Förbättra e-postmeddelanden i Klaviyo med hjälp av data

Ditt Klaviyo-konto är korrekt konfigurerat. Flödena för övergivna varukorgar är igång. Välkomstserien är aktiv. Sekvensen efter köpet utlöses. Automatiseringarna fungerar. Mätvärdena är acceptabla.
Godtagbart. Inte fantastiskt. Inte banbrytande. Bara godtagbart.
Problemet är inte Klaviyo. Det är innehållet i e-postmeddelandena.
Klyftan i produktinnehållet
Öppna Klaviyo. Titta på e-postmeddelandet om övergivna varukorgar. Vilka produkter visas där?
De övergivna varorna, förstås. Det är utlösaren. Men vad mer? En rad med produkter under rubriken ”Du kanske också gillar”, som antingen är bästsäljare (som visas för alla) eller varor som ”ofta köps tillsammans” utifrån enkla regler för samköp.
Titta nu på ditt e-postmeddelande om avbruten surfning. Vilka produkter presenteras där?
De produkter du har tittat på, plus… samma bästsäljare. Samma Allmänna produktrekommendationer från Klaviyo.
Automatiseringslogiken är anpassad: Rätt e-postmeddelande skickas till rätt person vid rätt tidpunkt. Men produktinnehållet i dessa e-postmeddelanden är knappt anpassat alls.
Det är i detta gap som intäkterna gömmer sig. Och det är just detta gap som Product Intelligence fyller.
Vad ”Product Intelligence” tillför e-postmeddelanden
Klaviyo är särskilt bra på beteendebaserade utlösare och flödeslogik. Det vet när det ska skicka meddelanden och till vem. Det som saknas är en djupgående produktförståelse: Förmågan att avgöra vad som ska visas utifrån enskilda kunders beteende och detaljerade produktsamband.
Det är viktigt att förstå vad ”Product Intelligence” egentligen gör: Det analyserar din produktkatalog (inköpsfrekvens, produktattribut, kategoriförhållanden och återköpscykler) för att förutsäga köpmönster och förstå hur produkterna förhåller sig till varandra. När denna kunskap på produktnivå kombineras med enskilda kunders beteende blir personaliseringen mer träffsäker och relevant.
Product Intelligence tillför tre funktioner:
1. Produktmatchning på individnivå
I stället för att visa ”bästsäljare” eller ”produkter som ofta köps tillsammans” avgör Product Intelligence vilka specifika produkter som är mest relevanta för just den här kunden utifrån kundens fullständiga beteendehistorik: Sökningar, visningar, köp och klickmönster.
En kund som tittat på tre par löparskor i premiumklassen och sedan lämnat sin varukorg bör inte få rekommendationer om billiga löparskor. Istället bör kunden få se de högkvalitativa trailstrumporna, löparvästen och GPS-klockan som passar bra ihop med de skor som kunden nästan köpte. Rekommendationerna bör spegla vad kunden faktiskt bryr sig om, inte vad din butik säljer mest av.
2. Smartare rekommendationer för nya kunder
Nya kunder innebär en utmaning när det gäller personalisering: Utan en historik över köpbeteendet föreslår de flesta system automatiskt generiska bästsäljare. Product Intelligence förändrar detta.
Eftersom Product Intelligence förstår mönster på produktnivå (vilka produkter som vanligtvis köps tillsammans, vilka kategorier som har de starkaste korsförsäljningssambanden, hur produkter grupperas efter behov och användningsfall) kan den presentera relevanta rekommendationer redan efter några få inledande interaktioner. En ny kund som tittar på två eller tre produkter ger Product Intelligence tillräckligt med information för att kunna ge meningsfulla rekommendationer, istället för att visa samma bästsäljare som alla andra ser.
Det innebär att ditt välkomstflöde och de första e-postmeddelandena efter registreringen kan innehålla verkligt relevant produktinformation redan från det allra första utskicket.
3. Rekommendationer som tar hänsyn till livscykeln
Olika kunder behöver olika produkter vid olika tidpunkter. Product Intelligence har en strukturell förståelse för produktkatalogen: Vilka produkter som är förbrukningsvaror, vilka som har naturliga tillbehör och hur långa de typiska återköpscyklerna är. I kombination med kundens köp- och surfhistorik ger detta rekommendationer som speglar var just den kunden befinner sig just nu.
En förstagångsköpare får relevanta upptäckter. En återkommande kund får ett djupare utbud inom sina favoritkategorier. En kund som håller på att glida bort återvinns genom nya produkter som stämmer överens med dennes tidigare preferenser.
Product Intelligence anpassar sina rekommendationer utifrån vad produktdata och kundens historik tillsammans visar, snarare än enbart utifrån vilket e-postflöde kunden befinner sig i.
Praktiska förbättringar av befintliga Klaviyo-flöden
Du behöver inte bygga om dina flöden. Du behöver uppgradera produktblocken i dem.
| Flöde | Innan | Efter |
|---|---|---|
| Övergiven varukorg | Varor i varukorgen + rekommendationer av bästsäljare | Varor i varukorgen + anpassade alternativ (om det ursprungliga valet inte passar helt) + kompletterande produkter baserade på Product Intelligence |
| Avbruten webbutshopping | Visade produkter + generiska ”aktuella” produkter | Visade produkter + liknande produkter ur ett annat perspektiv (annat märke, annan prisklass, annan stil) + produkter från närliggande kategorier baserat på beteendemönster |
| Efter köpet | Orderbekräftelse + ”Kunder köpte även” på dag 14 | Orderbekräftelse + skötselråd för produkten (omedelbart värde) + kompletterande rekommendationer vid rätt tillfälle (varierar beroende på produkttyp) + påminnelse om påfyllning om det gäller förbrukningsvaror |
| Återvinning | “Vi saknar dig” + presentation av bästsäljare | “Här är nyheterna sedan ditt senaste besök” + personligt anpassade nyheter som passar deras preferenser + prissänkningar på produkter de tidigare tittat på |
Den viktigaste insikten när det gäller övergivna varukorgar: en övergiven varukorg betyder ibland ”Jag var osäker på den här produkten” snarare än ”Jag glömde bort den”. Genom att visa alternativ tillsammans med de övergivna artiklarna kan man bemöta den osäkerhet som ledde till att varukorgen övergavs.
Att lämna en webbsida utan att köpa är ett del av köpbetiendet. Kunden utforskar, jämför och utvärderar. Ditt e-postmeddelande bör stödja den processen genom att bredda kundens urval med smarta alternativ.
Tidpunkten efter köpet är viktigare än de flesta team inser. Att föreslå löparstrumpor dagen efter att någon har köpt löparskor är för tidigt: De har förmodligen redan strumpor. Att föreslå dem tre veckor senare, när de har gått in skorna och är redo för nästa löprunda, är precis rätt tillfälle.
E-postmeddelanden som syftar till att återvinna kunder misslyckas när de visar kunden samma butik som denne lämnade. Med hjälp av ”Product Intelligence” säkerställs att e-postmeddelandet lyfter fram det som verkligen är nytt och relevant för kundens specifika intressen.
Ansluta Klaviyo till Product Intelligence och ta det ett steg längre med Product Agents
Hello Retail-tjänsten kan kopplas till Klaviyo på två olika sätt, och det är värt att förstå skillnaden mellan dem.
För befintliga flöden (övergivna varukorgar, avbrutna besök, återvinningskampanjer) fungerar integrationen genom att dynamiska produktblock läggs till i dina befintliga Klaviyo-mallar. När e-postmeddelandet genereras skickar produktblocket en förfrågan till Product Intelligence-motorn med mottagarens beteendeprofil och e-postmeddelandets sammanhang. Motorn returnerar de mest relevanta produkterna för just den kunden just i det ögonblicket. Din befintliga flödeslogik förblir oförändrad. Dina utlösare förändras inte. Dina segment behöver inte byggas om.
Product Agents fungerar annorlunda. Istället för att utöka befintliga flöden introducerar de en helt annan modell: autonoma agenter som själva bestämmer när de ska skicka.
I ett vanligt Klaviyo-flöde är det du som definierar utlösaren och tidpunkten. Med Product Agents övervakar agenten produkt- och kundsignaler kontinuerligt och avgör när det är värt att skicka ett meddelande, utan att du behöver ställa in något schema. Detta är särskilt effektivt i situationer där det är riktigt svårt att avgöra när rätt tidpunkt är:
- Påfyllningspåminnelse: skickas när en kund troligen börjar få slut på något som hen tidigare har köpt, baserat på förväntat återköpsbeteende snarare än en fast tidsintervall
- Rekommenderade tillbehör: skickas efter ett köp när produktinformationen tyder på att tillbehör eller kompletterande produkter skulle vara relevanta, just när de har störst chans att väcka intresse
- Alternativa förslag: skickas när en kund skulle kunna ha nytta av att utforska liknande alternativ utifrån sitt köp- eller surfbeteende
- Prisnedgångsmeddelanden: meddelar kunderna när produkter som de har tittat på, köpt eller som liknar produkter de är intresserade av sjunker i pris
Product Agents-agenterna körs via ett särskilt Klaviyo-flöde (skilt från dina befintliga automatiseringar) som utlöses av Hello Retail-händelser. Inställningen görs en gång; därefter körs agenterna automatiskt.

Det handlar inte om att ersätta dina flöden. Det handlar om att lägga till ett extra lager av kundkontakt som dina flöden inte kan skapa, eftersom standardlogiken i flödena inte kan avgöra när rätt tillfälle infinner sig.
För butiker som vill använda sig av prisnedgångsvarningar och påfyllningspåminnelser erbjuder Product Agents helt nya typer av utlösare som inte finns i Klaviyos inbyggda funktioner.
Att mäta förbättringen
Det fina med att uppdatera innehållet i e-postmeddelanden samtidigt som man behåller samma struktur är att det är enkelt att mäta resultatet.
Genomför A/B-tester på produktblocken. Skicka 50 % av varje flöde med de befintliga produktrekommendationerna och 50 % med rekommendationer som baseras på Product Intelligence. Jämför:
- Intäkter per e-postmeddelande
- Klickfrekvens för produktrekommendationer
- Andel som lägger till i varukorgen efter klick i e-postmeddelanden
- Genomsnittligt ordervärde för köp som kan hänföras till e-post
Flödeslogiken, tidpunkten för utskicket och målgruppen är identiska i båda varianterna. Den enda variabeln är produktinnehållet. På så sätt kan effekten isoleras tydligt.
För en översikt över hur man mäter personaliseringens övergripande effekt, se vår guide om hur man mäter avkastningen på personalisering (ROI).
Viktiga slutsatser
- Det som saknas i de flesta Klaviyo-program är inte flödeslogiken. Det är produktinnehållet i e-postmeddelandena, som ofta består av generiska bästsäljare snarare än personliga rekommendationer
- Product Intelligence analyserar produktkatalogdata för att förutsäga köpmönster; i kombination med kundbeteende ger detta mer träffsäkra rekommendationer, även för nya kunder med begränsad beteendehistorik
- Du behöver inte bygga om flödena. Uppgradera produktblocken i dem och genomför A/B-tester för att se vilken effekt det har.
- Product Agents går ett steg längre: Autonoma agenter som själva bestämmer när de ska skicka ut meddelanden och som följer sitt eget dedikerade Klaviyo-flöde, vilket omfattar påfyllning, tilläggsprodukter, alternativ och prissänkningar
- Mätningen är tydlig: Samma flöde, samma målgrupp, olika produktinnehåll. Jämför intäkterna per e-postmeddelande.


