Entrevista de Saída via LLM: O Que os Usuários Dizem ao Fechar o Paywall
OpenAI
Um artigo de notícias sobre IA, em inglês, descreve como a integração de uma breve entrevista com LLM após a dispensa do paywall resultou em uma taxa de resposta de 34% e revelou objeções-chave dos usuários, incluindo a descoberta de que muitos usuários chegaram via busca esperando um produto gratuito. O artigo fornece a arquitetura, prompts e estrutura de código usados, juntamente com insights de duas semanas de dados.
Um desenvolvedor criou um bot de entrevista de saída baseado em LLM para um jogo de tabuleiro online freemium. Quando um usuário fecha o paywall, um chat separado aparece perguntando no máximo 5 perguntas. Em 2 semanas, ocorreram 59 sessões com 20 respostas (34%). A principal descoberta foi que uma parte significativa dos usuários veio da busca com a palavra 'grátis' no título. O sistema usa uma tabela de banco de dados separada, um limite de respostas baseado em transações, uma varredura para sessões obsoletas, uma segunda chamada LLM para gerar uma nota estruturada e um webhook para o Telegram. O artigo compartilha o esquema do banco de dados, o código para a transação limitada e tanto o prompt do sistema quanto o prompt de nota. Os resultados mostraram que 7 de 20 respondentes esperavam que o produto fosse gratuito, levando a uma correção rápida no título do site. A ferramenta é recomendada para qualquer produto com um momento de saída, como paywall, carrinho abandonado ou cancelamento, desde que o usuário permaneça na página.
Fonte: Habr — хаб ИИ —
original