ダイナミックペイウォールの構築方法とその効果

ダイナミックペイウォールは、文献ではまだ定義されていない比較的新しい技術であり、ユーザー獲得プロセスの効率性を向上させるためにデータ駆動型のパーソナライゼーションを組み込んだ技術である。通常のペイウォールが事前に確立された一連のルールに依存しているのに対し、動的なペイウォールは、ユーザーごとにそのルールを個別に変更する。

たとえば、購読する可能性が高いユーザーは、まだブランドのサービスのコンテンツや価値提案に十分に触れていないユーザーよりも、登録や支払いの入力画面に早くアクセスする。このペイウォールスキームの核心にあるのは、パーソナライゼーションによって営業施策の効率が大幅に向上し、さらに向上するのは機械学習の利用によるものであるという考え方。

このトピックに関する学術的な文献は非常に少ないが、ヨーク大学のHeidar Davoudiらは2018年の論文で、カナダの新聞The Globe and Mailのペイウォールフレームワークである「Adaptive Paywall Mechanism for Digital News Media」の開発について述べており、記事の効用とコストだけでなく、ナビゲーショングラフ（ユーザーがセッション中に辿る記事の履歴と期待される経路）に基づいて、ペイウォールの表示するタイミングを決定している、と説明している。これらの入力に基づいて、ペイウォールモデルは、要求された記事がユーザーに提示されるかどうか、または支払いの画面が表示されるかどうかを動的に決定する。

データモデルを訓練し評価するために、研究者たちは2014年1月から2017年7月までの間に収集された20億回以上のヒット数からなるデータセットを使用した。いくつかの異なるアプローチを開発し、比較することで、比較的小さな投資でペイウォールの効率を大幅に向上させることが可能であることを示すことができた (An et al., 2018, p. 205-214)。

しかし、このように学術的に証明されているにもかかわらず、ダイナミックペイウォールの業界での採用はまだ非常に少ない。多くの報道機関が同様の技術を開発したいと発表したが、これまでのところ実現には至らなかった。

WSJが開拓者

ウォールストリート・ジャーナルが現代のニュース・ペイウォールの生みの親であると考える人もいる。ウォールストリート・ジャーナル紙は1997年にデジタルコンテンツへのアクセス料を徴収し始め、1998年には購読者20万人を獲得し、2007年には購読者100万人を達成した。

2014年、購読者数の伸びが失速し始めたとき、彼らはアプローチを変えることにした。彼らは個々の行動に適応する動的なペイウォールを採用することにした。WSJは、ユーザー行動の60以上の重要な次元に基づいて、各読者に0から100までのスコアを割り当てる。傾向スコア（プロペンシティスコア）の高いユーザーは記事へのアクセスが増える一方で、スコアの低いユーザーはペイウォールへのアクセスが早くなる。

マーケティングの取り組みも、傾向スコアに基づいてパーソナライズされている。動的なペイウォールは広告在庫を考慮しているので、個別に緩めて多くの広告容量を設定したり、より多くのサブスクリプションを販売するために締め付けたりする。

1. 機械学習を利用して、WSJの訪問者が購読するかどうかを90%以上の精度で予測するモデルを作成（図1）
2. ダイナミックな体験を設定。訪問者を購読の可能性に基づいて3つのグループに分類  (コールド、ウォーム、ホット)。この分類は、彼らが受けるペイウォールの体験につながる。要するに、購読する可能性の低い人にはコンテンツのサンプルを提供し、購読する可能性の高い人は早期にペイウォールにぶつかる。また、誰かが購読する可能性を高めるために、7日間のゲストパスを使用している。
3. サブスクリプションと広告収入を最適化。11月のWSJ広告事業は、100％スルーでの販売となった。より多くのコンテンツを販売するためには、ペイウォールの前にコンテンツを置くことで、より多くのキャパシティが必要だった。これまでは購読にマイナスの影響を与えていたが、ダイナミック・ペイウォールを使用することで、購読の可能性が低い人だけにペイウォールを開放することができた。ペイウォールを開放して、このグループがより多くのWSJコンテンツにアクセスできるようにすることで、将来の週に購読する可能性が高まることがわかった（図5を参照）。売上高は2％増加した。
4. リファラルチャネルに特典を拡張する。このダイナミック・ペイウォール・ロジックは、現在ではFacebookやGoogleからWSJ.comに到着するトラフィックにも適用されている。

ダイナミックペイウォールの導入以来、コンバージョン率は大幅に上昇し（図 7 参照）、二桁の割合の購読者数の増加につながり、WSJ の有料会員数は約250万人となり、出版史上最高の購読者数を記録した。

シブステッドメディアグループのハイブリッド型

ノルウェーとスウェーデンの大手メディアをいくつか所有しているシブステッドメディアグループは、セミダイナミックペイウォールを使用している。これは、フリーミアムモデルと従量制モデルを組み合わせた、いわゆるハイブリッド・ペイウォールをベースにしている。

ユーザーは特定の数の記事を無料で利用できるが、一部の記事は購読者のみが利用できる。グループの新聞である「Svenska Dagbladet」は、動的なレイヤーを追加することで、このハイブリッドペイウォールを進化させた。アルゴリズムは「魅力的なコンテンツ」を特定しようとし、それはニュースルームによってペイウォールの背後に置かれている。その成功にもかかわらず、ダイナミックレイヤーはシングルユーザーの体験をパーソナライズするものではない。しかし、彼らは傾向スコアを計算しており、これはモバイル広告やFacebook広告による獲得施策のターゲティングをパーソナライズするために使用されている。シブステッドグループは現在、合計110万人の購読者を抱えており、そのうち65％がデジタルのみの購読者となっている。

NZZのダイナミックペイゲート

NZZは、現在も発行されているスイス最古の新聞（1780年創立）であり、スイスで最も成功している新聞である。それは2012年以来、そのオンラインプラットフォームのための計量されたペイウォールを持っていたが、それは次の年に洗練されている。

2017年には、ダイナミックペイウォール（NZZはこの技術を「ダイナミックペイゲート」と呼ぶ）を導入した。ユーザーは1台の端末で月に5記事まで無料で読むことができ、その後、登録することでさらに5記事まで無料で読むことができるようになる。ウォールストリートジャーナルと同様に、低い傾向スコアを持つユーザーは、より多くの記事にアクセスすることができる（最大量は5記事に制限）、高スコアのユーザーはすぐに低く設定された閾値に到達する。登録されたユーザーだけがスコア化されるが、それだけで異なるデバイス間で確実に追跡することができるからだ。機械学習の助けを借りて、データサイエンティストはペイウォールの体験をパーソナライズするための新しいパターンを特定する。例えば、支払い画面のメッセージを個別化したり、通勤などの一般的な行動に基づいて特定の時間帯の除外を作成したりする。

ニューヨークメディア

ニューヨークメディアは2018年11月、ダイナミックペイウォールを採用すると発表した。ニューヨークマガジン、バルチャー、グラブストリートなどのすべてのブランドへのアクセスがサブスクリプションの対象となっているため、これらすべてのプラットフォーム間でのユーザーの行動を観察し、データモデルに含めたいと考えている。そのため、1ヶ月に複数のニューヨークメディアブランドにアクセスするユーザーは、1つのブランドから同じ数の記事しか読まない人よりも早く支払いの催促に直面することになる。彼らのデータモデルの有効性についての情報は現在のところないが、ニューヨーク・メディアによると、4～5ヶ月で開発され、常に監視されているという。

Hearst Newspapersもまた、現在は一部の店舗のみではあるが、動的なペイウォールの実験を行っている。地元紙「Albany Times Union」では、ユーザーを傾向スコアに基づいて3つの異なるセグメントに分類している。傾向スコアの高いユーザーは無料で5記事までアクセスでき、登録後はさらに3記事まで無料で利用できるが、傾向スコアの低いユーザーはすぐに登録しなければならまない。利用者のデータモデルとスコアは、毎月月初に再構成される（INMA、2017）。

Hearst Newspapersはまた、ダイナミックなペイウォールとデータドリブンなターゲティング戦略を組み合わせている。オーディエンスデータとコンテンツデータを組み合わせることで、ロイヤルティの高いオーディエンスの関心事を特定することができ、スポーツファンのようなセグメントをパーソナライズされたマーケティングでターゲティングすることができた（Willens, 2018b）。

ニューヨーク・タイムズ紙は、まだ一般的なメーター制限で運用しているとはいえ、先日の決算で「メーターの使い方について、よりダイナミックなものにする」と発表してい る。しかし、2018年時点ではいくつかのセグメントで異なる価格帯やメーター制限の効率に有意な差があるかどうかを調べようとしているにとどまっていた。

ダイナミックペイウォールの働き

顧客獲得のパーソナライゼーション

動的ペイウォールは、少なくとも理論的には、顧客獲得プロセスを最も改善するはずだが、その基本的なアイデアであるパーソナライズは、サブスクリプションビジネスの他の部分にも適用することができる。コンテンツへのアクセスをパーソナライズすることで、オーディエンス全体を対象とした同じルールでアクセスを制限するペイウォールと比較して、コンバージョン率を飛躍的に向上させることができる。

このパーソナライゼーションによって、購読する可能性の高い人だけがインセンティブとしてコンテンツを手に入れるという、よりターゲットを絞ったアプローチが可能になると考えられている。WSJによると、これは効果があるようだ。ペイウォールの開放率はダイナミックモデル導入前と変わらないのに、コンバージョン率は "2倍" へと改善されている。開放率とは、ペイウォールを通過せずにコンテンツにアクセスした回数を示す。これは、傾向スコアリングの助けを借りてコンバージョン率を2倍にすることができたNZZの報告と一致している。しかし、両者によると、データ分析とそれをビジネスルールに変換することで得られるメリットの方がはるかに大きいとのことだった。NZZは3年間でコンバージョン率を5倍に向上させることができた。

実験では傾向スコアしか使わなかったシブステッドでさえ、その恩恵を受けることができました。また、傾向の高いユーザーを特別にターゲットにすることで、テレマーケティングやFacebookマーケティングのコンバージョンを向上させることができました。スマホでのコンバージョンは6～9倍に改善し、Facebookでの加入者獲得にかかる平均コストは35％削減された（Corcoran, 2018）。

モデル

オーストリア・プレス・エージェンシーのMichael Leitnerの取材によると、NZZは「3000から4000通りの異なるシグナルの組み合わせ」を評価しており、その中でも「思いつく限りのものはすべて」と、NZZのアナリティクス＆マーケットリサーチ部門の責任者であるマーカス・バルメトラー氏は述べている。ウォールストリートジャーナルでは、約65種類のシグナルを活用している。

Leitnerの取材によると、シブステッドの傾向スコアは10～15種類のシグナルを使用していると、現在Bergens Tidendeのオーディエンス開発責任者であり、元Schibsted Norwayのデータ・分析責任者でもあるEivind Fiskerud氏は述べている。シブステッドモデルはリアルタイムで動的に計算されるのではなく、過去2週間のデータを元に毎週計算される。このデータは、テレマーケティングやFacebook広告で高得点を獲得したユーザーを特別にターゲットにするためにのみ使用されているため、彼らのニーズには十分なデータとなっている。NZZのスコアは現在、毎朝しか計算されていませんが、将来的にはこれを減らす努力をしているそうだ。

たとえば、教育や所得に関連する人口統計学的シグナルは、購読の可能性と強い相関関係があるが、技術的または法的な制限のため、このようなデータを傾向スコアのモデルのために収集することはできないことが多い。ウォールストリート・ジャーナルは、このデータを地理情報などの他の信号に基づいて近似することで、これらの制限を回避している。WSJメンバーシップのGMであるKarl Wellsによると、現在モデルには「100以上の異なる決定木」が組み込まれており、それらの信号を可能な限り正確に近似させようとしているとのことだ。

参考文献

1. Wall Street Journal "The WSJ Dynamic Paywall" INMA.
2. Heidar Davoudi. Adaptive Paywall Mechanism for Digital News Media. KDD 2018, August 19-23, 2018.
3. A. Williams. 2016. Paying for Digital News: The rapid adoption and current landscape of digital subscriptions at US newspapers. American Press Inst. (2016).
4. Max Willens. "How Hearst Newspapers changes its paywall to drive reader loyalty". DIgiday. Mar 5, 2018.
5. Michael Leitner. How media companies use data to sign up digital subscribers (and keep them). University of Oxford Reuter Institute.

Photo by Charisse Kenion on Unsplash