az új Paywall Dymanic: hogyan nőtt a Wall Street Journal előfizetések 25 százalékkal

dinamikus Paywall

a kiadók egyre növekvő kihívással néznek szembe a csökkenő hirdetési bevételek miatt a piacon uralkodó platformok, mint a Google, a Facebook és az Amazon. És annyi ingyenes tartalom a könnyű fogyasztás és a változó felhasználói viselkedés komoly kihívást jelent a kiadók számára, hogy eladják a digitális előfizetéseket, megállítsák a csökkenést és növeljék a bevételeket. Ennek a kihívásnak az a része, hogy a kiadók az évek során statikus és mindenki számára egységes fizetési falakat fogadtak el, figyelmen kívül hagyva, hogy az olvasók viselkedése eltérő érdeklődéssel és feliratkozási hajlandósággal rendelkezik.

az évek során a kiadók kipróbálták a különböző paywall modelleket, de mindegyiknek vannak kihívásai:

  • kemény paywall: a kemény paywall-t megvalósító kiadók általában nagy mennyiségű hűséges, rendszeres olvasóra támaszkodnak, akik jól ismerik a kiadványt. Azok az olvasók, akik nem érdeklődnek a termék iránt, általában elhagyják a fizetőfal első látását, és soha nem térnek vissza.

  • mért hozzáférés: Ez a megközelítés feltételezi, hogy az olvasók idővel vonzódhatnak az előfizetéshez azáltal, hogy szabad hozzáférést biztosítanak bizonyos tartalmakhoz. Az ingyenes cikkeket a kiadó választja ki az előfizetők létrehozásának képessége alapján. De ha előfizetést kiváltó cikkeket használ erre a célra – miért ad el ennyi cikket, és miért adja ugyanazokat a cikkeket minden olvasónak? És hogyan várhatja el az olvasóktól, hogy olyan prémium tartalmat vásároljanak, amelyet nem tudnak látni vagy mintát venni?

  • Freemium: hasonló megközelítés a mért hozzáféréshez hasonló kihívásokkal.

ezekben a közös modellekben az a közös, hogy ugyanúgy viselkednek, függetlenül attól, hogy ki lép kapcsolatba az oldallal. Ezenkívül a tartalmat helyezik előtérbe, nem a felhasználót. Más szavakkal, az előfizetések generálásának terhét egyedül a tartalomra helyezik, figyelmen kívül hagyva az előfizetés növekedésének hatalmas növekedését, amelyet az adatvezérelt, valós idejű személyre szabás generálhat.

A Wall Street Journal fizetőfala azonban, amelyet a Cxense konverziós motor hajt, más, és sokkal sikeresebbnek bizonyult, mint a hagyományos megközelítések.

A Wall Street Journal előfizetési és adatelemzési szakértői feltették maguknak a kérdést:

  • mely olvasók valószínűleg áttérnek előfizetőkre?

  • melyik olvasónak milyen előfizetési ajánlatot kell kapnia?

  • pontosan mikor kell ezeknek az olvasóknak ajánlatot kapniuk?

három kulcsfontosságú eleme a gyors előfizetési növekedés

  1. ez az adatok, hülye! Azok a kiadók, amelyek személyre szabják felhasználói élményüket, általában névtelen első fél adatokkal kezdődnek. Mindez a saját webhelyeiről érkező adatok gyűjtésével, értelmezésével és kezelésével kezdődik. A kiadóknak gyakran rengeteg nyers adat áll rendelkezésre, de sokan küzdenek azért, hogy olyan betekintést hozzanak létre, amelyet az előfizetői csapat megérthet és felhasználhat több előfizető vonzására és megtartására. A legmodernebb technológia és gépi tanulási algoritmusok alkalmazása a nyers adatokra óriási betekintést nyújt a kiadóknak az egyes olvasók viselkedéséről a webhelyeken és az előfizetési hajlandóságukról.
  2. használja a személyre szabást az érdeklődés felkeltéséhez. Minden olvasót egyénként kell kezelni, nem pedig közönség vagy szegmens tagként. A valódi személyre szabás, amelyet a szerkesztői és üzleti felhasználók (nem az informatikai részleg) valós időben ellenőrizhetnek, lehetővé teszi, hogy pontosan azokat a cikkeket jelenítse meg, amelyek a legrelevánsabbak és egy adott olvasó számára. Idővel ez növeli az elkötelezettséget és az előfizetés valószínűségét. A csúcskategóriás személyre szabási megoldások olyan algoritmusokat használnak, amelyek megtanulják, hogy mely beállítások működnek a legjobban, és automatikusan optimalizálják a felhasználói élményt.

  3. Individualizálja a fizetőfalat. A tapasztalatok azt mutatják, hogy az átalakításhoz szükséges cikknézetek mennyisége olvasónként nagyon eltérő, és a hosszú távú érdeklődés és a kontextus is jelentős szerepet játszik. A személyre szabott helyszíni üzenetek nagyon jó konverziós illesztőprogramoknak bizonyultak. Ezért az optimális konverziós eredmények elérése érdekében a fizetőfalnak dinamikusnak és személyre szabottnak kell lennie az időzítés, a kontextus és az ajánlatok szempontjából. Ideális esetben a személyre szabási motor automatikusan kategorizálhatja az olvasókat az előfizetési hajlandóságuk szerint. A gyakorlatban ez azt jelenti, hogy egyes felhasználók jó néhány cikket fogyaszthatnak, mielőtt előfizetési ajánlatot kapnának, míg mások már néhány látogatás után kemény fizetőfalat fognak tapasztalni.

miután megvalósította ezeket az elemeket, jó úton jár ahhoz, hogy megértse olvasói érdeklődését és annak valószínűségét, hogy előfizetővé válik.

A Wall Street Journal ezt a négy lépést követve dinamikus fizetőfalra váltott:

  • fogadjon el egy olvasó első/ügyfél első perspektíva (ahelyett, hogy a tartalom első)

  • használja ki a Cxense intelligens adatréteg szerezni mélyreható betekintést, hogy az olvasók kölcsönhatásba lépnek a tartalom

  • végre automatizált hajlam pontozás a nem jegyzett olvasók alapuló fejlett adatelemzés és a gépi tanulás
  • Grow előfizetések feláldozása nélkül hirdetési bevétel végrehajtásával dinamikus paywall

  • Katie vanneck Smith, a Dow Jones elnök-vezérigazgatója így fogalmaz: “Óriási sikert értünk el a közönségadatok és a valós idejű személyre szabás használatával, hogy az online olvasókat a cxense szoftver segítségével tagokká alakítsuk.”

Vélemény, hozzászólás?

Az e-mail-címet nem tesszük közzé.