Casi en el inicio del periodismo digital, entendido como el ejercicio de la profesión y del negocio de entregar noticias desde plataformas de Internet, ha habido una discusión acerca de si cobrar o no por lo que se entrega a través de estos canales.
Dado que me tocó vivir en el inicio de esta parte de la industria en Chile, estuve en las mesas en la que los directivos discutían, primero, acerca de la conveniencia de estar en Internet y luego, de si habría alguna forma de hacer rentable esa presencia.
La preocupación inicial era si la venta de la versión impresa de los medios caería debido a que era posible leer lo que se publicaba a través de Internet. La respuesta inicial fue tajante: no era un problema, porque había tan poca gente conectada que no se notaría.
Sin embargo, persistía la preocupación en la industria porque se entendía que entregar todo gratis a la larga sería un problema. Incluso, en el propio inicio hubo diarios como The Wall Street Journal en Estados Unidos, que tan temprano como 1996 puso un muro de pago (paywall) para obligar a las personas a pagar; ese método fue seguido por otros con la creación del término freemium (mezclando las palabras free y premium) para denotar la entrega de algunos artículos gratuitos para luego cobrar por el acceso a todo el contenido.
La pregunta que busca respuesta desde entonces es cuál es el precio a cobrar por el acceso y en caso de entregar artículos gratuitos, cuánto es el número mínimo de artículos de regalo que lleve a las personas a querer pagar por tener un acceso mayor. Esa misma pregunta queda respondida en un artículo publicado este mes por un científico del The New York Times que cuenta lo que ha hecho para resolver este problema.
La imagen muestra el embudo de conversión de suscriptores y refleja que cualquier persona que entra al diario recibe la posibilidad de leer un determinado número de artículos; si se registra recibe más hasta llegar al límite mensual que lo lleva a decidir si paga para ver más o se espera hasta que le liberen más artículos gratuitos. Lo interesante es que usando una capa de software basada en machine learning, el diario intenta pronosticar si conviene darle más o menos artículos gratis a cada lector.
En palabras de Rohit Supekar, científico de datos del diario y autor del artículo:
…el modelo determina la cantidad adecuada de artículos gratuitos que se debe permitir a cada usuario para que se interese lo suficiente por el Times y quiera suscribirse para seguir leyendo más.
Rohit Supekar
En la conclusión de su texto explica que el modelo está funcionando y que gracias a eso y comparando el comportamiento de las diferentes audiencias, han logrado aumentar el número de suscripciones de manera consistente.