las respuestas llegarían realmente a la llamada. Así que, para estar seguros, nuestro objetivo era 3 respuestas por día).
El correo electrónico frío "A"
Tasa de respuesta: 9,8%
Notas de Jack: Para esta primera variación, estos son algunos de los filtros de orientación utilizados:
Dueños de Negocios, en nuestra industria objetivo, con una empresa fundada hace X años, en una ciudad donde mi cliente tenía un comprador.
Para esta variación, decidimos ser directos y pedirles una llamada sobre la venta de su negocio. Y, por supuesto, asegurarnos de agregar personalización siguiendo nuestro marco CCQ.
Asunto: números
{{firstname}}, {{SENTENCIA DE INTRODUCCIÓN PERSONALIZADA - CCQ}}
Perdóneme por ser directo, pero si tuviera un comprador potencial en {{ciudad}} interesado en comprar {{empresa}}, ¿estaría dispuesto a escuchar su oferta?
Si es así, ¿cómo es tu calendario para una llamada breve?
{{FIRMA}}
PD: En contexto, mi empresa ayuda a los empresarios del sector {{INDUSTRIA}} a encontrar el comprador adecuado para su negocio cuando finalmente estén listos para jubilarse.
—-
Bastante buen correo electrónico, ¿eh? Eso es lo que pensé… Hasta que empezaron a llegar las respuestas.
Las respuestas frías al correo electrónico "A"
Ese correo electrónico obtuvo una tasa de respuesta del 9,8%.
No es terrible para un primer comienzo, pero las respuestas fueron en su mayoría negativas... Después de analizar las primeras 8 respuestas, 2 fueron positivas (acordaron una reunión) y 3 no estaban interesadas. Y 3 compartieron un patrón de respuesta de cliente potencial común como este:
Cómo escribimos la variación "B": abordar el problema número uno
¿Percibes un tema común en esas respuestas?
Objeción común: no creían que nuestro cliente realmente tuviera un comprador en su ciudad listo para hacer una oferta .
Así que creamos una variación de prueba que podría reducir el escepticismo...
Conclusión : ¡Esto se aprendió basándose en los comentarios! (Sin tasa de respuesta).
Afortunadamente, nuestro cliente tenía un comprador en esos mercados dispuesto a comprar un negocio si encajaba bien.
Así que esto es lo que hicimos.
2 cambios que duplicaron nuestra tasa de respuestas:
- Eliminamos la palabra "socio potencial" de la copia. Descubrimos que esto estaba generando escepticismo y nuestro cliente TENÍA un socio listo para hacer una oferta. Entonces esta palabra era un área problemática GRANDE.
- Les dijimos POR QUÉ los contactamos para hacer nuestro discurso más creíble.
- En la nueva copia, mencionaba que solo nos dirigíamos a un determinado tipo de negocio que tenía al menos X años y una sólida reputación, según sus reseñas en línea. Así que incluí eso (muy bien redactado, por supuesto) en la PD para hacerles saber que nos dirigimos especialmente a ELLOS.
Esto es lo que pasó:
Pasamos de una tasa de respuesta del 9,8 % (en su mayoría respuestas negativas) a una tasa de respuesta del 18 % con más del 70 % de las respuestas marcadas como positivas. #ganar
La tasa de respuesta de correo electrónico frío "B": 18%
Asunto: números
{{firstname}}, {{SENTENCIA DE INTRODUCCIÓN PERSONALIZADA - CCQ}}
Perdóneme por ser directo, pero tengo un socio en {{city}} que busca adquirir una empresa como {{company}}.
¿Estás abierto a hablar de números?
Mejor,
Roberto
PD: Para ser transparentes, estamos buscando una empresa de {{INDUSTRY}} en el área que haya existido durante {{TIME PERIOD}} y que tenga una sólida reputación como la suya. Pero si no estás interesado, puedes ignorarlo.
Resultados: respuestas reales de esta variación
Conclusión
Algunas conclusiones clave para usted:
- Sí, el correo electrónico frío todavía funciona, pero necesitas agregar personalización si quieres tener éxito. De hecho, la personalización funciona tan bien que contratamos a un "experto en personalización" de tiempo completo. Pruébelo y vea qué sucede.
- Escriba su variación "B" después de analizar sus respuestas negativas. Es la forma más rápida y confiable de ejecutar pruebas A/B exitosas. (Las tasas de respuesta suelen ser engañosas).
- Lista de asuntos de construcción. Esta campaña habría fracasado si nos hubiéramos dirigido a un grupo que no cumpliera con nuestro estricto conjunto de criterios. Analice a sus clientes/clientes actuales y encuentre atributos comunes que pueda utilizar para crear listas enfocadas en láser.
Jack escariador
Jack Reamer dirige SalesBread.com, una agencia boutique de generación de leads que envía correos electrónicos fríos personalizados y mensajes de LinkedIn para personas ocupadas que desean más reuniones con los clientes de sus sueños. Comuníquese con él para hablar sobre crecimiento o decirle "¡Hola!" en Linkedin.
