Forschungsbericht zum Stand der GenAI-Monetarisierung
Monetarisierung von GenAI: Warum die meisten SaaS-Unternehmen Chancen verpassen und wie man das behebt
Verfasst von: Michael Mansard, EMEA-Vorsitzender des Subscribed Institute
Methodik: In dieser laufenden datengestützten Analyse untersuchen wir die Monetarisierungsstrategien von über 70 Unternehmen mit GenAI-Angeboten. Forschung, Analyse und Empfehlungen basieren auf öffentlich verfügbaren Informationen aus Pressemitteilungen, Artikeln und Anbieterwebsites vom April 2024.
Entdecken Sie die Einblicke
Klicken Sie auf die untenstehenden Links, um mehr über die Themen zu erfahren, die Sie am meisten interessieren.
Das Jahr 2023 wird wahrscheinlich als das Jahr in Erinnerung bleiben, in dem generative KI (GenAI) von einer vielversprechenden Technologie zu einer Mainstream-Innovation aufstieg. Während Unternehmen darum wetteifern, neue GenAI-Produkte auf den Markt zu bringen, erkunden Endbenutzer das Potenzial in ihrem persönlichen und beruflichen Leben. Wir haben große Erfolge gesehen, aber auch einige Fehlschläge. Das Tempo der Innovation ist schnell, und damit kommt das Entstehen neuer Geschäftsmodelle.
Während es eigenständige KI-Angebote gibt, integrieren etablierte Unternehmen generative KI auch in ihre Produktpaletten. Tatsächlich haben laut Berichten aus dem Jahr 2023 über 3 von 4 SaaS-Unternehmen ein GenAI-Angebot gestartet oder entwickeln derzeit eines.
Trotz des Hypes haben nur 15% dieser Unternehmen ihre KI-Lösung monetarisiert. Um schnell auf den Markt zu kommen, kündigen oder starten viele Unternehmen ihre Produkte, bevor sie ihre langfristige Monetarisierungsstrategie durchdenken. Einige entscheiden sich sogar dafür, die Monetarisierung zum Zeitpunkt des Starts ganz zu verzichten.
Wenn wir später in dieser Reihe Beispiele betrachten, stellt sich heraus, dass viele dieser Unternehmen einfach zu einfachen Preismodellen zurückgreifen, anstatt die besten, zukunftssicheren Monetarisierungsstrategien für diese neuen generativen KI-Angebote zu finden. Angesichts der hohen Kosten und niedrigeren Gewinnmargen, die mit GenAI verbunden sind, könnte dies katastrophale Folgen haben.
Und während Preiskriege zwischen konkurrierenden Angeboten (wie ChatGPT Plus, Google One AI Premium und Amazon Q Business) den Anschein erwecken mögen, dass das Feintuning der Preisgestaltung alles ist, was für eine erfolgreiche Monetarisierung von GenAI benötigt wird, ist das Problem viel komplexer.
Um tatsächlich in dieser zunehmend wettbewerbsintensiven, sich entwickelnden Landschaft Bestand zu haben, könnten moderne Unternehmen von ebenso agilen Ansätzen profitieren. Es erfordert Iterationen der Monetarisierungsstrategien, um Einnahmen aus ihren GenAI-Angeboten zu generieren. Und durch die kontinuierliche Weiterentwicklung der Preisgestaltung, um Einnahmen und Wachstum mit den sich ändernden Anforderungen der Kunden zu erzielen, können Unternehmen erreichen, was wir Total Monetization nennen.
Während wir die Geburt dieses neuen Marktes beobachten, wird 2024 das Jahr sein, in dem die Monetarisierung von GenAI wirklich beginnt. Die Gewinner in diesem Bereich werden nicht diejenigen sein, die einfach „es kostenlos anbieten“, sondern diejenigen, die Total Monetization-Strategien anwenden.
Was sind diese Strategien und wie können Unternehmen sie einsetzen, um die Monetarisierung von GenAI an die sich ändernden Kundenanforderungen anzupassen und zu skalieren?
Auf den ersten Blick könnten Sie annehmen, dass es eine gewisse Homogenität im aktuellen Ansatz zur Monetarisierung gibt. Unsere Analyse von über 70 GenAI-Angeboten zeigt jedoch ein reiches Geflecht von Strategien, die in Echtzeit entstehen.
In dieser Reihe werden wir den sich entwickelnden Zustand des GenAI-Marktes dokumentieren und untersuchen, beginnend mit dem Kosten-, Adoptions- und Wert-Dreieck – und was dies über den Grund aufdecken kann, warum die Monetarisierung von GenAI für so viele Unternehmen immer noch eine verpasste Gelegenheit ist.
Die meisten SaaS-Unternehmen verpassen die Gelegenheit, GenAI zu monetarisieren
Die schnelle Akzeptanz von GenAI durch Unternehmen und Einzelpersonen ist das Ergebnis seines nutzungsorientierten Designs, benutzerzentrierter Lösungen und vereinfachter Schnittstellen. Aufgrund der sich schnell ändernden Natur dieser Technologie und des Marktes hinkt jedoch eine klare Anleitung für die besten Praktiken der GenAI-Monetarisierung hinterher.
Das Testen und Iterieren von Monetarisierungsstrategien für SaaS war schon immer eine feine Kunst, aber für GenAI ist es absolut entscheidend für den Erfolg, schnell zu handeln und von den aktuellen Marktführern zu lernen. Wenn die Monetarisierung eine nachträgliche Überlegung ist, ist ein Misserfolg sehr wahrscheinlich. Da die Bruttogewinnmargen von GenAI im Durchschnitt 10 bis 30 Punkte niedriger sind als bei SaaS, ist die Rentabilität von Anfang an eine Herausforderung.
Für Unternehmen, die GenAI-Lösungen entwickeln und auf den Markt bringen, wird es eine kontinuierliche Balanceübung erfordern, die richtige Monetarisierungsstrategie für GenAI zu finden. Unsere Forschung zeigt, dass Unternehmen kontinuierlich erkunden und ein Gleichgewicht zwischen drei wichtigen Monetarisierungsfokusbereichen anstreben sollten:
- Kostenorientiert: Dieser Ansatz ist einfach einzurichten und sichert die Margen, ist jedoch von der Kundennutzung entkoppelt. Das bedeutet, dass oft Geld liegen gelassen wird oder Sie am Ende zu viel berechnen.
- Adoptionsorientiert: Macht es den Kunden leicht, sich einzuarbeiten und Geschäfte mit Ihnen zu machen, aber auf Kosten der Gewinnmargen (insbesondere angesichts der spezifischen GenAI-Kostenstruktur im Vergleich zu SaaS, die wir diskutieren werden).
- Wertorientiert: Stellt sicher, dass die Schaffung und Erfassung von Werten in Einklang stehen, erfordert jedoch die Strategie und die Werkzeuge, um den Wert direkt zu messen und nachzuweisen. Dieser Ansatz sollte das langfristige Ziel für die meisten Unternehmen sein.
Image: Kontinuierliche Iteration ist erforderlich, um Kosten, Adoption und Wert in Einklang zu bringen, um GenAI Total Monetization zu erreichen
Während es keinen „einzigen Weg“ gibt, um GenAI zu monetarisieren, kann das Verständnis der Wechselwirkungen und Herausforderungen dieser drei wichtigen Monetarisierungsfokusbereiche helfen, den strategischen Fokus zu schärfen.
Die Kostenstruktur von GenAI ist drastisch anders als die traditioneller SaaS
Im Gegensatz zu traditioneller SaaS erzeugt die Natur von GenAI-Lösungen nicht vernachlässigbare Kosten für jede einzelne Benutzerinteraktion oder Anfrage, was zu deutlich dynamischeren Grenzkosten führt. Einfach ausgedrückt, skalieren die Kosten von GenAI oft mit der Anzahl der Benutzeranfragen.
Während die Akquisitionskosten eines der wichtigsten Elemente in der SaaS-Ökonomie sind, erfordert GenAI eine genauere Betrachtung der Kosten der verkauften Waren. Zum Beispiel gibt OpenAI Berichten zufolge geschätzte 700.000 $ täglich aus, um ChatGPT zu betreiben. Selbst mit einem Jahresumsatz von über 2 Milliarden $ sind die Betriebskosten so enorm, dass sie weiterhin das Umsatzwachstum übersteigen. Angesichts der massiven Nachfrage nach GenAI in naher Zukunft und der zunehmenden Komplexität der Anwendungsfälle werden die Kosten wahrscheinlich nicht so schnell sinken.
Zu diesen astronomischen Kosten tragen teilweise die F&E-Aktivitäten bei, die zur Erstellung von GenAI-Lösungen erforderlich sind: (Re)Training von Modellen, Inferenz und eine begrenzte Anzahl von KI-Experten, um nur einige zu nennen. Einmal im Betrieb sind die wiederkehrenden Kosten für das Hosting und den Betrieb einer Lösung, die typischerweise etwa 10 % der Einnahmen eines SaaS-Unternehmens betragen, für GenAI deutlich höher (oft um 5 bis 15 Prozentpunkte).
Schließlich hat jede Kundeninteraktion mit dem zugrunde liegenden GenAI-Modell, auch bekannt als Inferenz, tendenziell eine nicht vernachlässigbare Grenzkosten, was die Kostenvariabilität in der Einheitlichen Ökonomie erhöht. Dies unterscheidet sich von SaaS-Modellen, die von stärkeren Skalierungseffekten profitieren.
Infolgedessen werden mehr als ein Drittel der 70 GenAI-Angebote, die wir in dieser Forschung bewertet haben, als Verbrauchsmodell (nutzungsbasiert) oder als hybrides Modell (das Elemente von wiederkehrenden und nutzungsabhängigen Gebühren kombiniert) monetarisiert. Durch die enge Verknüpfung der tatsächlichen Kundenutzung mit der Preislogik helfen solche Ansätze, eine bessere Ausrichtung der Erlösmodelle auf die Kostenmodelle sicherzustellen. Diese Angebote werden typischerweise auf Basis von Aktivitäten oder Ergebnissen wie Token, CPU/GPU-Stunden, generierten Bildern usw. monetarisiert.
Dieser Monetarisierungsansatz ist überproportional für „unterliegende“ Plattformen vertreten, die GenAI-Modelle hosten – wie OpenAI, Anthropic, Amazon, Cohere, Google Vertex, AI21, MistralAI, HuggingFace und AWS Bedrock.
Diese nutzungsbasierten und hybriden Ansätze finden nun auch ihren Weg in die höhergelegene „Anwendungsebene“. Zum Beispiel erhebt Microsoft Gebühren für sein Copilot for Security auf der Grundlage von „pro Security Computing Unit-Stunde“. Adobe berechnet für seine kreative Firefly-Lösung basierend auf Abonnements, die eine bestimmte Anzahl von Credits enthalten, während zusätzliche Credits gekauft werden können.
Die Akzeptanz übertrifft die erfolgreiche Monetarisierung
Die Rate der GenAI-Akzeptanz und -Einführung hat in den letzten Monaten innerhalb von Unternehmen exponentiell zugenommen. GenAI-Anbieter setzen darauf, dass die Akzeptanz weiterhin steigt. Da sowohl Mitarbeiter als auch Führungskräfte zunehmend KI-versiert werden, könnten die Anwendungsfälle und das damit verbundene Wertpotenzial explodieren.
Tatsächlich erwarten 91 % der Unternehmensorganisationen Produktivitätsverbesserungen durch den Einsatz von GenAI.
In persönlichen Gesprächen mit Führungskräften und Entscheidungsträgern, insbesondere von traditionellen SaaS-Anbietern, die kürzlich KI-gestützte Angebote eingeführt haben, haben wir festgestellt, dass die Akzeptanz möglicherweise restriktiver ist, als viele Schlagzeilen vermuten lassen. Es ist jedoch dennoch wichtig für SaaS-Unternehmen, schnell auf den Markt zu kommen, trotz der zuvor erwähnten steigenden Kosten von GenAI.
Um ihre GenAI-Dienste schnell einzuführen, verlassen sich viele Unternehmen auf traditionelle SaaS-Ansätze zur Monetarisierung, um Einnahmen zu erzielen. Diese Strategien werden langfristig wahrscheinlich nicht nachhaltig sein.
Welche akquisitionsorientierten Trends beobachten wir derzeit?
Eine Vielzahl von SaaS-ähnlichen Testoptionen
Mehr als 65 % der untersuchten Unternehmen bieten derzeit kostenlose Testversionen an, die entweder in der Anzahl der Tage oder in der Anzahl der Interaktionen mit der GenAI-Engine begrenzt sind. Dieses weit verbreitete Verfahren im produktgesteuerten SaaS-Vertrieb ermöglicht potenziellen Kunden, die neue Technologie aus erster Hand zu erleben, ihren Wert zu verstehen und letztendlich die Hürden für die Anmeldung zu senken.
Übermäßige Abhängigkeit von traditionellen SaaS-Preismodellen
Um schnell auf den Markt zu kommen und die Akzeptanz zu steigern, basieren über 40 % der Angebote, die wir analysiert haben, auf traditionellen SaaS-Modellen, wie z.B. pro Benutzer oder pro Sitzplatz-Preismodellen. Dies gilt insbesondere für Co-Pilot-Angebote, die darauf abzielen, die Produktivität bestehender Benutzer zu steigern. Beispiele sind GitHub Copilot, Microsoft Office 365 Copilot und Salesforce Einstein-Add-Ons.
Obwohl im Allgemeinen akzeptabel, vorhersehbar und kurzfristig einfach zu aktivieren, könnten pro-Benutzer-Monetarisierungsmodelle sich als lästig erweisen auf dem Weg zu einem nachhaltigeren Geschäftsmodell. Tatsächlich hat es einen offensichtlichen nachteiligen Effekt: Ein hochaktiver Benutzer (der mehr Wert schöpfen sollte) wird gleich behandelt, während er weniger profitabel ist als jemand, der den Dienst sporadischer nutzt. Im Fall von Microsoft berichten sie, dass sie viermal so viel pro aktivem Benutzer verlieren im Vergleich zu normalen Nutzern.
Um die potenziellen Nachteile dieses Modells zu adressieren und die Kosten besser mit der potenziellen Wertschöpfung in Einklang zu bringen, innovieren Unternehmen wie Box, indem sie Nutzungsschwellen festlegen. Beispielsweise umfasst Box’s Enterprise Plus-Plan umfasst 20 GenAI-Anfragen pro Benutzer und Monat sowie einen unternehmensweiten Pool von 2.000 zusätzlichen Anfragen, mit der Option, bei Bedarf mehr zu kaufen.
Diese Deckelungsstrategie wurde von GenAI-Unternehmen hinsichtlich der Anzahl der Interaktionen implementiert, wie zuvor beschrieben, aber auch in Bezug auf die Modellgeschwindigkeit oder die Modellqualität über einem bestimmten Schwellenwert. ChatGPT, Adobe Firefly, Google Gemini Business für Workspace oder Regie Copilot verwenden ebenfalls solche Modelle.
Das Potenzial einer schnellen Akzeptanz maximieren
All diese Punkte zusammen stellen eine einzigartige Herausforderung dar, um die Anreize zwischen Servicekosten und Monetarisierung in Einklang zu bringen. Aber wie können Unternehmen schrittweise von risikobehafteten, akquisitionsorientierten Strategien zu nachhaltigeren, wertorientierten Modellen übergehen – insbesondere angesichts des zunehmenden Drucks?
Die aktuellen Ergebnisse von Adobe bieten eine perfekte Veranschaulichung. In einer Notiz an die Kunden schrieb der Jefferies-Analyst Brent Thill, dass KI „langsamer monetarisiert wird, als es sich die Investoren wünschen“. Adobe, so Thill, „konzentriert sich weiterhin darauf, die Akzeptanz und Nutzung von KI voranzutreiben.“ Dies ebnet den Weg für innovativere Monetarisierungsmodelle, die die Wertschöpfung und die Wertverwirklichung besser in Einklang bringen.
Preismodelle an den Wert anpassen
Die Förderung der Akzeptanz unter Verwendung traditioneller SaaS-Benutzermodelle scheint kein zukunftssicherer Weg für GenAI-Angebote zu sein, um die einzigartigen Kostenstrukturen der Technologie abzudecken, ganz zu schweigen von der Steigerung der Rentabilität. Ein kostenorientiertes Modell könnte es den Käufern jedoch auch nicht ermöglichen, den Preis, den sie zahlen, richtig vorherzusagen oder zu verstehen.
Anstatt rein kosten- oder akquisitionsorientierte Strategien zu verwenden, sollten Unternehmen die gleichen besten Praktiken zur Monetarisierung anwenden, die das wiederkehrende Wachstum branchenübergreifend fördern: wertbasierte Monetarisierungsmodelle.
Ein wertbasierter Ansatz konzentriert sich darauf, Preise in erster Linie auf der Grundlage des wahrgenommenen oder geschätzten Wertes eines Produkts oder einer Dienstleistung für den Kunden festzulegen, anstatt ausschließlich auf den Produktionskosten oder dem Marktwettbewerb. Wie in Prof. Oberholzer-Gee’s Wertstock zusammengefasst, hilft dies, den Preis an der Zahlungsbereitschaft des Kunden auszurichten. Aus diesem Grund sendet der sofortige Beginn der Monetarisierung ein wichtiges Wertesignal.
Quelle: Harvard Business School Online. WTP – Zahlungsbereitschaft; WTS – Verkaufsbereitschaft.
Ein wertbasierter Ansatz für GenAI
GenAI ist noch sehr neu und radikal anders, daher ist ein wertbasierter Ansatz leichter gesagt als getan. Trotz eines klaren Verständnisses der einzigartigen transformatorischen Natur von GenAI geben viele zu, dass sie immer noch ahnungslos sind, wenn es darum geht, ihr Angebot richtig zu monetarisieren.
Gleichzeitig sind die Kunden ebenso unsicher, wenn es um ihre Zahlungsbereitschaft für GenAI-Dienste geht. Auf die Frage, welchen Aufpreis sie bereit wären zu zahlen für neue oder innovative GenAI-Funktionen oder -Fähigkeiten, antworteten über 25 % der Führungskräfte, dass sie einfach „nicht wissen“.
Trotz enormer Kosten und Risiken sind Unternehmen, die GenAI-Angebote auf den Markt bringen, gezwungen, eine Echtzeit-Wertexploration durchzuführen. Der Erfolg hängt nun davon ab, das Wertversprechen eines GenAI-Angebots für den Kunden klar zu verstehen und dann schnell zu einer Monetarisierung zu gelangen, die mit diesem in Einklang steht. Infolgedessen haben GenAI-Mavericks Angebote in der Betaphase gestartet, um den aktuellen Hype zu nutzen und gleichzeitig genügend Akzeptanz und Datenpunkte zu generieren, um optimale Anwendungsfälle, ideale Kundenprofile besser zu erkunden und letztendlich den Wert zu messen.
Als Beispiel wurde im August 2023 prognostiziert, dass überwältigende Betriebskosten zu Insolvenz von OpenAI bis Ende 2024 führen würden. Das Unternehmen reagierte jedoch schnell, um die Monetarisierung zu skalieren, indem es wahrscheinlich eine der schnellsten jemals durchgeführten Preissensibilitätsumfragen nutzte, um ihren ersten Preis für ChatGPT festzulegen.
Letztendlich kann GenAI, ähnlich wie andere wiederkehrende Dienstleistungen, durch das Lernen aus den Kundenanforderungen und den gut etablierten Strategien von Wachstumsführern auf den Wert ausgerichtet werden und Rentabilität erreichen.
Den Wert wirklich umsetzen
Mit den sich in Echtzeit entwickelnden Anwendungsfällen von GenAI kann es nahezu unmöglich erscheinen, sich auf den Wert auszurichten. Dennoch geben viele GenAI-Unternehmen bereits starke Wertversprechen ab.
Ein GenAI-Angebot kann beispielsweise Wert schaffen, indem es die Effizienz und die Moral der Mitarbeiter steigert. GitHub hat festgestellt, dass sein GenAI-Service Copilot Entwicklern hilft, bis zu 55 % schneller zu programmieren, zusätzlich zur Verbesserung ihrer allgemeinen Arbeitszufriedenheit. Der Intercom GenAI-Agent Fin löst 30-50 % der Supportanfragen sofort. GitHub hat festgestellt, dass sein GenAI-Service Copilot Entwicklern hilft, bis zu 55 % schneller zu programmieren, zusätzlich zur Verbesserung ihrer allgemeinen Arbeitszufriedenheit. Der Intercom GenAI-Agent Fin löst 30-50 % der Supportanfragen sofort. Zoom Revenue Accelerator KI steigert den Umsatz des Unternehmens und die Meinung der Kunden über Sie um mehr als 20 %. Für kleine Unternehmen können Inhalte erzeugende GenAI-Dienste wie Canva oder Jasper ihnen einen Marketingvorteil verschaffen, den sie sich sonst nicht leisten könnten.
Das bedeutet, dass viele GenAI-Angebote bereits „den Wert kommunizieren“. Um jedoch „den Wert tatsächlich zu zeigen“, müssen sie datengestützte Kundeninsights erfassen und analysieren, um zu bewerten, welche Wertmetrik sie wirklich beeinflussen und wie groß dieser Einfluss ist.
Ohne diese Gewinne zu untermauern, wird es für einen kaufenden Entscheidungsträger sehr schwierig sein, den zahlreichen GenAI-Anbietern zu vertrauen, die signifikante Effizienz- oder Umsatzgewinne behaupten. Überflutet mit Co-Pilot-Angeboten, die 50 % Verbesserungen der Mitarbeitereffizienz versprechen, werden bei mehr als einem Entscheidungsträger sicherlich die Augenbrauen hochgezogen.
Daher kann der Nachweis des Wertes nicht auf eine einfache theoretische Übung beschränkt sein, sondern erfordert von Produktmanagern und Markteinführungsteams, dass sie sich mit den Kunden zusammensetzen und zuhören, um ihnen zu helfen, den Wert schrittweise zu entdecken, zu bewerten und nachzuweisen. Dieser Nachweis des Wertes und der gegenseitige Entdeckungsprozess profitieren alle beteiligten Parteien. Ein Beispiel für diese Art von Übung sind die kostenpflichtigen Pilotprojekte, die von dem Unternehmens-KI-Anbieter C3 AI.
Den Wertzuschlag erfassen
Die folgenden Merkmale können Indikatoren für den Erfolg von GenAI-Produkten sein, die auf ein wert- oder ergebnisorientiertes Modell hinarbeiten und somit einen höheren Wertzuschlag der Lösung erfassen. In späteren Artikeln dieser Reihe werden wir einen genaueren Blick auf die spezifischen Preismetriken werfen, die Unternehmen verwenden, um dies zu erreichen.
| Einzigartigkeit des zugrunde liegenden Datensatzes | Exklusivität, Tiefe und Seltenheit der Daten, die zum Training des GenAI-Modells verwendet werden, insbesondere wenn der Datensatz einzigartige Einblicke oder Wettbewerbsvorteile bietet. |
| Spezialisierung | Spezialisierung in einem bestimmten Bereich oder Anwendungsfall, der klare Probleme mit hoher Präzision adressiert und ihn für gezielte Kunden wertvoller macht. |
| Zurechenbarkeit der Wertschöpfung | Die Fähigkeit, die Lösung direkt mit quantifizierbaren Auswirkungen in Bezug auf Wertschöpfung und kontinuierliche Rendite (Umsatzwachstum, Kosteneinsparungen…) zu verknüpfen. |
| Time-to-Value | Die Geschwindigkeit, mit der Kunden die Lösung bereitstellen und beginnen können, greifbare Vorteile zu realisieren, da schnelle Erfolge die Investitionsrechtfertigung und Priorisierung unterstützen. |
| Skalierbarkeit der Lösung | Die Leichtigkeit, mit der die Lösung elastisch skaliert werden kann, um Wachstum in Bezug auf Daten, Benutzer oder Komplexität zu berücksichtigen, was den langfristigen Wert und die Anpassungsfähigkeit beeinflusst. |
| Regulatorische und lokale Compliance | Einhaltung relevanter Vorschriften und Datenschutzmaßnahmen, insbesondere von Nischen- oder lokalen Vorschriften, um rechtliche Risiken für die Kunden zu minimieren. |
| Position in der GenAI-Wertschöpfungskette | Kritikalität innerhalb des breiteren GenAI-Ökosystems. |
Angebote in den oberen Schichten der Wertschöpfungskette, d.h. Anwendungen, sind oft in einer komfortableren Position, um einen Wertzuschlag zu erfassen, da sie in der Lage sind, den oben genannten Punkt zu nutzen. Während viele Infrastruktur- und Modellanbieter wahrscheinlich weiterhin einer commodifizierten und wettbewerbsintensiven Situation gegenüberstehen werden – mit Ausnahme von Nischenanbietern (z.B. hyperspezialisiert, ESG-freundlich usw.).
Bild: 4-lagige GenAI-Wertschöpfungskette. Einige Schichten sind zur Vereinfachung zusammengefasst.
Um den Wertzuschlag zu erfassen und zu teilen, sollten Unternehmen idealerweise eine Monetarisierungsmetrik verwenden, die mit dem Werttreiber übereinstimmt, den sie optimiert. Oder mindestens eine Metrik, die sich ähnlich entwickelt. Darüber hinaus sollte die Untersuchung von Anwendungsfällen und Werten die Bedürfnisse und die Nutzung verschiedener Personas berücksichtigen.
Die Tatsache ist, dass, wenig überraschend, weniger als 10 % der 70 analysierten Angebote dies heute in irgendeiner Form aktiv tun (d.h. keine Kosten mit einem Zuschlag „übertragen“ oder Benutzer monetarisieren). Intercom berechnet seinen KI-Chatbot Fin basierend auf Lösungen. Bei 11x, einem Unternehmen, das KI-basierte digitale Arbeitskräfte für den Marktzugang bereitstellt, werden 90 % der Kunden über ein „pro Aufgabenart“-Modell monetarisiert, aber das Unternehmen experimentiert mit ergebnisbasierten Preisen, so Kyle Poyar.
Es ist auch entscheidend, dass die Preismetriken mit den Wertwahrnehmungen der Käufer übereinstimmen. Dies fördert ein Gefühl von Fairness und Transparenz. Es entmystifiziert den Kaufprozess durch die Verwendung einer kundenfreundlichen Metrik und stellt sicher, dass ihre Investition durch den gelieferten Wert gerechtfertigt ist. Und laut der gemeinsamen Forschung des Subscribed Institute und der Boston Consulting Group bevorzugen Kunden, die GenAI-Lösungen in Betracht ziehen, tatsächlich nutzungs- oder ergebnisbasierte Preisgestaltung.
GenAI wird eine lange, kontinuierliche Reise sein – kein Kurztrip
Die Monetarisierung von GenAI wird eine sich entwickelnde Reise sein, die Experimentieren mit Preisstrategien und -metriken erfordert. Derzeit beginnen viele Unternehmen mit einfachen Metriken wie Tokens oder Benutzerzahlen, erwarten jedoch im Laufe der Zeit einen Übergang zu nuancierteren, ergebnisbasierten Preismodellen, die eng auf spezifische Anwendungsfälle zugeschnitten sind.
Die Entwicklung dieser Strategien wird nicht schnell voranschreiten. Der Branchenanalyst Brent Thill sagt voraus, dass die erheblichen finanziellen Auswirkungen von Adobes GenAI-Innovationen erst Ende 2024 bis 2025 spürbar werden, was die langsame, iterative Natur dieser Anpassungen widerspiegelt.
Aktuelle Entwicklungen, wie die Einführung von GitLabs Duo Enterprise Tier und Microsofts Start eines globalen kostenlosen Testangebots für Copilot, veranschaulichen die schnellen Veränderungen und laufenden Monetarisierungsexperimente in der Branche. Solche dynamischen Anpassungen heben die Bedeutung reaktionsfähiger Preisstrategien hervor, die sich schnell an Marktnachfragen und Benutzerfeedback anpassen können.
Letztendlich zielt die Monetarisierung von GenAI nicht nur auf wettbewerbsfähige Preise ab, sondern darauf, echten Wert zu schaffen. Trotz des Drucks, Kosten zu senken und zu automatisieren, besteht der Weg nach vorne darin, die Kosten eng mit der Wertschöpfung in Einklang zu bringen. Dieser Ansatz wird die erfolgreiche Monetarisierung von GenAI-Technologien definieren und sicherstellen, dass sie sowohl nachhaltig als auch fair sind.
Was als Nächstes kommt
In unserer nächsten Folge erfahren Sie:
- Eine forschungsbasierte Analyse und Beispiele der 4 GenAI-Monetarisierungsansätze, die derzeit von führenden Unternehmen in diesem Bereich verwendet werden
- Die Vor- und Nachteile jedes Ansatzes
- Welcher Ansatz von fast einem Drittel der GenAI-Unternehmen verwendet wird und warum
Turning GenAI innovation into revenue:
Learn the current top GenAI packaging models and assess how SaaS companies are using them today.
The 4 GenAI monetization avenues
Explore the leading positioning strategies of the pioneers in the GenAI monetization frontier—and the pros and cons of each.
Erfahren Sie mehr über den Autor
Michael Mansard
Hauptdirektor für Abonnementstrategie, Zuora
Hauptdirektor für Subscription Strategy, Zuora
Das Subscribed Institute
Das Subscribed Institute ist Zuoras eigenes Think Tank, das eine Gemeinschaft von Unternehmensleitern durch Forschung, Inhalte, Veranstaltungen und Beratungsdienste fördert und unterstützt. Strategen des Subscribed Institute sind eine Ressource für unsere Kunden, um ihnen zu helfen, strategische, maßgeschneiderte Wege zum Erfolg von Geschäftsmodellen mit wiederkehrenden Einnahmen zu skizzieren, interne Fähigkeiten aufzubauen und eine beschleunigte Reise zur Nutzung zu navigieren.
Interessiert daran, mehr zu erfahren?
Sprechen Sie noch heute mit einem unserer Experten oder wenden Sie sich an Ihren Kundenbetreuer, um ein Gespräch zu vereinbaren.