Машинное обучение применили для предсказания подписок на новости

Специалисты издательского дома Schibsted Media Group опубликовали результаты исследования, в котором машинное обучение применили для улучшения конверсии пользователей в подписчиков на новостные продукты. Исследование проводилось в тесном сотрудничестве с Aftenposten (принадлежит Schibsted).

С помощью построенной математической модели удалось увеличить конверсию на 540%.

Как это было

Алгоритм натравили на набор данных, собранных со всех залогиненных пользователей за 14 дней — так называемый «период наблюдения», в течение которого у них не было подписки.

Затем изучили «целевой период» продолжительностью в 7 дней, в течение которого некоторые пользователи оформили подписку. Алгоритм смог выявить паттерны, которые повышают вероятность конверсии того или иного пользователя.

В модели учитывалось множество факторов и не все из них оказались полезными. Среди самых полезных оказались очевидные число дней с момента прошлого визита, частота визитов и объем потребляемого контента.

Менее очевидными сигналами оказалась доля выходных дней (от общего числа, когда было зафиксировано посещение) и число устройств, с которых посещался сайт.

Рост конверсии

В Aftenposten конверсия до эксперимента составляла около 1%. Каждый сотый пользователь, которого изучали исследователи, покупал подписку.

Эксперимент по телемаркетингу (обзвон зарегистрированных пользователей с предложением подписаться на газету) показал, что конверсия среди 10% пользователей с наивысшим показателем готовности купить подписку (Subscription Purchase Score) составляет 6%.

Следующим шагом было расширение сегмента. В результате найден оптимальный объем аудитории с конверсией в 5,4%.

Подобный эксперимент для другой газеты, Faedrelandsvennen, где раньше обзвонов не было, показал конверсию в 8,8%.

Удвоение CTR баннеров в приложении

Другое применение модели — предсказывать то, что понравится пользователю и коммуницировать с ним на основе этой модели. Эксперимент провели на приложении Bergens Tidende, также издании Schibsted. Исследователей интересовало, коррелирует ли более высокий показатель SPS с большим вовлечением и взаимодействием с рекламными объявлениями.

Оказалось, что да.

Целевая группа охотнее просматривала баннеры и почти в два раза чаще на них жала.

Сейчас в Schibsted собираются продолжать эксперименты, а затем автоматизировать нужные процессы и приступить к монетизации.

Как норвежская ежедневка Aftenposten за год удвоила число цифровых подписчиков

Aftenposten

Digiday описывает кейс норвежской газеты Aftenposten, которая в 2016 году нарастила базу платных подписчиков с 32 до 70 тысяч.

Тор Якобсен (Tor Jacobsen), коммерческий директор родительской компании Schibsted, объясняет успех изменением подхода к анализу статистики.

  • Раньше на летучках обсуждали трафик, который привлекла та или иная статья. Сейчас обсуждают, какая статья привлекла больше подписчиков.
  • Aftenposten ввела мягкий paywall в 2013 году. Обычные пользователи могут читать до 6 статей в неделю, однако новостной контент доступен сразу в нескольких местах, включая Facebook.
  • Новая медиастратегия, запущенная в 2015 году, предлагала больше премиального контента подписчикам, сохраняя в то же время мягкий paywall для остальной части.
  • В день Aftenposten выпускает 150 материалов. Около 20% из них доступно только для подписчиков.
  • В результате 65% выручки от печатной и цифровой версии Aftenposten получает от подписчиков (стоимость цифровой подписки на месяц — около $24), и лишь 35% — от рекламы.
  • Число платных пользователей растет благодаря пониманию конверсии из разных каналов. Например, около 20% подписок приходится на Facebook, где газета рекламирует отдельные статьи, таргетируя объявления по полу, возрасту и местоположению.
  • Саму подписку упаковывают скорее как членство в клубе.
  • В 2017 году Aftenposten собирается экспериментировать с новостными рассылками — число подписчиков на рассылку пока не раскрывается, но доля открываемых писем достигает 35%.
  • Одновременно опробуют персонализацию, сохраняя общими для повестки три главных статьи и подбирая остальные под пользователя.