Un framework per la determinazione dei prezzi dei prodotti di IA
Con la crescente diffusione dell'IA, le aziende di quasi tutti i settori si affrettano a sviluppare prodotti che utilizzano i più recenti modelli di IA generativa. In un recente sondaggio di Stripe, il 63% degli intervistati del settore tecnologico ha affermato di offrire attualmente un prodotto o un'applicazione di IA. Ancora più significativo, il 31% degli intervistati di settori non tecnologici ha affermato lo stesso e un ulteriore 45% ha in programma di offrire prodotti di IA nel prossimo futuro.
Tuttavia, monetizzare questi prodotti rimane una sfida. La crescita senza precedenti dei ricavi che abbiamo osservato nelle principali aziende di IA su Stripe (supportiamo il 78% delle aziende della Forbes AI 50) cela la difficoltà. I costi aumentano rapidamente con l'uso aggiuntivo dei modelli di IA e il valore offerto può essere difficile da definire. Oltre a queste pressioni specifiche, le aziende devono affrontare sfide più conosciute: creare flussi di ricavi prevedibili, far crescere la propria base di clienti e proteggere i margini.
Quali sono gli aspetti che le strategie di monetizzazione di successo hanno in comune? Sebbene le strutture di prezzo dell'intelligenza artificiale varino considerevolmente, i leader nel campo dell'IA tendono ad avere risposte chiare alle seguenti domande:
- Che tipo di valore offre il mio prodotto ai clienti, e posso farlo pagare in modo da coprire i costi incrementali?
- Come posso tradurre questa metrica di addebito in un modello tariffario che incoraggi l'adozione e la crescita dei clienti, offrendo al tempo stesso ricavi prevedibili?
- Quali ulteriori rischi crea questo modello tariffario e come posso gestirli?
Di seguito, esaminiamo questo quadro decisionale e i compromessi che le aziende devono affrontare, ed evidenzieremo esempi di aziende di IA su Stripe che hanno sviluppato modelli di prezzo di successo.
Allineare le metriche di valore e di addebito
La metrica di addebito è un'unità incrementale utilizzata per misurare e calcolare il costo complessivo di un prodotto. Non è un concetto esclusivo dell'IA: i vecchi piani di telefonia mobile prevedevano un addebito al minuto di conversazione (e per SMS), mentre le aziende di archiviazione cloud applicano ancora tariffe per gigabyte.
Tuttavia, stabilire una metrica di addebito efficace per l'IA è particolarmente difficile, perché deve essere in linea sia con il modo in cui i clienti traggono valore dal prodotto sia con il modo in cui il prodotto genera costi, ed entrambi gli aspetti possono essere complessi da definire e prevedere:
La metrica di valore
Definire la "metrica di valore" è il primo passo fondamentale per stabilire una metrica di addebito efficace. Attraverso la ricerca sugli utenti, le aziende devono comprendere quali risultati sono più importanti per i propri clienti e in che modo i loro prodotti contribuiscono a raggiungerli.
È importante distinguere il "valore" dall'"utilizzo". Ad esempio, Fin, l'agente di assistenza di Intercom, conversa con gli utenti finali dei clienti se hanno domande o reclami. Ma Fin offre realmente valore solo quando risolve il problema dell'utente finale e riesce a chiudere il relativo ticket di assistenza.
Costo di erogazione
Una volta compresi quali risultati sono importanti, un'azienda può iniziare a determinare quanto costa in genere erogarli. I modelli di IA generativa sono costosi e non è sempre facile prevedere quale sarà il costo computazionale di una determinata attività.
La difficoltà aumenta quando il risultato è più complesso. Riprendendo lo stesso esempio di prima, quando Fin risolve un ticket potrebbe essere necessaria una lunga conversazione oppure tre conversazioni brevi, con un numero di chiamate ai modelli di IA sottostanti completamente diverso.
Esistono tre categorie principali di metriche di addebito che i prodotti di IA tendono a utilizzare e ciascuna offre un diverso equilibrio tra allineamento al valore e allineamento ai costi:
- Basata sul consumo (per chiamata API, per token LLM): questo tipo di metrica di addebito è strettamente legato ai costi dell'infrastruttura sottostante. Ciò significa che il costo sostenuto per ogni azione è prevedibile per l'azienda che vende il prodotto, ma può essere più difficile collegarlo a un valore concreto per il cliente. Questo tipo di metrica è utilizzato soprattutto dalle aziende che sviluppano modelli di IA e ha più senso quando il cliente desidera avere un controllo granulare su ciò che consuma.
- Basata sul flusso di lavoro (per attività completata): questa metrica introduce una maggiore variabilità dei costi, ma consente di collegare più facilmente il prezzo al valore. Le aziende applicano un prezzo fisso per il completamento di attività che possono richiedere una serie di azioni e comportare livelli diversi di consumo di risorse, come prenotare una riunione o analizzare un foglio di calcolo. Queste attività offrono un chiaro valore in termini di risparmio di tempo e i clienti comprendono facilmente ciò che stanno acquistando.
- Basata sul risultato (per risultato positivo): questa metrica tende a presentare la maggiore variabilità dei costi, ma può essere quella più strettamente collegata ai risultati concreti dell'attività. Intercom ha infine scelto un modello basato sul risultato: l'azienda applica un addebito per ogni ticket che Fin risolve con successo. I responsabili hanno deciso che il forte allineamento tra la metrica di valore e la metrica di addebito di Fin giustificava il rischio associato ai costi di erogazione.
Bilanciare la prevedibilità dei ricavi e la crescita dei clienti
Una volta scelta la metrica di addebito, l'azienda deve determinare il modo in cui è preferibile addebitare ai propri clienti. Potrebbe decidere semplicemente di addebitare l'utilizzo man mano che viene effettuato, ma non è l'unica opzione.
Nel nostro recente sondaggio, il 56% dei responsabili delle aziende di IA ha affermato di utilizzare un modello tariffario "ibrido", che include diverse combinazioni di tariffe in abbonamento e basate sull'utilizzo. Questa ha rappresentato la risposta più comune, seguita dai modelli basati esclusivamente sull'utilizzo, con il 38%. Questo perché i modelli ibridi offrono alle aziende più leve per bilanciare due forze, entrambe importanti per la crescita a lungo termine dell'azienda.
Prevedibilità dei ricavi
Le tariffe di abbonamento ricorrenti aiutano le aziende a prevedere i ricavi con maggiore precisione, consentendo loro di pianificare investimenti a lungo termine nelle assunzioni e nella ricerca. Alcuni clienti, in particolare le aziende più grandi, apprezzano una spesa mensile prevedibile per gli stessi motivi. Per altri clienti, invece, le tariffe di abbonamento rappresentano un ostacolo che potrebbe scoraggiare l'adozione e la crescita a lungo termine.
Acquisizione e crescita dei clienti
Le aziende possono facilitare l'adozione destinando una quota maggiore dei ricavi alle tariffe basate sull'utilizzo. Questo approccio può essere vantaggioso per le start up con obiettivi ambiziosi di acquisizione dei clienti o per qualsiasi azienda che adotti una strategia di crescita guidata dal prodotto. I clienti possono provare un prodotto con un impegno finanziario limitato e pagano di più solo quando il loro utilizzo aumenta nel tempo.
Browserbase, un'azienda che fornisce e gestisce browser "headless" utilizzati dagli agenti di IA per interagire con i siti web, ha sviluppato il proprio modello tariffario ibrido per offrire ricavi prevedibili e al tempo stesso soddisfare le esigenze del suo pubblico, composto in gran parte da sviluppatori. L'azienda offre abbonamenti a livelli, ciascuno dei quali include una quantità di utilizzo predefinita pensata per una diversa tipologia di cliente. Il suo livello gratuito "introduttivo" consente ai potenziali clienti di provare il prodotto senza costi, mentre tariffe chiaramente comunicate per l'utilizzo "in eccedenza" consentono ai clienti di crescere prima di impegnarsi in un livello di abbonamento superiore. È disponibile un piano personalizzato per i clienti Enterprise.
Gestire i rischi rimanenti con misure di sicurezza
Una metrica di addebito ben progettata e un modello tariffario equilibrato possono entrambi contribuire a contenere i rischi legati ai costi dei prodotti di IA. Tuttavia, quando l'utilizzo da parte dei clienti è variabile, il rischio rimane: tende a essere maggiore in un modello puramente a consumo, ma è comunque presente anche nel modello in abbonamento con eccedenze utilizzato da molte aziende di IA. Le frodi intenzionali possono rappresentare un problema ancora più significativo, perché i costi potrebbero aumentare rapidamente prima che venga rilevato un attacco.
Ulteriori misure di sicurezza per gli addebiti basati sull'utilizzo possono aiutare a mantenere il rischio entro livelli gestibili. La scelta delle misure più adatte dipende dai comportamenti di utilizzo che potrebbero creare maggiori problemi.
- Se i clienti in buona fede rischiano di spendere più del previsto, le soglie di utilizzo accompagnate da avvisi tempestivi possono prevenire fatture impreviste.
- Se i malintenzionati accumulano fatture che non saldano, le aziende possono richiedere ai clienti di pagare in anticipo crediti che vengono utilizzati progressivamente.
- Se l'utilizzo di un modello può registrare picchi imprevedibili in risposta a determinati tipi di attività o di query, i limiti di frequenza e di utilizzo possono tenere sotto controllo la spesa mentre il cliente adegua la propria richiesta.
In ogni caso, la comunicazione proattiva è fondamentale. I clienti vogliono capire come il loro utilizzo si traduce in spesa, e vogliono poter reagire rapidamente se stanno spendendo più di quanto previsto.
Guardando al futuro: sperimentazione continua
Con la crescita delle aziende di IA, è improbabile che considerino la propria struttura tariffaria come una questione risolta. Le aziende di IA di successo continuano a sperimentare. Sebbene Intercom attualmente applichi lo stesso prezzo per ogni ticket risolto, l'azienda sta valutando la possibilità di suddividere in futuro i ticket in livelli in base alla complessità.
La prospettiva di Intercom corrisponde a quanto abbiamo osservato nel nostro recente sondaggio. Tra le aziende che vendevano prodotti di IA e applicavano tariffe basate sull'utilizzo, da sole o nell'ambito di un modello ibrido, il 92% ha affermato di aver successivamente adeguato le proprie tariffe. Poiché i costi dei modelli di IA sottostanti cambiano, le condizioni di mercato maturano e le aspettative dei clienti evolvono, il tutto a un ritmo record, le aziende devono mantenere la propria capacità di adattamento per assicurarsi che le tariffe siano ben bilanciate e favoriscano la crescita.
Guarda il nostro webinar on-demand, "Come definire correttamente la tua strategia di prezzo per l'IA", per saperne di più sulle tariffe dei prodotti di IA.
Scopri come Stripe Billing può supportare il tuo modello tariffario per l'IA, indipendentemente dall'equilibrio tra tariffe basate sull'utilizzo, tariffe in abbonamento e misure di sicurezza che scegli di implementare.