E-posta teslim edilebilirliği, gönderilen bir mesajın reddedilmek, spam klasörüne filtrelenmek veya sessizce atılmak yerine alıcının gelen kutusuna ulaşıp ulaşmadığı sorusudur. Bu, yalnızca alıcı sunucunun mesajı kabul ettiğini kaydeden teslimat oranından farklıdır ve ikisi arasındaki fark, çoğu e-posta programının farkında olmadan hedef kitlesini kaybettiği noktadır.
E-posta sağlayıcıları, filtreleme kararlarını öncelikle gönderenin itibarına göre verir; bu itibar ise alıcıların davranışlarından oluşur. Açılma, yanıt verme ve mesajları spam klasöründen çıkarma olumlu sinyallerdir. Okunmadan silme, spam şikayetleri ve artık mevcut olmayan adreslere gönderilen mesajlar ise olumsuz sinyallerdir. Pratikte bunun anlamı, teslim edilebilirliğin yalnızca mesaj içeriğini ayarlayarak düzeltilemeyeceğidir: bu, kime gönderildiğine, ne sıklıkla gönderildiğine ve alıcının bunu isteyip istemediğine bağlıdır.
Kimlik doğrulama, bir optimizasyon değil, giriş şartıdır. SPF, hangi sunucuların bir alan adı için gönderim yapabileceğini belirtir; DKIM, mesajları kriptografik olarak imzalayarak kurcalamanın tespit edilebilir olmasını sağlar; DMARC ise alıcı sunuculara bu kontroller başarısız olduğunda ne yapmaları gerektiğini söyler ve raporlama sağlar. Büyük sağlayıcılar, uygulama süreçlerini giderek sıkılaştırmış ve doğru kimlik doğrulaması olmayan toplu göndericiler artık yalnızca yerleştirme oranlarının düşürülmesiyle değil, reddedilme ile karşı karşıya kalmıştır. Bunların doğru şekilde yapılandırılması, daha sonraki çalışmalar için bir ön koşuldur.
Liste edinme uygulamaları, diğer her şeyin sınırını belirler. Satın alınan listeler, izinsiz toplanan adresler ve agresif toplama taktikleri, yüksek şikayet oranlarına ve izinsiz posta gönderenleri belirlemek için özel olarak tutulan adresler olan spam tuzaklarına takılmaya neden olur. Bu kaynaklardan kaynaklanan hasar hızla birikir ve onarılması önemli zaman alır; kötü oluşturulmuş bir listenin telafisi için hiçbir içerik veya zamanlama optimizasyonu yeterli olmaz.
Etkileşime dayalı gönderim, çoğu program için mevcut en etkili kaldıraçtır. Sağlayıcılar alıcı davranışına büyük önem verdiğinden, hiç açmayan kişilere sürekli olarak posta göndermek, filtreleri gönderenin postasının istenmeyen bir şey olduğu yönünde eğitir ve bu yargı daha sonra etkileşimli alıcılara teslimatı da etkiler. Etkileşime göre segmentasyon, aktif olmayan segmentlere gönderim sıklığının azaltılması ve nihayetinde sürekli olarak etkileşimde bulunmayan adreslerin kaldırılması, gönderilen posta sayısını azaltmasına rağmen, genellikle hem gelen kutusuna yerleştirme oranını hem de toplam yanıt oranını iyileştirir.
Filtreleme sistemleri için hacim ve tutarlılık kalıpları önemlidir. Geçmişi bilinmeyen bir alan adından veya adresten gelen gönderim hacmindeki ani ve büyük artışlar, ele geçirilmiş bir hesabın kalıbına benziyor; bu nedenle yeni gönderim yapan alan adları ve adreslerin haftalar boyunca kademeli olarak ısınması gerekiyor. Benzer şekilde, uzun sessizlik dönemlerini büyük kampanyaların izlediği düzensiz gönderimler, alıcı sistemlerin tanıyabileceği istikrarlı bir ritimden daha kötü performans gösterir.
Teşhis, kampanya raporunun ötesine bakmayı gerektirir, çünkü başarılı teslimat bildiren bir platform, mesajların gelen kutularına mı yoksa spam klasörlerine mi ulaştığını göremez. Büyük sağlayıcılar genelinde örnek liste testleri, geri bildirim döngüleri aracılığıyla şikayet oranlarının izlenmesi, DMARC toplu raporları, sağlayıcı postmaster araçları ve kara liste izleme, birlikte doğru bir tablo sunar. Gönderim platformunun kendi metriklerine güvenen programlar, genellikle hedef kitlelerinin önemli bir bölümünün aylardır mesaj görmediği durumlarda bile teslimat oranlarının iyi olduğunu düşünürler.
Temel etkenler teknik yapılandırmadan ziyade izin, alaka düzeyi ve sıklık olduğundan, iyileştirme genellikle programın izleyicisine yaklaşım biçimini değiştirmeyi gerektirir. Pratikte bu, şu kapsamda yer alır: pazarlama hizmetleri Yaşam döngüsü ve kampanya stratejisinin yanı sıra, kimlik doğrulama ve alan adı yapılandırması da şu şekilde ele alınır: ürün geliştirmeve davranışsal veriler üzerinden elde edilen etkileşim segmentasyonu. Veri analizi.