如何通过基于结果的定价和消息传递来传达生成式 AI 产品的价值

快速阅读: 据《硅角度》称，在生成式人工智能领域，有效的价值传递需要转向基于结果的定价模式，而非传统的按座位定价。这种方法能更好地反映人工智能的实际效益，如节省成本和提高效率。科技提供商需深化对客户需求的理解，以便更精准地传达产品价值，从而增强市场竞争力。

（注：文中英文部分已翻译为中文）

在技术快速发展的世界里，有效传达生成式人工智能产品的价值需要转变传统的定价和信息传递策略。尽管软件即服务产品按能力和客户价值定价的趋势日益增长，但按座位定价仍然占主导地位，基于结果的定价则较为罕见。成功的营销和销售依赖于价值故事和经济价值评估，然而，这种做法在科技提供商和技术销售团队中的普及程度有限。然而，生成式人工智能产品本身直接交付结果，这要求采取不同的方法。要有效地传达生成式人工智能解决方案的价值，科技提供商必须转向基于结果的定价模式。传统的定价结构，如一次性购买或订阅，无法捕捉生成式人工智能的真正潜力，它被设计为交付以前难以实现或耗时的结果。随着风险投资推动创新和对盈利能力的需求增加，一些具有前瞻性的供应商已经开始转向反映结果价值的定价策略。

在生成式人工智能领域，预测实现特定结果所需的精确资源具有挑战性，因为需求可能会波动。这种不可预测性突显了按座位定价模型的不足，这些模型难以传达整体价值和众多用户的投资回报率。随着自主人工智能能力的兴起，重点将从单个座位转移到所实现的结果，使传统的座位定价变得无关紧要。在某些情况下，人工智能代理将取代人类任务，进一步通过代理作为衡量价值交付的指标来复杂化定价。生成式人工智能定价阶段转向基于结果的定价将在几个阶段进行。许多生成式人工智能产品和附加组件已经采用了基于消费的模型，其中定价由使用的积分或执行的功能决定，例如处理的视频分钟数或完成的任务数量。

生成式人工智能定价阶段，例如，一些公司已经为其人工智能功能实施了基于消费的定价，目标是特定的结果，如对话。其他公司则根据其产品回收的退款百分比收费，还有一些公司根据通过自动化实现的成功解决的服务进行定价。这些例子说明了向与生成式人工智能解决方案提供的实际利益相一致的定价模型的转变。最终，生成式人工智能解决方案的价值在于它所交付的结果，即使在其模型、训练和调优方面的差异也存在。就像量子计算一样，生成式人工智能的价值在于其能够实现用标准方法几乎不可能实现的结果。考虑通过合同审查自动化节省数千万美元或合成一种新蛋白质的巨大价值。生成式人工智能解决方案的营销和销售自然会倾向于客户期望的结果，关注最终成果而非实现这些成果所需的工具和组件。同时注重价值主张转向基于结果的定价模式需要价值主张和叙事的平行演变。营销人员和销售人员需要加深对客户的理解，包括他们的流程以及与期望结果相关的价值。这种方法要求讨论生成式人工智能产品交付的结果，而不仅仅是关注交付方式。虽然技术细节对于某些买家（如合规团队）可能仍然重要，但重点将是结果的价值。掌握价值评估和计算的专业知识将成为关键。所售结果的价值将是说服买家的关键因素。

幸运的是，价值管理工具可在四个关键领域帮助产品营销人员：发现、识别价值杠杆、阐述价值和实现价值。随着自主人工智能越来越普遍，由生成式人工智能驱动的结果通常会替代其他资源，如人力、应用程序和时间。这种转变要求评估结果的价值和与传统方法相比的ROI。当生成式人工智能完成以前不可能完成的任务时，讨论将集中在应由供应商捕获的结果价值的多少。重点将是结果及其对客户的业务价值，这使得价值计算和讨论更为具体。与传统价值假设或商业案例不同，其中技术与结果之间的联系是推测性的，生成式人工智能产品和服务从结果开始，简化了价值主张，使其更清晰。价值实现，代理能够报告实时价值实现将进一步简化这一过程，类似于现有技术，如机器人流程自动化，已经通过效率提升展示了价值。通过关注结果，科技提供商可以提供引人共鸣的叙述，突出生成式人工智能解决方案提供的明确业务价值。

大卫·约克森是产品营销实践团队的产品营销副总裁、研究副总裁和高德纳的技术和服务提供商研究部门的高德纳院士。他为硅立方撰写了这篇文章。高德纳的分析师将在3月10日至11日在德克萨斯州格拉佩维举行的高德纳技术增长与创新大会中提供额外分析，探讨科技服务提供商如何加速增长、推动产品创新并利用新兴技术。请使用#GartnerTGI标签关注会议上的新闻和更新。

(以上内容均由Ai生成)