شرکت کارن تکنولوژی - درحال بارگزاری...

نوآوری پرداز کارن

توسعه بر بستر وب و موبایل، خدمات هوش مصنوعی و یادگیری ماشین، توسعه بازی بر بستر موبایل، توسعه بر بستر بلاکچین

شبکه های اجتماعی

تماس آنی ما با شما

در کوتاهترین زمان مشاوره رایگان دریافت نمایید

پیش‌بینی ریزش اشتراک - جایی که مداخله درست محتواست، نه تخفیف

پیش‌بینی ریزش اشتراک - جایی که مداخله درست محتواست، نه تخفیف

در پلتفرم ویدیویی، لغو اشتراک در روز سررسید ثبت می‌شود، ولی تصمیمش هفته‌ها قبل گرفته شده - وقتی کاربر پلتفرم را باز کرد، چیزی برای دیدن پیدا نکرد و بست. این مقاله درباره فاصله میان آن لحظه و روز سررسید است.

در این مقاله می‌خوانید

  • تصمیم کِی گرفته می‌شود؟
  • سیگنال: کاهش تماشا، نه لغو
  • چرا مداخله باید محتوا باشد نه تخفیف
  • ریسکی که کمتر گفته می‌شود
  • گردش‌کار
  • سنجش
  • نقطه شروع
پیش‌بینی ریزش اشتراک در پلتفرم ویدیویی بر پایه الگوی تماشا

تصمیم کِی گرفته می‌شود

اشتراک ماهانه یک ویژگی دارد که آن را از بیمه و مخابرات جدا می‌کند: سررسید مشخص و کوتاه است. کاربر هر ماه دوباره تصمیم می‌گیرد، و هزینه رفتنش صفر است.

ولی تصمیم واقعی در روز سررسید گرفته نمی‌شود. در هفته‌های قبل گرفته می‌شود، در چند باری که کاربر پلتفرم را باز کرد و چیزی برای دیدن پیدا نکرد.

روز سررسید، روز ثبت تصمیم است نه روز گرفتن آن. مداخله در روز سررسید تقریباً همیشه دیر است.

سیگنال: کاهش تماشا

آنچه در داده دیده می‌شود، ترتیب مشخصی دارد:

  • کاهش تعداد دفعات باز کردن اپلیکیشن
  • کوتاه‌تر شدن مدت هر جلسه تماشا
  • افزایش نسبت محتوایی که شروع شده و رها شده
  • کاهش تنوع - کاربر فقط یک ژانر را دنبال می‌کند و بقیه پلتفرم برایش خالی است

مورد آخر معمولاً نادیده گرفته می‌شود ولی سیگنال قوی‌ای است: کاربری که فقط یک سریال را دنبال می‌کند، با تمام شدن آن سریال می‌رود - و این را می‌شود هفته‌ها قبل دید.

و مثل مخابرات، مقایسه باید با الگوی خود کاربر باشد. کاربری که همیشه هفته‌ای یک فیلم می‌دیده در حال ریزش نیست؛ کاربری که از هفته‌ای پنج به هفته‌ای یک رسیده، هست.

چرا مداخله باید محتوا باشد

در مخابرات، مشکل کاربر معمولاً تعرفه یا کیفیت پوشش است. در OTT، مشکل تقریباً همیشه یک چیز است: چیزی برای دیدن پیدا نکرد.

تخفیف این مسئله را حل نمی‌کند. کاربری که محتوای مناسبش را پیدا نمی‌کند، با ماه رایگان هم برنمی‌گردد - فقط رفتنش یک ماه عقب می‌افتد.

مداخله درست، نشان دادن محتوایی است که واقعاً به کارش می‌آید - و اینجاست که مسئله از پیش‌بینی ریزش به سیستم توصیه‌گر وصل می‌شود. این دو در OTT عملاً یک پروژه‌اند، نه دو تا.

نرخ تمدید اشتراک شما به تفکیک ماه چقدر است؟

در جلسه ارزیابی، داده تماشا و پرداخت شما را بررسی می‌کنیم و می‌گوییم مدل‌سازی امروز شدنی است یا نه.

ریسکی که کمتر گفته می‌شود

یک نکته که در جلسات فروش معمولاً مطرح نمی‌شود: پیشنهاد محتوای اشتباه، ریزش را تسریع می‌کند.

کاربری که در آستانه ریزش است و صفحه اولش پر از پیشنهادهای بی‌ربط باشد، تأییدی می‌گیرد بر اینکه «این پلتفرم چیزی برای من ندارد». در این حالت، پیشنهاد ندادن بهتر از پیشنهاد بد است.

برای کاربر پرریسک، آستانه اطمینان توصیه‌گر باید بالاتر باشد نه پایین‌تر. اشتباه رایج، برعکس این است - بمباران پیشنهاد برای کسی که دارد می‌رود.

عملاً یعنی: اگر سیستم توصیه‌گر برای کاربری پیشنهاد با اطمینان بالا ندارد، مسیر درست ارجاع به مداخله انسانی یا هیچ اقدامی است، نه پر کردن صفحه.

گردش‌کار

۱. تجمیع داده تماشا و پرداخت

رویدادهای تماشا با مدت، درصد تکمیل و دستگاه، در کنار تاریخچه پرداخت.

۲. ویژگی نسبت به الگوی خود کاربر

تغییرات نسبت به میانگین متحرک خودش، نه نسبت به میانگین جمعیت.

۳. امتیاز ریزش با افق سررسید

چون سررسید معلوم است، امتیاز با افق مشخص محاسبه می‌شود - مثلاً احتمال عدم تمدید در سررسید پیشِ رو.

۴. انتخاب مداخله

اولویت با پیشنهاد محتوای پراطمینان. اگر چنین پیشنهادی وجود ندارد، اقدام دیگری انتخاب می‌شود یا هیچ.

۵. سنجش با گروه کنترل

بخشی از فهرست پرریسک بدون مداخله می‌ماند تا اثر واقعی معلوم شود.

سنجش و نقطه شروع

معیار اصلی، نرخ تمدید گروه مداخله در برابر گروه کنترل است. معیار دوم که کمتر استفاده می‌شود ولی مفیدتر است: تغییر در مدت تماشا پس از مداخله. اگر تماشا زیاد شد، مداخله درست بوده حتی اگر کاربر در نهایت رفته باشد.

پیشنهاد ما شروع با مشترکان ماهانه است نه سالانه - چون چرخه کوتاه‌تر یعنی بازخورد سریع‌تر و امکان اصلاح در چند ماه به‌جای چند سال.

و پیش از شروع: نرخ تمدید فعلی به تفکیک ماهِ عضویت. معمولاً معلوم می‌شود بیشترین ریزش در ماه دوم یا سوم است، نه در ماه‌های بعد - و همان‌جا جایی است که باید تمرکز کرد.

جزئیات فنی پلتفرم در صفحه تحلیل هوشمند مشتری است و توضیح خودِ مدل‌ها در یادگیری ماشین در محصولات کارن.

بقیه کاربردها در صفحه راهکارهای رسانه و نشر است.

پرسش‌های متداول

چون تصمیم قبلاً گرفته شده. روز سررسید روز ثبت تصمیم است نه روز گرفتن آن؛ کاربر در هفته‌های قبل چند بار پلتفرم را باز کرده و چیزی پیدا نکرده. مداخله باید در همان هفته‌ها انجام شود.

چون مشکل کاربر تقریباً همیشه قیمت نیست - چیزی برای دیدن پیدا نکرده. ماه رایگان فقط رفتنش را یک ماه عقب می‌اندازد. مداخله درست، نشان دادن محتوایی است که واقعاً به کارش می‌آید.

نه، و این نکته‌ای است که معمولاً گفته نمی‌شود: پیشنهاد اشتباه به کاربر پرریسک، ریزش را تسریع می‌کند - چون تأییدی است بر اینکه پلتفرم چیزی برای او ندارد. برای کاربر پرریسک آستانه اطمینان توصیه‌گر باید بالاتر باشد، و اگر پیشنهاد پراطمینانی نیست، هیچ اقدامی بهتر از اقدام بد است.

کاهش تنوع تماشا. کاربری که فقط یک سریال را دنبال می‌کند، با تمام شدن آن می‌رود - و این هفته‌ها قبل قابل دیدن است. در کنارش، کاهش دفعات باز کردن و کوتاه‌تر شدن جلسات، همیشه نسبت به الگوی خود کاربر و نه میانگین جمعیت.

در OTT عملاً یکی هستند. پیش‌بینی می‌گوید با چه کسی کار داریم و توصیه‌گر می‌گوید چه چیزی نشانش بدهیم. جدا کردنشان یعنی داشتن فهرستی از افراد در معرض خطر بدون هیچ اقدام مؤثری برایشان.

با گروه کنترل و معیار نرخ تمدید. معیار دوم و مفیدتر: تغییر مدت تماشا پس از مداخله - اگر تماشا زیاد شد، مداخله درست بوده حتی اگر کاربر در نهایت رفته باشد.

از مشترکان ماهانه نه سالانه، چون چرخه کوتاه‌تر بازخورد سریع‌تری می‌دهد. و پیش از شروع، نرخ تمدید را به تفکیک ماه عضویت اندازه بگیرید؛ معمولاً معلوم می‌شود بیشترین ریزش در ماه دوم یا سوم است و همان‌جا باید تمرکز کرد.

سایر قابلیت‌های پلتفرم مانوتل

صندوق چندکاناله

وب‌سایت، ایمیل، تلگرام، بله، ایتا، واتساپ و اینستاگرام در یک فهرست واحد؛ یک مشتری، یک پرونده.

معرفی کامل پلتفرم >

سیستم تیکتینگ با SLA

برای درخواست‌هایی که در یک نشست تمام نمی‌شوند: شناسه، مالک، وضعیت و مهلت - با محاسبه بر حسب ساعت کاری.

اطلاعات بیشتر >

چت آنلاین سایت

ابزارک زیر ۱۵ کیلوبایت با دستیار هوشمند ۲۴ ساعته، بدون اثر محسوس بر سرعت سایت.

اطلاعات بیشتر >

نصب روی سرور خودتان

نسخه On-Premise با هوش مصنوعی کامل و مدل زبانی محلی؛ داده از شبکه سازمان خارج نمی‌شود.

اطلاعات بیشتر >

جلسه شناخت رایگان، بدون تعهد

یک جلسه ۳۰ دقیقه‌ای رزرو کنید. اسناد خودتان را به دستیار می‌دهیم و همان جلسه نتیجه را می‌بینید.

شرکت سهامی
خاص
2016
تأسیس
+۵۰
متخصص هوش مصنوعی
+۱۲
محصول AI-Ready
+20
صنعت تخصصی
+10
سال تجربه
۰۲
مرکز توسعه
ISO 9001 & 27001
گواهینامه
AI-Native
معماری
Infosys
شریک تجاری
HCL Technologies
شریک تجاری
TCS
شریک تجاری