NSDT工具推荐： Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - REVIT导出3D模型插件 - 3D模型语义搜索引擎 - AI模型在线查看 - Three.js虚拟轴心开发包 - 3D模型在线减面 - STL模型在线切割 - 3D道路快速建模
你已经以贡献者或观察者的身份参与了公司的对话，讨论你的客户如何从注入生成式 AI、LLM或自定义 AI/ML 模型的产品中获得更高的价值并从中受益。
普遍而言，产品路线图正在被颠覆以融入人工智能。 当你讨论你的方法并制定增强的路线图时，我想分享一些来自加州淘金热的好建议：不要在没有铁锹的情况下出现在淘金热中！
同样，不要忽视 SaaS 和 AI 的变现方面。 从一开始就将其考虑在内，并在一开始就整合正确的管道——而不是事后或发布后。
1、有什么变化？ SaaS 正在转向计量定价
两年前，我写过一篇关于 SaaS 不可避免地转向计量定价的文章。 当时推动这一转变的催化剂尚不清楚，但基础论文概述了这是不可避免的。 没有人能在 2021 年预测到一种特定形式的人工智能将成为这种催化剂。
首先要认识到的是，这不仅仅是“定价”变化。 这是货币化模式的改变。 定价变化是指收费的变化，例如，从每用户每月 79 美元变为每用户每月 99 美元。 盈利模式的改变是收费方式的根本性转变，这也不可避免地会改变收费方式。 这是商业模式的改变。
传统上，SaaS 定价是一项相对轻量级的活动，通常与产品或产品团队脱钩。 对于每用户或每席位模型，只要将价格点设置得足够（在某些情况下是任意的）高于某个阈值，以所需的利润覆盖基础成本，这就是所需要的。 它本质上是一种一刀切的方法，几乎不需要使用仪表或产品使用跟踪和报告。
2、SaaS 和 AI 颠覆了这一点
你的技术栈将越来越多地拥有更多 AI/ML 的第三方增值组件，并进一步在顶部注入额外的自定义模型。 你将在多供应商业务层（不仅仅是基础设施）生态系统中运营。 这些以人工智能/机器学习形式出现的新增值业务层组件将采用基于使用情况的定价和收费模型。 请参阅 ChatGPT 定价。
SaaS 应用程序的每个用户都会以不同的方式扩展和使用这些计量组件，从而促使你也按计量收费，以与基本成本和收入保持一致。
3、部署经过验证且可扩展的方法
虽然从表面上看这似乎令人畏惧，但相信我，这是一个值得欢迎的变化。 倚靠它。
它不仅使你能够为客户提供灵活且友好的基于消费的定价，而且还将提高运营效率和纪律水平，从而进一步提高你的利润。
从解耦计量开始，然后在上面分层基于使用的定价计划。 例如，Stripe 利用 OpenAI 的 GPT-4 来丰富其文档中面向客户的体验。 Instacart 还与 ChatGPT 集成以创建 Ask Instacart 服务。 该应用程序将允许用户以对话语言研究与食物相关的查询，例如健康膳食配方、基于给定成分的食谱创意以及基于特定食谱成分生成的购物清单。
除了与 ChatGPT 和其他服务集成之外，传统软件公司也在开发自己的 GenAI 技术。 例如，Adobe 推出了 Adobe Firefly，为创意人员提供自己的文本和图像生成功能。
随着这些功能的本地集成和客户的期望，跟踪使用情况并开发灵活、透明的定价模型以适应所有消费水平将势在必行。
4、基于使用的定价非常适合生成式AI公司
ChatGPT 解析文本提示，根据对该提示的“理解”生成输出。 提示和输出的长度各不相同，其中提示/输出大小和资源消耗直接相关，较大的提示需要更多的资源来处理，反之亦然。 此外，不同客户的使用情况预计会有很大差异。 一个客户可能只会很少使用该工具，而另一个客户可能会连续几周每天多次生成新文本，并且定价模型必须考虑到这种可变性。
最重要的是，像 ChatGPT 这样的服务本身是根据基于使用的模型定价的。 这意味着任何通过 API 利用 ChatGPT 或其他模型的工具都将根据使用情况进行计费； 由于提供服务的后端成本本质上是可变的，因此面向客户的计费也应该基于使用情况。
为了提供最公平和透明的定价，并实现无摩擦的采用和用户增长，这些公司应该寻求基于使用的定价以及以产品为主导的上市行动。 具有弹性的前端使用和后端成本使生成式人工智能产品非常适合基于使用和产品主导的方法。
5、如何开始
- 计量前端使用情况和后端资源消耗
许多公司不是从头开始构建这些模型，而是选择利用 OpenAI 的 API 来调用 GPT-4（或其他模型），并将响应返回给客户。 为了全面了解使用成本和利润，应计量 OpenAI 技术的每个 API 调用，以了解输入的大小和相应的后端成本，以及输出、处理时间和其他相关性能指标。
通过计量面向客户的输出和相应的后端操作，公司可以实时查看利润和成本等业务 KPI，以及服务性能和总体流量等技术 KPI。 创建计量表后，将它们部署到事件发起的解决方案或应用程序，以开始跟踪实时使用情况。
- 跟踪所有客户的使用情况、利润和账户健康状况
部署计量基础设施后，随着使用情况的发生以及客户利用生成服务，开始实时可视化使用情况和成本。 识别高级用户和滞后帐户，并为面向客户的团队提供上下文数据，以便在每个接触点提供价值。
由于 ChatGPT 等生成式 AI 服务使用基于令牌的计费模型，因此可以为使用你的服务的每个客户获取精细的令牌级消费信息。 这有助于了解产品中AI服务的客户级利润和使用情况，并且对于销售和续订对话来说是有价值的情报。 如果没有高度准确且可用的实时计量服务，就不可能实现这种对客户级消耗、成本和利润的保真度。
- 通过灵活的基于使用的定价进行启动和迭代
在部署仪表来跟踪生成式人工智能解决方案的使用情况和性能后，下一步是通过基于使用情况的定价来货币化这种使用情况。 确定应向客户收费的价值指标。 对于文本生成，这可以是字数或响应响应的总处理时间； 对于图像生成，它可以是输入提示的大小、生成的图像的分辨率或生成的图像的数量。 通常，最终定价将根据所描述的多种因素的某种组合来确定。
创建定价计划并分配给客户后，将跟踪实时使用情况并计费。 按需发票将保持最新，因此供应商或客户可以随时查看当前的使用费用。
- 与现有的工具集成，帮助下一代客户取得成功
部署计量并配置计费服务后，最后一步是与组织内的第三方工具集成，以使使用情况和计费数据可见且可操作。 与 CRM 工具集成，通过实时使用数据增强客户记录或帮助简化支持请求解决方案。
通过收集实时使用数据，将该系统与财务和会计工具集成，以执行基于使用情况的收入确认、发票跟踪和其他任务。
原文链接：How SaaS Companies Can Monetize Generative AI
BimAnt翻译整理，转载请标明出处
