解决短剧留存难题：QuickTV 与 Moloco 的增长之旅

关于我们

ShareChat 的 Quick TV 是印度一款快速增长的微短剧应用，也是 ShareChat 微短剧生态系统中的旗舰订阅产品，月活跃用户超过 6000 万，每日剧集播放量达 4 亿次。Quick TV 专为沉浸式观看短剧、悬疑剧和浪漫迷你剧而设计，提供 1 到 5 分钟的竖屏短视频，非常适合在通勤或休息时快速娱乐。

挑战

Quick TV 在免费增值订阅模式中面临一个普遍但关键的挑战：从试用注册到付费订阅的流失率较高。虽然该平台成功吸引了用户开启免费试用，但大多数用户在转化为付费订阅者之前就取消了订阅。核心问题显而易见：仅优化试用注册量是不够的。Quick TV 需要识别并获取那些不仅会开启试用，还会完成试用并转化为付费订阅者的用户。业务增长需要聚焦于订阅收入，而不仅仅是试用规模。

解决方案

Quick TV 与 Moloco 合作开发了一种定制化的优化方案，旨在识别具有真正订阅意愿（而非仅仅是试用意愿）的用户。该策略不再将所有试用注册一视同仁，而是专注于构建一个新的优化事件，以更准确地反映 Quick TV 真正希望驱动的用户行为。

构建更智能的优化信号

Moloco 团队与 Quick TV 合作创建了一个复合优化事件，将试用期本身作为信号。通过分析试用期间的用户行为，AI 模型学会了识别与提前取消订阅相关的模式，并在投放时应用这一认知来过滤掉低意愿用户。试用开启被视为正向输入信号，而表现出易取消倾向的用户则被用作负向信号。最终，模型经过训练，能够找到那些在早期取消窗口期之后仍会保持订阅的用户。

利用针对广告主的 AI 提升精准度

该方案的一个关键因素是 Moloco 的广告主专属 AI 模型，它专门从 Quick TV 自身的用户数据以及平台汇总的信号中进行学习。这使得模型能够构建出高意愿 Quick TV 订阅者的精确行为画像，并兼顾印度流媒体市场的细微差别以及 Quick TV 特定的内容类别。随着更多转化数据的积累，AI 模型不断优化其对高价值用户特征的理解。

成果

通过瞄准付费订阅意愿而非仅仅追求试用规模，Quick TV 将其用户获取策略从“数量驱动”转型为“质量驱动”的增长引擎。在 45 天内（2025 年 12 月 18 日至 2026 年 1 月 31 日），Quick TV 实现了以下成果：

• 自 2025 年 12 月 17 日推出新的定制化机器学习事件后的 45 天内（前后对比），每位订阅者的获取成本降低了约 46%。 
• 在 2025 年 12 月 17 日推出新的定制化机器学习事件后的 45 天观察期内（前后对比），第 7 天（D7）取消率改善了约 43%。 
• 效率的提升带动了试用转化订阅率的增长，并优化了 Quick TV 的整体转化漏斗。

‍