如果免费增值模型的关键在于机器学习,该怎么办?

这是我已经探索了一段时间的主题,并且正在引导我根据业务模型通过机器学习利用数据的潜力来创建业务模型的分类。

如果许多免费增值业务模式的关键是基于分析和机器学习来开发该服务,那么基于免费和高级服务以换取付款的基础上呢?

例如,想象一下一家报纸:是否有可能向所有用户免费提供新闻,还可以创建附加服务,以换取向看到价值的用户付款? 例如,有多少用户愿意为真正基于其兴趣,基于他们定期阅读的所有内容或引起新注意的警报系统付费? 在让报纸准确准确地提供这些警报以及确定所推荐的确实是用户感兴趣的内容的关键是什么? 答案可能是通过生成和分析数据,这应该是免费模型所能提供的。 在什么时候亚马逊的书推荐不再被视为煽动性购物的煽动,而开始成为针对特定主题的专家的有价值甚至根本的服务?

我们是否愿意为能够在特定场合创建播放列表并确保所选歌曲符合我们口味的音乐服务付费? 我们是否愿意鼓吹Twitter,以将我们感兴趣的信号与其余的噪音区分开,甚至进行适当的检查并阻止我们转发一些愚蠢的东西? 有了正确的数据库,毫无疑问,好的机器学习算法将能够做到这一点。 如果正确处理数据,有多少应用程序可以改善对用户的价值主张? 一些无法处理所涉及分析程序的应用程序会将其数据出售给第三方。 由于MLaaS或云中的机器学习即服务等应用程序的逐步开发,这种情况可能会发生变化,这些应用程序可实现无限简化的管理,而无需雇用数十名数据科学家。

我们今天使用多少免费服务可以将付款部分与通过分析构建的产品结合在一起? 显然,不是全部或所有人都可以,但是这种方法会增加其中某些服务的溢价部分吗? 基于免费增值的业务模型可以在多大程度上受益于对分析和机器学习从其数据中提供的可能性的充分了解?