Was ist los:
Eines der heißesten Themen der heutigen Zeit im digitalen Publishing ist die Suche nach dem „Heiligen Gral“ der Abonnements – und viele führende Medienunternehmen haben gezeigt, dass die Benutzerbindung ein wichtiger Faktor ist. Wenn es um die Messung des Engagements geht, scheinen die von Facebook eingeführten Methoden „MAU“ und „DAU“ immer noch am beliebtesten zu sein.
Aber für Deep BI sind diese Methoden nicht umsetzbar. Stattdessen orientierte sich Deep BI an der Financial Times und verwendet den RFV-Engagement-Score: Kombiniert Metriken zu Aktualität, Häufigkeit und Volumen.
Tiefer Graben:
Der Reiz von RFV liegt in der Einzelbewertung, die einfacher zu verfolgen, zu vergleichen und zu verwenden ist. Darüber hinaus liefert jeder Teil der Bewertung wertvolle, umsetzbare Kennzahlen:
- Aktualität : Misst die Anzahl der Tage, die ein Benutzer das Produkt verwendet oder nicht verwendet hat. Dieser Wert liefert Informationen zum Ergreifen von Maßnahmen, um Benutzer zurückzubringen.
- Häufigkeit : Misst die Gesamtzahl der Tage innerhalb eines Zeitraums, an denen ein Benutzer das Produkt verwendet hat, basierend auf auswertbaren Gewohnheiten und damit der Abwanderungsneigung. Dieser Score liefert Informationen zur Etablierung der Benutzerroutine.
- Volumen : Misst den Inhaltsverbrauch anhand der Anzahl der gelesenen Artikel oder einer Kombination von Nutzungsinteraktionen. Dieser Wert hilft Verlagen, ihren Nutzern ein gutes Preis-Leistungs-Verhältnis zu bieten. Deep BI betrachtet es als den wichtigsten Nutzungsindikator.
Deep BI hat seine RFV-Metriken auf seiner Plattform veröffentlicht. Das System des Unternehmens berechnet in Echtzeit die Engagement-Scores jedes Mal, wenn ein Benutzer mit einem digitalen Produkt (App, Service, Website usw.) interagiert, und ergänzt diese Interaktion mit aktuellen Engagement-Metriken.
Verwendung von Engagement-Kennzahlen
Mithilfe von RFV und Deep BI können Engagement-Segmente im Vergleich zu Abonnenten, die Anzahl der engagierten Benutzer im Laufe der Zeit, das Abwanderungsrisiko, von Benutzern bevorzugte Inhaltskategorien, Tage mit den meisten engagierten Benutzern, Städte mit dem höchsten Engagement usw. verfolgt werden. Das Unternehmen verwendet diese RFV-Werte, um:
- Definieren Sie benutzerdefinierte Engagement-Segmente
- Definieren Sie benutzerdefinierte Abwanderungsrisikosegmente
- Zählen Sie die Anzahl der Benutzer in jedem Segment
- Berechnen Sie die Dynamik (Fluss) zwischen Segmenten
- Finden Sie die wichtigsten Treiber für das Engagement
- Überschneidung von Engagement-Segmenten mit anderen Segmenttypen, beispielsweise Abonnementprodukten.
Das Fazit:
Deep BI verwendet RFV-Scores, um Metriken bereitzustellen, die ihnen dabei helfen, eine zahlende, treue Benutzerbasis aufzubauen, indem sie Re-Engagement-Strategien wie Newsletter, Push-Benachrichtigungen und Anzeigen nutzen. Das Unternehmen nutzt das System auch zur Produktverbesserung und einem besseren Empfehlungssystem.