然而，仅有15%的企业成功将它们的AI解决方案转化为商业成功。为了快速抢占市场先机，众多企业在产品推向市场之前，未能充分规划其长远的商业化路径。部分企业甚至在产品发布之初就放弃了商业化的努力。
我们的研究揭示了一个现象：许多企业仅仅采用了简单的定价模式，而没有为这些创新的生成式AI产品制定出最佳的、前瞻性的商业化策略。面对GenAI的高昂成本和微薄的利润空间，这种短视的做法可能会带来灾难性的后果。
虽然市场上的价格竞争，如ChatGPT Plus、Google One AI Premium和Amazon Q Business等，可能让人误以为调整价格就是GenAI商业化成功的关键，但实际上，商业化的挑战远比这复杂。
为了在这场竞争激烈、快速变化的市场中保持领先，现代企业必须采取灵活多变的策略。它们需要不断地迭代和优化商业化策略，以从GenAI产品中获得持续的收入。通过灵活调整定价策略来适应客户需求的演变，企业能够在创造收入和增长的同时，实现我们所称的全面商业化。
随着这个新市场的兴起，2024年将成为GenAI商业化的元年。在这一领域，最终胜出的不会是那些仅仅提供“免费服务”的企业，而是那些能够采取全面商业化战略的创新者。
乍一看，人们或许会认为现行的GenAI商业化手段大同小异。然而，我们对逾70种GenAI产品深入分析后发现，实际上正孕育着多样化和动态发展的商业化策略。
在本系列文章中，我们将详细记录并分析GenAI市场的演进，从成本、采纳率和价值三个维度入手，探讨为何众多企业仍在错失GenAI商业化的良机。
大多数SaaS公司错失了GenAI商业化的机会
成本导向：这种方法设置简单，能够保证利润水平，但与客户价值脱节，导致要么错失收入机会，要么过度收费。 采用导向：简化客户加入和业务流程，但以牺牲利润率为代价，尤其是考虑到GenAI特有的成本结构。 价值导向：确保价值创造与价值捕获之间的一致性，但需要策略和工具来直接衡量和展示价值，这应成为大多数公司的长期目标。
GenAI的成本变化与传统SaaS大相径庭
与传统SaaS模式不同，GenAI解决方案的每个用户交互或查询都会带来显著的成本，使得边际成本变得更加动态。简而言之，GenAI的成本通常会随着用户查询量的增加而上升。
虽然客户获取成本在SaaS经济中占据核心地位，但GenAI更需要关注销售成本。例如，据报导，OpenAI每天需花费约70万美元来维持ChatGPT的运行。即便公司年收入超过20亿美元，高昂的运营成本仍然超过了收入的增长。面对未来对GenAI的巨大需求和用例的日益复杂，成本下降似乎并不在即。
这些巨额成本部分源自于GenAI解决方案的研发需求：模型的（重新）训练、推理计算以及稀缺的AI专家资源。一旦投入运营，GenAI的托管和运行的经常性成本（通常占SaaS公司收入的10%左右）远高于传统SaaS（通常高出5到15个百分点）。
此外，每次客户与底层GenAI模型的交互，即推理过程，往往会产生不可忽视的边际成本，增加了单位经济模型中的成本波动性。这与传统SaaS模式的规模效应优势形成对比。
作为直接结果，在我们研究的70个GenAI产品中，超过三分之一的产品采用了基于消费（使用量）的模型或混合模型（结合了定期费用和使用费用）进行商业化。这种方法通过将客户的实际使用情况与定价逻辑紧密结合，有助于确保收入模型与成本模型之间的一致性。这些产品通常根据活动或输出（如tokens、CPU/GPU小时、生成的图像等）进行商业化。
这种商业化方法在托管GenAI模型的“基础设施”平台中尤为常见，例如OpenAI、Anthropic、Amazon、Cohere、Google Vertex、AI21、MistralAI、HuggingFace和AWS Bedrock。
现在，这种基于使用的混合方法也开始进入更高层次的“应用”层。例如，微软按照“每安全计算单位小时”对其Copilot for Security进行收费。Adobe根据订阅中的积分数量对其创意Firefly解决方案进行收费，并允许用户根据需要购买更多积分。
采用率超过了成功的商业化率
在与企业高管和决策者的深入交流中，特别是那些近期推出了融合AI的传统SaaS企业，我们发现人工智能的实际应用范围可能比媒体报道的要有限。尽管如此，面对GenAI成本的不断上升，SaaS公司还是迫切需要迅速打入市场。
为了加速GenAI服务的上市，众多公司仍旧依赖于传统的SaaS商业化手段来实现收益。但从长远来看，这些策略可能难以为继。
目前，我们观察到的一些以促进采用为导向的趋势包括：
多种类似SaaS的试用选项：超过65%的公司目前提供免费试用，但试用天数或与GenAI引擎交互的次数受到限制。这种以产品为主导的SaaS销售中广泛存在的机制使潜在客户能够亲身体验新技术，了解其价值，并最终降低注册门槛。 过度依赖传统SaaS定价模型：为了迅速推广并促进用户采纳，我们发现超过40%的分析案例都依赖于传统的SaaS定价模式，比如基于用户数或席位数的定价。这种情况在类似副驾驶（copilot）的服务中尤为常见，它们的目标是提升现有用户的工作效率。例如，GitHub Copilot、Microsoft Office 365 Copilot和Salesforce Einstein的附加组件都是如此。
虽然这种按用户收费的模式在短期内普遍被接受、可预测且易于实施，但它可能会成为企业向更可持续商业模式转型的障碍。事实上，这会产生明显的负面影响：一个高度活跃的用户（应该能够获得更多价值）和一个使用服务较为偶尔的用户被收取相同的费用，但前者的盈利性却低于后者。据报道，微软在每个活跃用户身上的亏损是普通用户的四倍。
为了克服这种模式的潜在缺陷，并更好地平衡成本与价值创造，一些公司如Box正在通过设定使用阈值来进行创新。例如，Box的Enterprise Plus计划为每位用户提供每月20次GenAI查询，并为整个公司提供额外的2000次查询额度，同时可以根据需求购买更多查询。
这种设定上限的策略不仅被GenAI公司用于控制交互次数，如前所述，也被用于控制超过特定阈值时的模型速度或模型质量。ChatGPT、Adobe Firefly、Google Gemini Business for Workspace和Regie Copilot等也采用了类似的模型。
使定价模型与价值保持一致
企业在商业化策略上不应单纯依赖成本导向或以用户采纳率为主导的方法，而应采纳业界公认的最佳实践，以推动跨行业的持续增长：即基于价值的商业化模型。
这种基于价值的方法强调，产品的定价应基于客户对产品或服务的感知价值或评估价值，而非仅仅基于生产成本或市场竞争对手的定价。正如Oberholzer-Gee教授所强调的“价值棒”（Value Stick）原则，这种方法有助于使产品价格与客户的支付意愿相匹配。这也是为什么从一开始就进行商业化能发出强烈的价值信号。
GenAI产品基于价值的方法
GenAI作为一种新兴且独特的技术，实施基于价值的商业化策略虽然理念上简单，但实际操作却颇具挑战。尽管人们认识到GenAI具有革命性的潜力，但在如何有效地将其产品商业化方面，许多企业仍然缺乏清晰的认识。
同样，客户对于是否愿意为GenAI服务支付额外费用也持保留态度。当被问及他们愿意为GenAI的新特性或功能支付多少溢价时，超过25%的高管表示他们不确定。
面对高昂的成本和风险，推出GenAI产品的公司必须进行实时的价值探索。成功的关键不仅在于清晰地界定GenAI为客户提供的价值主张，还在于迅速采取行动，确保商业化策略与这些价值主张保持一致。因此，一些GenAI领域的先行者在产品测试阶段就推出了优惠措施，旨在利用当前的热潮，同时推动足够的用户采纳和数据收集，以便更好地探索最佳应用场景、理想客户画像，并最终衡量产品的实际价值。
以OpenAI为例，2023年8月，面对巨大的运营成本，公司面临到2024年底可能破产的预测。然而，OpenAI迅速采取行动，可能是史上最快速地进行了价格敏感度调查，以此扩大商业化规模，并帮助确定了ChatGPT的首个定价。
最终，正如其他经常性服务一样，GenAI可以通过深入了解客户需求和学习行业领导者的战略，调整其价值定位并实现盈利。
随着GenAI应用案例的不断涌现和实时发展，实现价值的精准匹配似乎是一项艰巨的任务。尽管如此，众多GenAI企业已经明确提出了它们产品的价值主张。
例如，GenAI产品通过提升员工的效率和士气来创造价值。GitHub的GenAI服务Copilot不仅提升了开发者的工作满意度，还使得编码速度提高了55%。Intercom的GenAI代理Fin能够即时解决30-50%的客户支持问题。Zoom的Revenue Accelerator AI则能将业务收入和客户好感度提升超过20%。对于小型企业而言，像Canva或Jasper这样的内容创作GenAI服务可能帮助他们在营销上获得前所未有的优势。
这表明许多GenAI产品已经在强调其价值。但要真正“践行价值之路”，它们需要捕捉和分析基于数据的客户洞察，以评估它们对价值指标的实际影响程度。
如果没有实际证据支持这些收益，决策者很难信任那些声称能显著提升效率或收入的GenAI供应商。如果一个copilot系统承诺能将员工效率提高50%，这无疑会让许多高管感到震惊。
因此，证明价值不仅仅是理论上的练习，它要求产品经理和市场团队与客户深入交流，帮助他们逐步发现、评估并证实价值。这种价值验证和共同探索的过程对所有参与者都有益处。企业人工智能提供商C3 AI所提供的付费试点项目就是这种实践的一个实例。
为了有效实现和分享价值溢价（企业不仅要通过某种方式实现这一附加价值（即创造和获得更多的收入或利润），还要能够合理地将这一溢价分配给相关利益方（如用户、合作伙伴等）。），企业应该选择一种能够与其优化的核心价值驱动因素相匹配的盈利模式或指标。或者，至少选择一个在发展上与核心价值驱动因素相似的指标。同时，在探索产品的使用场景和价值时，企业需要考虑不同用户群体（如不同的角色和需求）的需求和使用情况，以确保产品能够满足各种用户的需求。
实际上，不足为奇的是，在我们分析的70个案例中，只有不到10%的案例正在以某种形式积极地进行这样的实践（既不是通过提高价格将成本转嫁给客户，也不应只是为了盈利而单纯地通过向用户收费来“变现”。）。例如，Intercom根据解决问题的能力来收费其AI聊天机器人Fin。在11x，一家提供市场推广AI数字工人的公司，90%的客户通过“按任务类型”模型实现商业化，但该公司正在尝试基于结果的定价，这是根据Kyle Poyar的说法。
确保定价指标与买家/用户的价值感知相一致也是至关重要的。这有助于培养公平和透明的感觉，通过使用客户友好的指标来简化购买流程，确保他们的投资和所获得的价值是值得的。根据Subscribed Institute和波士顿咨询集团的联合研究，考虑GenAI解决方案的客户确实更偏好基于使用/结果的定价模式。
GenAI产品的商业化漫长而持续，非一蹴而就
这些策略的发展不会是一蹴而就的过程。行业分析师Brent Thill预计，Adobe的GenAI创新带来的显著财务效益要到2024年末至2025年才会显现，这体现了这些调整的逐步和迭代特性。
近期的一些进展，如GitLab推出的Duo Enterprise Tier和Microsoft推出的Copilot全球免费试用版，展现了行业的快速变化和正在进行的商业化尝试。这些动态调整凸显了灵活适应市场需求和用户反馈的定价策略的重要性。
最终，GenAI产品商业化的目标不仅仅是提供有竞争力的价格，而是要创造真正的价值。尽管相关企业都存在降低成本和推动自动化的压力，但成功的道路在于将成本与价值提供紧密结合。这种方法将决定GenAI技术及产品商业化的成功，确保其具备可持续性与公平性。