Monetyzacja Gen AI. Kluczowe aspekty
Aplikacje wykorzystujące Gen AI zyskują popularność na całym świecie. Nasze badanie przedstawicieli firm SaaS pokazało, że jedynie 8 proc. z nich nie zamierza w najbliższych 18 miesiącach wdrożyć funkcjonalności Gen AI. Dla całego rynku producentów oprogramowania oznacza to nowe wyzwania, także po stronie komercyjnej.
Zapytaliśmy dyrektorów firm SaaS o przewidywany wpływ Gen AI na ich przychody, 73 proc. z nich odpowiedziało, że przyczyni się do ich zwiększenia o ponad 10 proc. Pomimo tego, nasze doświadczenia pokazują, że wiele firm SaaS nie posiada jasnej strategii monetyzacji produktów i usług opartych na Gen AI. Analizując oferty firm, które już wdrożyły funkcjonalności oparte na Gen AI widać, że podejścia są różne.
Pomimo, że nie istnieje jedno uniwersalne podejście do monetyzacji, można wyróżnić pewne elementy składowe, które są kluczowe do wypracowania przy budowie rozwiązania dopasowanego do sytuacji konkretnej firmy. W tym artykule zwracamy uwagę na sześć aspektów, które należy wziąć pod uwagę w poszukiwaniach skutecznej strategii monetyzacji Gen AI.
Kluczowe aspekty monetyzacji Gen AI
1. Powiązanie strategii monetyzacji z celami strategicznymi
Pierwszym aspektem strategii monetyzacji Gen AI jest zapewnienie jej zgodności z celami strategicznymi firmy. Sposób i skala monetyzacji powinny być dopasowane do celów organizacji. Przykładowo, jeśli głównym celem jest zwiększenie udziału w rynku, struktura oferty, metryki i poziomy cenowe powinny być skonstruowane tak, aby umożliwić szybkie przyciągnięcie dużej liczby nowych klientów. Myśląc o celach powinniśmy pamiętać, że mogą być one różne dla różnych segmentów klientów, co jest dodatkowym wyzwaniem przy budowie skutecznej oferty.
2. Segmentacja klientów na podstawie ich potrzeb i skłonności do zapłaty
Często spotykane podejście do segmentacji oparte w dużej mierze o wielkość firmy jest zazwyczaj niewystarczające. Nasze doświadczenia pokazują, że dużo lepsze efekty przy budowie oferty daje segmentacja klientów oparta o ich zidentyfikowane potrzeby i postrzeganą wartość. W kontekście skutecznej monetyzacji Gen AI szczególnego znaczenia nabiera zrozumienie, czy wszyscy klienci dostrzegają podobną wartość płynącą z funkcjonalności Gen AI i czy są skłonni za nie zapłacić? Dzieląc klientów na segmenty w oparciu o ich potrzeby i gotowość do zapłaty, producenci aplikacji mogą lepiej dostosować swoją ofertę do szerszego grona klientów, adresując przy tym potencjalnie różne cele strategiczne dla tych segmentów.
3. Różnicowanie oferty dla segmentów klientów
Kolejnym elementem strategii monetyzacji Gen AI jest dostosowanie struktury oferty do zróżnicowanych potrzeb segmentów klientów. Dzięki wprowadzeniu różnych poziomów usług i odpowiedniemu ułożeniu ich w pakiety, możemy zaadresować zróżnicowane wymagania i możliwości finansowe, docierając jednocześnie do szerszego grona odbiorców. Na przykład, podstawowe funkcje generowania tekstu mogą być dostępne w wersji standardowej, podczas gdy bardziej zaawansowane możliwości, mogą być dostępne wyłącznie w ramach pakietu premium. Taka strategia pozwala jednocześnie zaoferować atrakcyjne rozwiązanie klientom o niewielkich potrzebach lub skłonności do zapłaty, jednocześnie zapewniając ścieżkę migracji na wyższe pakiety oraz możliwość wyboru bardziej zaawansowanych opcji klientom, którzy dostrzegają ich wartość i są gotowi za nie zapłacić. W praktyce istnieje wiele struktur oferty umożliwiających ich różnicowanie (np. Good/Better/Best, pakiety funkcjonalne, konfiguratory. Wybór jednego z rozwiązań, dostosowanego do specyficznej sytuacji danej firmy często nie jest prosty i wymaga przeprowadzenia pogłębionych analiz.
4. Wybór metryki cenowej
Jedną z kluczowych decyzji w obszarze monetyzacji Gen AI będzie wybór odpowiedniej metryki cenowej. Jej zmiana jest trudniejsza od zmiany poziomów cenowych, warto zatem się nad tym wyborem dobrze zastanowić. Obecnie najpopularniejszymi metrykami na rynku są opłaty zależne od liczby użytkowników (eng. user-based) oraz opłaty zależne od użycia (eng. usage-based) np. za wygenerowany raport. Każda metryka daje pewne korzyści, lecz wiąże się też z pewnymi ryzykami. Dla przykładu, opłata za użytkownika jest prosta i przewidywalna. Zakładając jednak, że nowa funkcjonalność oparta o Gen AI spowoduje znaczny wzrost produktywności i w konsekwencji ograniczenie liczby etatów (lub tempa ich wzrostu) – taka metryka może oznaczać dla firmy utracony potencjał przychodowy. W tym przypadku lepiej sprawdziłaby się metryka uzależniona od użycia. Może ona jednak nie zostać zaakceptowana przez część klientów oczekujących przewidywalności wydatków.
5. Określenie poziomu cenowego
Niezależnie od metryki cenowej, którą wybierzemy, kolejnym krokiem jest ustalenie odpowiednich poziomów cenowych. Jest to temat złożony i wymaga uwzględnienia wielu czynników, takich jak skłonność klientów do zapłaty, dynamika rynku, oferta i pozycja konkurentów, koszty API. W kontekście wyceny funkcjonalności Gen AI specyficzny jest często skokowy wzrost produktywności procesów klientów obserwowany w momencie ich wprowadzenia. W przypadku unikalnych rozwiązań powstaje zatem pytanie, jaką częścią oszczędności wygenerowanych przez Gen AI nasi klienci będą skłonni się „podzielić”. Z kolei dla mniej unikalnych funkcjonalności, które mogą szybko stać się standardem na rynku, warto przy wycenie w większym stopniu uwzględnić ofertę konkurencji.
6. Komunikacja oferty i wartości
Niemniej ważnym elementem strategii monetyzacji jest jej komunikacja. Dotyczy to zarówno komunikacji oferty klientom, jak i komunikacji wewnętrznej. Ogólna zasada podpowiada, że firmy powinny w swoich przekazach kłaść nacisk na dodatkową wartość generowaną przez oferowane produkty i usług. W przypadku funkcjonalności Gen AI, w dużej mierze wartość ta będzie wynikała z usprawnienia procesów i wzrostu ich produktywności. W komunikacji warto zatem położyć szczególny nacisk na to, w jaki sposób nowe usługi adresują konkretne potrzeby klientów, podnoszą efektywność ich działalności i generują bezpośrednie korzyści finansowe. Jednocześnie najlepiej dopasować komunikację do segmentu klientów oraz funkcji osoby w organizacji, do której jest kierowana (np. użytkownik, właściciel danego procesu, finanse, zakupy). Ukierunkowana i dostosowana komunikacja pomoże nie tylko poprawić postrzeganą wartość usług opartych o Gen AI, ale również zwiększyć skłonność klientów do zapłaty za nie.
W obliczu stale rosnącej popularności Gen AI producenci aplikacji stają przed wyzwaniem skutecznej monetyzacji tej technologii. Jak pokazuje nasze ostatnie badanie, duża część firm SaaS rozpoznaje potencjał wzrostu przychodów dzięki wykorzystaniu Gen AI, jednak niewiele z nich posiada konkretny plan na to, jak skutecznie przekuć tą technologię w sukces komercyjny. Żeby osiągnąć ten cel należy zaadresować sześć wymienionych wyżej aspektów skutecznej monetyzacji. Opracowanie szczegółowych rozwiązań w tych obszarach wymaga podjęcia szeregu działań, m.in. analizy rynku i otoczenia konkurencyjnego, analizy danych wewnętrznych, przeprowadzenia badań klientów, testów A/B. Jednocześnie, biorąc pod uwagę tempo wdrażania Gen AI działania te muszą być realizowane pod presją czasu i często równocześnie z technologicznym rozwojem nowych funkcjonalności.
Wdrożenia usług opartych o Gen AI otwierają przed sektorem producentów oprogramowania nowe możliwości – czas pokaże, które firmy najlepiej wykorzystają potencjał ich monetyzacji.
Autorami tekstu są:
Artur Staniec - Dyrektor zarządzający w warszawskim biurze globalnej firmy doradczej Simon-Kucher. Kieruje działalnością firmy w obszarze doradztwa strategicznego dla klientów B2B, w tym z sektora technologicznego w Europie Środkowej i Wschodniej. Specjalizuje się w strategiach wzrostu, strategiach cenowych oraz optymalizacji procesów sprzedaży.
Paweł Rzuchowski - Menedżer w warszawskim biurze firmy doradczej Simon-Kucher. Specjalizuje się w doradztwie dla klientów z sektora technologicznego i przemysłowego, koncentrując się na obszarach związanych ze strategią wzrostu, strategią cenową oraz optymalizacją procesów sprzedażowych.
