让你走到这里的，不会让你走得更远。
译自 How SaaS Companies Can Monetize Generative AI 。
你们公司已经参与了关于如何通过将生成式 AI、LLM 或自定义 AI/ML 模型融入产品来为客户带来更高价值的讨论，无论作为贡献者还是观察者。
普遍地，产品路线图正在被改写以结合 AI。当你确定方法并绘制增强路线图时，我想分享一些来自好莱坞加利福尼亚淘金热的建议：不要两手空空地出现在淘金热中！
同样，在 SaaS 和 AI 方面不要忽视盈利化方面。从一开始就将其考虑在内，并在一开始就整合好管道——而不是事后或在发布后。
两年前，我写过关于 SaaS 不可避免地转向计量定价。当时推动转型的催化剂尚不明确，但所勾勒的基本论点是这是不可避免的。2021 年没有人能预测一种特定形式的 AI 将成为催化剂。
首先要意识到，这不仅仅是“定价”的改变。这是盈利模式的改变。定价变化将是您所收费的价格变化，例如，从每用户/月 79 美元提高到每用户/月 99 美元。盈利模式的改变是对如何收费的根本转变，这无可避免地也会改变您的收费。这是业务模式的改变。
传统上，SaaS 定价是一个相对简单的练习，常与产品或产品团队分离。采用每用户或每座定价模型，只要价格点足够高(在某些情况下任意设定)高于某个阈值，涵盖了理想利润率下的基本成本，这就足够了。它基本上是一种适用于所有情况的方法，几乎不需要使用计量或产品使用跟踪和报告。
你的技术栈将越来越多地具有更多的第三方增值组件，如 AI/ML，并在此基础上再注入额外的自定义模型。您将在一个多厂商业务层(不仅是基础设施)生态系统中运营。这些新的增值业务层组件以 AI/ML 的形式出现，反过来又带来了基于使用的定价和收费模式。请参阅 ChatGPT 定价。
您的 SaaS 应用程序的每个用户都会以不同的方式拉伸并使用这些计量组件，从而促使您也要按计量方式收费，以与基础成本和收入保持一致。
虽然表面上这似乎令人生畏，但相信我，这是一个值得欢迎的改变。拥抱它。
它不仅将使您能够为客户提供灵活友好的基于消费的定价，还将推动一种运营效率和纪律水平，这将进一步帮助您的盈利能力。
从解耦计量开始，然后在顶部添加基于使用的定价计划。例如，Stripe 利用 OpenAI 的 GPT-4 来丰富客户体验中的文档。Instacart 还与 ChatGPT 集成，创建了一个 Ask Instacart 服务。该应用程序将允许用户用会话语言研究与食品相关的查询，如健康膳食配方、根据给定成分的食谱想法以及根据特定食谱成分生成的购物清单。
除了与 ChatGPT 和其他服务集成外，传统软件公司还在开发自己的 GenAI 技术。例如，Adobe 已经推出了 Adobe Firefly，为创意人员提供自己的文本和图像生成能力。
随着这些功能被客户期望地原生集成，开发一个灵活的、透明的定价模型以扩展到所有消费级别将是至关重要的。
ChatGPT 解析文本提示以根据该提示的“理解”生成输出。提示和输出在长度上有所不同，其中提示/输出的大小和资源消耗直接相关，更大的提示需要更多资源进行处理，反之亦然。此外，不同客户的使用状况可以预期会有很大差异。一位客户可能只会偶尔使用该工具，而另一位客户可能连续几周每天生成新的文本多次，定价模式必须考虑到这种可变性。
在此基础上，像 ChatGPT 这样的服务本身就是根据使用情况定价的。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，面向客户的账单也应该基于使用情况。
为了提供最公平透明的定价，并实现无缝的采用和用户增长，这些公司应该考虑根据使用情况定价，并采用以产品为导向的进入市场方式。弹性的前端使用和后端成本都使生成式 AI 产品成为使用情况定价和以产品为导向方法的理想选择。
与自行从头开始构建这些模型不同，许多公司选择利用 OpenAI 的 API 调用 GPT-4(或其他模型)，并将响应返回给客户。为了完全了解使用成本和利润率，到和从 OpenAI 技术的每个 API 调用都应进行测量，以了解输入和相应后端成本的大小，以及输出、处理时间和其他相关性能指标。
通过测量面向客户的输出和相应的后端操作，公司可以实时查看业务 KPI，如利润率和成本，以及技术 KPI，如服务性能和整体流量。在创建仪表后，将它们部署到事件发源的解决方案或应用程序中，以开始跟踪实时使用情况。
一旦部署了计量基础设施，就可以在使用情况发生和客户利用生成服务时实时可视化使用情况和成本。识别大用户和滞后的帐户，并通过提供每一次接触中的上下文数据来赋能面向客户的团队。
由于像 ChatGPT 这样的生成式 AI 服务使用基于令牌的计费模型，所以要获得每个使用您服务的客户的细粒度令牌级消费信息。这有助于了解您产品中 AI 服务的每个客户级别的利润率和使用情况，在销售和续订对话中，这是有价值的情报。如果没有一个高度准确和实时的计量服务，就不可能达到这种客户级消费、成本和利润率的细粒度。
在为生成式 AI 解决方案部署计量器以跟踪使用情况和性能后，下一步是用基于使用情况的定价来实现这种使用情况的货币化。确定客户应该为哪些价值指标付费。对于文本生成，这可以是字数或响应时间；对于图像生成，这可以是输入提示的大小、生成图像的分辨率或生成的图像数量。通常，最终定价将从类似于上述的多个因素组合而成。
创建定价计划并分配给客户后，将跟踪实时使用情况并进行计费。按需开票会保持最新状态，以便供应商或客户随时查看当前的使用费。
部署计量并配置计费服务后要做的最后一步是与组织内部的第三方工具集成，以使使用和计费数据可见并可操作。与 CRM 工具集成以利用实时使用数据增强客户记录或帮助简化支持工单的解决。
由于正在收集实时使用数据，因此将此系统与财务和会计工具集成以进行基于使用情况的收入确认、发票跟踪和其他任务。
Amberflo 提供了一个端到端的平台，供客户轻松准确地测量使用情况并运营基于使用情况的业务。跟踪和计费任何规模的消费，从测试阶段的新模型到拥有数千日常用户的生产级模型。Amberflo 在跟踪任何资源方面具有灵活性和基础设施独立性，并具有任何聚合逻辑。
构建并实验不同的基于使用情况的定价模型、预付费用、混合定价或长期承诺，以找到最适合任何独特业务和客户群的最佳模型和方法。利用实时分析、报告和仪表板来掌握使用情况和收入，并创建可操作的警报，以在达到关键阈值或限制时收到通知。