特立独行的出版物如何找到他们的完美酬劳

Daily Maverick,主要是由广告资助的数字报纸,使用Jamatto即用即付,创造了多种新颖的收入来源。 这是他们的旅程以及适用于每家数字出版物的八门外语课程,其中考虑了他们在2019年的薪酬壁垒和订阅选项。 Daily Maverick(DM)是在线出版物,提供有关南非政治和社会新闻事件的强硬评论。 尽管他们的收入中有很大一部分来自大型捐助者,但作为免费的纯数字发布商,广告收入是确保其独立性的重要收入来源。 考虑到他们的新闻业在打击社会腐败中所起的重要作用,显然有机会直接从不喜欢看广告的忠实读者那里探索替代收入来源。 DM的普通读者是富有的,具有政治意识的读者,通常与adblocker的采用率很高(2017年初为15%,并且正在上升)并驾齐驱。 尽管他们对保持免费新闻源的绝对承诺有所限制,但出版物本身还是有兴趣以创造性的方式利用技术和数据。 Jamatto提出了一个多孔的付费专栏,只能使用adblocker向读者展示。 付费专区旨在通过广告或直接的读者收入来教育读者有关资助新闻的重要性。 “一次性的Jamatto集成非常轻松。 与他们有能力的人一起工作真是一种荣幸。” 由于DM的大多数技术工作都是外包的,因此Jamatto单标签解决方案非常适合他们紧张的预算和时间限制。 他们可以在一天内测试标签,然后在第二天部署到生产环境。 自实施以来,DM上adblocker的使用率已下降至惊人的2%(低于15%)。 同时,那些选择不关闭其广告拦截器的读者自愿为每千次展示支付$ 5到$…

DTC如何成为媒体需求的机会

我们所知道的社交已经结束。 品牌必须适应创造新的机会。 品牌受众生态系统已经改变。 有据可查的是,社交媒体在过去几年中发生了巨大的变化,从品牌曾经与受众互动的免费工具,转变为将获利放在首位的平台。 大多数媒体品牌都在评估直接面向消费者(DTC)的选择,尽管头条新闻很麻烦,但仍有新的机会来实施多样化的商业模式,以将控制权,收入和现场观众的见解归还给品牌,以吸引那些大胆抓住它们的人们。 品牌为社会生态系统提供资金 广告收入现在占Facebook收入的94%以上,品牌被迫残酷地适应这个新的社交时代。 数字媒体受到的影响最大-失去不受限制的流量(在许多情况下是风险投资的基础),而内容收益分享协议却发生了变化。 社交网络对广告收入的这种新的依赖性进一步加剧了竞争和相互矛盾的目标,从而加剧了数字CPM的利润压力。 在Facebook宣布2018年第四季度创纪录的170亿美元收入的同一周,Buzzfeed解雇了15%的员工,Vice解雇了10%,而此前担任誓言的雅虎和《赫芬顿邮报》的所有者Verizon释放了800名员工。 这些冗余已在媒体领域变得司空见惯,并将一直持续到当前思想从大众市场转向注重准确性和获利能力的战略为止。 品牌仍然需要社交吗? 是的,但是现在该减少对旧版社交平台的依赖,并将重点转移到品牌控制的平台上。 尽管成本不断攀升,社交网络的影响力仍将无与伦比,以产生引荐流量,但其目的必须是停止这种付费重新获得匿名受众的永久循环。 什么是DTC? DTC(直接面向消费者)允许品牌商避免第三方平台自行进行互动并通过受众获利。 零售业已经这样做了多年,在网上独立启动,收集数据,然后在无需与第三方分享利润或更重要的是数据共享的情况下,通过这些受众获利。 媒体的机会将是与传统社交网络同步,利用已建立的大众市场受众群体“一次获取”。…

ChemRxiv系列:催化

催化可以说是化学领域发展最快的领域之一。 从经济地生产公斤药物到减少我们对贵金属的依赖,到通过谨慎地平衡反应性中间体的数量来实现以前看不见的反应性,致力于开发新催化剂和反应的化学家改变了我们对合成中可能存在和不可能的看法。化学。 催化反应的优先级可能会根据他或她的背景而改变。 例如,有机化学家可能会专注于形成和断裂的键,而无机化学领域的同事可能会更加关注催化剂的功能以及如何将其周转数推至极限。 无论从哪个角度来看,这些努力都会在相关领域产生深远的影响。 能够使正确数量的有价值的试剂正确结合的方法,开辟了新的研究途径,无论是在生产过程中寻求最大化产量还是在活细胞中发生反应。 在本系列中,我们将研究催化化学的前沿技术,这些技术已于今年秋天出现在ChemRxiv上。 其中一些工作已出现在期刊上(并将相应地注明),但其他工作仍在等待同行评审。 Kulik等人的“在单点催化中打破比例关系:Fe(IV)= O的甲烷转化为甲醇” 在ChemRxiv上阅读:https://t.co/UknOg7SIV8 催化剂的设计很棘手-反应中的许多关键中间体短暂地(有意地)少量存在。 因此,了解给定化合物如何以及为什么介导某些反应可能是一个挑战。 到那时,人们可以将实验结果回去解释。 先验地预测这些特征可能最好乏味,而最坏情况则不可行。 但是,随着计算能力的发展和日趋商品化,使用第一性原理计算以高通量方式设计和改进催化剂已变得越来越流行,从而可以在更多时间之前快速“预筛选”候选分子和材料。实验评估催化剂的繁琐且艰巨的任务。 为实现这些目标,通过将催化活性与描述子相关联,而不是将各个基本步骤的能量单独进行计算,可以实现高通量筛选。 线性自由能关系(LFER)和Brønsted-Evans-Polyani(BEP)关系分别描述了中间体与活化能/反应能之间的相对能差,并在历史上允许人们将催化活性与关键中间体的能量联系起来。预测反应性的方法。…