ব্যবহারকারী ধরে রাখার হার

ব্যবহারকারী ধরে রাখার হার হলো একটি প্রাথমিক সময়কালে সক্রিয় ব্যবহারকারীদের সেই অংশ যারা পরবর্তী সময়কালে সক্রিয় থাকেন, এবং এর বিপরীত, ছেড়ে যাওয়ার হার, হলো সেই অংশ যারা সম্পূর্ণভাবে পণ্য ব্যবহার বন্ধ করে দেন। যেখানে পেশেন্ট পোর্টাল গ্রহণের হার (সেই বিষয়টি দেখুন) পরিমাপ করে একজন রোগী কখনো অর্থবহভাবে একটি ডিজিটাল স্বাস্থ্য পণ্য সক্রিয় করেন কিনা, ধরে রাখা পরিমাপ করে তারা এটি ব্যবহার চালিয়ে যান কিনা — এবং যেকোনো সাবস্ক্রিপশন-শৈলী বা চলমান-যত্ন ডিজিটাল স্বাস্থ্য পণ্যের জন্য, ধরে রাখা সাধারণত ক্লিনিক্যাল প্রভাব ও বাণিজ্যিক স্থায়িত্ব উভয়ের সাথে সবচেয়ে শক্তভাবে সংযুক্ত একক মেট্রিক।

কেন এটি গুরুত্বপূর্ণ

যে ডিজিটাল স্বাস্থ্য পণ্য ব্যবহারকারীদের ধরে রাখতে পারে না, তা টেকসই ক্লিনিক্যাল উপকার প্রদান করতে পারে না, তার প্রাথমিক গ্রহণ বা সক্রিয়করণের সংখ্যা যত শক্তিশালীই হোক না কেন: একটি দীর্ঘস্থায়ী-অবস্থা ব্যবস্থাপনা টুল যা দুই সপ্তাহের জন্য ব্যবহৃত হয় এবং তারপর পরিত্যক্ত হয়, এমন একটি বায়োমেট্রিক ফলাফল পরিবর্তন করার সম্ভাবনা কম যা মাসের পর মাস টেকসই আচরণ পরিবর্তনের উপর নির্ভর করে। ধরে রাখা হলো একটি ডিজিটাল স্বাস্থ্য কোম্পানি বিনিয়োগকারী ও পেমেন্ট প্রদানকারীদের কাছে রিপোর্ট করা সবচেয়ে বাণিজ্যিকভাবে তাৎপর্যপূর্ণ মেট্রিকগুলোর একটি, কারণ ধরে রাখার বক্ররেখা (সময়ের সাথে পতনের আকৃতি, শুধু একটি একক ধরে রাখার শতাংশ নয়) প্রকাশ করে পণ্যটি একটি সত্যিকারের টেকসই ব্যবহার প্যাটার্ন খুঁজে পেয়েছে কিনা, নাকি শুধুমাত্র নতুনত্ব-চালিত প্রাথমিক আগ্রহ ধরে রাখছে যা অনুমানযোগ্যভাবে কমে যায়। একটি ধরে রাখার বক্ররেখা যা প্রাথমিক পতনের পরে সমতল হয়ে যায় (যে রোগীরা প্রথম মাস পার করেন তারা থেকে যাওয়ার প্রবণতা রাখেন) একটি অত্যন্ত ভিন্ন, এবং অনেক স্বাস্থ্যকর, সংকেত যা একটি বক্ররেখার চেয়ে যা কোনো মেঝে ছাড়াই ক্রমাগত হ্রাস পেতে থাকে।

এটি কীভাবে গণনা করা হয়

ধরে রাখার হার (সময়কাল N) = সময়কাল N-এ সক্রিয় ব্যবহারকারী যারা
                             প্রারম্ভিক কোহর্ট সময়কালেও সক্রিয়
                             ছিলেন / প্রারম্ভিক কোহর্ট সময়কালে
                             ব্যবহারকারী × ১০০

ছেড়ে যাওয়ার হার = ১ − ধরে রাখার হার (একই সময়কালের জন্য)

একটি কোহর্ট ধরে রাখার বক্ররেখা হিসেবে রিপোর্ট করুন (দিন/সপ্তাহ/
মাস ১, ২, ৩-এ ধরে রাখা...), একটি একক-বিন্দু পরিসংখ্যান নয়, কারণ
একটি একক স্ন্যাপশট সম্প্রতি যোগদানকারী ব্যবহারকারীদের (যারা এখনও
ছেড়ে যাওয়ার সুযোগ পাননি) দীর্ঘমেয়াদী ব্যবহারকারীদের সাথে গুলিয়ে
ফেলে।

সমাধানকৃত উদাহরণ

একটি ডিজিটাল স্বাস্থ্য অ্যাপ জানুয়ারিতে ১,০০০ নতুন ব্যবহারকারীর একটি কোহর্ট নিবন্ধিত করে। মাস ১-এর শেষে, সেই মূল ১,০০০-এর মধ্যে ৬৪০ জন এখনও সক্রিয় (মাস-১ ধরে রাখা ৬৪%)। মাস ৩-এর শেষে, ৪১০ জন সক্রিয় থাকেন (মাস-৩ ধরে রাখা ৪১%)। মাস ৬-এ, ৩৮০ জন সক্রিয় থাকেন (মাস-৬ ধরে রাখা ৩৮%)। এই বক্ররেখার আকৃতি — একটি তীব্র প্রাথমিক পতন যার পরে মাস ৩ ও ৬-এর মধ্যে সমতল হয়ে যাওয়া — পরামর্শ দেয় যে পণ্যটি একবার ব্যবহারকারীরা একটি প্রাথমিক গ্রহণের বাধা অতিক্রম করলে একটি স্থিতিশীল মূল ব্যবহারকারী গোষ্ঠী ধরে রাখে, যা মাস ৩ থেকে ৬ পর্যন্ত পতন মাস ১ থেকে ৩-এর মতো একই হারে চলতে থাকলে যা ঘটত তার চেয়ে উপাদানগতভাবে ভিন্ন এবং আরও উৎসাহজনক সংকেত।

তথ্যের উৎস ও সতর্কতা

ধরে রাখা পণ্যের নিজস্ব লগইন বা কার্যকলাপ ইভেন্ট লগ থেকে গণনা করা হয়, তুলনা করা প্রতিটি কোহর্টে ধারাবাহিকভাবে "সক্রিয়" সংজ্ঞায়িত করে (যেমন, সময়কালে অন্তত একটি যোগ্য সেশন)। কোহর্টগুলো একই-ধরনের ভিত্তিতে তুলনা করা উচিত — একই শুরুর "সক্রিয়" সংজ্ঞা, একই দৈর্ঘ্যের পর্যবেক্ষণ উইন্ডো — কারণ এমনকি ছোট সংজ্ঞাগত পার্থক্যও (৩০-দিন বনাম ২৮-দিনের মাস, বা একটি কঠোরতর বনাম শিথিলতর "সক্রিয়" সীমা) একটি রিপোর্ট করা ধরে রাখার শতাংশকে বাস্তব ব্যবহারকারী আচরণে কোনো প্রকৃত পার্থক্য ছাড়াই বেশ কয়েক পয়েন্ট স্থানান্তরিত করতে পারে। স্বাস্থ্য অ্যাপে নববর্ষের সংকল্প বা নির্দিষ্ট স্বাস্থ্য সচেতনতার সময়কালের সাথে যুক্ত মৌসুমি প্রভাব সাধারণ, তাই বছরের-পর-বছর কোহর্ট তুলনা সাধারণত বছরের ভিন্ন সময়ের সংলগ্ন কোহর্ট তুলনার চেয়ে বেশি তথ্যপূর্ণ।

ভুলত্রুটি

• একটি বক্ররেখার পরিবর্তে একটি একক ধরে রাখার স্ন্যাপশট রিপোর্ট করা: সময়ের সাথে পতনের আকৃতি ছাড়া একটি একক "X% ব্যবহারকারী এখনও সক্রিয়" পরিসংখ্যান একটি পণ্য যা সমতল হয় (স্বাস্থ্যকর) এবং একটি যা ক্রমাগত পতনে আছে (অস্বাস্থ্যকর) তার মধ্যে পার্থক্য করতে পারে না।
• রিপোর্টিং সময়কালের মধ্যে "সক্রিয়"-এর সংজ্ঞা পরিবর্তন করা: একজন সক্রিয় ব্যবহারকারীর সংজ্ঞা শিথিল করা (যেমন একটি সম্পন্ন কর্মের পরিবর্তে একটি নিষ্ক্রিয় অ্যাপ খোলা গণনা করা) ধরে রাখাকে উন্নত দেখাতে পারে যখন প্রকৃত ব্যবহার মোটেও পরিবর্তিত হয়নি।
• কোহর্ট মৌসুমিতা উপেক্ষা করা: একটি জানুয়ারি কোহর্টের ধরে রাখা (প্রায়ই নববর্ষের সংকল্প নিবন্ধনের দ্বারা স্ফীত, যা গড়ে কম প্রেরণাদায়ী একটি কোহর্ট নিয়ে আসে) বছরের ভিন্ন সময়ে অর্জিত একটি কোহর্টের বিপরীতে তুলনা করলে বিভ্রান্তিকর প্রবণতা সিদ্ধান্ত হতে পারে।
• জৈব ও পেইড-অধিগ্রহণ কোহর্ট মেশানো: বিভিন্ন চ্যানেলের মাধ্যমে অর্জিত ব্যবহারকারীরা প্রায়ই খুব ভিন্নভাবে ধরে থাকে; তাদের একটি সামগ্রিক ধরে রাখার পরিসংখ্যানে মেশানো একটি চ্যানেল-নির্দিষ্ট ধরে রাখার সমস্যা আড়াল করতে পারে।

উৎস

• ডিজিটাল স্বাস্থ্য অ্যাপ সম্পৃক্ততা ও ক্ষয় নিয়ে সহকর্মী-পর্যালোচিত সাহিত্য, যেমন Journal of Medical Internet Research (JMIR mHealth and uHealth)-এ প্রকাশিত গবেষণা
• ডিজিটাল থেরাপিউটিক্স অ্যালায়েন্স, ডিজিটাল থেরাপিউটিক্সের জন্য সম্পৃক্ততা ও ধরে রাখা পরিমাপের সেরা-অনুশীলন নির্দেশিকা
• মোবাইল স্বাস্থ্য অ্যাপ ধরে রাখার উপর শিল্প মানদণ্ড রিপোর্ট, বিশ্লেষণ প্ল্যাটফর্ম ও ডিজিটাল স্বাস্থ্য বাজার গবেষণা সংস্থা থেকে

আরও দেখুন: রোগীর সম্পৃক্ততার ধারাবাহিকতার হার, যা ধরে রাখা ব্যবহারকারীদের মধ্যে সম্পৃক্ততার মান পরিমাপ করে, তারা আদৌ নিবন্ধিত থাকেন কিনা তার থেকে ভিন্ন।