Fallstudie: So erhöht ein einheitlicher Ansatz bei der KI-Texterstellung die CTOR um 41.34%

Durch den Einsatz von KI — genauer gesagt ChatGPT 3.5 — für intelligente Module, konnten wir die Kommunikation mit KI automatisieren, um die E-Mail-Erstellung noch zeitsparender zu gestalten. Und was noch wichtiger ist: Wir haben gelernt, wie wir KI dazu bringen, einheitliche Texte für alle Module/ Inhaltseinheiten zu generieren.

Als Tüpfelchen auf dem I führte das Ganze zu einer höheren CTOR.

Herausforderung, oder Ziel des Experiments

E-Mail-Produktkarten und Anmerkungen zu Blogbeiträgen enthalten in der Regel drei Textelemente, z.B. CTA-Buttons, Titel und Beschreibungen. Wenn KI diese Elemente generiert, scheinen sie nicht zusammenzuhängen und es werden unterschiedliche Begriffe verwendet, da KI jedes Element individuell verarbeitet. Titel und Beschreibungen müssen jedoch in der Terminologie und der Botschaft übereinstimmen.

Unser Ziel war es, dass die KI über alle Module/ Inhaltseinheiten hinweg einheitliche Texte generiert.

Lösung  

• Wie viele von Ihnen vielleicht wissen, haben wir die Smart Elements-Funktion vor ein paar Jahren entwickelt. Diese Funktion ermöglicht die Erstellung von zahlreichen Produktkarten und E-Mail-Digests mit nur einem Klick. Wie geht das? Sie fügen einfach einen Link auf Ihrer Produktseite oder Ihrem Blogbeitrag ein, und Stripo extrahiert alle erforderlichen Informationen von diesen Seiten und fügt sie direkt in Ihre E-Mail ein;
• Zudem haben wir vor Kurzem unsere Integration mit ChatGPT 3.5 bekanntgegeben, einem leistungsstarken Tool, das die Generierung und Optimierung von Texten in Ihren E-Mails erleichtert. Dies macht den Einsatz von Tools von Drittanbietern oder das manuelle Kopieren und Einfügen von Inhalten überflüssig.

Wir haben also diese beiden Funktionen miteinander verbunden, um einen Weg zu finden, wie wir die KI „zwingen“ können, einheitlichen Text für alle Inhaltseinheiten zu generieren.

Wichtig zu beachten

Derzeit erlaubt Stripo KI in Textblöcken und Betreffzeilen zu verwenden, aber wenn sich KI für die intelligenten Module bewährt, werden wir ihr alles zugänglich machen.

Ergebnisse

Wir sprechen sowohl über den technischen Teil als auch die E-Mail-Performance.

Der technische Teil

Wir haben KI und intelligente Module in drei Schritten kombiniert:

Schritt 1

Wir entwickelten ein intelligentes Modul für die Anmerkungen in Blogbeiträgen.

Schritt 2

Wir mussten eine Eingabeaufforderung für ChatGPT erstellen, damit es den Link und den Titel scannt, um den Produkt-/Blogposttitel zu optimieren und die beste Beschreibung zu finden. Wir haben viele Eingabeaufforderungen ausprobiert und eine Menge interner Tests durchgeführt, um die beste Eingabeaufforderung zu finden. Wir können also sagen, dass das Schreiben einer guten Eingabeaufforderung eine Kunst ist. 🙂

Hier ist die Eingabeaufforderung, die wir am wirksamsten fanden und für jedes Modul in unserem Digest verwendet haben:

Stell dir vor, du bist ein E-Mail-Marketingtexter und du musst deinem Team helfen, einige Elemente für die E-Mail zu schreiben, die sie an die Kunden senden werden. Deine Kollegen senden dir einen Link, auf dessen Basis du Ihnen die notwendigen Textelemente liefern musst. Du wendest alle bewährten Best Practices des Textens und des E-Mail-Marketings an, um gute Ergebnisse zu erzielen.

Das kann ein Blogbeitrag, eine Produktseite, oder eine Seite für die Gestaltung von E-Mail-Vorlagen sein.

Bei Bedarf können Emoji verwendet werden (nur im Titel, 1 pro Titel).

Hier sind einige Einschränkungen, an die du dich halten musst:

• Titel weniger als 75 Zeichen;
• Die Beschreibung liegt zwischen 150 und 200 Zeichen;
• CTA — max. 2-3 Wörter;
• Wenn der Inhaltstitel der Webseite Zahlen enthält, wie z.B. „10 Beispiele“, „6 Regeln“, „5 Frameworks“ usw., muss diese Zahl innerhalb des Titelelements verwendet werden, ohne die Zahl selbst zu ändern und nur mit der Zahl. Der Titel auf der Website ist als H1 HTML-Markup gekennzeichnet;
• Wenn der gleiche Link mehrmals zur Verfügung gestellt wird — musst du jedes Mal andere Ergebnisse erhalten;
• Verwende nirgendwo Anführungszeichen.

Temperature: 0,7

Top_P: 0,6

Zu verwendende Grundlagen:

• Social Proof;
• Nutzenorientiert;
• Fragebasiert;
• Die Reasons Why;
• Der How-To-Rahmen.

Alle Elemente sollten in einem freundlichen Ton verfasst sein.

Wenn der Link zur Verfügung gestellt wird, solltest du ihn öffnen und auf Basis des Inhalts einen Titel, eine Beschreibung und einen CTA in einem einspaltigen (eine Tabelle für alle Elemente und Grundlagen) Tabellenformat unter Verwendung einiger verschiedener Grundlagen schreiben, wobei die Elemente auf der horizontalen Achse und die Grundlagen auf der vertikalen Achse liegen sollen.

Wenn es sich um einen Blogbeitrag zu einem bestimmten Thema oder mit Beispielen handelt, verwende bitte die allgemeine Idee, ohne eine E-Mail zu erstellen, die auf inneren Beispielen beruht. Wenn du z.B. einen Beitrag über Beispiele für Teaser-E-Mails schreibst, verwende nur die allgemeine Idee in diesem Blogbeitrag und nicht eines der spezifischen Beispiele.

Wenn du bereit bist, schreibe bitte in den Chat “Gib mir bitte einen Link”.

Wenn alles in Ordnung ist, frag nach dem nächsten Link.

Schritt 3

Wir mussten der KI beibringen, die notwendigen Informationsteile in die entsprechenden Felder zu packen.

Wir waren hier erfolgreich.

Das ist die E-Mail, die von einem Menschen geschrieben wurde

Das ist die E-Mail mit KI-generiertem Inhalt

Hier sehen Sie, was die Kombination von generativer KI und intelligenten Modulen uns gebracht hat:

• Die KI generiert gleichzeitig Text für drei verschiedene Elemente in einem Modul, das verringert also die Klicks, die wir machen mussten und spart uns Zeit;
• Die KI generiert einheitlichen Text.

E-Mail-Performance

Wie Sie wahrscheinlich vom Blogbeitragstitel und den Zahlen, die wir oben gezeigt haben, schließen können, sind die Ergebnisse ziemlich zufriedenstellend.

Um sicherzustellen, dass die Ergebnisse wirklich auf die von uns vorgenommenen Änderungen an den E-Mails zurückzuführen sind, führten wir vier separate A/B-Tests durch, bei denen jeweils ein anderer E-Mail-Digest verwendet wurde.

Die Zahlen selbst

Jedes Mal wählen wir eine andere Gruppe von Empfängern (jeweils etwa 84.000), die wir später segmentierten:

• 50% der Abonnenten erhielten den von einem Menschen verfassten E-Mail-Digest;
• 50% jeder Gruppe erhielt eine KI-generierte E-Mail.

Die Ergebnisse der vier E-Mail-Digests waren ähnlich, so dass wir nun den jüngsten AB-Test beschreiben werden.

Bitte beachten Sie, dass wir für beide Versionen der E-Mail die gleiche Betreffzeile verwendet haben.

Von Menschen geschriebene E-Mail

• Empfänger — 42,024;
• OR — 31.46%, d.h. 13,221 Personen öffneten die E-Mail;
• CTOR — 5.72%, d.h. 756 Personen klickten auf die Links in der E-Mail und besuchten unseren Blog, um weiterzulesen.

Ausschnitt der E-Mail, klicken Sie auf die Karte

KI-generierte E-Mail

• Empfänger — 42,078;
• OR — 31.52%, d.h. 13,264 Personen öffneten die E-Mail;
• CTOR — 8.08%, d.h. 1072 Personen klickten die Links, um unseren Blog zu besuchen.

Ausschnitt der E-Mail, klicken Sie auf die Karte

Fazit

Wir haben AB-getestet, wie KI für E-Mail-Digests funktioniert und wie Sie die Erstellung und Optimierung von E-Mail-Texten automatisieren können. Und wir sind zu den folgenden Schlussfolgerungen gekommen:

1. Generative KI funktioniert gut, wenn sie richtig verwendet wird, sogar für komplexe Dinge, wie z.B. ganze Module.
2. Es ist möglich, den Inhalt über diese Module und ganze E-Mails hinweg einheitlich zu halten, ohne dass ein Mensch eingreifen muss. Dennoch können Sie die von der KI generierten Texte jederzeit überprüfen, optimieren und ändern.
3. Sie können die E-Mail-Texterstellung automatisieren.

Da uns die Ergebnisse sehr gefallen haben, veröffentlichen wir die Funktion „generative KI für intelligente Module“. Die Veröffentlichung wird voraussichtlich am 16. Juni erfolgen.