作者：Ross Chen
📌 重點：根據生成式 AI 功能為用戶提供的價值，大致可以分成核心(core)、升級(Upgrade) 和附加(add-on) 三大類別，創辦人可進一步考量成本等因素，來制定相對應的定價與收費模式。
在新創的成長階段，如何有效將任何新興技術進行變現，同時持續創造業績成長的前提下，時刻注意單位經濟效益(unit economics)和毛利率，是每個創辦人皆會面臨的課題。然而，我們正身處一個新興技術的早期發展階段，在不確定市場接受程度與成本不穩定的狀況下，最直接遇到的狀況是，該技術衍生的產品與服務雖能為企業帶來巨大的價值，然而隨之而來的成本可能相當昂貴。那麼問題來了，如何捕捉該技術所創造的商業價值？ 用戶願意花多少錢使用產品與服務?誰又應該為成本買單?
生成式 AI 的發展相當符合上述情形。當我們討論要如何為生成式 AI 功能進行定價與包裝時，基本上沒有經過驗證的定價或包裝策略可循。然而，我們可以參考市場上 為企業和生產性消費者服務的優秀新創公司，如何透過定價和包裝讓用戶為新推出的生成式 AI 功能買單。在制定定價與包裝策略前，需要先考量該功能將為用戶提升怎樣的價值，又將產生多少成本與費用。透過訪談、問卷調查與來自銷售團隊第一線與用戶接觸後的心得來了解用戶輪廓與使用行為將有助於解答前述問題，確認用戶是否清楚意識到生成式 AI 功能所帶來的價值，還是只是新科技的愛好者。
根據生成式 AI 功能所帶來的價值，可以分成核心(core)、升級(Upgrade)和附加(add-on)三大類別。如果所有客戶對於新推出的生成式 AI 功能感到興奮，且採用率和轉換率等早期使用數據也確實證明了這一點，那麼該功能相當適合作為產品與服務的核心。然而，若生成式 AI 功能不會從根本上改變用戶的使用方式，那麼將其作為升級的選項可以增強使用者體驗，作為增加定價的手段同時涵蓋部分的服務成本會是比較好的選擇。將生成式 AI 功能作為附加元件則適用於該功能為少部分群體帶來巨大價值，且追求將新功能直接變現，以追求利潤最大化。值得注意的是，並不是所有用戶都會買單。
圖片來源：AI 生成
討論生成式 AI 功能的定價，許多人第一時間會想到以訂閱制作為收費模式，這在某種程度是可行的。然而，當大量使用的用戶與其他人支付相同且固定的費用，可能影響整體的利潤。那麼如何讓客戶願意持續投入使用同時，也能增加營收？身處生成式 AI 應用初期，這個答案目前尚未有定論。不過，若是參考市場上推出生成式 AI 功能的新創公司的收費方式，可以發現當生成式 AI 功能定位為核心或是升級的一環，大部分會採取「吃到飽」模式的訂閱制收費。倘若作為附加功能存在，部分公司如 Abobe 則推出結合使用量與訂閱制的「混和」收費模式，根據使用額度推出不同價格的月費，讓用戶根據實際需求進行選擇。這麼做不僅為公司增加更多收入，同時也避免用戶的過度消費。
討論定價與功能包裝，最重要的還是產品與服務如何帶給用戶價值，讓用戶願意買單的同時，新創也能擁有穩定的營收和利潤。無論生成式 AI 最終將如何發展，建立建立清晰、靈活的定價和包裝結構，創辦人得以根據當下的情勢做出應對與調整。
｜觀察與洞見
關於定價方法與策略有相當多的討論，其中價值基準定價法(value-based pricing)是許多新創公司定價時會參考的方法之一。因為早期新創與中大型企業相比，在規模上並不具備優勢，不太可能在單位成本較高的情況下與後者打價格戰，採用薄利多銷的策略可能增加公司營運的風險。那麼如何「價值」的基準到底是什麼？
文章內容其實給了些許線索，即該產品或功能究竟為用戶提升怎樣的價值。在這之前我們需要了解用戶樣貌，包括收入、使用習慣、性別、年齡等條件，進一步認知用戶遇到的痛點，該痛點又為用戶帶來哪些直接或潛在的損失，這些損失原則上就是所謂的「願付價格」。然而現實總不會如想像中美好，基於金錢、時間等限制，用戶並不會為了所有痛點付費。另外，當用戶身分是專業人士，甚至是一間企業，還得考慮用戶如何與利害關係人互動，以及整個產業結構的生態與生產流程。如果沒有審慎思考這些因素和客觀條件，那麼一個預期可以「提高效率」、「降低成本」的革命性產品與服務，卻可能在無形中減少用戶的「收入」。
文章來源：Andreessen Horowitz
