Embeds

Zeigen Sie vollständig automatisierte Empfehlungen in Ihren E-Mails an.

Grundlagen #

Diese werden verwendet, um Empfehlungen direkt in jede E-Mail innerhalb eines E-Mail-Clients einzubetten. Es ist der einfachste und flexibelste Weg, bestehende E-Mail-Workflows mit Clerks AI zu verbessern.

Eingebettete E-Mail-Empfehlungen bestehen aus einem Inhalt, in dem Sie den Namen, die Produktlogik und andere Einstellungen konfigurieren, und einem Design, das das Aussehen und das Gefühl der Empfehlungen steuert.

Sobald Sie Ihren Inhalt und Ihr Design konfiguriert haben, können Sie einfach den Embed-Code in Ihre E-Mail-Plattform kopieren und einfügen, um Ergebnisse an dieser Stelle anzuzeigen.

Konfiguration #

Jede eingebettete E-Mail-Empfehlung hat eine Reihe von Einstellungen, die es Ihnen ermöglichen, sie an Ihr einzigartiges E-Mail-Setup anzupassen.

Produktlogiken #

E-Mail kommt mit einer großen Auswahl an Produktlogiken, die Sie verwenden können, um Empfehlungen anzuzeigen.

Sie reichen von allgemein, wie Bestseller oder Beliebte Produkte, bis hin zu völlig personalisierten wie Empfehlungen basierend auf Bestellungen. Produktlogiken werden auf der Inhaltsseite einer eingebetteten E-Mail-Empfehlung konfiguriert.

E-Mail-Plattform #

Clerk hat Integrationen mit einer Vielzahl von E-Mail-Plattformen. Für eingebettete Empfehlungen werden die Integrationen verwendet, um zwei spezifische Informationen aus dem E-Mail-Client abzurufen, über Merge-Tags:

Die E-Mail-Adresse des Empfängers, um mit spezifischen Produktlogiken zu personalisieren.
Ein Cache-Buster, der einen einzigartigen Wert für jede gesendete E-Mail hinzufügt, um Caching zu vermeiden, das andernfalls dieselben Produkte in mehreren E-Mails anzeigen würde.

Indem Sie Ihre Plattform aus der Liste auswählen, werden diese Merge-Tags automatisch zum Embed-Code hinzugefügt.

Wenn Ihre E-Mail-Plattform noch nicht Teil der Liste der Integrationen ist, wählen Sie einfach Andere und fügen Sie die Merge-Tags manuell hinzu.

Zusätzliche Argumente #

Einige Logiken erfordern, dass Sie zusätzliche Informationen hinzufügen, wie Kategorie-IDs oder Schlüsselwörter, die im In E-Mail einfügen -Tab hinzugefügt werden.

Embed-Code #

Wenn ein Benutzer eine E-Mail öffnet, die einen Embed-Code enthält, wird ein Aufruf an die Clerks API gemacht, um die Produkte abzurufen, die durch das Design, das Sie in einem headless Browser konfiguriert haben, gerendert werden und als Bild zurückgegeben werden, um in der E-Mail angezeigt zu werden.

Struktur #

Unten finden Sie ein Beispiel für einen Embed-Code, der 2 Produkte zeigt. Jedes Produkt besteht aus einem Link zur Produktseite und einem Bild, das das Produkt zeigt.

<center> 
    <a  class="clerk-email-product" 
        href="https://api.clerk.io/v2/campaigns/click?key=Ipkv9tKfxRdpLv3mpMhqxfWGNdqugE0c&embed=personalised-recommendations&email={{ email }}&n=0&v={% current_day %}{% current_month_name %}{% current_year %}&append=utm_source%3Dclerk%26utm_medium%3Demail%26utm_campaign%3Dpersonalised-recommendations%26utm_content%3Dclerk-recommendations&keywords=star%20wars" 
        target="_blank" 
        style="text-decoration: none; ">
        <img src="https://api.clerk.io/v2/campaigns/embed?key=Ipkv9tKfxRdpLv3mpMhqxfWGNdqugE0c&embed=personalised-recommendations&email={{ email }}&n=0&v={% current_day %}{% current_month_name %}{% current_year %}&append=utm_source%3Dclerk%26utm_medium%3Demail%26utm_campaign%3Dpersonalised-recommendations%26utm_content%3Dclerk-recommendations&keywords=star%20wars" />
    </a>
    <a  class="clerk-email-product" 
        href="https://api.clerk.io/v2/campaigns/click?key=Ipkv9tKfxRdpLv3mpMhqxfWGNdqugE0c&embed=personalised-recommendations&email={{ email }}&n=1&v={% current_day %}{% current_month_name %}{% current_year %}&append=utm_source%3Dclerk%26utm_medium%3Demail%26utm_campaign%3Dpersonalised-recommendations%26utm_content%3Dclerk-recommendations&keywords=star%20wars" 
        target="_blank" 
        style="text-decoration: none; ">
        <img src="https://api.clerk.io/v2/campaigns/embed?key=Ipkv9tKfxRdpLv3mpMhqxfWGNdqugE0c&embed=personalised-recommendations&email={{ email }}&n=1&v={% current_day %}{% current_month_name %}{% current_year %}&append=utm_source%3Dclerk%26utm_medium%3Demail%26utm_campaign%3Dpersonalised-recommendations%26utm_content%3Dclerk-recommendations&keywords=star%20wars" />
    </a>
</center>

Links verwenden Aufrufe zu campaigns/click, die den Kunden durch das Tracking-System von Clerk leiten und dann zur Produktseite.

Bilder verwenden Aufrufe zu campaigns/embed, die das Bild zurückgeben, das in der E-Mail angezeigt werden soll.

Parameter #

Dies sind die Datenpunkte, die in den API-Aufrufen verwendet werden:

Parameter	Beschreibung
`key`	Der API-Schlüssel des Shops
`embed`	Ein Verweis auf die ID des Inhalts, den Sie erstellt haben
`email`	Die E-Mail-Adresse des Empfängers, die von Ihrer E-Mail-Plattform über ein Merge-Tag hinzugefügt wird
`n`	Die Position des Produkts in der Liste der Empfehlungen, beginnend bei Index 0
`v`	Der Cache-Buster, z.B. ein Zeitstempel oder Kampagnen-ID, um Caching zu vermeiden.
`append`	Zusätzliche Parameter, die als Abfrageparameter enthalten sein sollten, wenn Clerk den Benutzer zur Produktseite leitet. Standardmäßig sind dies UTM-Codes, die für das Tracking mit Google Analytics verwendet werden.
`keywords`	Nur für Schlüsselworteempfehlungen hinzugefügt, enthält dies die URL-kodierten Schlüsselwörter, die verwendet werden, um die Empfehlungen anzuzeigen.
`category`	Nur für Kategorieneempfehlungen hinzugefügt, enthält dies die ID der Kategorie, aus der Produkte angezeigt werden sollen.
`products`	Nur für die besten Cross-Sells und besten Alternativen hinzugefügt, enthält dies die ID(s) des/der Produkte, für die Empfehlungen angezeigt werden sollen.
`filter`	Optionales Argument, das verwendet wird, um dynamische Filter für die Empfehlungen hinzuzufügen, basierend auf unserer Filters-Funktion.

Der Cache-Buster ist notwendig, da ein einzelner E-Mail-Empfehlungen-Embed-Code verwendet werden kann, um Produkte in Tausenden von E-Mails anzuzeigen, da er einfach API-Aufrufe an Clerk macht, wenn die E-Mail von einem Benutzer geöffnet wird.

Da der Bildlink gleich bleibt, werden viele E-Mail-Clients ihn cachen und dieselben Produkte anzeigen, anstatt den neuen API-Aufruf zu machen. Der Cache-Buster stellt sicher, dass die E-Mail-Clients jede E-Mail als einzigartige Anfrage sehen.

Tracking #

Die Leistung der eingebetteten Empfehlungen wird durch die URL-Parameter verfolgt, die enthalten sind, wenn der Benutzer zur Produktseite geleitet wird.

Struktur #

Die Ziel-URL enthält:

Google Analytics UTM-Codes
Clerks eigene Tracking-Parameter, die durch Clerk.js identifiziert werden.

Hier ist ein Beispiel für eine URL:

https://www.theschwartz.com/?utm_source=clerk&utm_medium=email&utm_campaign=personalised-recommendations&utm_content=clerk-recommendations&clerk_product=28081&clerk_labels=Personalisierte+Empfehlungen&clerk_api=recommendations%2Akeywords&clerk_n=0&clerk_external=1&clerk_email=gAAAAABnoLO_YDvTRvfT4ed8pRIYjqQzo38JtrdwRIM-VYDuJO8awxImzfgDB3M-Jfr29WUoayvYNV4XxqixK3-bvukeYy6uDEgRfvuomLxhpVLVn6xoUPk%3D

Parameter #

Die UTM-Parameter für Google Analytics können angepasst werden, um das Tracking zu entsprechen, das Sie in Tracking-Code unter In E-Mail einfügen wünschen, während die Clerk-Parameter automatisch in der API-Anfrage an campaigns/click hinzugefügt werden.

Die enthaltenen Parameter sind:

Parameter	Beschreibung
`utm_source`	Quelle des Traffics, in diesem Fall Clerk.
`utm_medium`	Marketingmedium, in diesem Fall E-Mail.
`utm_campaign`	Marketingkampagne, basierend auf dem Namen des Inhalts.
`utm_content`	Spezifisches Inhaltsstück, das clerk-recommendations ist.
`clerk_product`	Die ID des angeklickten Produkts.
`clerk_labels`	Das für den Inhalt konfigurierte Label.
`clerk_api`	API-Endpunkt, der für die Empfehlung verwendet wird.
`clerk_n`	Position des Produkts in der Liste der Empfehlungen.
`clerk_external`	Gibt Clerk an, dass das Produkt außerhalb des Webshops angeklickt wurde.
`clerk_email`	E-Mail-Adresse des Empfängers als kodierte Zeichenfolge.

Diese Seite wurde von einer hilfreichen KI übersetzt, daher kann es zu Sprachfehlern kommen. Vielen Dank für Ihr Verständnis.