原文: 大出口:消费軟體的新時代

校對:Soup
原始汇编,汇编: 李奧 深智

你有沒有想過為什麼過去兩年出現的AI消費產品在不到兩年的时间内從零增加到百萬, 在AI之前, 由於分配速度加快, 但我發現了一個更深刻的變化, AI完全改變了消費軟體的收入保留模式。

最近讀到A16z搭檔Olivia Moore的一篇分析文章, 我認為這不只是企業模式的調整, 我們正在目睹一個歷史性的轉折:消费級軟體公司不再需要與使用者的損失作戰。消費商和企業市場在某種程度上日益模糊。

這項改變的影響是巨大的。 傳統的消費軟體公司每年花大量精力和錢來取代失去的使用者, 現在那些抓住AI機會的公司發現, 就像從漏水桶變成膨胀的氣球, 它的生长方式完全不同。

從這個角度看, 我個人認為這對海外公司來說是一個巨大的機會, 因為消费級的產品可以用PLG來生長和賺錢, 它是一個商業市場,但整个增长模式与C端產品相似. 我個人覺得我自己的計畫已經上線一個月了, 完全是為了公司的B端 Vibe編碼產品。

传统模式的根本缺陷

讓我們回到人工智能賺錢之前的消費軟體 摩爾在分析中提到了兩個主要的模型,我想她的概述是准确的. 其一是廣告驱动的模型,主要用于社交應用,直接與用法相連,因此每個使用者的價值通常會隨時間而變平. Instagram, TikTok, Snapchat 都是這個模式的代表 。 第二種是單層訂閱模式, 所有付费使用者每月或每年支付相同的固定費用, Duolingo、Calm和YouTube Premium都遵循此方法。

在这两种模式下,收入保留率几乎总是低于100%。 每年使用者减少的百分比, 使用率和收入保留率在第一年末, 這數字聽起來很絕望。

我總覺得這個模式有根本的结构性缺陷:它造成一個基本限制, 想像一下,如果你有桶漏水, 你將不僅保持水流向里加,以維持水位, 而且會增加更多, 傳統的消費軟體公司正面临困境: 他們被困在一個永無止境的周期 客戶失去的收獲。

此模式的問題不僅是數字, 而不是加深與目前使用者的關係或提高產品價值。 也因為他們知道一旦使用者停止使用, 收入就會消失。

我相信這個模型根本低估了使用者的價值潛力。 它假設使用者的價值是固定的, 但現實是, 随着使用者更加熟悉自己的產品, 傳統模式不能抓住這些價值增長的機會。

AL 時間遊戲重寫

AI的出現完全改變了這個遊戲. 摩爾稱此變化為"大擴展" 我覺得這很合適 這在傳統的消費軟體中幾乎不可想象。 這有兩種方式:一是用用用戶收入取代固定的"訪問"成本。

我所看到的一個關鍵變化是使用者行為模式的根本改變。 在傳統軟體中,使用者要么使用產品,要么不使用;要么订阅或取消。 然而,在AI產品中,使用者的參與和价值贡献是增長的。 他們可能只是偶爾開始使用基本功能, 但随着他們發現AI的價值。

這種差別的轨迹是巨大的。 Moore提到,在50%的留置率下,该公司每年不得不更换一半的使用者,以保持不變。 在超過百分之百的情況下, 這不只是數字上的改善。

我認為這項改變背后有幾個根本原因。 AI產品有學習效果, 數據使用者投入越多, 更多使用會增加價值、增加價值會增加使用率。

另一关键因素是人工智能产品的实用性。 AI工具通常直接處理使用者的特殊問題, 這意味著使用者很容易看到使用這些工具的直接利益, 如果人工智能工具能省下你的工作時間。

精细定价架构設計

讓我深入了解最成功的消费階級AI公司是如何建立定价策略的。 Moore指出這些公司不再依靠單一訂閱費, 而是使用混合模式, 如果使用者用完了他們包含的信用,他們可以買到更多或升級到更高的方案。

我認為有一个重要的啟示 從遊戲業。 遊戲公司早已從高消耗性鲸魚使用者手中獲得大部分收入。 將價格限制在一或兩層, smart companys 依據工作產生或數量、速度與優先性、或特定模型的存取等變數建立層層。

讓我看看一些具体的例子。 Google AI提供每月20美元Pro订阅, 其他分包合同已从25美元延长至200美元。 我理解很多使用者可能花在Veo額外的學分上, 這是個很好的例子。

Krea模式也很有趣, 因為他們提供一個每月10-60美元的計畫, 根據預期用量與訓練操作, 這款模式的精髓在于它既能提供光用戶的合理入場價格, 又能提供重用戶的展開空間。

Grok的定价將策略推向極端:SuperGrok計畫每月30美元,SuperGrok 每月300美元, 這項價格相差十倍, 在傳統的消费層面軟體中幾乎不可想象。

我相信這些模型的成功, 并非所有使用者都有相同的需要或支付能力,而同一使用者的需要在不同時段會改變。 透過提供灵活的定价方案。

Moore提到,有些消费公司只依靠此定价模式就实现了100%以上的收入保留,甚至未考慮到任何企業的擴展。 这表明了这一战略的力度。 也創造內在的增長機制。

從消費者到企業的金橋

我所觀察的另一個重要趋势是, Moore在分析中強調, 在有些公司, 任何有潛在工作應用程式的產品。

我對這個轉變的速度印象深刻。 通常需要數年, 然而, AI工具的有用性非常明顯, 我看過很多員工親自買下AI工具。

由價格敏感的消費者轉而由價格敏感的商業買主轉而來, 但這需要基本共享及合作功能, 如團隊資料夾、共享圖書館、合作畫布、身份證與安全等。 任何有企業潛力的消費階級AI產品。

有了這些功能,价格差异可能很大. ChatGPT是個好例子, 雖然它並未被广泛視為團隊產品, 這兩倍至三倍的價格差異在傳統的消費軟體中是少有的。

我認為有些公司甚至以個人計劃為價格, 在2020年,Notion有效地使用此方法為個人使用者提供無限自由頁面,同时為合作功能收取極高的費用,這促成了其最爆炸性的增長期. 這項策略的理論是通过补贴個人使用建立使用者基礎。

讓我看看一些具体的例子。 Gamma Plus的計畫是每月8美元, 使用者會為加入工作區的每個合作者付錢。 這個模型明智地利用了企業的外表要求。

Refrit為核心使用者提供每月20美元的計劃。 團隊計劃以每月35美元起步, 包括额外积分、觀眾座位、集中收费、角色存取控制、私人部署等。 Cursor每月提供20美元, 團隊使用者每月付40美元。

這些功能很重要, 因為它們解開了企業階級的 ARPU 擴張( 每個使用者的平均收入) 。 我想任何消費階級的AI公司 都失去了一個巨大的機會 如果它不考慮生意的擴張 除了支付更高的費用。

自第一天起投入企業能力

穆爾似乎不直覺, 但實際上卻非常明智, 我完全同意這種看法。

獨立採用只讓產品達到一定程度; 這需要專業的銷售能力, 我看過太多的好消費產品 因為缺乏公司营销而失去很多機會。

Canva在2013年成立, Moore指出,在2025年,这种拖延不再可行。 企業企業AI的步調意味著如果你延遲企業的運作, 在AI時代。

我相信有幾項關鍵的功能常會決定結果。 在安全和隱私方面,需要SOC-2的遵守、SSO/SAML的支持。 在操作和成本方面,需要以角色为基础的存取控制和集中。 在產品方面,需要团队模板、共享主題和合作工作流程。 可能聽起來很根本。

11個實驗室就是個好例子:這家公司開始大量使用消費者, 這項快速的企業轉變。

我注意到一個有趣的現象:在早期投資企業能力的消费級AI公司往往會建立更強大的護城河. 一旦企業客戶采用工具并融入工作流程,開關成本就很高。 這讓客戶更加穩定。

此外,商業客戶提供有价值的產品反馈. 他們的需求往往更復雜, 我看過很多消費級的AI產品 發現了新的產品方向和功能需要 服務公司客戶。

我深思熟虑的改變

在仔细分析摩爾的觀點和我的觀點後, 我認為我們所看到的不只是企業模式的調整, 也改變了價值的產生與捕捉方式。

我發現有趣的是這項變化 挑戰了我們對消费軟體的傳統猜想。 消費者等級軟體早已被認為自然低落, 然而,AI時代的現實顯示,消费級軟體可以实现企業級的收入大小和增長. 這種轉變的影響深远。

這意味著投資者現在可以更早地投資給消费型AI公司, 通常, 消费級軟體公司必須等到达到大使用者大小後才能有效货币化。

這項改變對创业策略的影響。 Moore提到, 我們相信AI時代許多最重要的公司可能都從消費品開始。 我覺得這是很深刻的洞察力 傳統的B2B軟體企業路徑通常涉及大量的市場研究,客戶訪問和發行周期. 從消費階段開始。

這個方法的另一個优点是它會造成更自然的產品-市場交汇. 這是個強大的產品市集訊號, 當這些使用者將產品帶入工作場所。

我注意到競爭動力的變化, 在傳統軟體時代, 但在AI時代,這些界限變得模糊. 一個產品可以在兩個市場上同時競爭。

從技術角度來說, 我認為AI產品的雙重性(消费層易及企業層功能), 產品需要簡單, 讓使用者能輕易工作, 這種平衡並不容易。

我一直在想這個潮流對現有軟體公司的影響 傳統企業軟體公司現在正面临由消费級的啟動AI公司的競爭, 這可能迫使整個企業軟體產品業改善產品标准和使用者經驗。

最后,我认为,这一变化也反映了工作方法的根本转变。 遠方工作、個人工具的選擇增加、對生产力工具的期望提高, AI只是加速了潮流。

未來的机遇和挑戰

雖然我對摩爾描述的「大快車」感到興奮。

在挑戰方面,我相信競爭會更加激烈 當成功的路徑明朗時, 更多公司也試圖遵循相同的策略。 能夠建立強大差异和網路效果的公司。

在企業環境中迅速採用AI產品, 公司需要确保其AI工具符合行业标准和管制要求。 這可能增加發展成本和複雜性。

在機會方面,我看到了一個巨大的創意空间。 企業的功能將開放新的市場類別。 我認為垂直方向的AI工具比通用工具更有價值。

我也看到了人工智能模型的數據和網路效果。 人工智能產品可以變得更聰明、更個人化。 這種由數據引導的改善可以產生強大的競爭优势。

我認為這股潮流會繼續吸引大量資金。 但投資者需要更好的找出那些有真正和可持续競爭优势的公司, 而不是只利用早期的市場機會。

我認為摩爾對「大交換」的描述, 我們正在重新界定軟體的性质, 那些能抓住這個轉變并成功實施的企業, 這不僅是企業模式的創新, 我們正處於一個令人興奮的時代。

原始链接