«Hemos llegado a la conclusión en el negocio de que la mayor influencia en la retención es la adquisición», dijo Graham MacFadyen, director de marketing de consumo del Financial Times, en la Digiday Publishing Summit Europe, en Lisboa, Portugal.

El experimento que lo hizo posible

Desde que se lanzó el muro de pago en enero, el Financial Times ha visto cómo las tasas de conversión aumentan un 290% y el valor de por vida aumenta entre un 7% y un 10% entre los segmentos de audiencia expuestos al sistema impulsado por IA. El editor no comparte cuántos lectores cubre realmente, pero internamente, los resultados han sido lo suficientemente sólidos como para convertir el experimento en un punto focal.

«Creemos que la IA está haciendo un trabajo realmente bueno», afirmó Graham MacFadyen, director de marketing de consumo del Financial Times, en la Digiday Publishing Summit Europe, en Lisboa, Portugal.

Aún así, tuvo cuidado de no cantar victoria todavía.

El muro de pago de IA solo se aplica a alrededor del 30 al 40% de la audiencia del editor: los lectores que han dado su consentimiento explícito al seguimiento de datos. Eso significa que el modelo podría simplemente tratar con lectores que de todos modos tenían más probabilidades de suscribirse.

O como lo expresó MacFadyen: «Sospechamos que hay un sesgo de intención en la muestra».

Para descubrirlo, él y su equipo están probando grupos de control de usuarios que han dado su consentimiento y que no ven el muro de pago de IA. El objetivo es aislar lo que es verdaderamente incremental y transmitir el valor de la tecnología a la audiencia que la hace funcionar.

como aprende

El muro de pago de IA del Financial Times no solo decide cuándo mostrar un muro de pago. Decide qué tipo de oferta mostrar. Basándose en señales de comportamiento como la frecuencia de las visitas, la hora del día y el tipo de contenido, el modelo predice la disposición de un lector a pagar, luego elige de un menú de ofertas que van desde la aplicación FT Edit de £4,99 al mes hasta el nivel premium del periódico de £50 al mes.

A diferencia de las versiones anteriores del muro de pago dinámico del editor, que operaba con reglas simples si/entonces (“mostrar la oferta después de cinco artículos”, por ejemplo), el modelo de IA es probabilístico. Aprende sobre la marcha. Para los lectores con datos escasos, como, por ejemplo, quienes visitan el sitio por primera vez, utiliza imitaciones de usuarios anteriores para hacer su mejor suposición.

Con el tiempo, el muro de pago de IA ha restringido gradualmente el acceso, mostrando menos artículos gratuitos y aumentando la tasa de bloqueo del muro de pago. En otras palabras, una mayor proporción de lectores ahora encuentra el muro de pago y un número cada vez mayor elige suscribirse.

Repensar el embudo

MacFadyen enmarca el embudo del Financial Times como una “copa de martini”: ancha en la parte superior, estrecha en la parte inferior, de la que la mayoría de los lectores se alejan antes de suscribirse. El muro de pago de IA es un intento de remodelar ese cristal empujando a los usuarios hacia el producto correcto antes, incluso si eso significa comenzar poco a poco con una prueba, un registro o una suscripción al boletín.

Más allá de la ciencia de datos, el objetivo más amplio es ampliar el atractivo del Financial Times. MacFadyen dijo que el editor está utilizando inteligencia artificial para mostrar la combinación adecuada de contenido y productos para diferentes tipos de lectores, desde estudiantes hasta altos ejecutivos, como parte de un esfuerzo mayor para hacer que el título se sienta relevante para una audiencia más amplia, no solo para los expertos.

¿Qué viene después?

Dentro del Financial Times, la tecnología no es el punto conflictivo. La parte más difícil es decidir cómo (y cuándo) fusionar el muro de pago impulsado por IA con el dinámico, y cuánto de lo que se aprende de la cohorte consentida puede escalarse de manera responsable a una audiencia más amplia.

«Hay cuestiones de cumplimiento que considerar porque una se basa en el consentimiento de los usuarios y la otra no», dijo MacFadyen. «Pero sí, veo una convergencia de los dos con el tiempo, o al menos en el corto plazo, el intercambio de conocimientos entre los dos».

Hasta entonces, el equipo está estudiando cómo funciona el modelo en diferentes tipos de contenido y regiones, observando si los lectores realizan conversiones de manera diferente según lo que leen (comercializadores versus política, por ejemplo) y reintroduciendo esos conocimientos en la estrategia de suscripción más amplia.