挑戰:當用戶開始訂閱Blinkist,高度投入,積極性,並且常常電力用戶,因為他們進步進一步的生命周期,他們常常變得更普通用戶甚至休眠用戶。這使得它們高流失風險,因為不活躍用戶大幅更新訂閱的可能性較小。
為了防止這種情況,比去年同期收入,增加Blinkist需要確保用戶保持高度通過保持他們積極從事應用。這意味著,確保他們繼續發現新的內容(眨眼,Shortcasts和集合)。這些內容需要相關性高、質量,我們需要確保用戶上下文的建議。我們也看到了積極的指標更常規的節奏,短形式的電子郵件,和當前的基於事件的內容。我們想要瘦到這些積極的信號為了留住用戶通過更大的相關性內容推薦和創建一個更高頻率的使用。以前的測試和用戶研究表明用戶對內容的需求相關的時事和新聞話題,以及,如果推薦是正確的(即有用,相關),開放接受更多的審稿。
我們預期的運動滿足這個標準會增加電力用戶活動高達15%,有非常積極的連鎖反應收入超過23000000用戶應用程序,可能是非常積極的影響。
解決方案:使用人工智能結合用戶位置連接書從圖書館與用戶現實生活事件發生。
這是如何工作的呢?與數據科學團隊和一個名為g3的AI文案,我們創建了一個完全自動化的活動稱為Blinkist信號。news-based、本地化、個性化的推薦。標題建議將提供基於)熱門地方新聞,b)用戶的位置和c)用戶的行為。然後AI寫複製用於運動和放到解釋為什麼這本書是與該事件有關。
我們將使用連接內容畫關於標題的數據從我們的後台,和標題信息填充到電子郵件如封麵、url和標題。這是建立在一個帆布與用戶的發送標題推薦每日基於這種邏輯。本地化、個性化和獨特的建議我們龐大的用戶基礎不可能不使用這項技術。
最後,以確保機器和人工智能是聰明的,我們測試了這攻擊一個對照組和更少的個性化推薦每天由我們內部編輯團隊。
結果:信號表現人類建議10%的直接參與的內容。我們也看到了+ 15%用戶節省標題聽後。我們的分析顯示,這次競選是一個明顯的成功為用戶創造高意向與我們的程序和內容。運動仍然是進入下一個步驟和迭代,但初步分析表明是特別有用的休眠用戶顯示出強烈的活化率。
經驗從這個活動將被用來通知我們的交往策略,並展示積極的多指標的新聞為基礎內容,定期的韻律為內容的建議,短形式的電子郵件,一個混合自動該策略,以及用戶對使用工具如更加自動化的可伸縮內容GPT3增加。
.png){kind=link}