El email marketing representa la tercera fuente de tráfico para Taringa! Todos los meses, enviamos 80 millones de emails: 2,5 millones emails diarios con recomendaciones a una base de 14 millones de usuarios. Estos mails generan 3,5 millones sesiones mensuales en Taringa!, el 4% del tráfico total del sitio.
El objetivo es incrementar las sesiones y generar fuentes de tráfico alternativas a los buscadores, que representaban el 80% del total. Taringa! recién inauguró este canal en junio de 2014. La plataforma creció durante su primera década de manera orgánica, sin campañas de marketing ni publicidad. En dos años, pasamos de enviar 0 a 80 millones de mails mensuales (2,5 millones por día, 55,000 por hora) y poco a poco este canal se convirtió en la tercera fuente de tráfico de Taringa!
Este gráfico muestra cómo fueron creciendo las sesiones en el sitio que provienen de emails:
Evolución histórica de las sesiones generadas por email marketing en Taringa!
Hay dos momentos importantes que muestran un cambio cualitativo. El primero, en abril de 2015, cuando comenzamos con los A/B test de Subjects y una estrategia de clickbait. La segunda, cuando lanzamos los emails personalizados. El primer momento está relacionado con la curaduría manual de contenido, y el otro con la automatización y la hiper personalización.
Lo nuevo, lo relevante, lo personal
Hay dos generaciones de recomendaciones de contenidos en Taringa! que funcionan con lógicas diferentes, y que actualmente conviven en email. La primera generación está vinculada con el “Hotness” y la segunda, con el nuevo sistema de recomendación personalizada de contenidos desarrollada con el proyecto que llamamos “Discovery”, extensamente explicado por Nicolás Cohen en este post .
Primera generación de recomendación. Un email genérico para todos los usuarios, según el país. Lo que le gusta a la “mayoría” o la comunidad.
La primera generación de mails utiliza para la selección y recomendación de posts, un algoritmo que llamamos “Hotness”, el cual a través de una combinación de variables como Comentarios, Puntos, Favoritos y Visitas que tuvo un posts en Taringa! en las últimas 24 hs, determina los contenidos más populares para la comunidad durante ese día. Si le gusta a la mayoría, en el sitio, es probable que el contenido sea valioso y valga la pena recomendarlo a otros usuarios.
Una misma recomendación diaria genérica de 7 posts destacados de categorías como “Hazlo tu mismo”, “Recetas”, “Info”, “Ciencia y Educación”, “Imágenes”, “Juegos”, para todos los usuarios de los tres mercados principales (Argentina, México y España) y uno Global. La segmentación por país no toma en cuenta el origen del contenido (que haya sido escrito por un usuario que resida en México por ejemplo) sino que dicho contenido haya sido popular en ese país.
Todos los días se seleccionan automáticamente 25 posts, que pasan a una “cola de moderación” donde dos moderadores (Igor y Rafael) se encargan de garantizar que los posts seleccionados sean acordes a las reglas de la comunidad (no tengan contenido adulto, desnudez, ni promueva la violencia, la discriminación, etc) y también se corrigen errores de ortografía o imágenes que no sean aptas.
Si el post no pasa este filtro, se descarta del pool de recomendación de ese día. Este proceso puede llevar entre 1 o 2 horas del trabajo diario de un moderador. Y una hora más del trabajo del editor. Cuando las campañas diarias están cargadas, el responsable de esta herramienta vuelve a revisar manualmente las 8 campañas (segmentos Low y High de los 4 mercados) y en muchos casos se terminan reemplazando algunos posts seleccionados por el algoritmo, que en realidad no era tan interesantes (porque son muy auto referenciales de Taringa! o utilizan un lenguaje muy interno de la comunidad que puede resultar un poco encriptado o no es un post que simplemente tenga un aporte tan nuevo o interesante sobre el tema), y son reemplazarlos por otros artículos que se buscan y eligen manualmente en el sitio. La selección es semi automática y requiere de la intervención del criterio humano y una curaduría manual.
Cuando Erika se sumó al proyecto en abril de 2015, logró, a través de un trabajo de curaduría y moderación, duplicar las sesiones provenientes de los newsletters. Hasta entonces, el Subject era genérico “Lo más divertido y destacado de hoy”. Esos emails tenían un open rate promedio de 29,28%, que es alto, pero un click rate bajo, de 5,8%, que generaba un promedio de entre 55.000 y 24.000 sesiones diarias, 1.288.000 mensuales.
A partir de abril de ese año, comenzamos con una estrategia más agresiva de performance y las primeras pruebas de A/B Test o Split Test de tres Subjects diferentes por envío que se seleccionan manualmente, con los títulos de los post más interesantes de cada campaña. Luego, la herramienta hace una prueba con el 20% de la base y el Subject que mejor performa (mejor open rate) durante las primeras dos horas, se establece automáticamente como el Subject ganador para el resto de la campaña en toda la base.
A partir de este cambio, el open rate comenzó a subir paulatinamente a 31,65% el primer mes (abril 2015), 33,87% (en mayo de 2015) y después se estabilizó en 28% (la baja tiene que ver con la tendencia propia de los envíos de saturación y fin de la novedad). El crecimiento más importante se vio reflejado en los total clicks y las sesiones, que ascendieron a un promedio diario de 100.000 sesiones y un promedio 3,5 millones de sesiones por mes.
Duplicamos las sesiones, de 1,28 millones a 3,5 millones, con una estrategia de performance, A/B test de Subject y la curaduría manual del contenido.
Esto quiere decir que de los 1,15 millones de personas que conforman el segmento High y reciben todos los días un mail con recomendaciones, 250,000 lo abren todos los días y 13,520 ingresan al menos a un post de Taringa! recomendado.
Segunda generación de recomendaciones. Mail personalizado, con recomendaciones únicas para cada usuario singular. Lo que te gusta a vos. Basado en el concepto de relevancia.
A mediados de enero de 2016, pusimos en marcha una nueva generación de recomendaciones que nos permitió enviar un email único y personalizado para cada usuario según sus intereses, basándonos en el sistema de recomendación que llamamos Discovery, y que Nicolás Cohen desarrolló extensamente en este posts .
Mientras que los mails de la primera generación recomiendan en base al algoritmo “Hotness”, que es lo que más le gusta a la mayoría (o la comunidad), los mails personalizados se basan en la Relevancia y la Personalización: lo que te gusta a vos.
Esta recomendación personalizada se basa en una combinación de variables que suma Filtros Colaborativos Item por Item, que es el tipo de recomendación que usa Amazon “Las personas que les interesó este post, también leyeron estos otros posts”: User Similarity que establece “patrones de lecturas”, se identifican contenidos similares para recomendar (a partir de un análisis del contenido de los posts).
Y por último, se analiza el historial de navegación de cada usuario, para poder hacerle recomendaciones personalizadas. Este sistema analizada cada artículo leído por cada usuario (logueado en el sitio) en los últimos 7 días y busca otros contenidos relevantes o relacionados para recomendar. Para ello, se toman en cuenta las lecturas interesadas -post en los que el usuario se quedó leyendo de manera concentrada y enfocado durante un mínimo de tiempo (al menos 2 minutos aproximadamente)-, también se toman en consideración los post que compartió en otras redes sociales, aquellos en los que dejó comentarios, o sumó a favoritos.
Estos email personalizados, con una recomendación única y singular para cada usuario, comenzamos a enviarlos en enero, y tienen las tasas de open rate más altas, que rondan en un promedio de 40%, mientras que el segmento más importante de los emails con recomendaciones generales tiene un open rate promedio de 28%.
Este gráfico muestra las sesiones generadas por los emails personalizados en el sitio
Estamos enviando de 13,000 a 20,000 recomendaciones personalizadas por mail todos los días, cerca de 470,500 mensuales, en comparación con los 2,5 millones de mails diarios que enviamos con recomendaciones generales.
Los mails personalizados tienen un límite, y es que sólo pueden ser enviados a los usuarios que hayan navegado Taringa! logueados en los últimos 7 días, cerca de 43,600 por día, 1,3 millones todos los meses. Hoy, los mails personalizados representan sólo el 0,4% del total de emails enviados, y generan el 10% de las sesiones al sitio desde emails. Tenemos una oportunidad de ampliar la base de emails personalizados para incrementar drásticamente las sesiones.
Pero no todos los usuarios desean la hiper personalización. Algunos piden que no los dejemos encerrado en la burbuja de filtros y algoritmos, otros prefieren seguir encontrando en Taringa! un lugar donde descubrir nuevos mundos.
El objetivo es incrementar las sesiones y generar fuentes de tráfico alternativas a los buscadores, que representaban el 80% del total. Taringa! recién inauguró este canal en junio de 2014. La plataforma creció durante su primera década de manera orgánica, sin campañas de marketing ni publicidad. En dos años, pasamos de enviar 0 a 80 millones de mails mensuales (2,5 millones por día, 55,000 por hora) y poco a poco este canal se convirtió en la tercera fuente de tráfico de Taringa!
Este gráfico muestra cómo fueron creciendo las sesiones en el sitio que provienen de emails:
Evolución histórica de las sesiones generadas por email marketing en Taringa!
Hay dos momentos importantes que muestran un cambio cualitativo. El primero, en abril de 2015, cuando comenzamos con los A/B test de Subjects y una estrategia de clickbait. La segunda, cuando lanzamos los emails personalizados. El primer momento está relacionado con la curaduría manual de contenido, y el otro con la automatización y la hiper personalización.
Lo nuevo, lo relevante, lo personal
Hay dos generaciones de recomendaciones de contenidos en Taringa! que funcionan con lógicas diferentes, y que actualmente conviven en email. La primera generación está vinculada con el “Hotness” y la segunda, con el nuevo sistema de recomendación personalizada de contenidos desarrollada con el proyecto que llamamos “Discovery”, extensamente explicado por Nicolás Cohen en este post .
Primera generación de recomendación. Un email genérico para todos los usuarios, según el país. Lo que le gusta a la “mayoría” o la comunidad.
La primera generación de mails utiliza para la selección y recomendación de posts, un algoritmo que llamamos “Hotness”, el cual a través de una combinación de variables como Comentarios, Puntos, Favoritos y Visitas que tuvo un posts en Taringa! en las últimas 24 hs, determina los contenidos más populares para la comunidad durante ese día. Si le gusta a la mayoría, en el sitio, es probable que el contenido sea valioso y valga la pena recomendarlo a otros usuarios.
Una misma recomendación diaria genérica de 7 posts destacados de categorías como “Hazlo tu mismo”, “Recetas”, “Info”, “Ciencia y Educación”, “Imágenes”, “Juegos”, para todos los usuarios de los tres mercados principales (Argentina, México y España) y uno Global. La segmentación por país no toma en cuenta el origen del contenido (que haya sido escrito por un usuario que resida en México por ejemplo) sino que dicho contenido haya sido popular en ese país.
Todos los días se seleccionan automáticamente 25 posts, que pasan a una “cola de moderación” donde dos moderadores (Igor y Rafael) se encargan de garantizar que los posts seleccionados sean acordes a las reglas de la comunidad (no tengan contenido adulto, desnudez, ni promueva la violencia, la discriminación, etc) y también se corrigen errores de ortografía o imágenes que no sean aptas.
Si el post no pasa este filtro, se descarta del pool de recomendación de ese día. Este proceso puede llevar entre 1 o 2 horas del trabajo diario de un moderador. Y una hora más del trabajo del editor. Cuando las campañas diarias están cargadas, el responsable de esta herramienta vuelve a revisar manualmente las 8 campañas (segmentos Low y High de los 4 mercados) y en muchos casos se terminan reemplazando algunos posts seleccionados por el algoritmo, que en realidad no era tan interesantes (porque son muy auto referenciales de Taringa! o utilizan un lenguaje muy interno de la comunidad que puede resultar un poco encriptado o no es un post que simplemente tenga un aporte tan nuevo o interesante sobre el tema), y son reemplazarlos por otros artículos que se buscan y eligen manualmente en el sitio. La selección es semi automática y requiere de la intervención del criterio humano y una curaduría manual.
Con subjects más interesantes y una estrategia de performance, duplicamos las sesiones
Cuando Erika se sumó al proyecto en abril de 2015, logró, a través de un trabajo de curaduría y moderación, duplicar las sesiones provenientes de los newsletters. Hasta entonces, el Subject era genérico “Lo más divertido y destacado de hoy”. Esos emails tenían un open rate promedio de 29,28%, que es alto, pero un click rate bajo, de 5,8%, que generaba un promedio de entre 55.000 y 24.000 sesiones diarias, 1.288.000 mensuales.
A partir de abril de ese año, comenzamos con una estrategia más agresiva de performance y las primeras pruebas de A/B Test o Split Test de tres Subjects diferentes por envío que se seleccionan manualmente, con los títulos de los post más interesantes de cada campaña. Luego, la herramienta hace una prueba con el 20% de la base y el Subject que mejor performa (mejor open rate) durante las primeras dos horas, se establece automáticamente como el Subject ganador para el resto de la campaña en toda la base.
A partir de este cambio, el open rate comenzó a subir paulatinamente a 31,65% el primer mes (abril 2015), 33,87% (en mayo de 2015) y después se estabilizó en 28% (la baja tiene que ver con la tendencia propia de los envíos de saturación y fin de la novedad). El crecimiento más importante se vio reflejado en los total clicks y las sesiones, que ascendieron a un promedio diario de 100.000 sesiones y un promedio 3,5 millones de sesiones por mes.
Duplicamos las sesiones, de 1,28 millones a 3,5 millones, con una estrategia de performance, A/B test de Subject y la curaduría manual del contenido.
Esto quiere decir que de los 1,15 millones de personas que conforman el segmento High y reciben todos los días un mail con recomendaciones, 250,000 lo abren todos los días y 13,520 ingresan al menos a un post de Taringa! recomendado.
Segunda generación de recomendaciones. Mail personalizado, con recomendaciones únicas para cada usuario singular. Lo que te gusta a vos. Basado en el concepto de relevancia.
A mediados de enero de 2016, pusimos en marcha una nueva generación de recomendaciones que nos permitió enviar un email único y personalizado para cada usuario según sus intereses, basándonos en el sistema de recomendación que llamamos Discovery, y que Nicolás Cohen desarrolló extensamente en este posts .
Mientras que los mails de la primera generación recomiendan en base al algoritmo “Hotness”, que es lo que más le gusta a la mayoría (o la comunidad), los mails personalizados se basan en la Relevancia y la Personalización: lo que te gusta a vos.
Esta recomendación personalizada se basa en una combinación de variables que suma Filtros Colaborativos Item por Item, que es el tipo de recomendación que usa Amazon “Las personas que les interesó este post, también leyeron estos otros posts”: User Similarity que establece “patrones de lecturas”, se identifican contenidos similares para recomendar (a partir de un análisis del contenido de los posts).
Y por último, se analiza el historial de navegación de cada usuario, para poder hacerle recomendaciones personalizadas. Este sistema analizada cada artículo leído por cada usuario (logueado en el sitio) en los últimos 7 días y busca otros contenidos relevantes o relacionados para recomendar. Para ello, se toman en cuenta las lecturas interesadas -post en los que el usuario se quedó leyendo de manera concentrada y enfocado durante un mínimo de tiempo (al menos 2 minutos aproximadamente)-, también se toman en consideración los post que compartió en otras redes sociales, aquellos en los que dejó comentarios, o sumó a favoritos.
Estos email personalizados, con una recomendación única y singular para cada usuario, comenzamos a enviarlos en enero, y tienen las tasas de open rate más altas, que rondan en un promedio de 40%, mientras que el segmento más importante de los emails con recomendaciones generales tiene un open rate promedio de 28%.
Este gráfico muestra las sesiones generadas por los emails personalizados en el sitio
Estamos enviando de 13,000 a 20,000 recomendaciones personalizadas por mail todos los días, cerca de 470,500 mensuales, en comparación con los 2,5 millones de mails diarios que enviamos con recomendaciones generales.
Los mails personalizados tienen un límite, y es que sólo pueden ser enviados a los usuarios que hayan navegado Taringa! logueados en los últimos 7 días, cerca de 43,600 por día, 1,3 millones todos los meses. Hoy, los mails personalizados representan sólo el 0,4% del total de emails enviados, y generan el 10% de las sesiones al sitio desde emails. Tenemos una oportunidad de ampliar la base de emails personalizados para incrementar drásticamente las sesiones.
Pero no todos los usuarios desean la hiper personalización. Algunos piden que no los dejemos encerrado en la burbuja de filtros y algoritmos, otros prefieren seguir encontrando en Taringa! un lugar donde descubrir nuevos mundos.