New York Times는 머신 러닝으로 개인화된 페이월을 노출, 구독 전환율을 극대화합니다.

09/02/2022, 02:52

New York Times의 구독제 중심 디지털 전환은 2011년의 페이월 시스템과 함께 시작됐습니다.
비가입자에게 매월 한정된 수의 무료 기사를 제공, New York Times의 제품 가치를 설득했습니다.

오늘날 이 페이월 시스템은 'Dynamic Meter'라는 개인화 시스템으로 진화했습니다.

1. New York Times 구독 전환의 퍼널 구조
- 비가입자 유입
- 가입 또는 로그인하면 더 많은 무료 콘텐츠 제공
- 수집된 유저 데이터를 바탕으로 적절한 무료 한도 설정, 페이월 노출
- 유료 구독 전환

2. Dynamic Meter의 2가지 목표
- 콘텐츠 확산과 전환
- 두 지표는 서로 상반됩니다. 무료 콘텐츠 수를 줄일 수록(페이월 노출 시점을 앞당길 수록) 전환율은 커지나 유저가 접할 수 있는 콘텐츠 규모는 줄어듭니다. 무료 콘텐츠 수를 늘리면 반대입니다.
- 콘텐츠를 확산하는 것은 제품 가치를 설득하고 잠재 고객을 유치하는데 중요합니다. 즉, 두 지표의 적절한 균형이 필요합니다.

3. New York Times의 방법
- 콘텐츠 확산, 전환율을 예측하는 머신 러닝 모델을 각각 구현, 이를 종합하여 2가지 목표를 최대화하기 위한 모델을 구성합니다.
- 각 모델의 우선순위는 가중치를 통해 구체적으로 조정할 수 있습니다.
- 한 모델을 적용하기 전, 과거 데이터를 적용해 예상 전환율을 미리 살펴봅니다.(백테스팅)
- 비즈니스 목적에 따라 일정 수준의 전환율을 목표하고 모델을 제품에 적용합니다.

게시 멤버

슉슉이

댓글 0

눈으로 읽고 끝내지 마세요. 인사이트에 대한 생각을 공유해주세요!