Ano ang nangyayari:
Isa sa mga pinakamainit na paksa ngayon sa digital publishing ay ang paghahanap ng "banal na kahulugan" ng mga subscription — at maraming nangungunang kumpanya ng media ang nagpakita na ang isang pangunahing dahilan ay ang pakikipag-ugnayan ng gumagamit. Pagdating sa pagsukat ng pakikipag-ugnayan, ang mga pamamaraang "MAU" at "DAU" na ipinakilala ng Facebook ay tila pa rin ang pinakasikat. Ngunit para sa Deep BI, ang mga pamamaraang ito ay hindi magagamit. Sa halip, kinuha ng Deep BI ang pahiwatig nito mula sa Financial Times at ginamit ang RFV engagement score: pinagsasama ang mga sukatan sa recency, frequency at volume.
Paghuhukay ng mas malalim:
Ang kaakit-akit ng RFV ay ang iisang iskor, na mas madaling sundan, ihambing, at gamitin. Gayundin, ang bawat bahagi ng iskor ay nagbibigay ng mahahalagang sukatan na maaaring gamitin:
- Kamakailan : Sinusukat ang bilang ng mga araw na ginagamit o hindi ginagamit ng isang gumagamit ang produkto. Ang iskor na ito ay nagbibigay ng impormasyon para sa pagkilos upang maibalik ang mga gumagamit.
- Dalas : Sinusukat ang bilang ng kabuuang araw sa loob ng isang yugto ng panahon na ginamit ng isang gumagamit ang produkto, upang masuri ang mga gawi at samakatuwid ay ang hilig sa pag-churn. Ang iskor na ito ay nagbibigay ng impormasyon para sa pagtatatag ng gawain ng gumagamit.
- Dami : Sinusukat ang pagkonsumo ng nilalaman sa bilang ng mga artikulong nabasa o kombinasyon ng mga interaksyon sa paggamit. Ang iskor na ito ay nakakatulong sa mga publisher na magbigay ng magandang halaga sa kanilang mga gumagamit; Itinuturing ito ng Deep BI na pinakamahalagang tagapagpahiwatig ng paggamit.
Inilabas na ng Deep BI ang mga RFV metrics nito sa platform nito. Kinakalkula ng sistema ng kumpanya, sa real-time, ang mga marka ng pakikipag-ugnayan sa bawat pagkakataong nakikipag-ugnayan ang isang user sa isang digital na produkto (app, serbisyo, website, atbp.), at pinapalakas ang interaksyon na iyon gamit ang mga kasalukuyang engagement metrics.
Paggamit ng mga sukatan ng pakikipag-ugnayan
Gamit ang RFV, Deep BI para subaybayan ang mga segment ng pakikipag-ugnayan kumpara sa mga subscriber, bilang ng mga engaged user sa paglipas ng panahon, churn risk, mga kategorya ng nilalaman na mas gusto ng mga user, mga araw na may pinakamaraming engaged user, mga lungsod na may pinakamataas na pakikipag-ugnayan, atbp. Ginagamit ng kumpanya ang mga RFV score na iyon para:
- Tukuyin ang mga segment ng custom na pakikipag-ugnayan
- Tukuyin ang mga segment ng panganib ng custom na churn
- Bilangin ang bilang ng mga gumagamit sa bawat segment
- Kalkulahin ang dinamika (daloy) sa pagitan ng mga segment
- Maghanap ng mga pangunahing dahilan ng pakikipag-ugnayan
- Pagsasanib-puwersa ng mga segment ng pakikipag-ugnayan sa iba pang mga uri ng segment, tulad ng mga produkto ng subscription.
Ang ilalim na linya:
Gumagamit ang Deep BI ng mga marka ng RFV upang magbigay ng mga sukatan upang matulungan silang mapalago ang isang nagbabayad at tapat na base ng gumagamit, gamit ang mga estratehiya sa muling pakikipag-ugnayan tulad ng mga newsletter, push notification at mga ad. Ginagamit din ng kumpanya ang sistema para sa pagpapabuti ng produkto at isang mas mahusay na sistema ng rekomendasyon.
Nilalaman mula sa aming mga kasosyo
