Entrevista de salida mediante LLM: qué dicen los usuarios al cerrar el muro de pago
OpenAI
Un artículo de noticias sobre IA en inglés describe cómo integrar una breve entrevista impulsada por LLM después de descartar el muro de pago produjo una tasa de respuesta del 34% y reveló objeciones clave de los usuarios, incluido el descubrimiento de que muchos usuarios llegaron mediante búsqueda esperando un producto gratuito. El artículo proporciona la arquitectura, los mensajes y el marco de código utilizados, junto con información de dos semanas de datos.
Un desarrollador creó un bot de entrevistas de salida basado en un modelo de lenguaje grande (LLM) para un juego de mesa en línea freemium. Cuando un usuario cierra el muro de pago, aparece un chat separado que hace un máximo de 5 preguntas. En dos semanas, se realizaron 59 sesiones con 20 respuestas (34%). El hallazgo principal fue que una parte significativa de los usuarios provenían de búsquedas con la palabra 'gratis' en el título. El sistema utiliza una tabla de base de datos separada, un límite de respuestas basado en transacciones, una limpieza de sesiones obsoletas, una segunda llamada al LLM para generar una nota estructurada y un webhook a Telegram. El artículo comparte el esquema de la base de datos, el código para el límite de transacciones, y tanto el prompt del sistema como el prompt de la nota. Los resultados mostraron que 7 de cada 20 encuestados esperaban que el producto fuera gratuito, lo que llevó a una corrección rápida del título del sitio. Se recomienda esta herramienta para cualquier producto con un momento de salida como un muro de pago, un carrito abandonado o una cancelación, siempre que el usuario permanezca en la página.
Fuente: Habr — хаб ИИ —
original