В наши дни индустрия цифрового здравоохранения и носимых устройств использует модели подписки (регулярная оплата через регулярные промежутки времени). Такие компании, как Apple, Oura и Whoop, являются частью этой тенденции. Для многообещающих стартапов в этой области это означает, что удержание пользователей в долгосрочной перспективе имеет решающее значение для построения успешного бизнеса.
Долгосрочный доход требует создания долгосрочной ценности
По мере изменения бизнес-модели должно меняться и ценностное предложение для пользователей. Могут ли эти продукты действительно заинтересовать пользователей в долгосрочной перспективе? Все чаще носимые устройства помогают пользователям улучшить свое психическое и физическое здоровье. Возникает вопрос: действительно ли они улучшают здоровье или просто предлагают тщеславные показатели?
Реальная ценность достигается с помощью действенных показателей
В контексте носимых устройств тщеславные метрики помогают пользователям чувствовать, что они получают что-то интригующее (инсайты), но они не сообщают о следующих шагах и не направляют пользователя в правильном направлении. Продукты, которые не предлагают действенных показателей, — это «хочу», а не «нужно» — в лучшем случае это любопытство или символ статуса.
Например, конечно интересно узнать, что вы проспали 45 минут глубоким сном, но как вы можете получить больше? Другим примером является вариабельность сердечного ритма (ВСР). Если вы отслеживаете ВСР каждый день, но без какого-либо контекста факторов в вашей жизни, влияющих на ВСР, то у вас недостаточно информации, чтобы использовать показатели для реального руководства. (Вы эмоционально напряжены, еще не оправились от тяжелой кардиотренировки, обезвожены или похмельны, или вы слишком много ерзали, создавая ложные показания?) тренируют вашу нервную систему полезным способом. Подобно компасу, действенная метрика поможет вам ориентироваться в плане лечения для достижения результата в отношении здоровья.
Я работал в больницах в качестве психолога по вопросам здоровья и проанализировал данные о вовлеченности во многих уважаемых стартапах в качестве старшего специалиста по данным. В конце концов, я поднялся по служебной лестнице до должности директора, где помогал создавать и представлять презентации по продажам, которые помогали заключать сделки с поставщиками медицинских страховых услуг, определять новые области соответствия продукта рынку и достигать ценных сегментов клиентов без дорогостоящих маркетинговых вложений. Все это было основано на новых, созданных и проверенных, носимых метриках + Precision Care AI и их обещании улучшить результаты в отношении здоровья групп населения с высокими потребностями. Мне ясно, что будущее здоровья связано с носимыми устройствами, но как именно это будущее выглядит… все еще находится в стадии разработки.
Пути пользователя повышают вовлеченность и результаты
Из того, что я видел, поведенческие вмешательства, которые действительно влияют на результат в отношении здоровья, должны создавать путешествие пользователя (или персонализированный план лечения пациента). Соответственно, в цифровых продуктах для здоровья с видением достижения долгосрочного взаимодействия и реальных результатов для здоровья акцент смещается с функций (например, отслеживание сна) на модули обучения навыкам (например, недельный учебный план психообразовательных видео, упражнений и т. д.). , мини-медитации и биологическая обратная связь на основе носимых устройств). Еще одним преимуществом создания развивающейся учебной программы является то, что она не только помогает добиться реальных изменений в поведении, но и предлагает пользователю новый контент. Вообще говоря, новый контент способствует лучшему взаимодействию.
На своей первой работе в области обработки данных (в компании, производящей носимые устройства) я провел множество A/B-тестов, используя поведенческие принципы. В какой-то момент мы сравнили влияние трехдневного пути пользователя и ежедневных уведомлений на вовлеченность пользователей. Путь пользователя обещал, что если пользователи будут регистрировать калории каждый день в течение 3 дней (с соблюдением минимального количества калорий), мы предоставим им персонализированную сводку с советами по питанию и снижению веса в конце. Пользователи в «контрольном состоянии» каждый день получали уведомление с запоминающимся сообщением. Мы узнали, что пользователи привыкли получать уведомления и со временем перестали на них отвечать. Напротив, путешествие пользователя с обещанием персонализированной информации со временем значительно увеличило вовлеченность в регистрацию продуктов питания (что, я могу вам сказать, является сложной задачей, которую трудно заставить людей выполнять).
Модульная учебная программа: архитектуры, позволяющие изменить поведение
Многие цифровые поведенческие программы, основанные на Программе профилактики диабета, построены таким образом — они предлагают развивающийся учебный план с новой темой каждую неделю. Некоторые программы психического здоровья, такие как Meru Health и Lyra, также имеют модульную учебную программу. Это важно, потому что навыки более высокого уровня часто основываются на более фундаментальных навыках. Например, осознанность часто является одним из первых навыков, которым мы обучаем, потому что трудно изменить шаблон, о котором вы не знаете.
Этапы и показатели изменения поведения
На рисунке выше я предложил серию этапов изменения поведения, через которые должен пройти пользователь, чтобы добиться изменения поведения. Он предназначен не для жесткого применения, а в качестве концептуального инструмента, помогающего в разработке пути пользователя. Более того, у каждого этапа этого пути будут свои уникальные «показатели успеха».
Например, Noom включает в себя быстрые тесты для оценки знаний и приобретения навыков, а также упражнение для определения вашей «конечной причины», чтобы помочь пользователям прояснить свою мотивацию. Когда пользователи начинают отключаться, приложение возвращает пользователя к мотивационным упражнениям. Сравните этот дизайн с набором функций, который всегда предоставляет одни и те же повторяющиеся показатели и визуальный интерфейс. Что, по вашему мнению, приведет к лучшему долгосрочному взаимодействию и улучшению здоровья?
Премиум-предложения: поддержка терапевта или консультанта по поведению
Более того, такие программы часто предлагают премиум-версию, в которой пользователи платят за удаленную поддержку терапевта или поведенческого тренера в сочетании с приложением + носимым устройством. С точки зрения бизнеса это может значительно увеличить размер рынка и потенциальный доход. Человеческое прикосновение также помогает с липкостью (вовлеченностью).
Однако тогда терапевты или коучи становятся еще одним слоем «пользователей» в вашей экосистеме. Им нужна внутренняя информационная панель провайдера, которая, по сути, является вторым программным продуктом, добавляющим значительную техническую сложность. Поскольку провайдеры-люди дороже и менее масштабируемы, чем программное обеспечение, компаниям нужны алгоритмы для оптимизации времени и внимания провайдеров, а также учебные материалы для обеспечения эффективного использования алгоритмов.
Если носимые устройства включены, пользователи будут ожидать, что их поставщики будут экспертами в метриках устройств и устранении неполадок, даже несмотря на то, что большинство терапевтов и тренеров не обучены понимать, почему чье-то соединение Bluetooth не работает или заданная оценка ВСР низка.
Остерегайтесь негативных последствий с помощью систем искусственного интеллекта и машинного обучения с участием человека
Когда мы объединяем поставщиков и алгоритмы AI/ML, чтобы сделать здравоохранение масштабируемым, мы сталкиваемся с неожиданными проблемами или «извращенными эффектами». Например, информационная панель провайдера может попросить терапевтов связаться с пользователями, которых алгоритм оттока идентифицирует как склонных к отсоединению. Однако к тому времени, когда пользователи начали отходить, они, возможно, уже решили, что им это больше не интересно. Таким образом, провайдер может потратить много времени на создание персонализированных текстовых сообщений для повторного вовлечения пользователей, которые, как правило, терпят неудачу. В этом примере алгоритм оттока AI/ML может привести к обратному эффекту: увеличить расходы, а не снизить их. С другой стороны, пользователи часто очень негативно реагируют на сообщения, которые они считают «законсервированными» или сгенерированными машиной, особенно если они заплатили за провайдера один на один.
Этот пример иллюстрирует некоторые из сложных проблем, с которыми сталкиваются организации, которые лежат на стыке психологии, бизнес-стратегии и науки о данных.
Почему вы сэкономите время и деньги, наняв междисциплинарного консультанта
Принципы изменения поведения могут показаться простыми по сравнению с построением модели ИИ, но как человек, глубоко изучивший и то, и другое, позвольте мне сказать, что эта легкость обманчива. Идеи могут быть простыми для понимания, но очень трудными для воплощения! Просто предоставить знания (например, обучающее видео) недостаточно; его необходимо сочетать с обучением навыкам и снижением барьеров. Одна из самых больших ошибок, которую я вижу снова и снова, заключается в том, что, поскольку принципы изменения поведения кажутся простыми, продуктовые команды не верят, что им нужен специалист, встроенный в команду.
Если вы создаете стартап в области цифрового здравоохранения, вы можете спросить себя, как мне узнать, что нужно создавать? Вы можете провести длинную серию совещаний со многими экспертами в разных областях — клинической практике, продуктах, пользовательском опыте, науке о данных, продажах и бизнес-стратегии — чтобы определить, какие модули и функции имеют наибольший смысл. Это займет очень много времени. Чем больше людей должны достичь консенсуса, тем больше времени это займет. Вот почему наличие междисциплинарного советника или консультанта может в конечном итоге сэкономить вам много времени и денег.
Может быть, у продуктовой команды есть много идей, которые они хотят опробовать. Но вам также нужно показать результаты, чтобы привлечь финансирование через 9–12 месяцев. Если вы можете спроектировать приложение с возможностью узнавать, что работает на основе данных, вы можете расширить возможности своей команды, направляя процесс к желаемому результату. В качестве консультанта я предлагаю человека с глубоким опытом во многих областях этой головоломки, который может помочь соединить точки для вашей команды.
Краткий обзор: подход AI/ML к пониманию долгосрочного взаимодействия
Допустим, у вашей компании есть модульная программа на основе приложений для улучшения цифрового здоровья. Теперь вы хотите понять, могут ли данные помочь вам доказать, что программа работает, и узнать, как вывести вмешательство на новый уровень.
В следующем блоге я также поделюсь опубликованными результатами исследования нового аналитического инструмента машинного обучения, который я создал, чтобы узнать о долгосрочном взаимодействии с пользователями и результатах. Он предназначен для использования с цифровой платформой здравоохранения, которая использует «модульный» подход к изменению поведения, как мы обсуждали в этой статье. Мы рассмотрим пример из практики того, как этот инструмент помог получить информацию, которая послужила основой для стратегии улучшения долгосрочного взаимодействия и создания программы лечения Precision Care.
Вот вопросы, на которые этот инструмент может помочь вам ответить:
- Получают ли пользователи, которые более последовательно взаимодействуют с программой, лучшие результаты?
- Какие модули больше всего способствуют оттоку пользователей?
- Какие типы пользователей уходят на разных этапах пользовательского пути?
- Существуют ли определенные подгруппы пользователей, которым было бы полезно расположить эти модули в другом порядке?
- Можем ли мы определить характеристики суперпользователей, чтобы лучше ориентировать их в наших маркетинговых кампаниях?
В заключение, похоже, что модели подписки никуда не денутся, а это означает, что долгосрочное взаимодействие имеет большее значение, чем когда-либо. Это имеет широкие последствия для модульного дизайна продукта, стратегии поведенческого дизайна, использования данных для достижения успеха, персонализации пути пользователя с помощью AI/ML и интеграции удаленных поставщиков.
Заинтригованы? Давайте поговорим!
Мне очень нравится помогать командам со сложными междисциплинарными вопросами и потребностями AI/ML. Если вы хотите узнать больше о том, как я могу вам помочь, свяжитесь с нами через LinkedIn. Я также хотел бы услышать ваши мысли и ответы ниже в разделе комментариев, и я стараюсь читать и отвечать на каждый из них.
