Comment NiceToMeet a protégé un public de 45 ans et plus des escroqueries romantiques et a transformé 5 800 commentaires mensuels en 78 400 $ de nouvelles adhésions

NiceToMeet vend une promesse au-dessus de tout : qu'un étranger que vous rencontrez lors de l'un de leurs dîners sera exactement qui il dit qu'il est. Le produit consiste en des rencontres en petits groupes pour les adultes de 45 ans et plus. Le quiz de correspondance est court. Les lieux sont vérifiés. L'ensemble de l'expérience est conçu pour ressembler à la rencontre d'un ami d'un ami, pas à un rendez-vous Tinder.

Cette promesse a rendu la section des commentaires problématique. Chaque créatif payant sur Instagram et TikTok a attiré de véritables prospects vers la marque : "Comment cela fonctionne-t-il ?", "Où êtes-vous à Atlanta ?", "Coût ?". Cela a également attiré une seconde foule que l'équipe n'avait pas budgétée. Les escrocs romantiques, les imitateurs de cœurs solitaires et les bots de liens d'affiliation visent exactement la même démographie. Les adultes de 45 ans et plus, suffisamment à l'aise pour commenter publiquement une annonce d'amitié, constituent le groupe de valeur le plus élevé pour ces arnaques dans tout l'écosystème social.

Pire encore, la section des commentaires était le premier endroit où un prospect sceptique allait vérifier si la marque était réelle. Un homme de 52 ans qui avait enfin eu le courage de considérer sa participation ferait défiler les commentaires avant même de cliquer sur le quiz de correspondance. Si le troisième commentaire qu'il voyait était @matchmaker_anna_xo offrant des "connexions privées" ou @lonely_dave_72 suppliant pour des messages WhatsApp, la promesse de sécurité de la marque était déjà brisée avant même qu'une conversation ne commence.

L'équipe Community Experience triageait environ 30 tickets de support "est-ce une arnaque ?" par semaine, tous provenant de personnes qui avaient été contactées en DM par un compte qu'elles pensaient être un membre de l'équipe NiceToMeet. Aucun de ces comptes n'était la marque. Tous avaient répondu en premier.

FeedGuardians a réalisé un audit de 7 jours en lecture seule sur @nicetomeet sur Instagram, le compte TikTok et le créatif payant actif. Pendant la période de l'audit, le système a enregistré 5 820 commentaires et a classé chacun par intention et profil de risque.

L'audit a reformaté le modèle mental de l'équipe. La marque pensait aux commentaires comme à "des questions plus un peu de spam à nettoyer". Les données ont montré que les commentaires de type prédateur étaient structurellement plus nombreux que ce que l'équipe avait prévu, et qu'ils arrivaient plus vite que la voix de la marque ne pouvait le faire.

Le modèle le plus dommageable n'était pas le volume. C'était le timing. Le premier commentaire sous un créatif performant arrivait généralement dans les 4 minutes. La moitié de ces premiers commentaires provenaient de nouveaux comptes de création fraîche suivant un modèle reconnaissable. Plus l'un de ces comptes restait en haut d'un fil de commentaires, plus les commentaires sceptiques ("Est-ce une arnaque ?", "Je ne fais pas confiance à cela") suivaient en dessous. Un seul commentaire de prédateur visible dans la première heure d'un post viral réduisait mesurablement le taux de complétion du quiz sur la page de destination liée de 18 à 24 points de pourcentage.

Le déploiement avait trois parties.

1) Filtre de prédateur. Un ensemble de règles de correspondance de modèles a été formé sur 31 formes distinctes de commentaires de fraude romantique et sur 18 heuristiques de comptes de création fraîche spécifiques à l'espace produit d'amitié. Tout commentaire correspondant au filtre était caché dans les 30 secondes suivant la publication. De nouvelles variantes apparaissant chaque semaine étaient ajoutées à l'ensemble de règles.

2) Réponse automatique aux demandes sincères. La réponse IA a été formée sur la FAQ de l'adhésion NiceToMeet, la couverture des villes actuelles, le texte du quiz de correspondance et les avis positifs récents sur Trustpilot. Lorsqu'un commentaire était classé comme une demande sincère, le système a posté une réponse publique localisée ("Nous avons des dîners hebdomadaires à Atlanta. Faites le quiz de 2 minutes sur nicetomeet.com/quiz pour voir si cela vous convient") et a déclenché un DM avec un formulaire de demande pré-rempli. L'ensemble du processus a été complété en moins de 60 secondes.

3) Modération des signaux de confiance et escalade de la sécurité des membres. Les trolls et les commentaires moqueurs d'âge étaient cachés afin que la section des commentaires visible renforce plutôt que sape la promesse de la marque. Tout commentaire mentionnant un membre spécifique, incluant des informations de contact ou faisant référence à l'identité réelle d'un membre était dirigé vers un canal Slack surveillé par l'équipe Community Experience. Environ 4 % des commentaires nécessitaient une attention humaine ; l'IA gérait les 96 % restants.

Semaine 1 : la visibilité des prédateurs sur les posts commentés est tombée d'une part de 22 % à moins de 3 %. La position du "premier commentaire" sur les nouvelles créations était presque toujours une réponse automatique de NiceToMeet plutôt qu'un escroc.

Semaine 3 : les demandes d'adhésion qualifiées mensuelles sont passées d'une base de 110 à 560. Une augmentation de 5,1×. Le temps de réponse moyen des commentaires aux DM est tombé d'environ 3 heures à 38 secondes. Le taux de complétion du quiz de correspondance sur le trafic social a récupéré la pénalité de 18 à 24 points observée pendant l'audit.

Semaine 6 : les réponses automatiques conscientes de la ville ont été lancées. Les prospects d'Atlanta ont reçu des réponses d'Atlanta, les prospects d'Austin ont reçu des réponses d'Austin. La conversion DM vers adhésion a augmenté de 14 % en plus du gain de volume de demandes.

Semaine 8 (fin du pilote) : les tickets de support "est-ce une arnaque ?" ont diminué de 91 % par rapport à la base de référence avant le pilote. Les heures de modération manuelle de l'équipe Community Experience sont passées d'environ 22 heures/semaine à environ 5 heures/semaine. Cette capacité a été redirigée vers la facilitation des connexions "rester en contact" après l'événement, qui est le travail que la marque voulait réellement que cette équipe fasse.

Au cours du trimestre pilote, l'entonnoir commentaire vers DM a produit 78 400 $ par mois en nouveaux revenus d'adhésion attribuables contre une base d'environ 5 900 $. Net incrémental : environ 72 500 $ par mois en taux de fonctionnement, soit environ 870 000 $ annualisés à une base plate.

L'abonnement FeedGuardians était de 89 $ par mois pour les comptes connectés. Le deuxième résultat plus difficile à quantifier était le résultat de la promesse de la marque. Le score Trustpilot de NiceToMeet est resté à 4,9 depuis le déploiement, et la part de nouveaux membres citant "J'ai lu les commentaires d'abord et ils semblaient sûrs" dans l'enquête post-événement est passée de 11 % à 34 % pendant le pilote.