Если вы работаете в сфере SaaS, то, скорее всего, участвовали в дискуссиях о том, как ваши клиенты могут получить выгоду от повышения ценности ваших продуктов с использованием генеративногоAI, больших языковых моделей( LLM) или заказныхAI% 2FML- моделей. При разработке стратегии и дорожной карты продукта важно выделить один важный аспект, который можно сравнить с калифорнийской золотой лихорадкой. Как и в случае с" золотой лихорадкой" без лопаты, важно не упускать из виду аспект монетизации вашей системы SaaS+ AI. Включайте его с самого начала и внедряйте необходимые меры прямо на старте, а не рассматривайте его в качестве задачи на потом или после запуска. Два года назад мы обсуждали вопрос о неизбежном переходе к измеряемому ценообразованию в отрасли SaaS. В то время катализатор этого перехода был неизвестен, но основной тезис оставался неизменным. В 2021 году мы не ожидали, что именно компанияAI выступит в роли этого катализатора. Важно осознать, что требуется не просто изменение ценообразования, а изменение всей бизнес- модели. Традиционное ценообразование на услуги SaaSpricing было довольно простым процессом с использованием простой модели установления цен на уровне выше основных затрат для достижения желаемой прибыли. Изменения должны включать в себя модификацию тарифов, например, переход от$ 79 за пользователя в месяц к$ 99 за пользователя в месяц. С другой стороны, изменение модели монетизации представляет собой фундаментальный сдвиг в подходах к тарификации.

С учетом того, чтоAI является вектором потребления, точные модели расчета и ценообразования на основе использования становятся неизбежными. Кроме того, такие компании, какTwilio, Snap, Quizlet, Instacart иShopify, интегрируются с этими сервисами и предлагают инструменты для работы с клиентами. Одна из проблем монетизации генеративныхAI заключается в том, что длина предложений и выходных данных варьируется, причем большие предложения требуют больших ресурсов для обработки и наоборот. Кроме того, модели использования различных клиентов могут значительно различаться, причем некоторые используют эти инструменты несколько раз в день в течение нескольких недель, что приводит к появлению новых отпечатков. Любая эффективная модель ценообразования должна учитывать эту вариативность и соответствующим образом масштабировать ее. Кроме того, такие сервисы, какChatGPT, сами по себе работают по модели, основанной на использовании, а это означает, что любые инструменты, использующиеChatGPT в качестве симилярной модели, должны также внедрять биллинг на основе использования для точного отражения базовых затрат на оказание услуги. Для обеспечения справедливого и прозрачного ценообразования, а также отсутствия ограничений на внедрение и рост пользователей, компаниям следует рассмотреть вопрос о внедрении ценообразования на основе использования. Эластичное фронтальное использование и соответствующие обратные затраты делают генеративныеAI- продукты подходящими для применения ценообразования на основе использования. Вот как можно начать: компании могут использовать предварительно построенные модели, подготовленные различными поставщиками, и далее обучать их с помощью собственных наборов данных, прежде чем включить их в свой технологический пакет в качестве функций. Чтобы получить полную информацию о затратах и прибылях от использования, каждый показатель использования должен вноситься в инфраструктуруAI( будь то следует учитывать для точного понимания использования и глубинных затрат.