ViewPass提出簡單獲利新模式,文字媒體可望變成廣告主的大新寵?

昨天看到一篇文章很有意思,文章提到一位老經驗的高手,最近看到美國報業真的很慘,他遂主動的提出一個方法,來拯救垂死的美國報業。過去兩年間,共有110億美元的廣告預算蒸發掉了,2009年第一季甚至報紙的廣告量還減少了25~35%,要怎麼來解這個套?

這位叫Ridgely Evers的高手,是在全美國報業上個月一個秘密閉門高峰會中,提出這個提案的,打算集資50萬美元來把這個搞出來,案子一提出後,據說就獲得美國報業相當熱烈的迴響!這名創業家已經58歲,曾是知名軟體公司Intuit的創公司元老,後來自己出資做了幾間公司;而他的「二人創業」團隊的另一名創業家則自報業出身,也是幾十年的老交情,他們兩人常常在聊怎麼拯救報業,聊著聊著就想出了一個……非常簡單的方法

他們打算勸所有的報紙都盡量轉往線上,來繼續吸引以前合作過的廣告主或現在新的廣告主!

天,這是什麼方法?廣告主有的不相信網站的廣告,就算相信,此報紙的線上流量也不像CNN這麼大?

這位創業家夠細心,他發現,這些線上廣告其實並非因為「無效」,而是他們的數字「不夠好」。比如說,點擊率(Click Through Rate)不高,一千個人看網頁只有2隻小貓點進去,還不知道是滑鼠不小心點到還是真的點進去。另,點擊之後的購買率、轉換率(conversion rate)也不高,點擊率高就拚命收費,只會更快的把廣告主嚇跑而已!所以,這位創業家很認真的幫報業想:如果報紙一定要轉往線上,那要怎麼幫線上版來「提高這些數字」

這下,被他們想到了--

如果點擊率高達7成,廣告主會不會花更多錢買廣告?肯定會的。

如果有十倍於現在的使用者,最後真的到廣告主網站或店頭去買下了他們的商品,廣告主會不會花更多錢買廣告?肯定會的。

那,簡單!它的方法是,推出一個叫「ViewPass」的玩意,它是一個免費的帳號,讀者想看這份線上報紙?沒問題,必須向ViewPass註冊,註冊是完全免費的,而且註冊一次,可能就可以看ViewPass旗下所有簽約的報紙。要不要填資料或許不是這麼重要,總之就是先註冊。

註冊之後,從此以後,每一位讀者,無論是男的女的老的少的,無論你是第一次來還是第一百次來,都要先登入才能看報紙。登入之後,它不見得知道你的名字,但它可以把你這次看了什麼新聞,和上次、上上次、上上上次看的新聞,全部連在一起,得到了你這個人的輪廓,也知道你喜歡看哪一種的新聞!像這樣的「行為式廣告」(behavioral advertisement)一般被認為是對網友隱私權的一大威脅,但「看什麼新聞」這件事,一般來說,應該還算在可以接受的範圍內,譬如如果某個網友很愛看汽車的新聞,那ViewPass下次就會專門丟給你看車子的廣告;如果你愛看美妝彩妝新聞,ViewPass下次就專門丟給你看這樣的廣告!

這件事巧妙的是,ViewPass已經將新聞媒體的「文字」當作是一種幫助它「巧妙分類手上讀者」的誘餌。最有趣的是,這「誘餌」還是每天每天的急速增加中,每位讀者天天都要看新聞,天天都在讓ViewPass更認識他!你如果用ViewPass在裡面看了一年,那ViewPass已經幾乎比你的老婆/老公還要知道你喜歡什麼「菜」了!雙胞胎看ViewPass一年,ViewPass大概比他們的父母還能夠分辨出兩人的差異了!這時候ViewPass它可以很順利的端出一道又一道的「廣告菜」,點擊率應會相當高,70%的CTR、70%的CR也不是夢了。

想一想,這方面的機會其實很大。媒體不能賺大錢,並不表示媒體沒人看,其實線上媒體依然有相當多人在看,喔不,是很多很多人在看,它是和Email並駕齊驅的網路上最熱門的應用之一,如果ViewPass可以藉整合好多好多線上媒體,來十倍、十五倍的去提升目前廣告的效能,那最後廣告主在ViewPass旗下網站所得到的廣告效益,竟然是其他任何網站(包括門戶網站、社群網站)所得不到的!如果說「多認識使用者」可以達到十倍、十五倍的提升,那沒有一種網站比線上媒體還要可以做到這一塊。

ViewPass簡單一招,提出給垂死的報業,他們立刻買單。創業家可想想,還有哪一個垂死的產業,或者急需未來的產業,可以靠這樣簡單的方法取得大進展?進展還沒取得,但單單看數字,這塊原本認定已經爛掉、硬掉的大餅,突然間有如剛剛才烘焙出來的,夠誘人的了。

23 comments

  1. 身為一個網路投資家, 每當讓我看到有關大企業要在網路分一杯羹或靠著網路延續企業命脈時, 都讓我更加一次的竊喜, 因為大企業要進入網路的障礙仍然存在, 企業規模越大相對的障礙也越大。

    我們一般看到的網路成功例子, 大都發生在微型企業或尚未設立公司的小團隊身上, 我們公司就是鎖定這兩種類型作投資, Mr 6 這篇文章再一次證明美國報業這個企業巨人是靠微型企業的viewpass來幫他們解決問題。向網路的微型企業和小團隊致上最高的敬意。

  2. 并不可行,完全忽略了紙質媒體運營綫上服務的能力和成本,除了WSJ茍延殘喘,還沒有類似資訊轉型成功的案例

  3. 回應2F的想法, 其實, 網路世界跟實體世界在10年前,
    您說『並不可行』我會認同,
    如今10年後, 頻寬成本跟儲存媒體、硬體成本大幅降低後,
    線上服務成本甚至比實體世界的營運成本還要低很多,
    除了上述廣告點擊率可透過讀者行為模式分析出,
    傳統紙質媒體絕對無法得知讀者看了哪些版面,
    所以紙質媒體網路化已經是未來的趨勢,
    目前雖然未有轉型成功的案例,
    但, 誰也說不定, 有天ViewPass就跟YouTube紅遍全世界囉!

    (10年前有誰會想到在網路上可以看到全世界網友拍攝的影片或新聞?)

  4. Google在傳統報紙上的廣告方式已失敗
    若無全新方法是無法救回傳統報紙業務
    Gmail將全包 (可參考Localsearch News:Mobile GMail Takes on More ‘App-like’ Capabilities )
    只是個人意見 我看不到ViewPass有很好的作法
    彩色電子紙書打入教科書及報紙的方法可能更好點.(可參考大華証產業評論:電子書*美夢成真?)

  5. 有作過消費者行為分析的步驟的確會有較高的點閱率,至少會比原本的千分之2多吧! 但可以做到像ViewPass 說的70%令人懷疑?

  6. 傳統媒體報紙,已經人老珠黃了,再怎么改變也是垂死掙扎。現在線上那么多免費也免注冊的新聞不看,為什么要去viewpass注冊去看報紙?

  7. 我认为这类的文字转换确实会带来看不见的商机。而用户行为的戴帽子方式也给新的报业再创业带来占领用户流量而不单纯做内容提供者的机会。

  8. 其實整件事是蠻簡單的, 有人留意到了一些其他人丟掉了的東西, 其實是很有用的. 那就是 meta-data.

  9. Google AdWords 和 AdSense 已經是這種模式了

    不過這家線上報社自形一個廣告市場 加上看新聞的族群較有經濟力

    對於點擊率和轉換率一定有更好的效果, 非常看好這家

  10. 這個模式的重點是,採用分散式的方式蒐集喜好,為沒有線上版或規模不夠大者,提供經由推薦系統配對處理的廣告,試圖一次解決三方的問題。

    個人看好這類模式,而且絕對不是只能應用在瀕死的報業!

  11. 其實,網路廣告的點擊率不高原因是網友本來就不喜歡點擊廣告,
    就算你讓他看到,他也不一定會點,不過,
    新聞的廣編稿就比較不會有這樣的問題,所以,很多企業現在改為廣編的方式呈現廣告….

    廣告就是廣告,永遠都有新的玩法 ….. ^^

  12. 網路廣告要靠點擊率,是因為要點入後獲得更多的訊息
    或是只是計價的一種方式!?
    看起來ViewPass應該是將實體媒體的訂報量或收視率
    轉換到網路上利用瀏覽紀錄來計量
    優勢是比實體報紙多了更多統計數值,更有效的"投其所好"
    ViewPass是不是有更新的技術或是閱讀概念的突破
    還要再觀察…

  13. 現在網路也許多免費的資訊~為什麼一定要看它們家的~我不懂~~

    不過可以創造出高點擊的點,個人覺得也不算什麼創新吧~

    因為已經有人在做了耶~個人覺得還好~~

  14. 除了獲利模式, 傳統報業還有一個根本的問題, 以日為 cycle 的作業方式, 證明已經無法跟 blog 競爭, 我每天早上翻開 NY Times, 看到的都不是新聞, 是舊聞. 除了網路化, 能不能改變組織結構, 朝即時化發展, 也是重點.

  15. 疑~ ViewPass是一個點子還是已經做好的網站呢?!
    我找不到它的網址,最近對報紙/雜誌的線上化相當有興趣說~ 😀

  16. 點擊率70%的確太高了吧?不過這應該跟廣告的呈現方式有關。報紙廣告有很多是精美的編輯之後的樣式,而且線上的報紙一般人也會有「連續看很多頁」的習慣,如果能精準的出現消費者感興趣的廣告,多看個幾頁的確會增加他今天點擊廣告的機會。

  17. 如果將使用者的喜好資料庫結和類似更精準的google adsense廣告或許是有機會達到點擊率70%,這就像原本USER點擊他有興趣看的新聞是一樣的,若廣告長的像他會點擊的新聞一樣,70%有何難度…孰不知USER的行為模式已被網站掌握的一清二楚,時間越久越精準

  18. 其實說穿了,這樣的做法就人性的角度來看,就是投其所好,以人們的心理來說,如果是喜歡吃的菜多吃一點應該是有機會達成的,只是它要花很多時間來了解一個人的喜好,就這樣來說要花多久才能獲的足夠的數據分析一個人,這不但要把人分類,把資訊分類再行配對.

迴響已關閉。