Dynamiczny paywall:
Każdemu czytelnikowi jego bariera
Sztywny metering traktuje pierwszego gościa jak stałego czytelnika tuż przed zakupem. Model propensity decyduje dla każdego czytelnika i artykułu, kiedy paywall się uruchamia - i wyciąga z tych samych kontaktów wyraźnie więcej subskrypcji.
Ten moduł jest częścią sześcioczęściowego wyliczenia modelowego o fikcyjnym regionalnym domu mediowym (55.000 subskrypcji drukowanych i 25.000 cyfrowych). Wszystkie kwoty w euro są wyprowadzone z udokumentowanych założeń wydawnictwa wzorcowego; dźwignie opierają się na opublikowanych benchmarkach branżowych i celowo nie wykorzystują ich najlepszych wartości. Pokazane wartości nie są wynikami realnych klientów ani obietnicą rezultatów. To, jakie wartości są osiągalne na Państwa realnych danych, pokazuje dopiero projekt pilotażowy.
01 Problem - Sztywny metering traci w obie strony
Za wcześnie odstrasza zasięg, za późno marnuje zakupy
Każda sztywna reguła - trzy darmowe artykuły, potem bariera - jest dla większości czytelników błędna: przelotny gość zostaje odstraszony, zanim powstanie więź; wysoko zaangażowany czytelnik miesiącami czyta dalej za darmo, choć dawno byłby gotów płacić. Jedno i drugie kosztuje subskrypcje.
Gotowość do zakupu widać w Państwa danych: częstotliwość wizyt, miks działów, głębokość czytania, urządzenie, status newslettera. NZZ zbudowała z tych sygnałów model ze 100 do 150 reguł i w ciągu trzech lat pięciokrotnie zwiększyła swoją stopę konwersji. Tę zasadę można przenieść na Państwa wydawnictwo.
Nie więcej ruchu, nie więcej presji reklamowej: tylko właściwa bariera przy właściwym czytelniku.
02 Model - Prawdopodobieństwo zakupu dla każdego czytelnika i artykułu
Gradient boosting na historii sesji i cechach artykułów, wykonywany w czasie rzeczywistym na paywallu
{'kalt': 0.71, 'warm': 0.24, 'heiss': 0.05}
Erwarteter Uplift vs. fixe Meterung: +30%W praktyce ze wskaźnika powstają trzy strefy: zimna - paywall pozostaje otwarty, najpierw budowanie więzi (newsletter, rejestracja). Ciepła - dozowana bariera z ofertą testową. Gorąca - twarda bariera z ofertą w pełnej cenie, bo ci czytelnicy i tak konwertują. Piano mierzy między najwyższym a najniższym segmentem propensity 174-krotną różnicę prawdopodobieństwa zakupu - równe traktowanie jest tu najdroższą opcją.
03 Wpływ na biznes - Więcej zakupów z tego samego ruchu
Dźwignia: 30 procent wzrostu konwersji na dzisiejszej stopie zakupów paywalla
Żadnej liczby z sufitu: każde założenie pochodzi z przykładowego wydawnictwa i jest przechowywane centralnie. Z Państwa realnymi liczbami zmienia się tylko wejście, nie metoda.
| Pozycja | Wartość |
|---|---|
| Kontakty z paywallem / miesiąc | 150.000 |
| Stopa zakupów dziś (0,6 %) → nowe subskrypcje / miesiąc | 900 |
| Baza: Dodatkowe subskrypcje / rok przy +30 % konwersji | 3.240 |
| Dźwignia: Dodatkowe subskrypcje × 7 opłaconych miesięcy w 1. roku × ARPU | 3.240 × 7 × 10,50 € |
| Wynik: dodatkowy przychód / rok | €238.140 |
Założenia przykładowego wydawnictwa - w realnym projekcie Państwa dane zastępują te wartości.
Benchmark INMA ze sterowaniem propensity dokumentuje +77 do +166 procent wyższą konwersję, Schibsted +75 procent więcej sprzedaży subskrypcji z artykułów na stronie głównej dobieranych przez ML. Wyliczenie modelowe celowo przyjmuje 30 procent, przy dolnej granicy.
04 Następne kroki w Państwa wydawnictwie
Od wskaźnika do uczącego się zestawu reguł paywalla
Z Państwa danych web analytics i paywalla rekonstruujemy, kto dziś staje przed barierą - i kto tam rezygnuje.
Model działa najpierw równolegle do istniejącego meteringu. Na realnych sesjach zobaczą Państwo, gdzie zdecydowałby inaczej - i lepiej.
Dynamiczna bariera startuje na części ruchu i dowodzi swojego wzrostu w kontrolowanym teście, zanim zostanie przeskalowana.