Ett ramverk för prissättning av AI-produkter

Kunal Mahajan Produkt, användningsbaserad fakturering
Helen Lee Marknadsföring, användningsbaserad fakturering
Blog > A framework for pricing AI products > Header image

I takt med att AI-användningen accelererar skyndar sig företag i nästan varje bransch att bygga produkter som använder de senaste generativa AI-modellerna. I en nyligen genomförd undersökning från Stripe sa 63 % av respondenterna i teknikbranschen att de för närvarande erbjöd en AI-produkt eller applikation. Kanske ännu mer slående var att 31 % av respondenterna i icke-tekniska branscher sa samma sak – och ytterligare 45 % planerade att erbjuda AI-produkter inom en snar framtid. 

Men att tjäna pengar på dessa produkter förblir en utmaning. Den oöverträffade intäktstillväxten som vi har sett hos de främsta AI-företagen på Stripe (vi driver 78 % av Forbes AI 50) döljer svårigheterna. Kostnaderna skalar snabbt upp med ytterligare användning av AI-modeller, och det levererade värdet kan vara svårt att definiera. Utöver dessa unika utmaningar står företag inför mer välbekanta utmaningar: att bygga förutsägbara intäktsströmmar, utöka sin kundbas och skydda marginalerna.

Vad har framgångsrika intäktsstrategier gemensamt? Även om prissättningsstrukturerna för AI varierar avsevärt brukar AI-ledare ha tydliga svar på följande frågor: 

  • Vilken typ av värde levererar min produkt till kunderna, och kan jag ta betalt för den på ett sätt som täcker inkrementella kostnader?
  • Hur kan jag översätta detta debiteringsmått till en prissättningsmodell som uppmuntrar kundanvändning och tillväxt, samtidigt som den erbjuder förutsägbara intäkter? 
  • Vilka ytterligare risker skapar denna prissättningsmodell och hur kan jag hantera dem?

Nedan går vi igenom detta ramverk för beslutsfattande och de kompromisser som företag stöter på, och vi lyfter fram exempel från AI-företag på Stripe som har byggt framgångsrika prissättningsmodeller.

Anpassa värde- och debiteringsmått  

Debiteringsmåttet är en inkrementell enhet som används för att mäta och beräkna den slutliga kostnaden för en produkt. Det är inte ett koncept som är unikt för AI; gamla mobilabonnemang tog betalt per samtalsminut (och per sms), och företag inom molnlagring tar fortfarande betalt per gigabyte. 

Men att fastställa ett bra debiteringsmått för AI är en unik utmaning eftersom det måste stämma överens med hur kunder utvinner värde och hur produkten drar på sig kostnader – som båda kan vara svåra att definiera och förutsäga:

Värdemåttet

Att definiera ”värdemåttet” är det avgörande första steget mot ett framgångsrikt debiteringsmått. Genom användarundersökningar måste företag förstå vilka resultat som betyder mest för deras kunder och hur deras produkter bidrar till dessa resultat.

Det är viktigt att skilja ”värde” från ”användning”. Till exempel håller Intercoms supportagent Fin i konversationer med en kunds slutanvändare när de har frågor eller klagomål. Men Fin levererar bara verkligt värde när den faktiskt löser slutanvändarens problem och kan stänga det resulterande supportärendet. 

Leveranskostnad

När ett företag förstår vilka resultat som är viktiga kan det börja räkna ut hur mycket dessa resultat vanligtvis kostar att leverera. Generativa AI-modeller är dyra, och det är inte alltid lätt att förutsäga hur hög beräkningskostnad en viss uppgift kommer att medföra.

Det är särskilt svårt om ett resultat är mer komplext. För att använda samma exempel som ovan: när Fin löser ett ärende kan det kräva en lång konversation eller tre korta konversationer – och väldigt olika antal anrop till underliggande AI-modeller.

Blog > A framework for pricing AI products > Pricing AI chart 1

Det finns tre huvudkategorier av debiteringsmått som AI-produkter brukar använda, och var och en skapar en annorlunda balans mellan anpassning till värde och anpassning till kostnad: 

  • Förbrukningsbaserat (per API-anrop, per LLM-token): Den här typen av debiteringsmått är nära kopplat till den underliggande infrastrukturkostnaden. Det innebär att kostnaden som uppstår per åtgärd är förutsägbar för företaget som säljer produkten – men det kan vara svårare att koppla till konkret affärsvärde för kunden. Den här typen av mått används oftast av företag som erbjuder AI-modeller, och det är mest logiskt när kunden vill ha detaljerad kontroll över exakt vad hen förbrukar. 
  • Arbetsflödesbaserat (per slutförd uppgift): Detta mått introducerar mer variation för kostnad, men det är något enklare att koppla till värde. Företag tar ett fast pris för slutförandet av uppgifter som kan kräva en rad åtgärder som kan variera något i resursförbrukning, till exempel att boka ett möte eller analysera ett kalkylblad. Dessa typer av uppgifter har ett tydligt tidsbesparande värde, och kunder förstår enkelt vad de köper. 
  • Resultatbaserat (per framgångsrikt resultat): Detta mått tenderar att ha störst variation på kostnaden, men det kan kopplas mest direkt till verkliga affärsresultat. Intercom valde i slutändan en resultatbaserad modell: företaget tar betalt för varje ärende som Fin framgångsrikt löser. Ledningen beslutade att om denna övertygande anpassning mellan Fins värdemått och debiteringsmått lyckades var det värt risken som uppstod avseende leveranskostnad.

Balansera förutsägbarhet avseende intäkter och kundtillväxt

När ett företag beslutar sig för ett debiteringsmått måste det räkna ut det föredragna sättet att fakturera sina kunder. Företaget kanske beslutar sig för att helt enkelt ta betalt för användning i takt med att den uppstår, men det är inte det enda alternativet. 

I vår nyligen genomförda undersökning svarade 56 % av ledarna för AI-företag att de använde en ”hybrid” prissättningsmodell, som inkluderar olika kombinationer av abonnemangs- och användningsbaserade avgifter. Detta var det vanligaste svaret, med rent användningsbaserad prissättning på andra plats med 38 %. Det beror på att hybridmodeller ger företag fler verktyg att använda när de balanserar två krafter som båda är viktiga för långsiktig tillväxt: 

Förutsägbara intäkter

Återkommande abonnemangsavgifter hjälper företag att mer exakt prognostisera intäkter, vilket kan hjälpa dem att göra långsiktiga investeringar i rekrytering och forskning. Vissa kunder, i synnerhet större företag, värdesätter en förutsägbar månadskostnad av samma skäl. Men för andra kunder medför abonnemangsavgifter friktion som kan avskräcka från användning och långsiktig tillväxt.

Kundanskaffning och tillväxt

Företag kan sänka tröskeln för användning genom att allokera en större andel av intäkterna till användningsbaserade avgifter. Detta tillvägagångssätt kan gynna företag i ett tidigt skede med aggressiva mål för kundanskaffning, eller alla företag med en produktstyrd tillväxtstrategi. Kunder kan utforska en produkt med lågt ekonomiskt åtagande, och de betalar bara mer i takt med att deras användning växer över tid.

Blog > A framework for pricing AI products > Pricing AI chart 2

Browserbase, ett företag som hanterar och är värd för de ”huvudlösa” webbläsare som AI-agenter använder för att interagera med webbplatser, byggde sin hybrida prissättningsmodell för att erbjuda förutsägbara intäkter och samtidigt tillgodose behoven hos sin målgrupp, som till stor del består av utvecklare. Företaget erbjuder nivåindelade abonnemang som alla inkluderar en förpaketerad mängd användning anpassad efter en viss kundprofil. Dess kostnadsfria ”introduktionsnivå” låter potentiella kunder testa produkten utan kostnad, och tydligt kommunicerade priser för ”överanvändning” innebär att kunder kan växa innan de åtar sig en högre abonnemangsnivå. Ett anpassat program finns tillgängligt för storföretagskunder. 

Hantera kvarvarande risk med skyddsräcken

Ett väldesignat debiteringsmått och en balanserad prissättningsmodell kan båda hjälpa till att skydda mot de kostnadsrisker som är förknippade med AI-produkter. Men det kvarstår en risk så fort kundanvändningen är rörlig: den brukar vara högre i en ren användningsbaserad modell, men den finns fortfarande kvar i modellen med abonnemang-plus-överanvändning som många AI-företag använder. Avsiktligt bedrägeri kan vara ett ännu större problem, eftersom kostnaderna kan öka snabbt innan en attack upptäcks. 

Ytterligare skyddsräcken för användningsbaserade debiteringar kan hålla riskerna på hanterbara nivåer. Rätt skyddsräcken beror på vilka användningsmönster som med störst sannolikhet blir problematiska: 

  • Om välmenande kunder riskerar att spendera mer än de avsett kan användningströsklar med varningar i rätt tid förebygga oväntade fakturor. 
  • Om bedragare drar på sig fakturor de inte betalar kan företag kräva att kunder betalar i förskott för krediter som dras av över tid. 
  • Om användningen av en modell kan öka oförutsägbart som svar på vissa typer av uppgifter eller frågor kan frekvensbegränsningar och användningstak hålla utgifterna i schack medan kunden justerar sin begäran. 

I alla fall är proaktiv kommunikation A och O. Kunder vill förstå hur deras användning översätts till utgifter, och de vill kunna reagera snabbt om de spenderar mer än de tänkt. 

Blicka framåt: Pågående experiment

I takt med att AI-företag växer är det osannolikt att de behandlar sin prissättningsstruktur som ett löst problem. Framgångsrika AI-företag fortsätter att experimentera. Även om Intercom för närvarande tar samma pris för varje löst ärende överväger företaget att nivåindela ärenden efter komplexitet i framtiden.

Intercoms inställning matchar det vi såg i vår nyligen genomförda undersökning. Bland företag som sålde AI-produkter och tog betalt för användning – antingen enbart eller inom ramen för en hybridmodell – sa 92 % att de i efterhand hade justerat sin prissättning. I takt med att kostnaderna för underliggande AI-modeller förändras, marknadsvillkor mognar och kunders förväntningar utvecklas – allt i rekordfart – måste företag vara lyhörda för att hålla sin prissättning välbalanserad och gynnsam för tillväxt. 

Se vårt webbinarium on demand, ”Så gör man för att skapa rätt prissättningsstrategi för AI”, för att lära dig mer om prissättningen av AI-produkter. 

Läs om hur Stripe Billing kan stödja din prissättningsmodell för AI – oavsett vilken balans av användningsbaserade avgifter, abonnemangsavgifter och skyddsräcken du väljer att implementera.

Gillar du inlägget? Gå med i vårt team.

Stripe bygger finansiella verktyg och ekonomisk infrastruktur för internet.

Har du feedback eller frågor?

Vi vill gärna höra från dig.