Subsets aide les entreprises d’abonnement à réduire le taux de désabonnement grâce à des « expériences de rétention » et à l’IA explicable.

Subsets aide les entreprises d’abonnement à réduire le taux de désabonnement grâce à des « expériences de rétention » et à l’IA explicable.

Les revenus récurrents sont pratiquement le Saint-Graal de toute entreprise – c’est précisément la raison pour laquelle Apple s’est transformée en une société de services presque autant qu’en une société de matériel, 20 % de ses revenus provenant désormais d’Apple TV+, d’Apple Music, d’iCloud et d’une série d’autres services basés sur l’abonnement et le non-abonnement.

Le coût d’acquisition de nouveaux clients aurait également augmenté de plus de 200 % au cours de la dernière décennie, ce qui souligne l’importance de flux de revenus prévisibles. Les modèles commerciaux fondés sur l’abonnement présentent toutefois des difficultés inhérentes : les entreprises doivent non seulement s’efforcer d’accroître le nombre de personnes disposées à payer pour un service donné, mais aussi veiller à fidéliser celles qu’elles ont déjà. Réduire le taux d’attrition est le mot d’ordre.

C’est ce que la jeune pousse danoise Subsets s’efforce d’aider les entreprises à réaliser, avec une plateforme basée sur l’IA conçue pour « combler le fossé de la rétention dans le secteur des abonnements ».

Explicable

Fondée à Copenhague en 2022, Subsets s’appuie sur l' »IA explicable » pour indiquer aux entreprises quels abonnés sont sur le point de quitter le navire, et propose des « expériences » pour trouver le meilleur moyen de les inciter à rester.

L’IA explicable est un concept qui décrit la capacité de l’IA à « expliquer » ou à justifier les décisions et les informations qu’elle fournit d’une manière que les humains peuvent analyser. Ce concept est devenu l’une des pierres angulaires d’un mouvement sociétal plus large visant à rendre l’IA plus fiable – la plupart des principaux fournisseurs de grands modèles de langage (LLM) tentent d’apaiser les critiques en s’attaquant au problème de la « boîte noire » tant décriée.

A lire aussi  Microsoft apporte de nouvelles fonctionnalités axées sur le design à Copilot

Six mois après son lancement, Subsets compte déjà quelques clients de qualité, dont l’Athletic, propriété du New York Times, et le journal danois Børsen. Mais la société cherche maintenant à doubler cette traction récente avec un nouveau financement de pré-amorçage de 1,65 million de dollars mené par Upfin, une société de capital-risque nordique en phase de démarrage, et Y Combinator (YC), suite à la participation de Subsets au programme d’été 23 de YC.

Le secteur des médias

Bien que Subsets puisse s’appliquer à toute activité d’abonnement, il se concentre actuellement sur le secteur des médias numériques.

« Nous limitons notre cas d’utilisation aux médias numériques pour le moment – cela inclut les éditeurs numériques, les plateformes de streaming, les applications d’abonnement et les télécommunications », a déclaré Martin Johnsen, cofondateur et PDG de Subsets, à TechCrunch. « Subsets peut être appliqué plus largement aux abonnements numériques des consommateurs plus tard – je nous vois nous étendre, par exemple, à la mobilité, à la banque et à la livraison de nourriture. Et même d’autres catégories d’abonnements hors ligne, car tout devient de plus en plus numérique. »

Les entreprises connectent les Subsets à leurs différents systèmes internes, tels que CRM (gestion de la relation client), CMS (système de gestion de contenu), facturation, entrepôt de données, etc. pour recueillir des points de données sur les abonnés – il peut s’agir de données démographiques, de la manière dont chaque abonné consomme un élément de contenu spécifique (par exemple, les horaires, les préférences de catégorie), et de tout autre élément pertinent lié au produit et à la manière dont le client interagit avec lui.

En amont, Subsets propose une application web qui permet aux équipes commerciales de se plonger dans les « audiences de désabonnement » à l’aide de visuels faciles à comprendre et d’un langage naturel. Par exemple, elle peut mettre en évidence des milliers d’abonnés qui avaient l’habitude de s’engager dans une myriade de titres différents d’une marque de médias donnée, mais qui montrent maintenant des signes de désintérêt.

Sous-ensembles : Découverte de l'audience

Subsets : Découverte de l’audience Crédits images: Sous-ensembles

Subsets permet aux équipes non techniques de mener des « expériences » de fidélisation sur des sous-ensembles (d’où le nom de l’entreprise) de leur base d’abonnés, afin de voir quelles actions pourraient inciter un client à rester à bord. Ces expériences peuvent prendre la forme d’une série de notifications push ou d’e-mails offrant une réduction sur l’abonnement, ou peut-être une mise à niveau gratuite permettant de débloquer de nouvelles fonctionnalités. Les spécificités de ces « flux de rétention » peuvent être adaptées à chaque client.

Sous-ensembles : Expérience

Subsets : Expérience Crédits images: Sous-ensembles

Les mesures qui se sont avérées efficaces pour réduire le taux de désabonnement au cours de la phase d’expérimentation sont présentées sous la forme de résultats qui mettent en évidence ce qui a fonctionné – cette méthode est conçue pour éliminer au moins une partie de la conjecture des efforts de fidélisation d’une entreprise et permet à celle-ci d' »automatiser ce qui fonctionne ».

A lire aussi  M. Biden restreint encore l'approvisionnement de la Chine en puces d'intelligence artificielle avec les interdictions imposées à Nvidia

« Certaines de ces expériences donneront de très bons résultats en matière de fidélisation des abonnés – les expériences qui donnent de bons résultats sont automatisées », a déclaré M. Johnsen. « Étant donné qu’une audience est définie par un comportement spécifique de l’abonné qui déclenche des désabonnements, ces audiences sont généralement dynamiques et les nouveaux abonnés entrent et sortent de l’audience. Tous les abonnés qui entrent dans une audience reçoivent les flux qui ont prouvé qu’ils donnaient de bons résultats.

Sous-ensembles : Résultats

Sous-ensembles : Résultats Crédits d’image: Sous-ensembles

Connexions

Avec une formation en modélisation mathématique et en informatique, Johnsen explique à TechCrunch que l’entreprise a développé ses propres algorithmes d’IA en utilisant des « modèles de gradient-boosting avec des méthodes de séquençage temporel ». Le gradient-boosting combine essentiellement plusieurs modèles prédictifs « faibles » pour créer un seul modèle prédictif plus fort, tandis que le séquençage temporel incorpore des caractéristiques liées au temps dans le processus de modélisation. Subsets utilise ensuite les cadres de la xAI d’Elon Musk pour rendre « compréhensible le comportement qui conduit au désabonnement », comme le dit Johnsen.

Bien que Subsets n’utilise pour l’instant aucun des modèles GPT.x d’OpenAI, M. Johnsen a déclaré que l’entreprise travaillait à l’intégration de « fonctionnalités en aval » supplémentaires dans son produit en utilisant le même modèle de base que celui qui alimente ChatGPT.

Dans un message sur les médias sociaux cette semaine, le président-directeur général de YC, Garry Tan, a déclaré qu’environ la moitié des entreprises de YC « utilisent des LLM d’une manière ou d’une autre », ce qui correspond certainement à son dernier investissement dans Subsets. Le fait d’avoir obtenu le soutien précoce de YC s’avère également fructueux pour les plans de croissance de Subsets, étant donné les liens historiques de YC – en effet, le client de Subsets, The Athletic, est également un ancien élève de YC, diplômé du programme Summer ’16 six ans avant qu’il ne soit racheté par le New York Times.

A lire aussi  Découvrez comment Sensi.AI développe l'IA pour la surveillance à distance des patients

« YC dispose d’un réseau impressionnant, ce qui nous a offert des opportunités intéressantes », a déclaré M. Johnsen.

Outre les principaux bailleurs de fonds Upfin et YC, le tour de pré-amorçage de Subsets comprenait des investissements de la part d’une série d’investisseurs institutionnels et providentiels, dont Cuesta Labs, Sandhill Markets et le fondateur de Peakon, Phillip Chambers.

IA