Ve svém e-mailingovém nástroji máte uložené odpovědi na otázky, které rozhodují o tržbách. Stačí je z něj pomocí AI vytáhnout, využít a každý váš další e-mail bude efektivnější, s vyššími prokliky i obratem. A audit je jen začátek. V nové epizodě podcastu Včeliště ukazuje Josef konkrétní případy, kdy a jak ve Včelišti nasazujeme umělou inteligenci do e-mail marketingu – od auditu přes tvorbu šablon a automatizací až po řešení věcí, na které bez AI nebyl čas ani kapacita.
Zapojit do e-mailingu nějaký AI nástroj dnes umí skoro každý. Přesně proto to samo o sobě žádnou výhodu nedává. Rozdíl dělá kontext. Čím lepší kontext AI dáte, tím přesněji cílí, tím lépe e-maily vypadají a tím víc jdou do hloubky. Na jedno místo patří všechno důležité o projektu:
V Claudu a ChatGPT na to slouží Projekty, v Ecomailu třeba Brand Kit. Kdo si tenhle základ poctivě postaví, získá náskok, který se špatně dohání.
Audit je ideální start. Máte uložené hromady dat a nad nimi stačí spustit analýzu. Typický příklad je audit předmětů e-mailů za poslední rok: Co reálně ovlivňuje otevíratelnost, prokliky a tržby? Funguje, když se zmíníte o slevě? Mají smysl emoji, oslovení v předmětu, výzva k akci nebo merge tagy? Jaká je ideální délka? Výsledky bývají překvapivé a hlavně použitelné pro všechny další newslettery.
Do auditů spadá i odhalování anomálií. U jednoho z klientů jsme řešili, proč nástroj po několik měsíců hlásil dvojnásobnou míru otevření a prokliků. AI z dat vytvořila přehledný graf, kdy se to stalo a co to nejspíš způsobilo. A stejně tak se dá auditovat celá automatizace – její flow, podmínky i obsah jednotlivých e-mailů. Jen se nespokojte s první verzí, kterou nástroj vyplivne.
AI nemusí data jen analyzovat, umí i tvořit. Šablona bývá první věc, kterou při rozjezdu nebo vylepšování e-mailingu potřebujete, a AI tento úkol zvládá překvapivě dobře:
Při redesignu se dá napojit i na Figmu.
Ještě zajímavější je tvorba automatizací. U upsell kampaně si AI vytáhne data o prodejnosti za rok, najde souslednosti (co si lidé kupují po prvním nákupu) a na základě tvrdých dat navrhne, jak má automatizace vypadat – a v mnoha případech ji rovnou naklikne ve vizuálním editoru. K tomu pomáhají takzvané skilly, tedy schopnosti, které nástroj naučíte podle vlastních zkušeností.
Někdy narazíte na limit samotného e-mailingového nástroje. Řešili jsme třeba import historických objednávek z WooCommerce do Ecomailu, u kterého se plugin kvůli chybám v datech zasekával. Místo programování složitých můstků jsme si pomohli přes Make.com napojený prostřednictvím MCP serveru – Claude se stal hubem, který data pospojoval a nahrál na místo.
Podobně se dá AI zapojit do měsíčního reportingu (a data propsat do Data Studia), tvorby a výpočtu segmentů, generování a doplňování slevových kódů nebo hlídání doručitelnosti napříč schránkami. Možností je zkrátka celá řada.
Jedna věc platí u všeho výše zmíněného: výstup je potřeba zkontrolovat. Ručně otestovat, doladit detaily, mrknout na mobilní zobrazení. V praxi obvykle přijdou jedna až dvě revize. Slepě zapnout AI a poslat výsledek tisícům lidí je špatný nápad.
Umělá inteligence za vás sice dokáže udělat spoustu práce, ale jste to vy, kdo dodává byznysový kontext a rozhoduje, co má a nemá smysl řešit. Díky tomu se můžete posunout z role „klikače“ v nástroji na stratéga, který to má pevně v rukou.
V podcastu jdeme mnohem více do hloubky a rozebíráme umělou inteligenci v e-mailingu skrz naskrz. Dozvíte se například:
Poslechněte si nový díl podcastu Včeliště a vytáhněte z vlastního e-mailingu maximu.
Podcast si můžete pustit na Spotify i na Apple podcasts.
Minulé díly podcastu si prohlédněte zde.
Právní rizika AI v e-commerce s Petrou Stupkovou
Kdy nechat marketingová rozhodnutí na AI? Takhle to děláme ve Včelišti
Žádný komentář k zobrazení