Kiwango cha Kubaki kwa Watumiaji — Vipimo vya Afya ya Kidijitali

Kiwango cha kubaki kwa watumiaji ni sehemu ya watumiaji waliokuwa hai katika kipindi cha mwanzo ambao wanabaki hai katika kipindi cha baadaye, na kinyume chake, kiwango cha kuondoka (au kuacha), ni sehemu inayoacha kutumia bidhaa kabisa. Pale kiwango cha kupitishwa kwa lango la mgonjwa (ona mada hiyo) kinapopima kama mgonjwa aliwahi kuwasha bidhaa ya afya ya kidijitali kwa maana, kubaki hupima kama anaendelea kuitumia — na kwa bidhaa yoyote ya afya ya kidijitali ya aina ya usajili au huduma endelevu, kubaki kwa kawaida ndicho kipimo kimoja kinachohusiana kwa karibu zaidi na athari ya kikliniki na uendelevu wa kibiashara.

Kwa nini ni muhimu

Bidhaa ya afya ya kidijitali isiyoweza kuwabakiza watumiaji haiwezi kutoa faida endelevu ya kikliniki, bila kujali nguvu ya namba zake za awali za kupitishwa au kuwashwa: zana ya kudhibiti hali sugu iliyotumika kwa wiki mbili kisha kuachwa haiwezekani kuhamisha matokeo ya kibayometriki yanayotegemea miezi ya mabadiliko endelevu ya tabia. Kubaki pia ni mojawapo ya vipimo vyenye matokeo makubwa zaidi kibiashara ambavyo kampuni ya afya ya kidijitali huripoti kwa wawekezaji na walipaji, kwa sababu mikunjo ya kubaki (umbo la kushuka kwa muda, si asilimia moja ya kubaki tu) hufichua kama bidhaa imepata mtindo wa matumizi endelevu kweli au inanasa tu hamu ya awali inayoendeshwa na mambo mapya ambayo hufifia kwa utabiri. Mkunjo wa kubaki unaotulia baada ya kushuka kwa awali (wagonjwa wanaopita mwezi wa kwanza huwa wanabaki) ni ishara tofauti kabisa, na yenye afya zaidi, kuliko ule unaoendelea kushuka kwa kasi bila msingi.

Jinsi kinavyokokotolewa

Kiwango cha kubaki (kipindi N) = watumiaji hai katika kipindi N ambao pia walikuwa
                                 hai katika kipindi cha kundi la mwanzo / watumiaji
                                 katika kipindi cha kundi la mwanzo × 100

Kiwango cha kuondoka = 1 − kiwango cha kubaki (kwa kipindi hicho hicho)

Ripoti kama mkunjo wa kubaki wa kundi (kubaki siku/wiki/mwezi 1, 2, 3…),
si takwimu ya wakati mmoja, kwa kuwa picha moja huchanganya watumiaji
waliojiunga hivi karibuni (ambao hawajapata nafasi ya kuondoka) na
wale waliodumu kwa muda mrefu.

Mfano uliokokotolewa

Programu ya afya ya kidijitali inasajili kundi la watumiaji wapya 1,000 mwezi Januari. Kufikia mwisho wa mwezi 1, 640 kati ya hao 1,000 wa awali bado ni hai (kubaki kwa mwezi 1 ni 64%). Kufikia mwisho wa mwezi 3, 410 wanabaki hai (kubaki kwa mwezi 3 ni 41%). Kufikia mwezi 6, 380 wanabaki hai (kubaki kwa mwezi 6 ni 38%). Umbo la mkunjo huu — kushuka kwa kasi kwa awali ikifuatiwa na kutulia kati ya miezi 3 na 6 — kunapendekeza kwamba bidhaa inabakiza kiini thabiti cha watumiaji mara wanapovuka kikwazo cha awali cha kupitisha, ambayo ni ishara tofauti kwa kiasi kikubwa na yenye kutia moyo zaidi kuliko ikiwa kushuka kutoka mwezi 3 hadi mwezi 6 kungeendelea kwa kasi ileile kama miezi 1 hadi 3.

Vyanzo vya data na tahadhari

Kubaki hukokotolewa kutoka kumbukumbu za matukio za kuingia au shughuli za bidhaa yenyewe, kwa kufafanua "hai" kwa uthabiti (kwa mfano, angalau kikao kimoja kinachostahili katika kipindi) katika kila kundi linalolinganishwa. Makundi yanapaswa kulinganishwa kwa msingi unaolingana — fasili ileile ya mwanzo ya "hai", urefu uleule wa dirisha la uchunguzi — kwa kuwa hata tofauti ndogo za fasili (miezi ya siku 30 dhidi ya 28, au kizingiti kikali dhidi ya kilicholegea cha "hai") zinaweza kuhamisha asilimia ya kubaki inayoripotiwa kwa pointi kadhaa bila tofauti yoyote halisi ya tabia ya watumiaji. Athari za msimu ni za kawaida katika programu za afya zilizounganishwa na maazimio ya Mwaka Mpya au vipindi maalum vya uhamasishaji wa afya, kwa hivyo ulinganisho wa makundi mwaka hadi mwaka kwa kawaida unaelimisha zaidi kuliko kulinganisha makundi ya karibu kutoka nyakati tofauti za mwaka.

Mitego

Kuripoti picha moja ya kubaki badala ya mkunjo: takwimu moja ya "X% ya watumiaji bado ni hai" bila umbo la kushuka kwa muda haiwezi kutofautisha bidhaa inayotulia (yenye afya) na ile inayoshuka kila mara (isiyo na afya).
Kubadilisha fasili ya "hai" kati ya vipindi vya kuripoti: kulegeza fasili ya mtumiaji hai (kwa mfano kuhesabu kufungua programu kwa utulivu badala ya kitendo kilichokamilika) kunaweza kufanya kubaki kuonekane kuboreka wakati matumizi halisi hayajabadilika kabisa.
Kupuuza msimu wa makundi: kulinganisha kubaki kwa kundi la Januari (mara nyingi kunaongezwa na usajili wa maazimio ya Mwaka Mpya, unaoleta kundi lenye motisha ndogo kwa wastani) dhidi ya kundi lililopatikana wakati mwingine wa mwaka kunaweza kuzaa hitimisho potofu la mwelekeo.
Kuchanganya makundi ya asili na ya upataji wa kulipia: watumiaji wanaopatikana kupitia njia tofauti mara nyingi hubaki tofauti sana; kuwachanganya katika takwimu moja ya jumla ya kubaki kunaweza kuficha tatizo la kubaki mahsusi kwa njia.

Vyanzo

Machapisho yaliyopitiwa na wataalamu kuhusu ushiriki na kuacha kwa programu za afya ya kidijitali, kwa mfano tafiti zilizochapishwa katika Journal of Medical Internet Research (JMIR mHealth and uHealth)
Digital Therapeutics Alliance, mwongozo wa mazoea bora ya upimaji wa ushiriki na kubaki kwa tiba za kidijitali
Ripoti za vigezo vya sekta kuhusu kubaki kwa programu za afya ya simu, kutoka majukwaa ya uchanganuzi na mashirika ya utafiti wa soko la afya ya kidijitali

Tazama pia: kiwango cha uthabiti wa ushiriki wa mgonjwa, kinachopima ubora wa ushiriki miongoni mwa watumiaji waliobaki, tofauti na kama wanabaki wamesajiliwa kabisa.