Marketing

Keranjang Ditinggalkan, Ajakan Kembali... Merangkum Skenario Klasik Email Marketing

Keranjang Ditinggalkan, Ajakan Kembali... Merangkum Skenario Klasik Email Marketing

Photo: JohnnyEnglish (CC BY 2.0) via Flickr

Selamat pagi, saya まさきん.

Di dunia marketing, ada dua konsep yang sering muncul, targeting marketing dan scenario marketing. Karena mudah tertukar, saya coba rangkum di sini.

Perbedaan targeting dan scenario

Targeting marketing adalah cara mengklasifikasikan pelanggan dan mengubah cara penyampaian berdasarkan atribut, riwayat pembelian, atau preferensi. Kalau ditelusuri lebih jauh, bisa dikatakan semua marketing pada dasarnya adalah targeting. Belakangan ini, konsep “look alike”, yaitu mencari orang dengan karakteristik mirip pengguna tertentu, juga sudah bukan hal yang aneh lagi.

Sementara itu, scenario marketing berpijak bukan pada atribut, tapi pada “tindakan yang baru saja dilakukan”. Secara teknis mekanismenya sama dengan targeting, tapi bedanya ada di apa yang jadi kondisi pemicunya.

8 pola pengiriman klasik

Program berbasis tindakan pelanggan bisa dibagi jadi tiga kelompok besar. Yang mengikuti siklus hidup pelanggan, yang mengikuti perilaku di dalam situs, dan yang mengikuti siklus hidup produk itu sendiri. Berikut pola-pola khasnya.

Kelompok siklus hidup pelanggan

Kelompok berbasis perilaku di situs

Kelompok siklus hidup produk

Untuk info penurunan harga, menurut saya timing adalah segalanya. Info kampanye pindah operator seluler mungkin punya mekanisme yang mirip. Saya tempel di sini karena info itu jadi alasan saya meninjau ulang biaya HP saya sendiri.

Simulasi tarif dapat 100 poin tanpa perlu kontrak Coba tinjau ulang biaya HP yang selama ini bikin penasaran

Setelah diklik, halaman login Rakuten akan terbuka. Setelah login, detail kampanye akan muncul.

Karakter masing-masing yang saya rasakan dalam praktik

Dari semua ini, yang menurut saya paling mudah menghasilkan efek adalah keranjang ditinggalkan. Ada cukup banyak pelanggan yang sebenarnya hanya butuh waktu pertimbangan, atau masih ragu soal metode pembayaran, sehingga dorongan kecil langsung berujung hasil.

Sebaliknya, ajakan kembali untuk pelanggan pasif menurut saya sering tidak memberi efek terlalu tinggi. Lebih efisien menangkap tanda-tanda pelanggan mulai menjauh dan mengambil tindakan sebelum jaraknya terlalu jauh. Untuk menangkap tanda-tanda itu, analisis RFM yang meranking pelanggan berdasarkan tanggal pembelian terakhir, frekuensi, dan nilai transaksi, sering dipakai. Kerangka lama ini menurut saya masih sangat praktis sebagai dasar untuk menemukan pelanggan yang “mulai berbahaya” sebelum benar-benar pasif.

Berlaku untuk scenario marketing secara umum, jumlah pengguna target di setiap pengiriman pasti sedikit. Karena itu, meski click rate atau conversion rate suatu program bagus, dampaknya secara jangka pendek terasa kurang terlihat karena volume pengirimannya kecil. Tapi kalau skenarionya dirancang dengan baik, tingkat berhenti berlangganan pun rendah, dan akumulasi harian-mingguan pelan-pelan berujung hasil. Menurut saya, program ini bekerja seperti itu.

8 pola yang saya sebutkan di sini awalnya disusun untuk program e-commerce, tapi sebenarnya bisa diterapkan lintas industri, baik untuk situs media, bisnis permintaan brosur, maupun layanan rekrutmen. Kalau dipikir lagi, ini sebenarnya cuma mereproduksi kebijaksanaan “keramahan” yang sudah lama dijaga para pedagang, dalam bentuk sistem. Tidak perlu dipikirkan terlalu rumit, cukup fokus membuat pelanggan di depan mata senang dan menyukai kita. 8 pola ini bisa dijadikan panduan untuk mengulangi hal itu terus-menerus.

Sistemnya sendiri sudah ada lebih dari 10 tahun

Konsep yang saya bahas di sini bukan hal baru. Tapi ambang implementasinya menurut saya jauh lebih rendah dibanding sebelumnya.

Dengan AI generatif, pembuatan teks pengiriman dan personalisasi jadi lebih mudah dibanding sebelumnya. Saran otomatis untuk judul dan preview, variasi teks per segmen, sampai pembuatan teks rekomendasi produk berdasarkan riwayat pembelian, bagian yang dulunya dikerjakan manual sekarang jadi jauh lebih otomatis. Mengumpulkan data perilaku secara real time, membagi segmen jadi calon pembeli pertama, calon repeat buyer, atau kelompok berisiko churn tinggi, lalu mengirim konten yang sesuai untuk masing-masing, kini bisa dijalankan tim yang jauh lebih kecil dibanding sebelumnya. Tapi bukan berarti bisa sepenuhnya diserahkan ke otomatisasi. Pengecekan teks akhir dan perbaikan berkelanjutan lewat A/B testing masih tetap dibutuhkan sampai sekarang. Dasar sistemnya tidak berubah, tapi upaya untuk mewujudkannya makin ringan.

Menurut saya juga tidak perlu langsung menyiapkan 8 skenario sekaligus. Mulai dulu dari yang paling mudah menghasilkan efek, seperti keranjang ditinggalkan atau welcome, lalu tambahkan skenario lain satu per satu sambil dijalankan. Karena AI generatif sudah mengurangi beban membuat teks, cara memperluas bertahap seperti ini rasanya jadi lebih mudah dilakukan sekarang.

Kesimpulan

Konsep ini sudah lama ada, tapi menurut saya masih jadi dasar dari program CRM sampai sekarang. Bukan soal seberapa baru, tapi seberapa kuat kita memegang dasarnya, itu yang mungkin lebih penting. Kebetulan, tautan di bawah ini juga salah satu contoh info seperti itu.

Simulasi tarif dapat 100 poin tanpa perlu kontrak Lihat info pindah operator seluler, sebagai satu contoh

Setelah diklik, halaman login Rakuten akan terbuka. Setelah login, detail kampanye akan muncul.

Artikel ini mengandung iklan afiliasi. Jika Anda mendaftar produk atau layanan melalui tautan di situs ini, kami mungkin menerima komisi dari perusahaan mitra. Selain itu, pengelola adalah karyawan Rakuten Group dan mungkin menerima imbalan melalui program referral karyawan. Konten dan penilaian artikel dibuat berdasarkan pengalaman nyata dan riset pengelola, terlepas dari ada atau tidaknya iklan, namun kami harap Anda membaca dengan memahami hubungan di atas. Untuk detailnya, silakan lihat Sangkalan & Info Afiliasi. Sangkalan & Info Afiliasi

Artikel ini menggunakan terjemahan mesin. Untuk syarat resmi, silakan cek halaman multibahasa di situs resmi Rakuten Mobile.

Jika Anda memiliki kekhawatiran tentang area jangkauan atau kondisi sinyal Rakuten Mobile, Anda dapat berkonsultasi melalui formulir permintaan perbaikan sinyal resmi.

ABOUT THE AUTHOR
まさきん

Karyawan Rakuten Group · Digital Marketer (memiliki sertifikasi FP)

Awal 40-an, kedua orang tua bekerja, ayah dari empat anak. Selain bekerja sebagai digital marketer di Rakuten Group, juga memanfaatkan sertifikasi perencana keuangan (FP) untuk fokus pada pengelolaan keuangan keluarga dan pembentukan aset.

Lihat Profil

Artikel Terkait

RELATED
3 Elemen Penting untuk 1to1 Marketing, Dilihat Ulang di Era AI Sekarang Marketing

3 Elemen Penting untuk 1to1 Marketing, Dilihat Ulang di Era AI Sekarang

Merangkum kembali kerangka lama yang membagi kebutuhan personalisasi jadi tiga, yaitu data, konten, dan logika. Saya juga memikirkan apa yang berubah dengan AI generatif.

2026.07.09 · sekitar 4 menit membaca
Memikirkan Ulang Pekerjaan Bernama 'Product Manager' Marketing

Memikirkan Ulang Pekerjaan Bernama 'Product Manager'

Terinspirasi dari podcast teknologi yang membahas jabatan product manager, saya memikirkan perbedaannya dengan peran-peran yang sudah ada sejak lama.

2026.07.08 · sekitar 3 menit membaca
Menurut Saya, Inti CRM Adalah Tidak Menciptakan 'Penjualan yang Buruk' Marketing

Menurut Saya, Inti CRM Adalah Tidak Menciptakan 'Penjualan yang Buruk'

Kata CRM dan loyalitas pelanggan mencakup rentang yang sangat luas, dari sekadar semangat hingga langkah konkret, sehingga definisinya sering kabur. Saya coba memikirkannya lagi dari sudut pandang 'tidak menciptakan penjualan yang buruk'.

2026.07.07 · sekitar 3 menit membaca
Beralih ke Rakuten Mobile, dapatkan hingga 14.000 poin Simulasi tarif dapat 100 poin tanpa perlu kontrak →
Daftar Sekarang →