The New York Times, aprendizaje automático y muros de pago

¿Alguna vez se ha encontrado con un inesperado muro de pago al leer un artículo en línea sobre un determinado acontecimiento de actualidad o tema de interés? A pesar de que los periodistas y editores escriben y producen artículos y otras formas de contenido que los consumidores leen a diario, las empresas de noticias que emplean a estos creativos deben asegurarse de que son capaces de monetizar sus plataformas en línea de la manera más eficaz y eficiente posible. Por esta razón, el New York Times, uno de los diarios más consolidados y reconocidos del mundo, ha estado utilizando algoritmos de aprendizaje automático para identificar cuáles de sus lectores serán más propensos a suscribirse a su sitio web cuando navegan por artículos gratuitos en línea.

Más concretamente, el NYT utiliza un algoritmo de aprendizaje automático denominado Dynamic Meter, que básicamente sirve para hacer más inteligente e intuitivo el muro de pago del periódico. En este sentido, una entrada de blog escrita por Rohit Supekar, un científico de datos que trabaja para el equipo de segmentación algorítmica del NYT, explicaba que el Dynamic Meter se ha configurado para mostrar a los lectores en línea “un muro de registro que bloquea el acceso y les pide que creen una cuenta. Esto les permite acceder a más contenidos gratuitos, y una identificación de registro permite a la empresa comprender mejor su actividad. Una vez que los usuarios registrados alcanzan otro límite de metros, se les presenta un muro de pago con una oferta de suscripción”.

Suscripciones digitales

A pesar de que las suscripciones digitales se han convertido en la norma en los últimos años, a medida que más y más personas recurren a fuentes en línea para obtener noticias e información general, este cambio en las formas en que se consumen actualmente los contenidos no se produjo de la noche a la mañana. Así, incluso un periódico como el New York Times, que cuenta con 7,8 millones de suscriptores tanto en su plataforma digital como en la impresa, no prestó mayor atención al panorama en línea hasta hace poco más de una década. Asimismo, en 2011, el NYT hizo un esfuerzo concertado para poner más énfasis en sus características digitales, de acuerdo con el acceso medido que pretendía proporcionar a los no suscriptores un número determinado de oportunidades para interactuar con el contenido del periódico antes de registrarse y, en última instancia, firmar una suscripción de pago.

A través del concepto denominado embudo de suscripción, el NYT pudo seguir aumentando su base de suscriptores, incluso cuando muchos otros grandes periódicos de todo el mundo luchaban por hacer frente a los nuevos creadores de contenidos que estaban surgiendo en el espacio digital. Por estas razones, la naturaleza predictiva del aprendizaje automático hizo que este subcampo de la inteligencia artificial encajara a la perfección en el New York Times, ya que tener un equipo de empleados dedicados a determinar qué lectores en línea tendrían más probabilidades de pagar una suscripción al NYT sería una tarea ardua y minuciosa. Por otra parte, la ingente cantidad de datos que el NYT ha recopilado sobre sus lectores a lo largo de sus más de 100 años de historia facilita enormemente el entrenamiento de un modelo de aprendizaje automático.

Inteligencia artificial informal

Es más, además de predecir qué usuarios en línea tendrán más probabilidades de suscribirse al New York Times, el modelo de aprendizaje automático Dynamic Meter también trabaja para entender qué habría ocurrido si el algoritmo hubiera elegido otra parte de la base de lectores del periódico a la que extender artículos gratuitos adicionales. Para ilustrar mejor este punto, aunque muchas grandes empresas y corporaciones ofrecen artículos gratuitos o a precios muy reducidos a sus clientes como incentivo para que adquieran más bienes y servicios, como el menú del dólar de McDonald’s, entre otros, puede ser muy difícil establecer qué umbral de artículos gratuitos o a precios reducidos proporcionará a los consumidores el impulso necesario para gastar más de su dinero en una determinada empresa u organización.

En el contexto del New York Times, los redactores y editores del periódico tenían problemas para decidir qué número de artículos debían permitir leer gratuitamente a los no suscriptores antes de instarles a suscribirse. Para resolver este problema, el Dynamic Meter llevó a cabo una serie de pruebas controladas aleatorias, en las que determinados grupos de lectores recibían un número arbitrario de artículos gratuitos antes de que se les instara a crear una cuenta o a empezar a pagar una suscripción. A través de estas pruebas aleatorias, el New York Times pudo observar la tasa de compromiso de un determinado porcentaje de su base de usuarios y, a continuación, entrenar el Medidor Dinámico en conjunción con estos nuevos hallazgos y conocimientos. De este modo, el algoritmo pudo tener en cuenta el delicado equilibrio entre la conversión de suscripciones de pago en suscripciones de pago y la oferta simultánea de artículos gratuitos a los usuarios en línea que deciden dejar de interactuar con el periódico.

Dado que la inteligencia artificial y el aprendizaje automático han cambiado por completo la forma en que muchas empresas y organizaciones generan ingresos y beneficios, es comprensible que el mundo de los periódicos en línea no sea diferente. Además, debido al hecho de que los periódicos están inherentemente llenos de datos e información, son el medio ideal para entrenar un algoritmo de aprendizaje automático para identificar un objetivo o tarea en particular. De este modo, los usuarios de Internet pueden estar seguros de que los muros de pago que encuentran al leer un artículo del New York Times no son aleatorios, aunque dificulten la lectura de contenidos gratuitos en su tiempo libre.