Quantos dos seus subscritores recebem uma oferta que não lhes diz respeito? Numa lista de 20.000 contactos, uma boa parte nunca abre, outra clica em tudo e uma terceira já nem existe. Segmentar é deixar de enviar a mesma mensagem a estes três públicos. Este guia detalha os critérios que funcionam e o método RFM. Falta, no entanto, um ângulo na maioria dos artigos sobre o tema: a qualidade dos próprios dados.
Segmentar por dados demográficos e geográficos
É a triagem mais simples de implementar. Idade e língua formam a base. A localização afina a janela de envio. O setor de atividade soma-se com utilidade em B2B. Estes campos já estão presentes na maioria dos CRM e sincronizam-se diretamente com o ESP por API ou webhook. Um email em inglês enviado a um contacto lusófono perde a abertura antes sequer de ser lido.
Há duas limitações a conhecer. Demasiados campos no registo afasta o prospect ainda antes do primeiro envio. E um critério demográfico isolado nada diz sobre o envolvimento real: um contacto de Lisboa com 35 anos pode perfeitamente ignorar todas as campanhas.
Segmentar por comportamento: aberturas, cliques, navegação
O comportamento revela o que a demografia não mostra. Um contacto que clica em três campanhas consecutivas merece um tratamento diferente daquele que não abre um email há seis meses. A maioria dos ESP, Brevo incluído, permite construir este tipo de segmento sem desenvolvimento:
- Defina a janela de observação: 30, 60 ou 90 dias consoante a frequência de envio.
- Crie um segmento “envolvidos” (pelo menos uma abertura ou um clique na janela).
- Crie um segmento “inativos” (zero interação no mesmo período).
- Isole os cliques em links precisos para despoletar cenários automatizados (recuperação de carrinho, conteúdo ligado ao interesse detetado).
A reatividade aos emails anteriores pesa mais do que qualquer campo demográfico para prever a próxima abertura.
Cruzar recência, frequência e gasto com o método RFM
O método RFM classifica cada contacto segundo três medidas. A recência indica a data da última compra ou da última interação. A frequência conta o número de compras num determinado período. Um terceiro indicador, o montante total gasto, completa a pontuação.
Cada eixo é pontuado de 1 a 5, o que dá uma pontuação de três dígitos. Um contacto 555 é um campeão: compra recente, frequente, carrinho elevado. Um contacto 111 não tem praticamente nenhum valor mensurável. Entre os dois, os segmentos intermédios orientam cenários distintos: reativação para contactos em risco, oferta premium para carrinhos elevados adormecidos.
É a base do cálculo do valor vitalício do cliente (LTV). Uma campanha de emailing B2B que trata um lead qualificado como um subscritor de newsletter comum desperdiça o seu orçamento de envio no segmento errado.
Segmentar por qualidade e validade dos dados
Os critérios demográficos, comportamentais e RFM partilham um ponto fraco: pressupõem que o endereço de email por trás de cada contacto ainda funciona. Nem sempre é verdade. Mais de 20% de uma base de contactos de email torna-se obsoleta todos os anos, entre mudanças de emprego e caixas de entrada encerradas. Os erros de digitação cometidos no registo somam-se a este total, segundo os dados publicados pela Mailgun1.
Um segmento construído sobre endereços mortos distorce todo o resto. A taxa de abertura calculada sobre esse segmento parece catastrófica. A causa real: caixas de entrada que já não existem. Cada envio para um endereço desaparecido gera uma rejeição SMTP (hard bounce). Os fornecedores de correio eletrónico usam isto para avaliar a reputação do remetente.
Tratar a qualidade dos dados como um critério de segmentação por si só muda tudo. Na prática: isole um segmento “a validar”. Reúne os endereços nunca abertos desde a sua adição, mais os registos recentes sem primeira abertura. Os domínios com sintaxe duvidosa completam a triagem. Faça verificar este segmento antes do próximo envio, não depois de um alerta de reputação sobre o seu domínio de envio. Esse controlo acontece a montante do planeamento, não como reação a uma queda na deliverability.
O que a segmentação realmente muda
O estudo mais citado sobre o tema continua a ser o da Mailchimp, realizado em cerca de 2.000 contas que enviaram perto de 11.000 campanhas segmentadas a 9 milhões de destinatários2. Comparadas com campanhas não segmentadas, as campanhas segmentadas apresentam:
- +14,31% na taxa de abertura
- +100,95% na taxa de clique
- -4,65% nas rejeições (bounces)
- -3,90% nas queixas de spam
- -9,37% nas cancelações de subscrição
O detalhe por tipo de segmentação confirma o ponto anterior: a segmentação por atividade reduz os bounces em 9,23%, além de melhorar os cliques. A taxa de abertura continua a ser o indicador mais observado. A redução das rejeições pesa, no entanto, tanto quanto isso na reputação do remetente a médio prazo.
RGPD: o que o consentimento muda na segmentação
Cada dado utilizado para segmentar deve corresponder a um consentimento explícito (opt-in), no momento preciso da sua recolha. Um campo “setor de atividade” preenchido para uma newsletter não pode servir para construir um targeting comercial não anunciado.
A documentação do tratamento (que dados, para que uso, durante quanto tempo conservados) protege também a relação com o subscritor. Um contacto que compreende porque recebe determinado email raramente assinala a campanha como spam.
Indicadores a acompanhar após a implementação
Quatro números bastam para gerir uma segmentação ao longo do tempo:
- Taxa de abertura por segmento: compara a atratividade do assunto entre grupos.
- Taxa de clique por segmento: mede o interesse real pelo conteúdo enviado.
- Taxa de conversão: ações concretas (compra, registo, resposta) após o email.
- Taxa de cancelamento de subscrição: sinaliza uma saturação ou uma má atribuição de segmento.
A taxa de envolvimento cruza vários destes sinais numa única medida. Útil para comparar segmentos de tamanho diferente sem abrir quatro tabelas separadas.
Uma lista bem segmentada continua a ser uma lista viva: verifica-se tanto quanto se divide.
