Apa yang berlaku:
Salah satu topik paling hangat hari ini dalam penerbitan digital ialah mencari "holy grail" langganan — dan banyak syarikat media terkemuka telah menunjukkan bahawa pemacu utama ialah penglibatan pengguna. Apabila ia datang untuk mengukur penglibatan, kaedah "MAU" dan "DAU" yang diperkenalkan oleh Facebook nampaknya masih paling popular.
Tetapi untuk Deep BI, kaedah ini tidak boleh diambil tindakan. Sebaliknya, Deep BI mengambil petunjuk daripada Financial Times dan menggunakan skor penglibatan RFV: menggabungkan metrik pada keterkinian, kekerapan dan volum.
Menggali lebih dalam:
Daya tarikan RFV ialah skor tunggal, yang lebih mudah untuk diikuti, dibandingkan dan digunakan. Selain itu, setiap bahagian skor menyediakan metrik berharga yang boleh diambil tindakan:
- Kekinian : Mengukur bilangan hari pengguna telah atau belum menggunakan produk. Skor ini memberikan maklumat untuk mengambil tindakan untuk membawa pengguna kembali.
- Kekerapan : Mengukur bilangan hari dalam tempoh masa yang pengguna telah menggunakan produk, kepada tabiat yang boleh dinilai dan oleh itu kecenderungan membangkitkan. Skor ini menyediakan maklumat untuk mewujudkan rutin pengguna.
- Jilid : Mengukur penggunaan kandungan dalam bilangan artikel yang dibaca atau gabungan interaksi penggunaan. Skor ini membantu penerbit memberikan nilai yang baik kepada pengguna mereka; Deep BI menganggapnya sebagai penunjuk penggunaan yang paling penting.
Deep BI telah mengeluarkan metrik RFVnya pada platformnya. Sistem syarikat mengira, dalam masa nyata, markah penglibatan setiap kali pengguna berinteraksi dengan produk digital (apl, perkhidmatan, tapak web dll.), dan menambah interaksi tersebut dengan metrik penglibatan semasa.
Menggunakan metrik penglibatan
Menggunakan RFV, Deep BI untuk menjejaki segmen penglibatan berbanding pelanggan, bilangan pengguna yang terlibat dari semasa ke semasa, risiko churn, kategori kandungan yang disukai pengguna, hari dengan kebanyakan pengguna yang terlibat, bandar dengan penglibatan tertinggi, dll. Syarikat menggunakan skor RFV tersebut untuk:
- Tentukan segmen penglibatan tersuai
- Tentukan segmen risiko churn tersuai
- Kira bilangan pengguna dalam setiap segmen
- Kira dinamik (aliran) antara segmen
- Cari pemacu penglibatan utama
- Menyilang segmen interaksi dengan jenis segmen lain, seperti produk langganan.
Kandungan daripada rakan kongsi kami
Intinya:
Deep BI menggunakan skor RFV untuk menyediakan metrik untuk membantu mereka mengembangkan pangkalan pengguna yang membayar dan setia, menggunakan strategi penglibatan semula seperti surat berita, pemberitahuan tolak dan iklan. Syarikat juga menggunakan sistem untuk penambahbaikan produk dan sistem pengesyoran yang lebih baik.
