תחקיר BFCM: מה מתעדים ומה שולחים בהמשך

Checklist over a results dashboard with journeys branching to channels

Cyber Monday נגמר, והצוות כבר עובר לדיוורים של דצמבר. כמה שבועות אחר כך, כבר קשה לזכור איזו הצעה עבדה לאיזה קהל, או למה התזכורת הנוספת ההיא נשלחה ב-6 בבוקר.

תחקיר BFCM מרכז את הפרטים האלה כשעוד אפשר להשתמש בהם. הוא צריך לענות על שתי שאלות: מה קרה, ומה כדאי לשלוח בהמשך — ולמי?

לוח הזמנים, המדדים, התבנית והסגמנטים שבהמשך יעזרו לתכנן את הודעות ההמשך לדצמבר ול-Q1 לפי התוצאות של Black Friday ו-Cyber Monday.

למה צריך תחקיר נפרד ל-BFCM

ב-BFCM תמהיל ההצעות והקהלים ותדירות ההודעות יכולים להשתנות לעומת השגרה. לכן קשה להסיק מסקנות מסך ההכנסות בלבד.

יש שלוש בעיות שכדאי לשים לב אליהן:

ההכנסות מסתירות את העלות. מכירות גבוהות יכולות לבוא עם הנחות עמוקות יותר, החזרות או רווחיות נמוכה יותר.
פתיחות נתפסות כמעורבות. פתיחה לא אומרת שמישהו קרא את ההודעה או שקל לקנות.
ההחלטות מאבדות את ההקשר שלהן. הצוות של השנה הבאה צריך לדעת למה שינינו הצעה או הוספנו תזכורת.

מתעדים את התוצאה, באילו תנאים היא התקבלה ומה כדאי לבדוק בהמשך.

מתי עושים את התחקיר: אחרי 48 שעות, ואז אחרי 30 יום

עוברים על התוצאות פעמיים, בכל פעם למטרה אחרת.

בדיקה ראשונית: בערך 48 שעות אחרי Cyber Monday. ב-BFCM של 2026 (Black Friday ב-27 בנובמבר, Cyber Monday ב-30 בנובמבר), זה יוצא בסביבות 2 בדצמבר. מתעדים את העובדות כשהן עוד טריות:

מה נשלח, מתי, לאילו סגמנטים ובאילו ערוצים
קישורים שבורים, קודים שלא עבדו, עיכובים, מלאי שנגמר או הודעות כפולות
נתונים ראשוניים על הקלקות, הזמנות, הכנסות, הסרות ותלונות
שינויים שנעשו במהלך המבצע, מי עשה אותם ולמה

בבעיות ברורות מטפלים מיד. מסמנים את הממצאים הראשוניים על הביצועים כלא סופיים.

תחקיר מלא: בערך 30 יום אחרי Cyber Monday. חוזרים לבדוק את ההכנסות אחרי החזרים כספיים, את הרווחיות המשוערת ואת הרכישות החוזרות. חלק מההחזרות עוד יכולות להיות בטיפול, וחודש אולי לא מספיק לרכישה נוספת בקטגוריה.

מוסיפים בדיקה אחרי 60 יום כשזה מועיל. מודדים רכישות חוזרות לאורך אותו פרק זמן מהזמנת ה-BFCM הראשונה של כל לקוח, כדי שמי שקנו מוקדם לא יקבלו חלון מדידה ארוך יותר ממי שקנו מאוחר.

לא מודדים את ההצלחה של BFCM לפי פתיחות

מעקב אחרי פתיחות מבוסס על בקשות לטעינת תמונות, שיכולות להתבצע אוטומטית. גם אחרי סינון פעילות אוטומטית, פתיחות לבד לא אומרות אם הודעה הובילה לפעולה מועילה.

בתחקיר:

לא בוחרים שורת נושא או שעת שליחה מנצחת לפי פתיחות בלבד.
לא מגדירים מישהו כמעורב רק כי הוא פתח הודעה.
משאירים את הפתיחות כנתון משלים לצד הקלקות ורכישות.

לפרטים נוספים, אפשר לקרוא מה מודדים מעבר לפתיחות בדיוור.

בודקים גם איך הוגדר הקהל. אם ההגדרה התבססה על פתיחות, משווים אותה לסגמנטים ל-BFCM שמבוססים על הקלקות, ביקורים ורכישות. כשמשווים תוצאות, משתמשים בחלונות המרה אחידים.

המדדים שצריכים להיכנס לתחקיר

מתעדים את המדדים האלה לפי קמפיין, סגמנט וערוץ, כשהנתונים זמינים:

מקליקים ייחודיים, אחרי סינון הקלקות שחשודות כאוטומטיות
הזמנות ושיעור המרה, ומציינים את חלון ההמרה ואת המכנה בחישוב
הכנסה לנמען, עם הגדרה אחידה למי נחשב נמען
מכירות נטו אחרי הנחות והחזרים כספיים, עם סימון של החזרות שעדיין בטיפול
הנחה ממוצעת ורווחיות משוערת להזמנה
שיעורי הסרה ותלונות, לצד המספרים המוחלטים
Incremental lift, אם השתמשנו בקבוצת ביקורת שנבחרה באקראי
שיעורי רכישה חוזרת אחרי 30 ו-60 יום בקרב רוכשי BFCM
רכישות חוזרות אצל מי שקנו בהנחה לעומת מי שקנו במחיר מלא, עם תקופות מעקב באורך זהה
לקוחות שחזרו לקנות, לפי ההגדרה הרגילה ללקוחות לא פעילים

קבוצת ביקורת שנבחרה באקראי — קבוצה שלא מקבלת אף אחת מההודעות שנבדקות — יכולה לעזור להעריך מה נוסף בזכות הדיוורים. מגדירים אם בודקים ערוץ אחד או את הקמפיין כולו, ושומרים על תנאי זכאות זהים להצעה. בלי קבוצת ביקורת, לא מציגים הכנסות שיוחסו לקמפיין כמכירות שנוספו בזכותו.

כשמשווים בין רכישות בהנחה לרכישות במחיר מלא, בודקים את תמהיל המוצרים ואת היסטוריית הלקוחות לפני שמסיקים שההנחה מסבירה את ההבדל.

התבנית לתחקיר

מעתיקים את עשרת הסעיפים האלה למסמך משותף. שומרים על תשובות קצרות ומקשרים כל ממצא לנתונים שתומכים בו.

1. יעדים מול תוצאות

מה רצינו להשיג בהכנסות, ברווחיות, ברכישות חוזרות או בהחזרת לקוחות לפעילות?
באילו יעדים עמדנו, אילו פספסנו ואילו לא הצלחנו למדוד?

2. סגמנטים מול הנחות עבודה

אילו סגמנטים הובילו בהכנסה לנמען ובשיעור ההמרה?
מה היה שונה ממה שציפינו, ומה יכול להסביר את זה?

3. הצעות

אילו הצעות הביאו את התוצאות הכי טובות והכי חלשות בהזמנות, בהכנסה לנמען וברווחיות המשוערת?
משווים קודי הנחה, הנחות אוטומטיות, חבילות, מבצעים לפי קטגוריה, משלוח חינם ומתנות, לפי מה שהיה בשימוש.
קודים הגיעו גם מחוץ לקהל היעד? הייתה הצעה שירדה מתחת לרף הרווחיות המינימלי שלנו?

4. ערוצים

מתעדים תוצאות ועלויות שליחה ב-email, ב-SMS, ב-push, ב-WhatsApp וב-in-app, לפי מה שהיה בשימוש.
הערוצים השלימו זה את זה או חזרו על אותן הודעות?
כשמאחדים תוצאות, סופרים כל הזמנה פעם אחת, גם אם היא מיוחסת לכמה ערוצים.

5. תדירות

כמה הודעות כל קבוצת לקוחות קיבלה בכל הערוצים יחד?
איפה הייתה עלייה בתלונות או בהסרות? בודקים הבדלים בין קהלים ובין הצעות לפני שקובעים תקרת תדירות.

6. תזמון

אילו בדיקות תזמון הראו הבדלים בהקלקות או בהזמנות?
מפרידים בין ממצאים מניסויים לבין תצפיות על יום שישי, סוף השבוע ויום שני.

7. לוח הזמנים בשוק

מתי מותגים אחרים בקטגוריה שלנו התחילו את המבצעים? (מציינים תאריכים מתוך תיבת הדואר הנכנס שלנו ומבדיקות בספריית המודעות, בלי לנחש.)
דפוס הקניות אצלנו נתן רעיון לבדיקת תזמון לשנה הבאה?

8. לקוחות חדשים

כמה לקוחות קנו בפעם הראשונה, מאילו מקורות הם הגיעו, מה הם קנו ובאילו הנחות?
כמה מהם קנו שוב בתוך 30 ו-60 יום?

9. מה השתבש

מה לא עבד או עיכב אותנו? כוללים בעיות טכניות, פערים בנתונים, אישורים וזמינות מלאי.
מה צריך לתקן לפני הקמפיין הבא, ומי אחראי על זה?

10. המלצות לשנה הבאה

בוחרים שלושה עד חמישה שינויים. לכל אחד מגדירים אחראי, תאריך לבדיקה חוזרת ומדד להצלחה.

מההתנהגות ב-BFCM לסגמנטים ולמסעות לקוח

בונים את הסגמנטים האלה אחרי הבדיקה הראשונית ומעדכנים אותם כשהרכישות וההעדפות משתנות. אם מישהו מתאים לכמה סגמנטים, מחליטים איזה מסע לקוח מקבל עדיפות.

לקוחות שהרכישה הראשונה שלהם הייתה ב-BFCM

דצמבר: שולחים טיפים להגדרה הראשונית של המוצר, לתחזוקה או לשימוש בו, לפי מה שהם קנו.
ינואר: מציעים מוצרים קשורים או רכישה שנייה, בתזמון שמתאים למחזור הקנייה הצפוי. לא דוחפים הצעה בינואר אם לא יהיה צורך להחליף את המוצר בחודשים הקרובים.

לקוחות שקונים רק בהנחה (רכישות חוזרות, כולן במבצע)

דצמבר: מתחילים בערך של המוצר, בביקורות ובמוצרים חדשים ורלוונטיים. הזמנת BFCM אחת לא מספיקה כדי לשייך לקוח חדש לסגמנט הזה.
ינואר: בודקים הנחה קטנה יותר, משלוח חינם או חבילה שימושית. משווים רווחיות ורכישות חוזרות לצד המרה.

קהל מעורב שלא קנה (הקליק או ביקר בעמודי מוצר אבל לא רכש)

דצמבר: שולחים הודעות המשך על קטגוריות רלוונטיות, רעיונות למתנות ותזכורות מדויקות לגבי המועד האחרון להזמנה שתגיע בזמן. מוציאים מהמסע את מי שקנו, כשההזמנות נכנסות.
ינואר: מורידים תדירות. אם הם נשארים לא פעילים, פועלים לפי הכללים הרגילים לקהלים לא פעילים.

לקוחות VIP שקנו מוקדם (לקוחות VIP קיימים שהשתמשו בגישה מוקדמת או קנו בשעות הראשונות)

דצמבר: שולחים הודעת תודה בלי מסר מכירתי, ובהמשך עדכונים רלוונטיים.
ינואר: מזמינים לתוכנית נאמנות, מציעים שדרוג מתאים או נותנים הצצה ראשונה להשקה, לפי מה שזמין.

מי שהסירו את עצמם או התלוננו

מפסיקים מיד את ההודעות השיווקיות בערוץ הרלוונטי ומכבדים כל בקשת הסרה רחבה יותר. לא שולחים רצף הודעות שיווקיות לפרידה.
מתעדים את הקהל, את ההצעה ואת תדירות ההודעות בתקופה האחרונה, כדי להיעזר בזה בתכנון לשנה הבאה.

לקוחות לא פעילים שחזרו לקנות

דצמבר: בדיקה קצרה של ההעדפות (איזה ערוץ, באיזו תדירות, אילו קטגוריות), ואז המלצות לפי מה שהם קנו עכשיו.
ינואר: שולחים הודעת המשך במהלך מחזור הקנייה הצפוי. בודקים אם הם קונים שוב לפני שמתייחסים לחזרה עונתית כחזרה לפעילות לאורך זמן.

מגדירים לכל מסע מטרה אחת, יציאה כשהיא מושגת ותקרת תדירות לכל הערוצים יחד.

את ההמלצות לשנה הבאה כותבים עכשיו

משלימים את ההמלצות בתחקיר אחרי 30 יום, ואז מעדכנים את אלה שתלויות בהחזרות מאוחרות יותר או ברכישות חוזרות. מנסחים כל המלצה כך שברור בדיוק מה עושים.

למשל:

בודקים את שני קמפייני ה-BFCM הגדולים ביותר עם קבוצת ביקורת של 10%.
מגדירים רף רווחיות מינימלי לכל קטגוריה לפני שמאשרים הצעות.
בודקים תקרה של שתי הודעות SMS לאדם בסוף השבוע.
בודקים הקדמה של הגישה המוקדמת ללקוחות VIP ביום אחד.

לכל המלצה מגדירים אחראי, מדד להצלחה ותאריך לחזור אליה לפני שמתחילים לתכנן. מקשרים אותה לממצא שהוביל אליה, כדי שהצוות של השנה הבאה יוכל לבחון את ההיגיון מאחוריה.

איפה Joryio נכנסת לתמונה

Joryio מסננת כברירת מחדל פתיחות של bots מוכרים ופתיחות אוטומטיות מנתון הפתיחות הראשי, כך שדוחות BFCM מתחילים מנתונים נקיים יותר. אפשר לבנות את הסגמנטים שלמעלה לפי הקלקות, ביקורים ורכישות, ולחבר כל אחד למסע לקוח ב-email, ב-SMS, ב-push, ב-in-app וב-WhatsApp (ללקוחות שאישרו קבלת הודעות). אפשר גם להגדיר מגבלת תדירות אחת לכל הערוצים יחד, וזה מה שסעיף 5 בתבנית מודד. אפשר לשלב קבוצות ביקורת במסעות הלקוח, כך שההמלצה על קבוצת ביקורת לשנה הבאה הופכת להגדרה במערכת, לא לפרויקט. כשמגיע הזמן לתחקיר, אפשר לייצא מלוחות הבקרה לניתוח נתונים של Joryio את רוב הנתונים שהתבנית מבקשת. כך קל לענות על השאלות שלה בלי לבנות הכול מחדש מאפס.

מתחילים ממסמך אחד ומסגמנט אחד

קובעים את הבדיקה הראשונית לסביבות 2 בדצמבר, בערך יומיים אחרי Cyber Monday. פותחים מסמך משותף עם עשר הכותרות מהתבנית, מחליטים מי אוסף את התוצאות ובוחרים סגמנט אחד למסע לקוח בדצמבר.

לקוחות שהרכישה הראשונה שלהם הייתה ב-BFCM הם נקודת התחלה טובה: משתמשים במה שהם קנו כדי להחליט מה יעזור להם בהמשך.

רוצים לראות איך זה נראה על נתוני ה-BFCM שלכם? אפשר לדבר עם צוות Joryio.