How we develop pricing and packaging at Fin

Pricing is one of those things that looks simple from the outside (hopefully), yet is anything but from the inside.

Ценообразование — одна из тех вещей, что снаружи выглядят простыми (хочется надеяться), но изнутри оказываются совсем не такими.

At Fin, pricing and packaging (P&P) is more than a finishing touch. It’s a research problem, a forecasting challenge, a commercial decision, and ultimately, a strategic statement, requiring deep cross-functional work. We must balance the needs and wants of our customers, the value delivered by our product, and the broader vision we are building towards.

В Fin ценообразование и упаковка (P&P) — это не финальный штрих. Это исследовательская задача, прогнозный вызов, коммерческое решение и, в конечном счёте, стратегическое заявление, требующее глубокой кросс-функциональной работы. Мы должны балансировать между потребностями и желаниями наших клиентов, ценностью, которую даёт наш продукт, и более широким видением, к которому мы движемся.

Our approach to developing P&P has evolved over the years, but it is still very much a living system.

Наш подход к разработке P&P со временем эволюционировал, но это по-прежнему живая система.

The process

Процесс

Pricing and packaging work is typically triggered when we launch something new that needs to be monetized, like Fin, our AI Agent. From there, we move through a sequence of research, analysis, and decision-making. The work is shared primarily across product, research, and data science.

Работа по ценообразованию и упаковке обычно запускается, когда мы выпускаем что-то новое, что нужно монетизировать — например, Fin, нашего AI-агента. Дальше мы проходим последовательность исследований, анализа и принятия решений. Работа в основном распределяется между product, research и data science.

Step 1: Foundational research

Шаг 1: фундаментальное исследование

We start by talking to buyers to understand the world they live in. How do they define value? What does ROI look like? What pricing models do they expect in this category? What feels intuitive, and what feels off? This is deep qualitative work.

Мы начинаем с разговоров с покупателями, чтобы понять мир, в котором они живут. Как они определяют ценность? Как выглядит ROI? Какие модели ценообразования они ожидают в этой категории? Что кажется интуитивным, а что — странным? Это глубокая качественная работа.

It informs two of the most important decisions we make: the pricing model and the pricing metric.

Она лежит в основе двух важнейших решений, которые мы принимаем: модели ценообразования и метрики ценообразования.

Модель ценообразования — это общая структура: value-based, usage-based, access-based, фиксированная плата и так далее. Для Fin мы выбрали value-based модель: вы платите только тогда, когда Fin приносит ценность. Наши исследования чётко показали, что покупатели не хотят платить за использование — они хотят платить за результаты. Метрика ценообразования — это единица ценности внутри модели, единица, к которой мы привязываем цену. Для Fin метрика ценообразования — это «outcomes» (исходы). Outcome определяется как успешная обработка Fin клиентского запроса.

The details really matter. A small change in how you define the metric can completely change how customers experience value.

Детали действительно имеют значение. Небольшое изменение в определении метрики может полностью изменить то, как клиенты воспринимают ценность.

Our goal is to land on the model and metric that best aligns to buyers’ goals, needs, and expectations. That requires a lot of interpretive work. We can’t expect buyers to know the right price model for our products; they share how they evaluate value, and we deduce the best fit model and metric.

Наша цель — выйти на такую модель и метрику, которые лучше всего соответствуют целям, потребностям и ожиданиям покупателей. Это требует большой интерпретационной работы. Мы не можем ожидать, что покупатели знают правильную модель ценообразования для наших продуктов; они делятся тем, как оценивают ценность, а мы выводим наилучшую подходящую модель и метрику.

At every stage, we bring in input from exec, finance, GTM, and engineering. Not always formally, but enough to ensure alignment before moving on. Pricing decisions cut across the business, they can’t be made in isolation.

На каждом этапе мы привлекаем мнения от руководства, финансов, GTM и инженерии. Не всегда формально, но достаточно, чтобы обеспечить согласованность перед движением дальше. Решения по ценообразованию пронизывают весь бизнес — их нельзя принимать в изоляции.

Step 2: Willingness to pay

Шаг 2: готовность платить

Once we have a model and metric, we move to price point. This is where we run quantitative willingness-to-pay (WTP) research.

После того как у нас есть модель и метрика, мы переходим к ценовой точке. Здесь мы запускаем количественное исследование готовности платить (willingness-to-pay, WTP).

We use the model and the metric as the foundation from which we ask WTP questions.

Мы используем модель и метрику как основу, на которой строим вопросы о WTP.

Пример вопроса в опросе: вы будете платить только тогда, когда Fin даёт outcome (→ модель). Outcome засчитывается, когда AI-агент решает запрос клиента без дальнейшей помощи (→ метрика). Готовы ли вы платить $X за outcome для Fin?

The foundational qual is so important as a first step. It helps us decide what we should be asking about before we start asking how much people will pay. Without the qual ground work, you risk building a very convincing answer to the wrong question.

Фундаментальное качественное исследование так важно как первый шаг. Оно помогает решить, о чём вообще спрашивать, прежде чем начинать спрашивать, сколько люди готовы платить. Без качественной подготовки рискуешь построить очень убедительный ответ на неправильный вопрос.

The goal isn’t to find a perfect price. That doesn’t exist. The goal is to ground our discussions in the reality of the market.

Цель — не найти идеальную цену. Её не существует. Цель — заземлить наши обсуждения в реальности рынка.

We use methods like Gabor-Granger and Van Westendorp to understand WTP. These studies produce outputs a bit like this (illustrative data):

Мы используем такие методы, как Gabor-Granger и Van Westendorp, чтобы понять WTP. Эти исследования дают результаты примерно такого вида (иллюстративные данные):

This chart shows us what percentage of the market is willing to buy the product at various price points. The demand curve shows that 69% of buyers were willing to pay for the product at $0.86 per outcome, whereas only 39% were willing to pay at $1.42.

Этот график показывает, какой процент рынка готов купить продукт при разных ценовых точках. Кривая спроса показывает, что 69% покупателей были готовы платить за продукт по $0,86 за outcome, тогда как только 39% были готовы платить по $1,42.

The dashed line shows the price point at which revenue for the business would be maximized (by multiplying adoption by the dollar amount).

Пунктирная линия обозначает ценовую точку, при которой выручка бизнеса была бы максимальной (умножением охвата на сумму в долларах).

This allows us to debate knotty questions like:

Это позволяет обсуждать непростые вопросы вроде:

Каков правильный баланс между ростом и выручкой? Насколько чувствителен спрос к изменениям цены? При какой цене мы начинаем терять рынок? Если бы мы хотели увеличить охват, дало бы снижение цен на $X значимый эффект?

The data help us balance both customer and business needs.

Данные помогают нам балансировать между потребностями клиентов и бизнеса.

This is where price point decisions become more tangible, but it’s not where the price point is finalized.

Здесь решения по ценовой точке становятся более осязаемыми, но именно здесь ценовая точка ещё не фиксируется.

Step 3: Modeling

Шаг 3: моделирование

At this point, we have:

К этому моменту у нас есть:

Модель. Метрика. Сильный сигнал по готовности платить.

Now we translate that into something that works in the real world to land on a final price point. This is where data science and finance come in.

Теперь мы переводим это в нечто, что работает в реальном мире, чтобы выйти на финальную ценовую точку. Здесь подключаются data science и финансы.

We take the WTP data and layer it with the realities of the business: margin expectations, segment differences, discounting behavior, purchase friction, sales capacity, competitor pricing, and other commercial constraints. This process requires extensive modeling.

Мы берём данные WTP и накладываем на них реалии бизнеса: ожидания по марже, различия между сегментами, поведение при скидках, трение при покупке, ёмкость отдела продаж, цены конкурентов и другие коммерческие ограничения. Этот процесс требует обширного моделирования.

What this looks like for Fin:

Вот как это выглядит для Fin:

Мы начинаем с прайс-листа, выровненного со стратегией и коммерческими целями. Затем корректируем с учётом вероятных скидок, чтобы оценить реальную полученную цену (например, $0,99 в реальности может выглядеть скорее как $0,89). Дальше — использование. Мы используем бета-данные, чтобы понять, сколько outcomes клиенты в среднем генерируют и как это варьируется по сегментам, получая средний ARR на клиента. Затем объединяем данные об использовании с данными WTP, чтобы смоделировать attach rate (вероятность покупки), просчитывая диапазон сценариев от консервативных до оптимистичных. Наконец, мы передаём это в долгосрочный план вместе с финансами, чтобы оценить количество логотипов, ARR и, что важно, маржинальность. Это редко делается за один проход.

We iterate until the numbers, and the story they tell, hold together.

Мы итерируем, пока цифры — и история, которую они рассказывают — не сходятся воедино.

The modeling step is important because willingness-to-pay data is somewhat theoretical. It reflects intent, not behavior. Modeling helps us bridge that gap.

Шаг моделирования важен, потому что данные о готовности платить в какой-то мере теоретические. Они отражают намерение, а не поведение. Моделирование помогает преодолеть этот разрыв.

The goal of this step is to land on a price point recommendation, alongside forecasts for ARR and adoption. It allows us to understand the real business impact of the decisions we’re making.

Цель этого шага — выйти на рекомендацию по ценовой точке вместе с прогнозами ARR и охвата. Это позволяет нам понять реальный бизнес-эффект принимаемых решений.

Alongside all of this, we need to ensure any decision we make falls in line with our pricing principles and broader business objectives.

Параллельно со всем этим нам нужно убедиться, что любое принимаемое решение соответствует нашим принципам ценообразования и более широким бизнес-целям.

Step 4: Sign-off

Шаг 4: согласование

Finally, we bring everything together into a full pricing and packaging recommendation and take it to the execs. If it’s approved, it moves into build.

Наконец, мы собираем всё в единую рекомендацию по ценообразованию и упаковке и приносим её руководству. Если её одобряют, она переходит в стадию реализации.

These four steps form what we think of as P&P strategy at Fin. In some ways, making the decision is the easy part.

Эти четыре шага и составляют то, что мы понимаем под P&P-стратегией в Fin. В каком-то смысле принять решение — это самая лёгкая часть.

Operationalizing it is harder: educating the sales team, rolling it out to customers, building tooling to demonstrate ROI, and ultimately, interpreting whether we got it right.

Операционализация сложнее: обучение отдела продаж, раскатка для клиентов, создание инструментов для демонстрации ROI и, в конечном счёте, интерпретация — а правильно ли мы всё сделали.

That operational work is substantial, and probably deserves a post of its own.

Эта операционная работа значительна и, вероятно, заслуживает отдельного поста.

Do we do this every time?

А делаем ли мы это каждый раз?

No, this is the ideal process.

Нет, это идеальный процесс.

In reality, we probably follow this full process around half the time. Time and resource constraints are real, so we need to be smart about when we run the process thoroughly.

На практике мы, вероятно, проходим этот полный процесс примерно в половине случаев. Ограничения по времени и ресурсам реальны, поэтому нужно быть умными в том, когда именно прогонять процесс целиком.

The rigor in our process should mirror the importance of the decisions we’re making. Some things just aren’t that important, and that’s fine. Or the answer is simply more obvious.

Строгость процесса должна отражать важность принимаемых решений. Некоторые вещи просто не настолько важны — и это нормально. Или ответ просто более очевиден.

In practice, we often run scrappier research between stages when something feels uncertain. Pricing work is rarely linear. The process keeps us grounded, but it doesn’t make the work tidy.

На практике мы часто запускаем более кустарные исследования между этапами, когда что-то кажется неопределённым. Работа над ценообразованием редко линейна. Процесс держит нас в реальности, но не делает работу аккуратной.

The ongoing challenge

Постоянный вызов

Over the last year or so, the breadth of our product has expanded significantly, which is a great thing. Fin can do a lot more than it used to. But it does mean our pricing system needs to evolve alongside it, and some of the early principles we anchored on (like simplicity) are being stretched in new ways.

За последний год примерно ширина нашего продукта значительно расширилась — и это здорово. Fin умеет гораздо больше, чем раньше. Но это означает, что наша система ценообразования должна развиваться вместе с ним, а некоторые ранние принципы, на которые мы опирались (например, простота), сейчас растягиваются по-новому.

For a while, we could price products in a fairly modular way. Each product had its own logic, optimized for the specific value it delivered. That worked well when the product set was simpler.

Какое-то время мы могли ценить продукты довольно модульно. У каждого продукта была своя логика, оптимизированная под конкретную ценность, которую он приносит. Это хорошо работало, когда набор продуктов был проще.

But as we’ve added more products, more Agent capabilities, and more outcomes, the question starts to change from “what is the right P&P for this one product?” to “how does everything fit together into a coherent pricing system?” That’s a very different kind of problem.

Но по мере того как мы добавляли больше продуктов, больше возможностей агентов и больше outcomes, вопрос начинает меняться с «какой правильный P&P для этого одного продукта?» на «как всё вместе укладывается в связную систему ценообразования?». Это совсем другая задача.

We must recognize that pricing isn’t something you set once and leave alone. As products evolve, especially in a world where AI is rapidly changing how value is created and delivered, it’s important to regularly step back and review the bigger picture, not just the component parts.

Мы должны признать, что ценообразование — это не то, что задаётся один раз и оставляется в покое. По мере того как продукты эволюционируют, особенно в мире, где AI стремительно меняет то, как создаётся и доставляется ценность, важно регулярно делать шаг назад и пересматривать общую картину, а не только отдельные компоненты.

For example, outcome-based pricing has served us well, particularly when our products were tightly tied to clear, measurable outcomes. But as our products become more varied, and as we continue building toward a broader platform, it becomes less straightforward to apply a single model cleanly everywhere.

Например, outcome-based pricing хорошо нам служило, особенно когда наши продукты были тесно привязаны к чётким, измеримым outcomes. Но по мере того как наши продукты становятся всё более разнообразными и по мере того как мы продолжаем строить более широкую платформу, становится менее очевидным, как чисто применить одну единственную модель ко всему.

The challenge becomes less about replacing one model with another, and more about continually looking up and asking: what pricing philosophy best reflects the value we’re delivering today? And how do we deliver that philosophy in a way that still feels right for customers?

Вызов становится меньше про замену одной модели другой и больше про постоянное поднятие головы и вопрос: какая ценовая философия лучше всего отражает ценность, которую мы доставляем сегодня? И как доставить эту философию так, чтобы она всё ещё ощущалась правильной для клиентов?

In short, there is no finish line, pricing is never “done” – and that’s exactly how it should be.

Короче говоря, финишной черты нет — ценообразование никогда не бывает «готовым». И именно так и должно быть.

Why this work matters

Почему эта работа имеет значение

Pricing and packaging is often noticeable only when it goes wrong. A confusing model, a bad metric, or a price that feels disconnected from value.

Ценообразование и упаковку обычно замечают только тогда, когда что-то идёт не так. Запутанная модель, плохая метрика или цена, ощущающаяся оторванной от ценности.

And we hear about those quickly.

И об этом мы узнаём быстро.

But when it is done well, it’s almost invisible, and it quietly does a lot of work.

Но когда всё сделано хорошо, это почти незаметно — и тихо делает огромную работу.

It shapes how people perceive value, helps buyers understand what they are paying for, and makes the product easier to sell, easier to buy, and easier to scale. It also forces the company to be honest about what the product is really worth.

Это формирует то, как люди воспринимают ценность, помогает покупателям понять, за что они платят, и делает продукт легче продавать, легче покупать и легче масштабировать. Это также заставляет компанию быть честной в том, чего на самом деле стоит продукт.

That is why we take it seriously at Fin.

Именно поэтому в Fin мы относимся к этому серьёзно.