संलग्नता मापदंड

संलग्नता मापदंड मापते हैं कि उपयोगकर्ता वास्तव में एक स्वास्थ्य ऐप का कितना उपयोग करते हैं: DAU/MAU चिपचिपाहट, सत्र-आवृत्ति और अवधि, फ़ीचर-उपयोग। डिजिटल स्वास्थ्य में, संलग्नता दिखावा नहीं है — यह मात्रा है: वह संपर्क जिसके माध्यम से किसी भी नैदानिक प्रभाव को बहना ही चाहिए।

यह क्यों महत्वपूर्ण है

बोतल में रही एक दवा किसी को ठीक नहीं करती; एक ऐप जो अनइंस्टॉल्ड या अनओपन्ड रहता है वही विफलता-प्रतिरूप है। एक उपभोक्ता स्वास्थ्य उत्पाद के लिए हर स्वास्थ्य-आर्थिक दावा संलग्नता से गुणा होता है — परीक्षणों में दिखाई गई प्रभावकारिता किसी उपयोग-स्तर पर मापी गई थी, और वास्तविक-विश्व मूल्य इस पर स्केल करता है कि तैनाती-उपयोग उस स्तर के कितने निकट पहुँचता है। मानक उत्पाद बेंचमार्क: DAU/MAU लगभग 20% को स्वस्थ माना जाता है सामान्य मोबाइल ऐप के लिए, >25% असाधारण; स्वास्थ्य ऐप अक्सर कम चलते हैं।

गणना विधि

चिपचिपाहट (DAU/MAU) = दैनिक सक्रिय उपयोगकर्ता / मासिक सक्रिय उपयोगकर्ता × 100
सत्र मापदंड         = सत्र/उपयोगकर्ता/अवधि; औसत अवधि = कुल समय / सत्र
फ़ीचर संलग्नता       = मुख्य क्रिया करने वाले उपयोगकर्ता / सक्रिय उपयोगकर्ता

मात्रा-प्रतिक्रिया रूपरेखा (स्वास्थ्य-अर्थशास्त्र उन्नयन):
  प्राप्त प्रभाव ≈ परीक्षण प्रभाव × f(वास्तविक उपयोग / परीक्षण उपयोग)
  जहाँ f मात्रा-प्रतिक्रिया विश्लेषण से आता है — देखें adherence-and-persistence.md
  में "प्रभावी संलग्नता" अवधारणा: इच्छित परिणाम प्राप्त करने के लिए
  पर्याप्त उपयोग, जो मामूली और सीमित हो सकता है

व्यावहारिक उदाहरण

एक रक्तचाप ऐप के प्रमुख अध्ययन ने ≥4 रीडिंग/सप्ताह दर्ज करने वाले उपयोगकर्ताओं में 6 mmHg सिस्टोलिक कमी दिखाई। 50,000 पंजीकृत उपयोगकर्ताओं में तैनाती में:

MAU 20,000 (40%); उनमें से, ≥4×/सप्ताह दर्ज करने वाले: 7,000
प्रभावी-मात्रा उपयोगकर्ता = 7,000 / 50,000 = पंजीकृत आधार का 14%

जनसंख्या-स्तर प्रभाव ≈ परीक्षण-प्रभाव 14% को वितरित, 100% को नहीं:
कोई भी आर्थिक मॉडल जो "50,000 उपयोगकर्ता × 6 mmHg" उद्धृत करता है वह
लगभग 7× बढ़ा-चढ़ाकर बताता है। ईमानदार मॉडल: 7,000 × पूर्ण प्रभाव +
आंशिक श्रेय (मात्रा-प्रतिक्रिया डेटा से, यदि कोई हो) 13,000
सब-थ्रेशोल्ड उपयोगकर्ताओं के लिए।

यह गुणन — संलग्नता-फ़नल के माध्यम से प्रभावी-मात्रा तक — वह एकल सबसे आम स्थान है जहाँ डिजिटल-स्वास्थ्य अर्थशास्त्र फूलता है।

सॉफ़्टवेयर इंजीनियरिंग से संबंध

इंजीनियर संलग्नता-फ़नल के स्वामी होते हैं, जो उन्हें एक नैदानिक चर का स्वामी बनाता है: ऑनबोर्डिंग-घर्षण, नोटिफ़िकेशन-रणनीति, लोड-टाइम, और ऑफ़लाइन-लचीलापन सभी वितरित मात्रा को हिलाते हैं। दो डिज़ाइन-निहितार्थ: नैदानिक रूप से सार्थक क्रिया को इंस्ट्रूमेंट करें (दर्ज रीडिंग, पूर्ण पाठ), ओपन नहीं — नोटिफ़िकेशन-बाउंस सत्रों पर बना DAU मात्रा-धोखाधड़ी है; और संलग्नता-लक्ष्यों को पर्याप्तता लक्ष्यों के रूप में मानें, अधिकतमीकरण नहीं — एक ऐप जो अपना परिणाम 5 मिनट/सप्ताह में प्राप्त करता है और रास्ते से हट जाता है नैदानिक रूप से आदर्श और मापदंड-रूप से "ख़राब" है (देखें अनुपालन और निरंतरता में प्रभावी संलग्नता)। ऊपर दिए गए जनसंख्या-प्रभाव मॉडल के माध्यम से संलग्नता-कार्य का स्वयं मूल्यांकन करें: प्रभावी-मात्रा हिस्से में 2-बिंदु लाभ एक मापनीय QALY-रेखा है।

जोखिम बिंदु

• परिणाम के रूप में संलग्नता: उपयोग एक साधन है; परिणाम PROM या नैदानिक अंतिम-बिंदु है।
• द्विरूपी उपयोग पर औसत: स्वास्थ्य-ऐप जनसंख्याएँ समर्पित उपयोगकर्ताओं और भूतों में विभाजित होती हैं; माध्य किसी का वर्णन नहीं करते — समूहीकृत करें।
• डार्क-पैटर्न मात्रा-मुद्रास्फीति: स्ट्रीक और अपराधबोध-नोटिफ़िकेशन मापदंड बढ़ाते हैं और स्वास्थ्य-ऐप द्वारा सेवित चिंतित जनसंख्याओं को नुकसान पहुँचा सकते हैं; नैदानिक उत्पाद नैदानिक नैतिकता वहन करते हैं।
• विक्रेता-बेंचमार्क उद्गम: अधिकांश प्रकाशित संलग्नता-बेंचमार्क विश्लेषिकी-विक्रेताओं से आते हैं, सहकर्मी-समीक्षा से नहीं; अपने स्वयं के परीक्षणों के विरुद्ध कैलिब्रेट करें।

स्रोत

• ऐप संलग्नता बेंचमार्क। https://getstream.io/blog/app-retention-guide/
• स्वास्थ्य ऐप KPI गाइड। https://www.darly.solutions/blog/key-metrics-for-health-apps-success-a-guide-to-kpis-and-outcomes
• Yardley L, et al. प्रभावी संलग्नता पर। https://pmc.ncbi.nlm.nih.gov/articles/PMC8726056/