Model Keletihan Notifikasi Tolak 4-Tingkat

Notifikasi tolak ialah cara paling murah untuk kehilangan pengguna. Lengkung pengekalan pada 1 notifikasi sehari kelihatan baik - data industri daripada Localytics dan Urban Airship berkumpul sekitar 88 peratus pengekalan tiga bulan. Pada 3 notifikasi sehari, lengkung itu menurun sebanyak 17 mata peratusan. Pada 5 notifikasi sehari, ia menurun sebanyak 34. Bentuknya curam dan tidak boleh diundurkan: 46 peratus pengguna memilih untuk menolak notifikasi sepenuhnya apabila sesebuah aplikasi menghantar 2 hingga 5 notifikasi seminggu yang tidak mereka mahukan.

Respons Soulwise ialah model keletihan 4-tingkat. Ia mengesan kemerosotan kadar buka dalam tetingkap bergulir 14 hari dan secara beransur-ansur mengurangkan jumlah notifikasi sebelum pengguna memilih keluar untuk selamanya.

Catatan ini menelusuri reka bentuk, ambang, dan logik pemulihannya.

Empat peringkat

Mesin keadaan ini kecil. Setiap pengguna berada dalam tepat satu peringkat pada satu-satu masa.

• T0 - Sihat. Jadual penuh. Gesaan ritual pagi, picu kontekstual tengah pagi, refleksi petang, serta gesaan berpaut peristiwa.
• T1 - Diturunkan. Picu kontekstual tengah pagi dijeda. Selebihnya diteruskan.
• T2 - Paut sahaja. Hanya gesaan ritual pagi dan retrospektif Ahad yang kekal. Semua tolakan budi bicara dijeda.
• T3 - Mingguan sahaja. Satu tolakan mingguan tunggal yang bertahan. Irama harian digantung.

Susunannya penting. Tengah pagi yang pertama dibuang kerana ia membawa berat peristiwa paling rendah: ia satu picu kontekstual, bukan sebahagian daripada ritual harian itu sendiri. Gesaan pagi dikekalkan paling lama kerana tolakan harian berpaut peristiwa menghasilkan kira-kira 2.85x pengekalan berbanding yang generik; membunuhnya bermakna membunuh aplikasi itu.

Apa yang mencetuskan perubahan tahap

Tetingkap data kadar buka selama 14 hari bergulir bagi setiap pengguna. Setiap hari, model meneliti 14 hari terakhir dan mengira kadar buka pengguna bagi pemberitahuan tolak yang dihantar dalam tetingkap tersebut.

Ambang Soulwise ialah kemerosotan kadar buka sebanyak 30 peratus daripada garis dasar peribadi pengguna. Jika seseorang pengguna biasanya membuka 60 peratus pemberitahuan tolak dan tetingkap bergulir jatuh ke 42 peratus atau lebih rendah, model akan menurunkan tahap mereka. Penurunan ini mesti berterusan sekurang-kurangnya 3 hari supaya tidak bertindak balas terhadap satu minggu yang buruk sahaja (percutian, sakit, atau minggu yang sibuk di tempat kerja).

Kenaikan pula bersifat simetri. Jika seseorang pengguna berada di T2 dan kadar buka mereka naik semula melebihi garis dasar mereka tolak ambang 30 peratus selama 3 hari berturut-turut, mereka akan naik ke T1. Pemulihan ke T0 mengambil langkah yang sama.

Mengapa notifikasi yang berpaut pada peristiwa bertahan paling lama

Data Localytics / Urban Airship yang mendorong reka bentuk ini: notifikasi harian yang berpaut pada peristiwa menghasilkan kira-kira 2.85x pengekalan berbanding notifikasi harian generik. Notifikasi generik "log masuk dengan kami!" pada pukul 9 pagi mudah dilupakan. Gesaan pagi yang berpaut pada fasa kitaran sebenar hari ini ("Permulaan yang lembut. Apa agenda anda hari ini?") berpaut pada peristiwa - ia membawa maklumat baharu.

T2 mengekalkan gesaan pagi kerana membuangnya bermakna membuang seluruh ritual harian. Segala-galanya dalam aplikasi ini dibina berpaksikan pengguna yang log masuk sekali pada waktu pagi dan sekali pada waktu malam. Tanpa gesaan itu, gelung ini terputus.

UX sepanduk keletihan

Apabila seseorang pengguna diturunkan tahap, aplikasi memaparkan sepanduk kecil di dalam aplikasi pada kali seterusnya mereka membukanya:

"Kami telah mengurangkannya selama 7 hari - mahu tingkatkan semula?"

Ayat itu melakukan tiga perkara: ia mengiktiraf perubahan, mengaitkannya dengan tingkah laku aplikasi (bukan kegagalan pengguna), dan menawarkan kuasa pilihan. Pengguna boleh membatalkan penurunan tahap ini dengan satu ketikan sahaja jika mereka mahukan pemberitahuan kembali.

Hal ini penting kerana penurunan tahap yang senyap terasa seperti aplikasi meninggalkan pengguna. Yang lantang pula terasa seperti aplikasi mengambil berat. Tindakan yang sama dengan bingkaian yang berbeza.

Anti-corak yang sengaja kami tidak bina

Spesifikasi produk jelas tentang apa yang dilarang:

• Tiada tolakan rasa bersalah "jangan putuskan rentetan anda". Rentetan ialah penghinaan elak-rugi. Model keletihan menurunkan keutamaan pengguna; ia tidak mempermalukan mereka.
• Tiada tolakan pengaktifan semula "kami rindukan anda" di penghujung T3. Pengguna pada T3 sudah pun memberitahu aplikasi sesuatu. Menambah lebih banyak tolakan ialah tindak balas yang salah.
• Tiada pembilang palsu atau kekurangan dalam badan tolakan. "X orang baru sahaja mendaftar" ialah lakonan corak gelap, bukan pemberitahuan.
• Tiada kandungan haid atau astrologi dalam tajuk atau badan tolakan. Tolakan melalui lint CI yang menolak binaan yang mengandungi corak terlarang; model keletihan tidak pernah memintasnya.

Rupa sebenar data dalam sistem ini

Model menyimpan keadaan setiap pengguna dengan tiga medan:

tier: 'T0' | 'T1' | 'T2' | 'T3'
rolling_open_rate_14d: 0.0 to 1.0
baseline_open_rate: 0.0 to 1.0 (computed from first 30 days)
last_tier_change_at: timestamp

Itu sahaja keseluruhan keadaan keletihan. Tiada sejarah pelayaran, tiada pemarkahan penglibatan selain kadar buka, tiada model pembelajaran mesin yang dilatih pada pengguna. Kesederhanaan inilah intinya: peraturannya boleh diaudit, ambangnya didokumentasikan, dan kesan UX-nya boleh diramal.

Apa yang ini bukan

Satu nota tentang skop.

Model keletihan ini adalah setiap pengguna, bukan setiap kohort. Kami tidak melihat "pengguna seperti anda" atau menjalankan eksperimen yang merendahkan pengguna untuk mempelajari tentang pengekalan. Model ini berkhidmat untuk individu.

Ia juga tidak menggantikan tetapan yang dikawal pengguna. Waktu senyap, redam mengikut kategori, dan pilihan matikan-semua-tolakan secara jelas semuanya berfungsi secara bebas daripada model keletihan. Kedua-dua sistem ini saling melengkapi; pilihan jelas pengguna sentiasa mengatasi inferens model.

Mengapa ini penting untuk seluruh aplikasi

Notifikasi tolak ialah cara sesuatu ritual harian kekal harian. Aplikasi daftar masuk yang kehilangan keistimewaan notifikasi tolak akan kehilangan gelung pengekalan utamanya. Model 4-tingkat ini wujud supaya aplikasi tidak menyalahgunakan keistimewaan tersebut lalu kehilangannya secara perlahan - dengan menjadi sedikit mengganggu untuk tempoh yang cukup lama.

Konteks ritual harian yang lebih lengkap terdapat di hab Soulwise. Model keletihan ialah salah satu sebab ritual ini kekal saling timbal balik dan bukannya menuntut.

Versi lebih ringkasnya: bilangan notifikasi tolak yang tepat ialah bilangan terbesar yang tidak menyebabkan pengguna menarik diri. Model keletihan ialah cara aplikasi mencari bilangan tersebut, bagi setiap pengguna, setiap 14 hari.