Mientras el debate en torno a la construcción de muros de pago para poder hacer frente a la crisis de la industria de los medios se centra en gran parte en qué tipo de muro se elige, si de los que permiten un determinado número de artículos al mes (metered), freemium, muro de pago duro (todo bajo pago), un editor de Suiza ha quintuplicado sus suscriptores cambiando el enfoque y pasando de un muro de pago general, a uno muy personalizado, que denominan “paygate”

Desde principios de 2015, el Neue Zürcher Zeitung (NZZ), un periódico suizo en lengua alemana, publicado por NZZ Mediengruppe en Zurich, comenzó a experimentar con lo que llaman “puertas de pago dinámicas”, en lugar de paywalls. La necesidad de crear estas puertas, según dijo a los asistentes a la reciente conferencia de Newsrewired en Londres Rouven Leuener, jefe de productos digitales en NZZ, radicaba en incrementar los ingresos de los lectores debido al número relativamente pequeño de lectores de noticias digitales en Suiza, según publica Whatsnewinpublishing.

Los muros de pago metered, como los utilizados por los grandes editores de noticias como The New York Times, dijo Leuener, simplemente no dieron suficiente resultado. “No pudimos conseguir muchos suscriptores. Necesitábamos ser mucho más eficientes en la tasa de conversión. Así que decidimos crear puertas de pago, no muros de pago”.

Los defectos de una estrategia de pago

El sistema de paywall que adoptaron en 2012 resaltó todos los defectos que tiene una estrategia que carece de flexibilidad, que no es dinámica. Estaba estructurado según principios obsoletos de tecnología de la información, que no satisfacían las necesidades de los usuarios y solo lograban una tasa de conversión del 0,5%.

En 2015 se propusieron construir tecnología que estaría centrada en el consumidor. Comenzaron analizando el comportamiento de lectura de los usuarios individuales, junto con la ubicación del lector, para adaptar solicitudes específicas, desde artículos sugeridos hasta formas de registrarse o suscribirse. El comportamiento de lectura de los usuarios individuales incluyó la cantidad y el tipo de artículos que leyeron. Esto determinaría qué tipo de mensaje recibiría el lector. El nuevo enfoque elevó la conversión a 1,2% casi inmediatamente.

Sin embargo, explicaron Leuener, se dieron cuenta de que necesitaban optimizar un mayor número de lecturas e indicaciones sugeridas en relación con circunstancias más individuales a medida que seguían aprendiendo más. “Observamos varias hipótesis y tratamos de encontrar patrones dentro de ellas. Tan pronto como comenzamos a comprender qué funcionaba mejor al iterar y redefinir nuestro sistema para responder a los usuarios, la tasa de conversión aumentó al 2,5 por ciento “.

Dijo que algunos de los ejemplos que funcionaron sorprendentemente bien eran tan simples como tener diferentes saludos según el lugar desde el que el usuario iniciaba sesión o cualquier dato relevante que pudieran extraer sobre el usuario.

Modelado de la propensión

El año pasado comenzaron a agregar modelos de propensión al sistema en un esfuerzo por poder calcular la probabilidad de cada usuario de convertirse en suscriptor. “Esto no se hizo en términos generales”, dice Leuener, “sino usando datos extremadamente específicos de cada usuario todos los días, teniendo en cuenta cada categoría de contenido que se consume y un análisis del historial de lectura de cada usuario en el sitio”.

Algunas de las cosas interesantes que aprendieron durante este período fueron:

  • Nunca trates de vender nada en un sábado
  • La mayoría de los usuarios solo compran una suscripción por la mañana si hay una oferta que reduce el precio anterior
  • El contenido sobre noticias locales y temas financieros tiene más efecto durante la hora del almuerzo
  • Los usuarios que se registraron en el sitio entre uno y dos años y medio anteriormente tienen la mayor probabilidad de convertirse en suscriptores de pago
  • Las ofertas de mayor precio convierten mejor que las ofertas de bajo precio

Basándose en el conocimiento de cada usuario, han creado tres productos que pueden enviarse a cada usuario según el historial de su navegador:

  • Una lista de lecturas sugeridas diariamente personalizada basada en la visita previa del usuario.
  • Una lista de lectura diaria personalizada y publicada después de las 18 horas, de historias relevantes que el usuario no leyó durante el día
  • Una lista de lectura de fin de semana personalizada, que sugiere lecturas que los usuarios estaban interesados en leer pero no tuvieron tiempo de leer durante la semana.

Leuener dijo que ahora están en condiciones de utilizar el conocimiento que han adquirido para, además de la conversión a la suscripción, también garantizar la retención de los usuarios, evitando la pérdida de clientes, el aumento de escala y las ventas cruzadas. También confía en que alcanzarán una tasa de conversión de al menos el cinco por ciento en los próximos dos años.

DEJA UNA RESPUESTA

Please enter your comment!
Please enter your name here