Résoudre le problème de la rétention dans les séries courtes : le parcours de croissance de QuickTV avec Moloco

À propos

Quick TV de ShareChat est une application de micro-drames en pleine croissance en Inde et un produit d'abonnement phare au sein de l'écosystème de micro-drames de ShareChat, qui touche plus de 60 millions d'utilisateurs actifs mensuels et génère 400 millions de vues d'épisodes par jour. Conçue pour le visionnage en rafale de mini-séries dramatiques, de thrillers et de romances, Quick TV propose des vidéos au format vertical de 1 à 5 minutes, idéales pour un divertissement rapide pendant les trajets ou les pauses.

Défi

Quick TV était confronté à un défi courant mais critique dans le modèle d'abonnement freemium : des taux d'abandon élevés entre l'inscription à l'essai et l'abonnement payant. Bien que la plateforme réussisse à attirer des utilisateurs pour des essais gratuits, une majorité d'entre eux se désabonnaient avant de devenir des abonnés payants. Le problème central était clair : optimiser uniquement les inscriptions aux essais ne suffisait pas. Quick TV devait identifier et acquérir des utilisateurs qui non seulement commenceraient leur essai, mais le termineraient et se convertiraient en abonnés payants. La croissance de l'entreprise exigeait de se concentrer sur les revenus d'abonnement, et non sur le simple volume d'essais.

Solution

Quick TV s'est associé à Moloco pour développer une approche d'optimisation personnalisée capable d'identifier les utilisateurs ayant une réelle intention de s'abonner, et non seulement une intention d'essayer. Plutôt que de traiter toutes les inscriptions aux essais de la même manière, la stratégie s'est concentrée sur la création d'un nouvel événement d'optimisation reflétant plus précisément le comportement utilisateur que Quick TV souhaitait réellement susciter.

Construire un signal d'optimisation plus intelligent

L'équipe de Moloco a travaillé avec Quick TV pour créer un événement d'optimisation composite utilisant la période d'essai elle-même comme signal. En analysant le comportement des utilisateurs pendant cette période, le modèle d'IA a appris à identifier les schémas associés aux résiliations précoces et a appliqué cette compréhension pour filtrer les utilisateurs à faible intention lors du ciblage. Les débuts d'essai ont été traités comme un signal positif, tandis que les utilisateurs montrant des comportements propices à la résiliation ont été utilisés comme signal négatif. Le résultat est un modèle entraîné à trouver des utilisateurs qui resteraient abonnés au-delà de la période de résiliation initiale.

Exploiter l'IA par annonceur pour améliorer la précision

Un facteur clé de cette approche a été le modèle d'IA par annonceur de Moloco, qui a appris spécifiquement à partir des données utilisateur de Quick TV, tout en s'appuyant sur des signaux mutualisés à travers la plateforme. Cela a permis au modèle d'établir un profil comportemental précis de l'abonné à fort potentiel de Quick TV, en tenant compte des nuances du marché indien du streaming et de la catégorie de contenu spécifique de Quick TV. Le modèle d'IA a continuellement affiné sa compréhension de ce qu'est un utilisateur à forte valeur ajoutée à mesure que de nouvelles données de conversion devenaient disponibles.

Résultat

En ciblant l'intention d'abonnement payant plutôt que le simple volume d'essais, Quick TV a transformé son acquisition d'utilisateurs, passant d'une stratégie axée sur la quantité à un moteur de croissance axé sur la qualité. Sur une période de 45 jours (du 18 décembre 2025 au 31 janvier 2026), Quick TV a atteint les résultats suivants :

• Coût par abonné réduit d'environ 46 % sur une période de 45 jours (avant/après) suivant le lancement du nouvel événement ML personnalisé le 17 décembre 2025. 
• Taux de résiliation à J+7 amélioré d'environ 43 % sur la même période d'observation de 45 jours (avant/après) suivant le lancement du nouvel événement ML personnalisé le 17 décembre 2025. 
• Ce gain d'efficacité a conduit à une augmentation du taux de conversion de l'essai vers l'abonnement et a amélioré l'entonnoir global pour quickTV.

‍