A medida que los editores se centran en atraer y retener suscriptores y clientes, recurren a la personalización y el modelado de propensión, que aprovecha el aprendizaje automático, para crear una participación dirigida y estrategias sólidas y duraderas de prevención de abandono.

La retención de suscriptores se basa en las mismas estrategias de personalización que lograron la conversión.

Para retener a los suscriptores actuales, los editores están recurriendo a las técnicas que generaron esas conversiones en primer lugar. Ofrecen contenido interesante que se alinea con los intereses de los suscriptores, segmentan las audiencias para brindar el contenido adecuado a las personas adecuadas y atraen a los suscriptores de manera constante.

Los datos comparativos de Piano indican que el 68% de los visitantes de un sitio web por primera vez no interactúan con el contenido. Además, los nuevos suscriptores tienden a cancelar rápidamente al desactivar la renovación automática tan pronto como realizan una conversión. Y, sin embargo, aquellos que interactúan con el contenido tienen el potencial más significativo de ser clientes de por vida, por lo que involucrar a esas audiencias los mantiene cerca de inmediato y los mantiene suscritos.

“Los editores deben utilizar una variedad de tácticas para fomentar la participación y el uso de la suscripción tan pronto como el usuario realiza la conversión: registrar a los usuarios para recibir correos electrónicos diarios, fomentar la descarga de aplicaciones, utilizar notificaciones del navegador y de las aplicaciones y crear contenido que impulse el hábito”, dijo. Michael Silberman, vicepresidente ejecutivo de estrategia de medios de Piano. “Recomendamos tácticas que refuerzan el valor de la suscripción mediante la creación de contenido o experiencias solo para suscriptores y resaltándolos para los usuarios a través de etiquetas en el sitio, boletines informativos por correo electrónico y recomendaciones de contenido”.

Predecir el comportamiento de los suscriptores con modelos de propensión reduce la deserción

Con la ayuda del aprendizaje automático, los editores están creando modelos de propensión para predecir la probabilidad de comportamientos específicos de los suscriptores. Por ejemplo, están aprovechando plataformas de datos para segmentar a los usuarios como anónimos, registrados o suscritos. Esto les ayuda a ver qué temas, autores y formatos atraen, convierten o retienen a cada tipo de usuario y qué contenido incita al público a compartir sus datos.

Además, estos modelos se pueden adaptar para predecir la probabilidad de suscribirse o la probabilidad de que un suscriptor cancele dentro de los 30 días posteriores a la próxima fecha de renovación, lo cual es esencial para diseñar estrategias de retención de clientes.

“Si estás empezando con la propensión, es prudente utilizar un modelo existente en lugar de intentar desarrollar el tuyo propio”, dijo Silberman. “Si es cliente de Piano, decidir qué modelo utilizar depende de sus objetivos específicos y su caso de uso. Por ejemplo, si intenta equilibrar la participación y las suscripciones, combinar el modelo de propensión a la rentabilidad con el de suscripción le brindará una segmentación tanto por lealtad como por probabilidad de suscripción, de modo que pueda dirigirse a usuarios de alta lealtad/baja suscripción de manera diferente a los de alta lealtad/alta usuarios de suscripción. Y, por supuesto, pruebe y aprenda, luego optimice y madure continuamente su enfoque basándose en resultados comprobados”.

El equipo de dmgMedia, un grupo de medios de consumo del Reino Unido con una variedad de marcas editoriales globales, buscó capturar a su audiencia de la parte superior del embudo y ayudarlos a interactuar con la marca antes de presentarles un muro de pago.

Para hacer esto, la compañía se asoció con Piano, utilizando su modelo de propensión de Probabilidad de Actuar para identificar a los usuarios leales de dmgMedia y mostrarles el muro de registro antes. Esta táctica impulsó inmediatamente las conversiones.

A continuación, dmgMedia utilizó el modelo de probabilidad de suscripción (LtS) de Piano, que calificó la probabilidad de una acción de suscripción con una variedad de puntos de datos, incluidas las páginas vistas durante los 30 días anteriores, las páginas vistas en computadoras de escritorio versus móviles, las ofertas pagas vistas y los días activos con una suscripción paga. oferta. Esto proporcionó al equipo digital información precisa y procesable. La tasa de conversión para el segmento de mayor propensión fue 174 veces mayor que la del segmento de menor propensión: los usuarios registrados tenían 30 veces más probabilidades de suscribirse que los lectores anónimos.

En respuesta, el equipo de dmgMedia cambió su enfoque y se involucró con esta audiencia principal, lo que generó un aumento de cinco veces en las tasas de conversión para los lectores LtS con puntajes altos.

Otro excelente ejemplo de estudio de caso proviene de Fortune Media, la revista estadounidense de negocios globales. Después de construir un sólido embudo de adquisición de suscripciones, la empresa de medios recurrió a la prevención de abandono, utilizando el modelo de propensión a cancelar de Piano. El equipo aprovechó el algoritmo para clasificar a sus visitantes en grupos de alto y bajo riesgo de cancelación.

Esto proporcionó información sobre dónde se movían los usuarios durante el viaje y también cómo interactuaban con el contenido de Fortune hasta ese momento. Obtener visibilidad de las suscripciones en riesgo permitió a Fortune crear campañas de marketing para dirigirse a estos usuarios, como términos de renovación personalizados.

El contenido, los mensajes y los beneficios correctos recuerdan a los usuarios el valor de los suscriptores restantes.

Los editores exitosos brindan continuamente a los usuarios el contenido, los mensajes y los beneficios adecuados, utilizando muchas de las estrategias de personalización que aseguraron suscriptores en primer lugar. El objetivo es recordarles amablemente a cada uno por qué se convirtieron.

Con los modelos de propensión al aprendizaje automático, los editores están identificando aún más el mejor contenido para adquirir una audiencia y luego qué es más efectivo para convertirla, no solo incitando a la audiencia a participar sino también a suscribirse. Además, al utilizar estos modelos para predecir el comportamiento de los suscriptores, los editores determinan quién tiene más probabilidades de cancelar y quién está más comprometido para poder ajustar las interacciones para aumentar la lealtad y reducir la deserción.

Patrocinado por Piano