正在发生的事情：
如今，数字出版领域最热门的话题之一是如何找到订阅的“圣杯”——许多领先的媒体公司已经证明，用户参与度是关键驱动因素。在衡量用户参与度方面，Facebook推出的“月活跃用户数”（MAU）和“日活跃用户数”（DAU）方法似乎仍然是最流行的。但对于Deep BI而言，这些方法并不实用。因此，Deep BI借鉴了《金融时报》的做法，采用了RFV参与度评分：该评分结合了最近访问时间、访问频率和访问量这三个指标。.
深入挖掘：
RFV 的吸引力在于其单一评分，该评分更易于理解、比较和使用。此外，评分的每个部分都提供了可操作的有价值的指标：
- 最近使用率：衡量用户使用或未使用产品的天数。该指标可为采取措施吸引用户回归提供信息。
- 使用频率：衡量用户在特定时间段内使用产品的总天数，用于评估用户习惯和流失倾向。该指标有助于了解用户的使用习惯。
- 内容消费量：衡量内容的消费情况，指标包括文章阅读量或多种互动方式的组合。该指标有助于发布商为用户提供优质内容；Deep BI 认为它是最重要的使用指标。
Deep BI 已在其平台上发布了 RFV 指标。该公司的系统能够实时计算用户每次与数字产品（应用、服务、网站等）互动时的互动得分，并将该互动与当前的互动指标相结合。.
使用互动指标
利用 RFV 和 Deep BI，公司可以追踪用户参与度细分与订阅用户数量、一段时间内的活跃用户数量、用户流失风险、用户偏好的内容类别、用户参与度最高的日期、用户参与度最高的城市等信息。公司利用这些 RFV 分数来：
- 定义自定义互动细分
- 定义自定义流失风险细分
- 统计每个细分市场中的用户数量。
- 计算各段之间的动态（流量）
- 找到关键的参与驱动因素
- 将参与细分市场与其他类型的细分市场（例如订阅产品）进行交叉。.
结论是：
Deep BI 利用 RFV 评分来提供指标，以帮助他们通过新闻简报、推送通知和广告等方式来拓展付费忠实用户群。该公司还利用该系统来改进产品并优化推荐系统。.
