Paywall AI Financial Times sedang mempelajari seni retensi

“Kami sampai pada kesimpulan di dunia bisnis bahwa pengaruh terbesar terhadap retensi adalah akuisisi,” kata Graham MacFadyen, direktur pemasaran konsumen di Financial Times, pada Digiday Publishing Summit Europe, di Lisbon, Portugal.

Eksperimen yang memungkinkannya

Sejak paywall diluncurkan pada bulan Januari, Financial Times telah melihat tingkat konversi melonjak sebesar 290% dan nilai seumur hidup meningkat antara 7% dan 10% di antara segmen audiens yang terpapar sistem berbasis AI. Penerbit tidak memberitahukan berapa banyak pembaca yang benar-benar meliput, namun secara internal, hasilnya cukup kuat untuk menjadikan eksperimen ini sebagai titik fokus.

“Kami merasa AI melakukan tugasnya dengan sangat baik,” kata Graham MacFadyen, direktur pemasaran konsumen di Financial Times, di Digiday Publishing Summit Europe, di Lisbon, Portugal.

Meski begitu, dia berhati-hati untuk tidak menyatakan kemenangan dulu.

Paywall AI hanya berlaku untuk sekitar 30 hingga 40% audiens penerbit — pembaca yang secara eksplisit menyetujui pelacakan data. Artinya, model tersebut mungkin saja berurusan dengan pembaca yang kemungkinan besar akan berlangganan.

Atau seperti yang dikatakan MacFadyen: “Kami menduga ada bias yang disengaja dalam sampel.”

Untuk mengetahuinya, dia dan timnya sedang menguji kelompok kontrol dari pengguna yang menyetujui dan tidak melihat paywall AI. Tujuannya adalah untuk mengisolasi apa yang benar-benar bersifat inkremental, dan untuk menyebarkan nilai teknologi dari audiens yang membuatnya berhasil.

Bagaimana cara belajarnya

Paywall AI Financial Times tidak hanya memutuskan kapan akan menampilkan paywall. Ini memutuskan tawaran seperti apa yang akan ditampilkan. Berdasarkan sinyal perilaku seperti frekuensi kunjungan, waktu, dan jenis konten, model ini memprediksi kesediaan pembaca untuk membayar, lalu memilih menu penawaran mulai dari aplikasi FT Edit senilai £4,99 per bulan hingga tingkat premium surat kabar senilai £50 per bulan.

Berbeda dengan versi sebelumnya dari paywall dinamis penerbit, yang beroperasi dengan aturan sederhana jika/maka (“tampilkan penawaran setelah lima artikel”, misalnya), model AI bersifat probabilistik. Ia belajar seiring berjalannya waktu. Untuk pembaca dengan data yang sedikit, misalnya pengunjung pertama kali, pembaca akan menggunakan kemiripan dari pengguna sebelumnya untuk membuat tebakan terbaik.

Seiring waktu, paywall AI secara bertahap memperketat akses, menampilkan lebih sedikit artikel gratis dan meningkatkan tingkat pemblokiran paywall. Dengan kata lain, semakin banyak pembaca yang kini menghadapi paywall dan semakin banyak yang memilih untuk berlangganan.

Memikirkan kembali corong

MacFadyen membingkai corong Financial Times sebagai “gelas martini” — lebar di bagian atas, sempit di bagian bawah, dengan sebagian besar pembaca meninggalkannya sebelum berlangganan. Paywall AI adalah upaya untuk membentuk kembali kaca tersebut dengan mengarahkan pengguna ke produk yang tepat lebih awal, meskipun itu berarti memulai dari yang kecil dengan uji coba, registrasi, atau pendaftaran buletin.

Selain ilmu data, tujuan yang lebih luas adalah memperluas daya tarik Financial Times. MacFadyen mengatakan penerbit menggunakan AI untuk menampilkan perpaduan konten dan produk yang tepat untuk berbagai jenis pembaca, mulai dari pelajar hingga eksekutif senior, sebagai bagian dari upaya yang lebih besar untuk membuat judul tersebut terasa relevan bagi khalayak yang lebih luas, bukan hanya untuk orang dalam.

Apa yang terjadi selanjutnya

Di Financial Times, teknologi bukanlah hal yang penting. Bagian tersulitnya adalah menentukan bagaimana — dan kapan — menggabungkan paywall yang digerakkan oleh AI dengan paywall dinamis, dan seberapa banyak pembelajaran yang diperoleh dari kelompok yang disetujui dapat diperluas ke khalayak yang lebih luas secara bertanggung jawab.

“Ada permasalahan kepatuhan yang harus dipikirkan karena yang satu didasarkan pada pengguna yang menyetujui dan yang lainnya tidak,” kata MacFadyen. “Tetapi ya, saya melihat adanya konvergensi keduanya dari waktu ke waktu – atau setidaknya dalam pertukaran pengetahuan jangka pendek di antara keduanya.”

Sampai saat itu tiba, tim sedang mempelajari bagaimana kinerja model di seluruh jenis konten dan wilayah, melihat apakah pembaca melakukan konversi secara berbeda tergantung pada apa yang mereka baca – misalnya pemasar versus politik – dan mengembalikan wawasan tersebut ke dalam strategi berlangganan yang lebih luas.