人工智能如何帮助预测订阅取消并保持读者参与度

随着越来越多的出版商将订阅视为其2020年的主要收入来源，将即时阅读器转换为忠实订阅者的能力变得越来越重要。

自从全面收费墙时代以来，发生了许多变化，许多新闻机构现在选择了所谓的“动态收费墙”。

主要区别在于，动态付费专区会在满足某些条件时(例如，当他们的参与达到一定水平并且从特定设备进入时)向读者显示订阅报价。但是，对读者行为的更深入了解不仅可以帮助您的新闻编辑室将读者转变为订阅者，还可以使他们保持参与和动力以更新他们的支持。

现在，大多数付费专区提供商都为发布商提供了建立定制访问的可能性。但是要了解和利用读者的参与度，跟踪和分析实时数据可能会改变游戏规则。

至少，这就是Deep BI的联合创始人JarosławGóra试图帮助发布者的。基本思路非常简单：人工智能工具可以查看读者参与度，监控任何变化并实时自动进行付费专区，以将读者转化为订户。这些自动决策是基于了解哪种内容吸引读者并预测它们将来何时可能取消订阅。

Góra说：“我们使用的是基于机器学习的倾向得分，该得分考察了新近度，频率和数量以及多达100个其他指标。”他解释说，数量意味着阅读文章的数量和与阅读该文章所花费的时间内容。

然后，这些数据有助于建立读者档案，并在关键时刻提供付费墙或时事通讯注册表格，以提供最高的转化率。

它本质上使用了冲动购买的原理：当您需要或想要某种东西时突然变得可用。与考虑一系列选择相反，您更有可能在那儿购买它。

Deep BI在一周，一个月和六个月的时间内跟踪和评估读取器数据。它可以发现读者喜好发生变化的那一刻，从而表明注册/订阅/流失得分的倾向。

戈拉说：“我们为发行商提供了一种工具，可以帮助他们以更有效的方式来计划社论。”

“我们确定使用户购买产品的原因，并对产品进行评分以捕获主要事件：注册，新闻通讯注册，订阅，续订。”

查看模式可排除异常(称为意外事件)。例如，它将排除花费少于15秒的文章的读者。

这样，该算法可以将信息分为两组：哪些有助于与订户建立关系以及意外事件。

Deep BI还建立了另一个得分，该得分将购买的订阅归因于不同类型的内容，从而使发布者甚至可以将用户订阅路径上的免费内容归因于。

从那里开始，内容被分为以下三类之一：采集内容(使读者与您的品牌互动)，转化内容(使他们订阅的内容)和维护内容(使他们留下，与您的文章互动并更新其内容)订阅)。

然后，可以使用此信息来检查主题，章节和作者，这有助于告知编辑者受众的参与度。

戈拉说：“有时候，有些作家在某一方面很出色，而在另一部分则比较低落。”