Was ist los:
Eines der aktuellsten Themen im digitalen Verlagswesen ist die Gewinnung von Abonnements – und viele führende Medienunternehmen haben gezeigt, dass die Nutzerinteraktion ein entscheidender Faktor ist. Wenn es um die Messung der Interaktion geht, scheinen die von Facebook eingeführten Methoden „MAU“ und „DAU“ nach wie vor am beliebtesten zu sein. Für Deep BI sind diese Methoden jedoch nicht praxisorientiert. Stattdessen orientierte sich Deep BI an der Financial Times und verwendet den RFV-Engagement-Score, der Kennzahlen zu Aktualität, Häufigkeit und Umfang kombiniert.
Tiefer Graben:
Der Reiz von RFV liegt in der einzigen Bewertung, die leichter nachzuvollziehen, zu vergleichen und anzuwenden ist. Darüber hinaus liefert jeder Teil der Bewertung wertvolle, handlungsrelevante Kennzahlen:
- Aktualität : Misst die Anzahl der Tage, an denen ein Nutzer das Produkt genutzt hat bzw. nicht genutzt hat. Dieser Wert liefert Informationen, um Maßnahmen zur Nutzerrückgewinnung zu ergreifen.
- Nutzungshäufigkeit : Misst die Gesamtzahl der Tage innerhalb eines bestimmten Zeitraums, an denen ein Nutzer das Produkt verwendet hat, um Nutzungsgewohnheiten zu analysieren und somit die Abwanderungswahrscheinlichkeit einzuschätzen. Dieser Wert liefert Informationen zur Ermittlung der Nutzerroutine.
- Volumen : Misst den Konsum von Inhalten anhand der Anzahl gelesener Artikel oder einer Kombination verschiedener Nutzungsinteraktionen. Dieser Wert hilft Verlagen, ihren Nutzern einen Mehrwert zu bieten; Deep BI betrachtet ihn als den wichtigsten Nutzungsindikator.
Deep BI hat seine RFV-Metriken auf seiner Plattform veröffentlicht. Das System des Unternehmens berechnet in Echtzeit die Engagement-Werte bei jeder Interaktion eines Nutzers mit einem digitalen Produkt (App, Dienst, Website usw.) und ergänzt diese Interaktion mit aktuellen Engagement-Metriken.
Nutzung von Engagement-Metriken
Mithilfe von RFV und Deep BI werden Engagement-Segmente im Vergleich zu Abonnenten, die Anzahl der aktiven Nutzer im Zeitverlauf, das Abwanderungsrisiko, die bevorzugten Inhaltskategorien, die Tage mit den meisten aktiven Nutzern, die Städte mit dem höchsten Engagement usw. analysiert. Das Unternehmen nutzt diese RFV-Werte für folgende Zwecke:
- Benutzerdefinierte Engagement-Segmente definieren
- Definieren Sie benutzerdefinierte Abwanderungsrisikosegmente
- Zählen Sie die Anzahl der Nutzer in jedem Segment
- Dynamik (Fluss) zwischen Segmenten berechnen
- Identifizieren Sie die wichtigsten Engagement-Faktoren
- Überschneidungen von Engagement-Segmenten mit anderen Segmenttypen, wie beispielsweise Abonnementprodukten.
Das Fazit:
Deep BI nutzt RFV-Scores, um Kennzahlen bereitzustellen, die dem Unternehmen helfen, eine zahlende und loyale Nutzerbasis aufzubauen. Dazu setzt es Re-Engagement-Strategien wie Newsletter, Push-Benachrichtigungen und Anzeigen ein. Das System wird außerdem zur Produktverbesserung und für ein optimiertes Empfehlungssystem verwendet.
