(翻译)付费墙模式(Paywall)

问题概述

  用户需要付费才能访问网站上的限制区域。

示例

在这里插入图片描述

用途
  • 用于直接需要靠你制作的内容挣钱时;
  • 用于用户愿意为你制作的内容掏钱时;
  • 用于内容的感知价值远远超过你所要求支付的金额时[1];
  • 如果网站的收入完全依赖于图示广告,不要使用本模式,这种情况下最重要的是页面浏览量。
解决方案

  限制付费用户的访问权限[2]。
  目前在用的有多种付费墙策略。这些策略各不相同,有些策略是只有付费才能访问所有内容;有些策略充满诱惑,等用户看完不少文章后才会收费;有些网站则是选择部分内容收费。以下为主要使用的付费墙策略:

策略
  • 付费墙。整个网站的内容都要收费[3],例如The Times网站
  • 免费增值模式。在免费增值模式下,网站的一部分内容是免费的,一部分则要收费。使用该模式的网站有The Wallstreet JournalBerlingskeAftonbladet
  • 计税表(Taxometer)。网站的前几篇文章可以免费浏览,随后就开始收费了。使用该策略的网站有The New York TimesFinancial Times
  • 时间限制。购买一天、一周、一个月或一年的访问权限,或是购买几天的内容访问权限[4]。使用该策略的网站有The ObserverThe Guardian
  • 批量销售。向公司兜售。使用该策略的网站有 Financial TimesMediawatch
  • 按件出售。出售单个故事和服务。使用该策略的网站有Tænk, PeepCode
不必非要用金钱支付

  大部分付费墙都用货币交易,但用户有以下几种方式访问付费墙内容:

  • 货币交易。传统的付费墙包括某种货币交换——可以购买一条信息,也可以付费订阅[5];
  • 订阅平面媒体。不只是付费使用网站,还让用户订阅媒体的印刷版,同时增加线上和线下收入来源[6];
  • 授权。经用户允许,可以给用户打电话、发邮件、获取用户Facebook信息、联系用户的好友等。获取用户授权,与用户建立长期的关系,这有时比简单的收费更有价值;
  • 引领。让用户同意广告商或其他第三方机构能够与他们联系;
  • 时间。让用户做问卷调查——你想了解用户信息及其行为吗?——或者广告商或其他第三方机构有没有兴趣了解你的用户?还可以让用户抽出宝贵的时间观看广告商的视频广告或做其它事情[7];
  • 社群分享。用户先在社群分享链接,然后才能查看内容。一些网站和应用程序提供”pay with tweet“及”pay with like“服务[8]。
说明

  除了传统的横幅广告收入之外,付费墙是在线媒体网站的另外一种收入来源。随着用户的习惯从印刷品转移到线上,媒体公司仅靠广告收入难以开展业务,因此广泛采用了付费墙模式来弥补收入。

原文地址:http://ui-patterns.com/patterns/Paywall
[1]原文:Use when the perceived value of your content is greater than the amount of money you are requesting for it
[2]原文:Restrict access to users who have paid.
[3]原文: All content is behind one big paywall that surrounds the entire site
[4]原文:You buy a day, week, month or year pass or access to the archive for a number of days.
[5]原文:The traditional paywall includes some kind of monetary exchange – it can payment for a single piece of information or by subscription
[6]原文:Instead of buying a subscription to use the website only, require users to own a subscription of the print edition of the media in order to enforce both revenue streams: online and offline.
[7]原文:You could also let your users watch a video commercial from an advertiser or otherwise grow from their valuable time.
[8]原文:Let users gain admission to content by first socially sharing a link. Some websites and applications use “pay with tweet” and “pay with like” services.

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值