免費與付費之間:Pandora如何把廣告變成精準分流工具

串流音樂服務公司Pandora提供兩種產品:免費(含廣告)的版本,以及付費(不含廣告)的Pandora Plus。這兩者使用相同的音樂資料庫與介面,主要差別就是免費版中間會插播廣告。
實務上,這種混合營收模式會面臨兩難:如果免費版的廣告太少,平台就少賺了廣告費;但如果免費版廣告太多,用戶則可能會直接少用,甚至乾脆選擇離開。
一篇發表於2025年《行銷科學》(Marketing Science)的論文〈透過個人化廣告量優化訂閱與廣告收入:基於Pandora實驗所建構的產品策略〉(Personalizing Ad Load to Optimize Subscription and Ad Revenues: Product Strategies Constructed from Experiments on Pandora),作者們提出一種新思路:與其對不同人收取不同費用,不如對不同人給予不同的廣告量(「個人化廣告量」策略)。表面上看起來只是產品體驗不同,實際上卻是在做更細緻的篩選。
在研究方法上,作者透過Pandora平台,針對超過700萬名用戶,做了長達18個月的隨機分組實驗。研究團隊藉由改變每小時廣告中斷的頻率,以及每次中斷播放幾支廣告,調整用戶實際接收到的廣告量。
接著,再用機器學習模型去分析不同類型用戶的異質反應:有人看到更多廣告後會升級訂閱;有人則會繼續忍耐;也有人會直接少用,甚至選擇離開。
最後,作者再解出一個最佳化問題:在總廣告量固定的前提下,能不能把廣告重新分配給不同人,讓整體利潤更高。
這篇研究第一個最重要的發現是,個人化廣告量,有明顯的獲利效果。
該論文估計,在不減少整體廣告收入的情況下,如果把廣告重新分配給不同類型的用戶,Pandora的訂閱利潤可以提高7%。
更值得注意的是,如果公司不用個人化,而是想用「所有人一起多聽廣告」的統一方式,去達到差不多的訂閱成長,那就必須把整體廣告量提高22%以上。這意味著個人化是一種效率明顯更高的產品策略。
第二個重要結論是,不同人對廣告的反應差很多,而且這種差異真的可以拿來做精準篩選。
對某些「有支付能力、但卻沒什麼耐心」的人來說,多一點廣告,會更容易把他們推向付費訂閱;但對另一群「比較有耐心、卻也比較不容易付費」的人來說,如果廣告放太多,反而只會把人趕走。
換句話說,平台最理想的做法,不是讓所有人都聽一樣多的廣告,而是讓那些最怕被打擾、也最有可能升級的人,多承受一點廣告壓力,進而自己選擇付費買安靜。
反過來說,那些對時間比較不敏感的人,平台反而可以少給一點壓力,把他們留在免費版,繼續貢獻流量與廣告收入。這其實就是把廣告從「一種普遍的干擾」,變成「一種精準分流的工具」。
第三個很值得注意的發現,是訂閱升級和收聽時數反應時間不同。
廣告量增加之後,用戶是否升級訂閱,這件事大約在六個月內就會趨於穩定;但收聽時數的下滑,卻要超過一年才會慢慢顯現。
這代表一件很重要的事。如果公司只看短期數字,可能會覺得增加廣告很划算,因為訂閱變多了、廣告收入也更好;但長期來看,收聽行為其實已被慢慢侵蝕。
此外,這篇研究還有一項值得注意的地方,個人化不一定對消費者有利,有時候,它只是讓平台更會算計而已。作者估計,在這套個人化廣告量策略之下,平均而言,消費者福利下降了2%。從企業角度看,這當然是一種更精細的產品設計;但從使用者角度看,它也可能是一種更聰明的壓力配置。
根據以上的說明,該研究提供幾個實務的建議:
1.不要再把廣告量當成全平台一致的設定值。對混合營收平台來說,廣告量本身就是產品分流工具,而不只是變現開關。
2.策略評估不能只看廣告收入,還要一起看訂閱收入與長期使用行為,否則很容易短視。
3.平台必須先建立足夠的行為觀察期,例如:蒐集誰容易跳歌、誰比較常聽、誰過去對廣告比較敏感;沒有這些資料,個人化策略根本無法落實。
4.在提高利潤的同時,也要留意品牌侵蝕與公平感受。因為平台若被用戶感覺一直在使勁地讓人去訂閱,那麼長期信任成本,未必會比短期收益小。
最後,在免費版與付費版並存的平台上,廣告不只是變現工具,而是一種精準篩選機制。真正高明的策略,不是把每個人都弄得不舒服,而是讓最討厭被打擾、也最有能力付費的人,自己選擇去付費;同時把其他人留在免費版,繼續撐起流量與廣告收入。從商業上看,這確實很聰明;但從用戶的角度來看,也正因為它太聰明,所以操作上要更小心。
作者:羅凱揚(台科大企管系兼任助理教授)、鍾皓軒(臺灣行銷研究有限公司創辦人)
資料來源:Goli, A., Reiley, D. H., & Zhang, H. (2025). Personalizing ad load to optimize subscription and ad revenues: Product strategies constructed from experiments on Pandora. Marketing Science, 44(2), 327–352.

【Vibe Coding:行銷數據分析學習圈】訂閱計畫(3 月預購,4 月起陸續上架更新)
15 堂 AI × 數據分析課程
36 小時系統化深度學習
128 則 AI 時代必學實戰案例
課程詳情:https://aistudy.pse.is/vibe-coding-learning
為了回饋社群夥伴長期的支持, 原價 19,999 元,特別加碼提供本群專屬折扣券 1,000 元: 讓你最低只要 3,999 元 就能完整加入學習圈!
折價券:8MwjovkB
金庸群折價券:bJDX0v7G
歡迎大家一起加入,一起在 AI 時代持續升級