# 過去のメルマガ実績から分析＆レビュー

インプット項目は増えますが、過去のメルマガ実績から分析＆レビュー生成アプリでは、過去に開封率の「良かったメルマガ」と「平均的なメルマガ」、「悪かったメルマガ」のタイトルと開封率から今後作成するメルマガにおける提案を行います。

<figure><img src="/files/FHtECUxssFLjeBGTmol2" alt=""><figcaption></figcaption></figure>

下記の入力例を基に分析とレビューを生成します。

## 入力例 <a href="#example1" id="example1"></a>

**1.開封率のいいメルマガのタイトル：**\
アンケートのお願い

**1 .の開封率 (記入例：〇〇%)：**\
62%

**2.開封率が平均的なメルマガのタイトル：**\
事例をリリースしました

**2.の開封率 (記入例：〇〇%)：**\
31%

**3.開封率の悪かったメルマガのタイトル：**\
新機能をリリースしました

**3.の開封率 (記入例：〇〇%)：**\
21%

**あなたの会社/サービスの業界：**\
IT<br>

<figure><img src="/files/8RLUiHJpFfYCeATOvXSY" alt=""><figcaption></figcaption></figure>

## 結果例 <a href="#example2" id="example2"></a>

<figure><img src="/files/eBygNkFFO1AjAwqIPjFN" alt=""><figcaption></figcaption></figure>

{% code overflow="wrap" %}

```
過去のデータを分析すると、開封率が高かったメルマガは「アンケートのお願い」というタイトルで、受信者が自分の意見やフィードバックを求められていることが示唆されています。これは、受信者が自分が重要であると感じ、メルマガの内容に直接関与できる機会を提供しているため、開封率が高くなる可能性があります。

一方で、「事例をリリースしました」というタイトルのメルマガは平均的な開封率であり、「新機能のリリース」というタイトルのメルマガは開封率が低かったことから、受信者は自社の製品やサービスのアップデートよりも、自分自身に関連する内容や、実際の利用事例に興味を持つ傾向があると考えられます。

これらの分析結果を踏まえて、今後のメルマガ作成においては、以下のようなアプローチが効果的です。

1. 受信者の参加を促す内容：アンケートやフィードバックの要請、クイズやコンテストなど、受信者が積極的に関与できる内容を取り入れる。
2. 実用的な情報提供：受信者が実生活やビジネスに役立つヒント、テクニック、事例などを提供する。
3. パーソナライゼーション：受信者の興味や過去の行動に基づいて、メルマガの内容をカスタマイズする。

開封率を向上させるためのメルマガタイトル案：
1. 「あなたの声が私たちを変える！短いアンケートにご協力ください」
2. 「【限定公開】成功事例から学ぶ、あなたのビジネスを加速する秘訣」
3. 「【参加者募集】あなたのアイデアが賞金を獲得！イノベーションコンテスト開催」
4. 「【あなた専用】過去の購入から見た、おすすめの活用方法をご紹介！」
5. 「【フィードバック特典あり】新サービスをいち早く体験しませんか？」

これらのタイトルは、受信者の関心を引き、彼らがメルマガを開封する動機を与えるように設計されています。また、特典や限定性を強調することで、緊急性を感じさせ、開封率の向上に寄与する可能性があります。
```

{% endcode %}

## アプリ編集画面 <a href="#edit" id="edit"></a>

### インプット <a href="#input" id="input"></a>

標準で用意されているインプット項目とLLMモデル・プロンプトは下記の内容になります。

利用者からのインプット項目を7つご用意しています。インプット項目は追加や削除、入力形式(インプットタイプ)の変更をすることができます。

<figure><img src="/files/5JnH1am7wvyZ2vCIHHyl" alt=""><figcaption></figcaption></figure>

* **1.開封率の良いメルマガのタイトル**
  * 変数：@title1
  * インプットタイプ：テキスト
* **1.の開封率**
  * 変数：@openrate1
  * インプットタイプ：テキスト
* **2.開封率が平均的なメルマガのタイトル**
  * 変数：@title2
  * インプットタイプ：テキスト
* **2.の開封率**
  * 変数：@openrate2
  * インプットタイプ：テキスト
* **3.開封率の悪かったメルマガのタイトル**
  * 変数：@title3
  * インプットタイプ：テキスト
* **3.の開封率**
  * 変数：@openrate3
  * インプットタイプ：テキスト
* **あなたの会社/サービスの業界**
  * 変数：@industry
  * インプットタイプ：テキスト

#### インプットのOne Pointアドバイス <a href="#input_onepoint" id="input_onepoint"></a>

{% hint style="info" %}
インプット項目は増えますが、過去のメルマガの内容をインプットとて追加することにで、より一層詳細な分析やレビューにつながります。
{% endhint %}

### LLMモデル <a href="#model" id="model"></a>

標準モデルは「OPENAI GPT4 TURBO」がセットされています。

{% hint style="warning" %}
モデルを変更することで生成結果は異なります。
{% endhint %}

### プロンプト <a href="#prompt" id="prompt"></a>

{}で囲まれているものはインプットで設定されている変数が当てはめられており、プロンプト記載欄の下にチップの形で表示されている変数をクリックすると簡単に記載ができます。

{% hint style="warning" %}
インプットの変数を変更した際は、プロンプト内の変数も変更する必要があります。
{% endhint %}

#### プロンプトのOne Pointアドバイス <a href="#prompt_onepoint" id="prompt_onepoint"></a>

{% hint style="info" %}
生成するメルマガのタイトル案をいくつ生成するか指定することも可能です。
{% endhint %}


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.allganize.ai/alli-llm-app-market/app-market/default-apps/marketing/analize_mailmagazine.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.