Exit-interview via LLM: Wat gebruikers zeggen bij het sluiten van de paywall
OpenAI
Een Engelstalig AI-nieuwsartikel beschrijft hoe het integreren van een kort LLM-gestuurd interview na het sluiten van een paywall een responspercentage van 34 procent opleverde en belangrijke gebruikersbezwaren aan het licht bracht, waaronder de ontdekking dat veel gebruikers via zoekmachines arriveerden en een gratis product verwachtten. Het artikel biedt de architectuur, prompts en codeframework die zijn gebruikt, samen met inzichten uit twee weken aan gegevens.
Een ontwikkelaar bouwde een op LLM gebaseerde exit-interviewbot voor een freemium online bordspel. Wanneer een gebruiker de betaalmuur sluit, verschijnt er een aparte chat met maximaal 5 vragen. In twee weken tijd vonden 59 sessies plaats met 20 reacties (34%). De belangrijkste bevinding was dat een aanzienlijk deel van de gebruikers via zoekopdrachten kwam met het woord 'gratis' in de titel. Het systeem maakt gebruik van een aparte databasetabel, een op transacties gebaseerde antwoordlimiet, een opschoonproces voor verouderde sessies, een tweede LLM-aanroep om een gestructureerde notitie te genereren, en een webhook naar Telegram. Het artikel deelt het databaseschema, de code voor de beperkte transactie, en zowel de systeemprompt als de notitieprompt. De resultaten toonden aan dat 7 van de 20 respondenten verwachtten dat het product gratis zou zijn, wat leidde tot een snelle aanpassing van de sitetitel. Het hulpmiddel wordt aanbevolen voor elk product met een exitmoment zoals een betaalmuur, een verlaten winkelwagen of een opzegging, zolang de gebruiker op de pagina blijft.
Bron: Habr — хаб ИИ —
origineel