En bref, dans cet article :
- Trouver l'objectif de son contenu : aider les éditeurs freemium à choisir si un article doit être ou non payant grâce à un arbre décisionnel mis en place par notre équipe de consultants
- L'importance de mesurer le trafic sur les contenus payant, notamment car les conversions sont en partie corrélées à la visibilité des contenus payants.
Vous préférez lire en anglais ? 🇬🇧 Just click here!
Combien de fois avez-vous entendu cette phrase ? Choisir si un article doit être gratuit ou payant n’est pas forcément chose aisée lorsqu’un média se lance dans une stratégie premium.
Les réponses, évidemment, varient d’une d’une stratégie à une autre :
Pour les médias qui ont adopté un mode metered, le blocage intervient :
- Soit après un nombre fixe d’articles affichés
- Soit après un nombre fixe de sessions effectuées
- Soit après un temps fixe écoulé (après 24h de publication par exemple, comme El Comercio au Pérou)
- Pour les médias qui ont adopté un modèle complètement fermé (comme Mediapart), ou presque (comme Alternatives Economiques, où les tribunes sont gratuites), la question ne se pose pas
Mais pour ceux dont le modèle économique repose à la fois sur la pub et les revenus lecteurs, le choix peut s’avérer plus ardu.
Nous vous proposons cet arbre décisionnel, à destination des éditeurs qui ont adopté une stratégie freemium. Bien entendu, chaque rédaction peut et doit l’adapter à son contexte pour tomber au plus juste de son modèle de revenus :
Comment mesurer si vos choix sont les bons ?
Il existe une donnée très utile pour suivre les performances de sa stratégie de reader revenue, c’est le Trafic sur les contenus payants.
Que signifie cet indicateur ?
Pour faire simple, l’idée ici est de savoir pour 100 articles lus :
- combien sont des articles gratuits, sans paywall ;
- combien sont des articles payants, avec paywall.
Cet indicateur ne doit pas être confondu avec la production de contenus payants. On peut produire 80% de contenus payants et avoir uniquement 5% de trafic sur les contenus payants, s’ils sont mal mis en avant par exemple.
Pourquoi est-ce important de suivre cet indicateur ?
La réponse à cette question se situe dans les insights tirés de la 1ère édition du Digital Media Review, observatoire mené par Poool et le GESTE. Sa première édition avait mis en valeur de nombreux points importants, dont celui-ci : Le trafic dans le tunnel d’abonnement et les conversions est en partie corrélés à la visibilité des contenus payants. En-dessous de 10% de visibilité des contenus bloqués sur un site média, il n’y a pas ou peu de visites sur la page d’abonnement. Puis, de 10% à 40% de visibilité des contenus payants, l’augmentation de cet indicateur est très fortement liée à l’augmentation du trafic dans le tunnel d’abonnement et au nombre de conversions.
En revanche, les premiers résultats de l’étude montrent qu’au-delà de 30 à 40% de trafic sur les contenus payants, la pression du payant et les taux de conversion ne semblent plus directement corrélés… Un constat qui amène alors de nouvelles réflexions intéressantes sur les nombreux autres paramètres entrant en jeu dans le processus de conversion, comme la proposition de valeur,  l’expérience utilisateurs, l’offre, etc.
Cet indicateur est valable indépendamment du modèle de paywall choisi par l’éditeur. Pour les modèles metered, cet indicateur est important à suivre également car il permet de savoir pour voir si le nombre d’articles offerts avant l’affichage du paywall est “bon”.
Comment suivre cet indicateur ?
Sans surprise, la première des choses à faire est d’identifier ces contenus pour faire remonter une variable dans votre outil de mesure.
- Pour les éditeurs qui utilisent Google Analytics, le plus fréquent est de créer une Dimension personnalisée, pour ensuite pouvoir filtrer contenu premium vs contenu gratuit.
- Pour les Ă©diteurs qui utilisent AT Internet, utilisez un Indicateur de site, qui vous permettra de faire la mĂŞme chose.
- Ajoutez le suivi de votre taux de conversion global à l’abo, et observez la corrélation pour votre média.
Vous chercherez alors Ă obtenir un graphique ressemblant Ă celui-ci :
Marion Wyss
Maxime Moné
Madeleine White
