Gerencie a taxa de rotatividade de suas assinaturas

Qual é a taxa de rotatividade nas notificações e por que ela é importante?

A taxa de rotatividade é a taxa de clientes que voluntariamente cancelam a inscrição de notificações push.
Quando isto acontece, um canal de comunicação está sendo quebrado. Eles ainda podem ser clientes, mas não querem mais receber notificações.
Devemos ter cuidado para não aumentar a taxa de rotatividade, pois as taxas de assinatura de mensagens estão diretamente relacionadas a uma maior retenção de usuários. As notificações push abrem linhas diretas de comunicação com seu público, a partir das quais você pode incentivar a atividade e engajar novamente os usuários inativos.
Lembre-se! Custa mais para adquirir novos clientes do que para reter os existentes.

Quais são as causas e como você pode evitar a perda de assinantes?

Se soubermos quais clientes estão em risco de sair e a causa, podemos implementar ações direcionadas para mantê-los:

• As mensagens são recebidas como incômodas quando você impacta em momentos inapropriados.
  • Impacto no momento ótimo: use a entrega no ‘Melhor Tempo’ para que cada usuário receba mensagens no momento mais apropriado.
• Não atrai a atenção.
  • Personalize as mensagens, por exemplo, acrescentando o nome do destinatário da campanha.
• Os usuários recebem demasiadas notificações.
  • Segmento que utiliza grupos de interesse ou filtros, por exemplo, baseados em geolocalização.
• A comunicação é pouco atrativa.
  • Estudar como melhorar a comunicação da campanha: usar o teste a/b para criar mais de uma notificação para a mesma campanha, a fim de testar e aprender quais mensagens têm mais impacto.
    
    
    

Como a indigitall usa a Machine Learning para prever a rotatividade

É claro que não é possível prever o futuro perfeitamente, mas é possível detectar quais usuários têm maior probabilidade de cancelar a assinatura das notificações.

No indigitall, identificamos os usuários por sua probabilidade de abandono, com base nos perfis de risco que geramos através do Machine Learning. Nosso modelo de previsão de abandono é capaz de detectar os fatores de risco mais relevantes para um resultado de abandono e atribui um fator de abandono alto, moderado ou baixo. Baseamo-nos em dados históricos dos últimos 3 meses levando em conta a geolocalização, cliques de campanha, idade, visita ao website/app, navegador, tipo de dispositivo, etc.

Adicionamos um novo filtro para que você possa enviar uma campanha especial de retenção para um dos segmentos.

Com este filtro, você poderá criar campanhas específicas de acordo com a probabilidade de abandono de seus usuários. Por exemplo, crie uma campanha de desconto para aqueles com alto risco de churn enquanto mostra uma campanha com novos produtos para aqueles com baixo risco. Além disso, se necessário, você pode incorporar estes segmentos em seu CRM usando nossa API de previsão de rotatividade.

Como em qualquer processo orientado por dados, nós precisamos… de dados! Para fazer este tipo de segmentação, precisamos conhecer o comportamento dos usuários, portanto, se você ainda não enviou campanhas suficientes, você não verá este filtro ativo. Continue enviando notificações para que nossa IA possa aprender e segmentar.