Как монетизировать фичи на базе искусственного интеллекта

Стратегии монетизации 44 топовых технологических компаний мира (GitHub, Zapier, Adobe, Loom и Microsoft), с разбором преимуществ и ситуаций, когда их стоит использовать.

Подписывайтесь на мой канал: продуктовые штуки одной строкой

*** На основе статьи Л.Рачицки в его блоге, подготовленной совместно с Палле Бро. Палле был в команде, строившей Uber в США и Великобритании с нуля и руководил стратегией ценообразования в Uber для B2C. Он также консультировал более 20 быстрорастущих технологических стартапов по стратегии монетизации. ***

В чем отличие от традиционных SaaS продуктов? Компании должны учитывать:

Палле изучил стратегии ценообразования 44 ведущих технологических компаний. Он сосредоточился на уровне продуктов для конечных пользователей (например, Figma), а не базовых моделях (например, LLM OpenAI) или инфраструктуре (например, Azure).

Прямые и косвенные стратегии монетизации

В целом существует два подхода, которые компании могут использовать для монетизации ИИ функций:

Итого сейчас представлено 5 стратегий монетизации технологических компаний, запускающих функции и ИИ продукты.

Преобладающая стратегия — добавление ИИ функций в существующие пакеты (59% компаний выбрали этот путь). Этот подход позволяет пользователям с действующими подписками извлекать выгоду из ИИ возможностей. Интеграция сопровождается повышением цены пакета или отдельной платой за использование ИИ функции. В остальных случаях она добавляется без изменения существующих цен, что является косвенным подходом.

Второй наиболее распространенный подход — предложение ИИ функций в качестве доп пакета с отдельной ценой (23% компаний выбрали этот путь). Стратегия допа — это самая «чистая» форма прямой монетизации, которая предоставит вам самые точные данные с точки зрения использования фичи и ее монетизации. Кроме того, возможность отслеживать прямое влияние вашей функции ИИ позволит вам оценить готовность платить и может дать важную обратную связь для дальнейшей разработки продукта.

Некоторые компании (18% из рассмотренных), в первую очередь разработчики LLM, выпустили автономные ИИ продукты.

И похоже, именно этот путь выбрали многие крупные технологические компании. Крайне важно понимать готовность платить и базовую структуру затрат, связанных с ИИ продуктом, и использование этой стратегии позволит вам понять и то, и другое. Одной из основных проблем косвенной монетизации является то, что может быть очень сложно отслеживать и точно приписывать эффект от увеличения числа клиентов и дополнительных продаж на счет ИИ.

Прямая монетизация, скорее всего, будет правильным выбором, если у вашей компании:

Высокие переменные затраты, связанные с ИИ продуктом и не могут быть покрыты косвенным приростом доходов, например, затратами, связанными с вычислениями, пропускной способностью, хранением и маркировкой данных, безопасностью и соответствием требованиям, а также обслуживанием и обновлениями. LLM, такие как ChatGPT, Gemini и Claude, несут очень высокие вычислительные затраты, в то время как компании, использующие LLM, такие как Airtable, платят каждый раз, когда пользователь использует их ИИ функцию.

Есть понятная (доказанная) ценность для клиента: клиенты четко осознают добавленную стоимость, которую им приносят ИИ функции, и поэтому с радостью платят за нее, например, GitHub's coding Copilot или Intercom's AI bot, Fin.

Рост метрик неизбежно приводит к росту доходов, который перевешивает затраты на эти функции. Zoom и Shopify — примеры компаний, которые выбрали эту стратегию.

Примечание от НХ: по пути косвенной монетизации идет Apple. Компания собирается увеличить продажи за счет внедрения ИИ функции в iPhone. Компания считает, что инновация станет причиной для покупки смартфонов и поможет ей восстановиться после недавнего спада (во втором квартале 2024 года Apple выпала из пятерки крупнейших поставщиков смартфонов на китайском рынке).

По опыту Палле и по данным с рынка, косвенная монетизация обычно является менее привлекательным вариантом, особенно в долгосрочной перспективе.

Возможно, правильным решением будет последовать примеру, чтобы обеспечить конкурентоспособность, но в конечном итоге это будет зависеть от множества факторов, которые подробно не обсуждаются в этой статье.

Рассмотрим три основные стратегии прямой монетизации (добавление в существующий тарифный план с повышением цены, автономный продукт и включенная в план и платная доп опция) и выясним, какой путь может быть лучшим для вашей компании.

Как правило, при выборе следует учитывать следующие факторы:

Как определить роль, которую ИИ будет играть в вашем продуктовом портфеле?

Для этого нужно ответить на 2 вопроса:

1) Будет ли эта фича широко использоваться вашей аудиторией? Или она ориентирована на узкий сегмент [ось Y]?

На практике в большинстве компаний критерием того, выделять ли функцию в пакет или продавать как дополнение, является доля ее использования. Если предполагается, что свыше 70% пользователей будут использовать функцию, то целесообразно включить ее в стандартный пакет. Если ожидается, что использование будет ниже 70%, нужно крепко подумать, не будет ли лучше выделить ее в отдельный доп пакет, особенно если функция имеет высокую ценность для узкой группы пользователей.

2) Захочет ли существенная доля клиентов платить за эту функцию [ось X]?

Стоит понять, будет ли ваша функция необходима. Лучший способ узнать — поговорить с вашими пользователями (например, показать бета версию или просто спросить потенциальных клиентов об их готовности платить за функцию).

Получив ответы на эти вопросы, вы можете разместить функцию на карте ниже, чтобы определить лучший вариант для запуска вашей ИИ функции.

Например, если ожидается, что ваша ИИ функция будет широко использоваться пользователями (более 70%) и нести большую ценность, это функция-«лидер» в вашем пакете и, вероятно, стоит повысить цену. Однако если ваша функция ИИ используется относительно небольшим количеством пользователей (скажем, 20%), но этим пользователям нравится эта функция, она должна быть «дополнением» к вашему основному тарифу.

#продуктовыйподход #productmanagement #productmanager #productledgrowth #techproduct #datadrivenproduct #продуктовый_подход #datainfromedapproach #datainfromedproduct #datadriven_product #aitechproduct #иитехпродукт #техпродукт #рачицки #rachitsky #бизнесмодель #монетизация #иипродукты #иипродукт #иифичи #aiproducts #GeminiLive #модельмонетизации #монетизация #модель_монетизации