Digital Marketing Academy · Pelajaran

Pemberitahuan Tolak dan Pemesejan Dalam Aplikasi

Cipta mesej tolak dan dalam aplikasi yang menarik pengguna kembali tanpa menyebabkan mereka berhenti melanggan.

Pelajaran 3 daripada 413 langkah

Pemberitahuan Tolak dan Pemesejan Dalam Aplikasi ialah pelajaran Digital Marketing Academy percuma di CoddyKit. Ini ialah pelajaran 3 daripada 4. Sebanyak 3 pelajaran dalam laluan pembelajaran ini boleh dibaca sepenuhnya secara percuma — selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan praktikal dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Pelajaran ini merupakan sebahagian daripada laluan pembelajaran Digital Marketing Academy, dan kemajuan anda disegerakkan merentas web serta aplikasi CoddyKit. Kursus Digital Marketing Academy merangkumi sejumlah 4 pelajaran.

Kadar Persetujuan Ikut Serta dan Amalan Terbaik Kebenaran

iOS memerlukan kebenaran jelas daripada pengguna sebelum sebarang pemberitahuan tolak boleh dihantar, manakala Android 13 dan versi lebih baharu juga memerlukan persetujuan ikut serta. Kadar persetujuan ikut serta purata bagi aplikasi iOS berada antara 40 hingga 60 peratus merentas kategori, dengan aplikasi utiliti mencapai kadar yang lebih tinggi berbanding aplikasi hiburan.

Minta kebenaran pemberitahuan selepas menunjukkan manfaat aplikasi kepada pengguna, bukannya semasa pelancaran pertama. Gesaan prakebenaran yang menerangkan manfaat khusus pemberitahuan sebelum dialog natif muncul boleh meningkatkan kadar persetujuan ikut serta sebanyak 30 hingga 50 peratus berbanding permintaan kebenaran serta-merta.

Jenis Pemberitahuan Tolak

Pemberitahuan tolak berkaitan transaksi dicetuskan oleh tindakan atau peristiwa pengguna tertentu: pengesahan pesanan, kemas kini penghantaran, resit pembayaran atau pengesahan tempahan. Pengguna mempunyai toleransi yang tinggi terhadap pemberitahuan transaksi kerana pemberitahuan tersebut memberikan nilai yang jelas dan serta-merta berkaitan sesuatu yang dimulakan sendiri oleh pengguna.

Pemberitahuan tolak berdasarkan tingkah laku bertindak balas terhadap corak aktiviti dalam aplikasi: galakan untuk kembali berinteraksi bagi pengguna tidak aktif, mesej meraikan pencapaian atau peringatan untuk menyelesaikan tugasan yang terganggu. Pemberitahuan tolak promosi menyebarkan tawaran kepada segmen pengguna dan memerlukan penyasaran yang paling teliti supaya tidak dianggap sebagai mesej tidak dikehendaki.

Pemperibadian untuk Meningkatkan CTR Pemberitahuan Tolak

Pemberitahuan tolak generik yang dihantar kepada semua pengguna menunjukkan prestasi yang jauh lebih rendah berbanding mesej diperibadikan yang merujuk tingkah laku, pilihan atau status khusus pengguna dalam aplikasi. Penggunaan nama pertama pengguna, rujukan kepada item yang telah dilihat atau pengiktirafan terhadap tahap kemajuan mereka menjadikan pemberitahuan terasa relevan dan bukannya siaran umum.

Penyisipan kandungan dinamik, iaitu pengisian teks pemberitahuan dengan data masa nyata daripada profil pengguna seperti bilangan hari sejak aktiviti terakhir atau produk yang ditinggalkan dalam senarai keinginan, memerlukan integrasi antara platform pemberitahuan tolak dengan data pengguna, tetapi memberikan peningkatan CTR yang ketara.

Cadangan Masa dan Kekerapan

Masa penghantaran pemberitahuan tolak hendaklah mencerminkan zon waktu tempatan pengguna serta corak penggunaan semula jadi aplikasi khusus anda. Aplikasi kecergasan mencatat keterlibatan tinggi pada waktu pagi. Aplikasi beli-belah menunjukkan prestasi terbaik pada waktu petang. Aplikasi berita mencapai CTR tertinggi pada waktu perjalanan pergi dan balik.

Pengehadkan kekerapan adalah penting. Kebanyakan pengguna boleh menerima dua hingga empat pemberitahuan tolak seminggu sebelum menganggapnya mengganggu. Penghantar berkekerapan tinggi mengalami peningkatan kadar berhenti menerima yang semakin pantas. Mulakan secara berhemat dan tingkatkan kekerapan hanya apabila data keterlibatan menyokongnya.

Mengelakkan Keletihan Pemberitahuan

Keletihan pemberitahuan berlaku apabila pengguna menerima terlalu banyak pemberitahuan sehingga mereka berhenti berinteraksi dengannya atau mula menyahdayakannya sepenuhnya. Gejalanya termasuk CTR yang menurun dari semasa ke semasa, peningkatan kadar berhenti menerima dan jurang yang semakin besar antara kadar pembukaan aplikasi dengan kadar penghantaran pemberitahuan.

Tangani keletihan dengan mengaudit jenis pemberitahuan anda setiap suku tahun dan menghapuskan pemberitahuan yang sentiasa menunjukkan prestasi rendah. Sediakan kawalan keutamaan pemberitahuan dalam aplikasi yang terperinci supaya pengguna boleh menyahdayakan kategori yang tidak relevan bagi mereka tanpa berhenti menerima semua pemberitahuan. Kawalan terpilih meningkatkan pengekalan keseluruhan kebenaran pemberitahuan.

Pengujian A/B Pemberitahuan Tolak

Pengujian A/B pemberitahuan tolak memerlukan anda menghantar dua varian mesej kepada segmen khalayak yang dibahagi secara rawak pada masa yang sama, kemudian mengukur varian yang mencapai CTR atau kadar penukaran susulan yang lebih tinggi. Kebanyakan platform pemberitahuan tolak menyokong pengujian A/B terbina dalam dengan pemilihan varian pemenang secara automatik.

Uji satu pemboleh ubah pada satu-satu masa: teks pemberitahuan, penggunaan emoji, tahap pemperibadian, masa penghantaran atau frasa CTA. Kumpulkan sekurang-kurangnya 500 hingga 1,000 penghantaran bagi setiap varian untuk mendapatkan keputusan yang boleh dipercayai dari segi statistik sebelum mengisytiharkan pemenang dan menggunakan dapatan tersebut dalam kempen akan datang.

Mesej Dalam Aplikasi berbanding Pemberitahuan Tolak

Pemberitahuan tolak menjangkau pengguna di luar aplikasi dan sesuai untuk penglibatan semula serta maklumat yang memerlukan tindakan segera. Mesej dalam aplikasi muncul semasa pengguna sedang menggunakan aplikasi dan lebih sesuai untuk panduan pengenalan, pengumuman ciri serta gesaan berdasarkan konteks yang memerlukan pengguna sudah berada dalam sesi aktif.

Mesej dalam aplikasi tidak memerlukan kebenaran pemberitahuan dan oleh itu tersedia kepada seluruh pangkalan pengguna anda. Hal ini menjadikannya saluran yang lebih boleh dipercayai untuk pendidikan produk dan pengoptimuman penukaran berbanding pemberitahuan tolak, yang hanya menjangkau pengguna yang telah memberikan persetujuan.

Aliran Mesej Pengenalan Dalam Aplikasi

Aliran mesej pengenalan membimbing pengguna baharu daripada pelancaran pertama hingga detik pengaktifan utama yang berkait dengan pengekalan jangka panjang. Aliran pengenalan yang berkesan memaparkan satu panduan pada satu-satu masa dan dicetuskan oleh tindakan atau ketiadaan tindakan pengguna yang khusus, bukannya kelewatan berasaskan masa.

Gunakan petunjuk ringkas dalam aplikasi untuk menyerlahkan ciri penting apabila pengguna pertama kali menemui skrin yang berkaitan. Gunakan mesej dalam tetingkap dialog untuk meraikan pencapaian yang selesai. Gunakan sepanduk kekal untuk panduan bermaklumat yang tidak mengganggu dan boleh ditutup oleh pengguna mengikut kadar mereka sendiri.

Membahagikan Pengguna untuk Mesej Bersasaran

Menghantar semua pemberitahuan kepada semua pengguna ialah cara terpantas untuk merosotkan metrik keterlibatan dan mendorong pengguna berhenti menerima pemberitahuan. Pembahagian segmen membolehkan anda menghantar mesej yang hanya relevan kepada subkumpulan tertentu: pengguna baharu yang belum melengkapkan persediaan, pengguna tegar yang berpotensi menaik taraf kepada pelan berbayar atau pengguna yang telah berhenti menggunakan aplikasi dan tidak membukanya selama 30 hari.

Segmen berdasarkan tingkah laku yang menggunakan data peristiwa dalam aplikasi memberikan prestasi lebih baik berbanding segmen demografi untuk pemperibadian pemberitahuan tolak. Sambungkan platform analitik anda kepada alat pemberitahuan tolak untuk membolehkan pembahagian segmen berdasarkan peristiwa dan corak penggunaan sebenar.

Mengukur Keberkesanan Pemberitahuan Tolak

Metrik utama pemberitahuan tolak termasuk kadar penghantaran, iaitu peratusan penghantaran yang berjaya diterima; kadar pembukaan atau CTR, iaitu peratusan penerima yang membuka pemberitahuan; serta kadar penglibatan semula, iaitu peratusan penerima yang kembali ke sesi aktif hasil daripada pemberitahuan tersebut.

Jejaki juga metrik penukaran susulan: adakah pengguna yang membuka pemberitahuan tolak promosi benar-benar menyelesaikan pembelian? Adakah pemberitahuan tolak penglibatan semula membawa kepada penggunaan berulang yang berterusan atau hanya satu sesi? Menghubungkan data pemberitahuan tolak dengan metrik pengekalan jangka panjang mendedahkan sama ada strategi pemberitahuan anda benar-benar meningkatkan kesihatan pengguna.

Pilihan Platform Pemberitahuan Tolak

Platform pemberitahuan tolak khusus seperti OneSignal, Braze dan Airship menawarkan pembahagian segmen, automasi, pengujian A/B serta analitik terperinci yang melangkaui keupayaan asas kebanyakan rangka kerja pembangunan aplikasi. Pemilihan platform yang sesuai bergantung pada skala aplikasi, susunan teknologi dan tahap kecanggihan pemperibadian yang anda perlukan.

OneSignal popular dalam kalangan aplikasi peringkat awal kerana peringkat percumanya yang luas serta integrasi SDK yang mudah. Braze dan Airship ialah platform perusahaan yang menawarkan penyelarasan mesej merentas saluran antara pemberitahuan tolak, mesej dalam aplikasi, e-mel dan SMS dalam satu pembina aliran kerja.

Strategi Pemberitahuan Tolak

Membuat keputusan berdasarkan maklumat tentang jenis, masa dan penyasaran pemberitahuan tolak memerlukan pemahaman tentang prinsip asas yang membezakan pemberitahuan berkesan daripada pemberitahuan yang mendorong pengguna berhenti menerima.

Imbas Kembali Pelajaran: Pemberitahuan Tolak dan Mesej Dalam Aplikasi

Pemberitahuan tolak dan mesej dalam aplikasi memainkan peranan yang saling melengkapi dalam keterlibatan mudah alih: pemberitahuan tolak menggalakkan penglibatan semula pengguna di luar aplikasi, manakala mesej dalam aplikasi membimbing pengguna aktif di dalamnya. Optimumkan kadar persetujuan menerima dengan gesaan prakebenaran, peribadikan pemberitahuan menggunakan data tingkah laku dan hadkan kekerapan untuk mengelakkan pengguna berhenti menerima akibat keletihan.

Uji pemboleh ubah pemberitahuan secara sistematik melalui A/B, bahagikan khalayak mengikut tingkah laku dan bukannya demografi, serta sentiasa ukur kesan terhadap penukaran susulan dan pengekalan untuk menilai sama ada strategi pemesejan anda benar-benar meningkatkan kesihatan pengguna dan hasil perniagaan.

Percuma untuk bermula

Pelajari Digital Marketing Academy dengan tutor kecerdasan buatan — percuma

Tulis dan jalankan kod sebenar dalam pelayar anda, dapatkan bantuan segera daripada tutor kecerdasan buatan yang tersedia 24/7, dan sambung semula dari tempat anda berhenti di web atau dalam aplikasi.

Kursus
63
Pelajaran
239

Soalan Lazim

Adakah pelajaran “Pemberitahuan Tolak dan Pemesejan Dalam Aplikasi” percuma?

Ya — sebanyak 3 pelajaran dalam laluan pembelajaran Digital Marketing Academy, termasuk “Pemberitahuan Tolak dan Pemesejan Dalam Aplikasi”, boleh dibaca sepenuhnya secara percuma di web ini. Selepas itu, CoddyKit PRO membuka akses kepada semua pelajaran, serta latihan interaktif dengan penyunting kod terbina dalam dan tutor kecerdasan buatan yang tersedia 24/7. Kursus Digital Marketing Academy merangkumi sejumlah 4 pelajaran.

Apakah yang akan saya pelajari dalam “Pemberitahuan Tolak dan Pemesejan Dalam Aplikasi”?

Cipta mesej tolak dan dalam aplikasi yang menarik pengguna kembali tanpa menyebabkan mereka berhenti melanggan. Anda berlatih Digital Marketing Academy menggunakan kod praktikal yang dijalankan terus dalam pelayar, manakala tutor kecerdasan buatan 24/7 menjawab soalan anda semasa anda mengikuti pelajaran.

Adakah saya memerlukan pengalaman untuk memulakan Digital Marketing Academy?

Tiada pengalaman terdahulu diperlukan. Pembelajaran Digital Marketing Academy di CoddyKit disusun untuk pelajar daripada peringkat pemula hingga lanjutan, jadi anda boleh bermula di sini atau dari awal dan belajar mengikut kadar anda sendiri. Ini ialah pelajaran 3 daripada 4.

Berapa lamakah pelajaran “Pemberitahuan Tolak dan Pemesejan Dalam Aplikasi” diambil?

Kebanyakan pelajaran CoddyKit mengambil masa kira-kira 5–10 minit. Setiap pelajaran ringkas dan interaktif, jadi anda boleh membuat kemajuan secara berterusan dan menyambung tepat dari tempat anda berhenti di web atau aplikasi.

Bolehkah saya menulis dan menjalankan kod dalam pelajaran Digital Marketing Academy ini?

Ya. Setiap pelajaran Digital Marketing Academy menyertakan penyunting kod terbina dalam, jadi anda boleh menulis dan menjalankan kod sebenar terus dalam pelayar serta menerima maklum balas kecerdasan buatan serta-merta — tanpa memerlukan persediaan setempat.

Semua pelajaran dalam kursus ini

  1. Strategi Pemasaran Mengutamakan Mudah Alih
  2. Asas Pengoptimuman Gedung Aplikasi
  3. Pemberitahuan Tolak dan Pemesejan Dalam Aplikasi
  4. Saluran SMS dan Pengiklanan Mudah Alih
← Kembali ke Digital Marketing Academy