- Le NYT a introduit un paywall en mars 2011 et s’est transformé en service par abonnement
- Au moment de son lancement, il utilisait une approche de type "meter limit" qui donnait à tous les non-abonnés le même nombre d’articles gratuits accessibles chaque mois
- Désormais, un modèle de machine learning est utilisé pour personnaliser les limites via un dynamic meter
- L’ajustement se fait en observant l’engagement des abonnés et le nombre d’affichages du paywall
- L’article explique la méthode utilisée pour entraîner et optimiser un modèle de type "base-learners", similaire au modèle "S-learner"
3 commentaires
Du point de vue du consommateur, des approches comme le dynamic metering — un peu comme le dynamic pricing de Coupang — donnent l’impression de discriminer explicitement les clients, donc ça ne me plaît pas trop...
Le New York Times, qui a réussi sa transformation numérique, a déjà fait l’objet de nombreux articles ici.
Comme on le voit dans ces articles, ils déploient des efforts extrêmement acharnés pour réussir la monétisation. Ils rendent aussi la résiliation d’abonnement difficile.
Et pourtant, dans ses propres articles, le New York Times publie aussi des textes critiquant les nombreuses entreprises qui utilisent des « dark patterns » pour empêcher les utilisateurs de se désabonner après inscription. Alors qu’eux-mêmes le font aussi...
J’ai aussi vu des critiques sur ce billet, reprochant au New York Times de critiquer la collecte de données des utilisateurs par les entreprises tech tout en faisant exactement la même chose. When Tech Companies Do It, The NY Times Calls It ‘Dark Patterns,’; When The NY Times Does It, It’s Called ‘Being Smart’