Karmameju – én til én-personalisering af email automation med AI

Karmameju er et dansk skincare-brand med egen webshop i flere markeder. Email automation er brandets stærkeste kanal målt pr. udsendelse, fordi hver mail udløses af en konkret handling fra én konkret kunde.

Potentiale

Automationsflows performer bedre end kampagner, fordi konteksten allerede er kendt. Alligevel ser anatomien i en typisk flowmail ens ud næsten overalt: emnefeltet er statisk, preheaderen er statisk, herobilledet er valgt for et halvt år siden, brødteksten er statisk. Kun produktmodulet tilpasser sig modtageren. Fem elementer, hvoraf ét flytter sig.

Det er ikke et kvalitetsproblem. Det er en begrænsning i den traditionelle flowbygger: den kan kun det, nogen har skrevet en regel for, og ingen har tid til at skrive regler for hver kombination af produkt, sæson, købshistorik og kundetype.

Spørgsmålet var derfor ikke, om der skulle sendes flere mails. Det var, hvor stor en del af en eksisterende udsendelse der kunne besluttes pr. modtager i stedet for pr. flow — og hvad det ville flytte på den anden side af åbningen.

Løsning

Første skridt var en prioritering, ikke en udvikling. Flowene blev rangeret efter antal udløsninger om måneden og mængden af data pr. modtager. Abandoned cart, browse abandonment og back in stock lå øverst, og de tre blev bygget på samme fundament.

Opsætningen ligger som et lag mellem udløseren og afsendelsen:

1. Hændelsen hentes i det sekund, flowet udløses, med kundens profil og det produkt, hun har set på eller lagt i kurven.

2. Ordredata tjekkes for, om produktet allerede er købt inden for de seneste 25 dage. Er det tilfældet, stopper flowet. Den billigste personalisering er den mail, der ikke bliver sendt.

3. Produktdata trækkes ind fra webshoppen: fuld beskrivelse, varianter, aktuel pris, udsalgsstatus og tags. Det er det eneste faktagrundlag, modellen har.

4. Anmeldelsesdata trækkes ind, så vurdering og antal anmeldelser er korrekte på afsendelsestidspunktet.

5. Billedbanken læses, så modellen vælger herobillede blandt de filer, der faktisk findes — ikke blandt de filer, den kunne forestille sig.

Brandets tone er skrevet ind i modellen som en fast instruktion: tiltaleform, sætningslængde, godkendt og ikke-godkendt terminologi, persona. De vigtigste linjer er de negative — ingen pris, ingen rabat, ingen kunstig urgency, ingen udråbstegn, og aldrig en påstand om produktet, der ikke står i produktbeskrivelsen.

Modellen returnerer emnefelt, preheader, herotekst og billedvalg som struktureret data, der skrives tilbage til emailplatformen som egenskaber på hændelsen. Selve afsendelsen ligger uændret i emailsystemet.

Tre ting er bevidst deterministiske. Priser, lagerstatus og links hentes fra systemet og indsættes som variabler — de genereres aldrig som tekst. Billedvalget valideres mod den faktiske filliste, og matcher intet, vælges et defineret fallback. Og fejler et kald, eller mangler data på den enkelte modtager, sender flowet den statiske standardversion frem for ingenting. En personaliseringsopsætning, der kan blokere en udsendelse, er en risiko, ikke et aktiv.

Resultater

Opsætningen blev målt på browse abandonment — bevidst det svageste intentionssignal i hele porteføljen. Produkt, pris, tilbud og timing-logik er uændret. Det eneste, der er ændret, er, hvem beslutningen om indhold træffes for.

Renset for åbningseffekten svarer klikstigningen til omkring 78 procent flere klik pr. åbning. Gevinsten ligger altså efter åbningen — præcis den del, de fleste opsætninger lader stå statisk.

Fundamentet er bygget én gang og genbrugt på tværs af flows, så omkostningen ved at tilføje det næste flow er marginal.