Why SaaS freemium playbooks don’t work in AI, and what to do instead

Почему SaaS-стратегии фримиума не работают в AI и что делать вместо них

Как построить стратегию монетизации AI, которая действительно работает

👋 Привет, я Lenny. Каждую неделю я отвечаю на вопросы читателей о создании продукта, росте и ускорении карьеры. Больше материалов: Lenny’s Podcast | Lennybot | How I AI | мои любимые курсы по AI/PM, курс по публичным выступлениям и copilot для подготовки к собеседованиям

P.S. Получите целый бесплатный год Google AI, Cursor, Lovable, Notion, Manus, Replit, Gamma, n8n, Canva, ElevenLabs, Factory, Wispr Flow, Fin, Supabase, Bolt, Linear, PostHog, Framer, Railway, Granola, Warp, Gumloop, Magic Patterns, Mobbin, Stripe Atlas и ChatPRD, став подписчиком Insider. Да, это по-настоящему.

Сегодняшний приглашённый автор, Vikas Kansal, отвечает за продукт в Google AI — пожалуй, самом успешном потребительском подписочном бандле в истории, включающем Gemini 3.1, Nano Banana, NotebookLM, Veo3 и терабайты (!) облачного хранилища. Vikas находится на передовой в вопросе о том, как успешно монетизировать AI-продукты, балансируя между затратами на вычисления и устойчивым ростом, и в сегодняшнем подробном гостевом посте он делится всеми уроками, которые он и его команда извлекли о том, как ставить платную стену в AI.

Давайте приступим.

Вы только что запустили потрясающий AI-продукт. Рост взрывной, а пользователи полностью увлечены «магией» вашего бесплатного уровня. А потом приходят счета. В традиционном SaaS обслуживание ещё одного бесплатного пользователя стоит практически ноль. В AI же каждый раз, когда бесплатный пользователь нажимает «Enter», запускаются ваши GPU, и деньги сгорают. AI-продуктам нужно быстро разобраться с монетизацией, иначе затраты на вычисления обанкротят вашу компанию.

Большинство продуктовых команд при разработке своей фримиум-стратегии для AI всё ещё хватаются за традиционный SaaS-плейбук фримиума: раздавай базовое, а лучшие функции закрывай. Но как справедливо отмечает эксперт по росту (и четырёхкратный гость Lenny’s Podcast) Elena Verna, при создании AI-продукта вам приходится раздавать огромное количество «магии», чтобы пользователи дошли до момента озарения. Им нужно действительно увидеть, как модель пишет идеальное письмо или генерирует то самое идеальное изображение, прежде чем они решат воспользоваться продуктом хотя бы во второй раз. На сегодняшнем всё более шумном рынке время до получения ценности (TTV) должно быть мгновенным, если вы надеетесь удержать внимание людей.

Но это создаёт парадокс: что происходит, когда этот бесплатный волшебный опыт становится настолько хорош (и дорог в вычислениях), что начинает каннибализировать ваш премиум-уровень?

Запуская AI-подписки Google, мы со всей силой врезались в эту стену. Бесплатный уровень был настолько хорош, что для большинства задач превосходил людей. Бесплатно! Он мог писать безупречный Python, готовить идеальные маркетинговые тексты и мгновенно суммировать длинные цепочки писем. Мы поняли, что конкурируем сами с собой, одновременно пытаясь создать устойчивый бизнес в условиях экспоненциального роста спроса на AI-вычисления со временем. Пользователи справедливо спрашивали себя: «Зачем мне платить $20 в месяц, если бесплатная версия уже умнее меня?»

Традиционный SaaS-плейбук подсказал бы, что нам следовало закрыть платной стеной некоторые из наших лучших функций, например вирусный генератор подкастов NotebookLM, изображения Nano Banana или Gemini Deep Research. В прошлом Slack успешно закрывал доступ к истории сообщений, а Figma — к командным библиотекам. Но если бы мы закрыли платной стеной возможность вживую проговорить задачу с Gemini или Deep Research, пользователи никогда бы не ощутили ту магию, которая нужна, чтобы выработать ежедневную привычку и появилось желание снова попробовать инструменты. К тому же это, возможно, и не решило бы проблему с крупнейшими источниками затрат на вычисления. Реальность AI-продуктов вынудила нас полностью перестроить анатомию платной стены для AI-подписок. Вот фреймворк, который мы разработали.

Анатомия современной AI-платной стены

Современную AI-платную стену следует выстраивать, держа в уме обе стороны уравнения: что ожидают пользователи и что на самом деле стоит компании денег в вычислениях. Это означает выход за рамки традиционной SaaS-модели фримиума к нескольким динамическим уровням, основанным на использовании и на результате. Если вы строите AI-платную стену, перенесите свои триггеры апгрейда на эти три столпа, которые согласуют полезность для клиента с затратами компании:

Столп 1: Ограничивайте интенсивность использования

Когда мы впервые добавили платную стену к AI-функциям Google, нашим инстинктом был традиционный SaaS-ход с «премиумом»: единый тариф Gemini Advanced за $20, где пользователи платят за доступ к самой умной модели. Но мы быстро столкнулись с двумя проблемами. Во-первых, как я уже упоминал выше, бесплатный уровень был настолько способным, что многие пользователи считали, что он уже «умнее их». Так что они не видели причин апгрейдиться. Но вторая была более неожиданной: power-пользователи, которые всё же апгрейдились, потребляли такие колоссальные объёмы вычислений, что юнит-экономика для компании выглядела пугающе. Мы поняли, что реальное ценностное предложение — это не только качество модели/ответа, но и объём работы, который пользователь может прогнать через систему. И нам пришлось бы тарифицировать этот доступ соответствующим образом, чтобы бизнес-модель работала.

Поэтому мы переработали наше предложение в тарифы Plus, Pro и Ultra. Каждая корзина соответствует определённому уровню интенсивности использования, предлагая более высокий объём использования и более крупные контекстные окна (до 1 миллиона токенов) по мере перехода вверх. Это даёт пользователям предсказуемые, предоплаченные тарифные уровни и избавляет от ненавистного потребителям шока от счёта в стиле AWS с оплатой по факту. В каждом тарифе вы получаете вкус большинства функций, и тариф Pro может быть достаточным для случайного экспериментатора, тогда как power-пользователи выберут тариф Ultra. Этот подход согласовал нашу юнит-экономику и распределение подписчиков так, чтобы создать финансово устойчивую бизнес-модель. Мы обнаружили, что ограничение интенсивности использования — более мощный рычаг монетизации, чем ограничение интеллекта модели.

В качестве ещё одного примера, Midjourney делает это хорошо. Они используют систему «Fast Mode» против «Relax Mode». Fast Mode обеспечивает мгновенный доступ к GPU для быстрых результатов, используя ограниченное число часов в месяц — которые тарифицируются соответствующе. Как только Fast Hours исчерпаны, пользователи на тарифах Standard и выше могут переключиться на безлимитный Relax Mode, который работает в очереди в зависимости от спроса. Пользователи платят за приоритетный доступ к своим GPU, чтобы генерировать больше изображений и быстрее, а не обязательно за лучшие изображения. И компания может держать свою юнит-экономику в узде.

Столп 2: Ограничивайте результаты

Если Столп 1 монетизирует сырые вычисления и объём, то Столп 2 монетизирует продуктивность. Бесплатный уровень может дать пользователю правильный ответ, но это требует ручных усилий — копирования, вставки, формулирования промптов и форматирования. Чтобы заставить пользователей апгрейдиться, нужно поставить платную стену перед функциями, которые сворачивают многошаговые задачи в один клик. «Pro»-пользователи крайне чувствительны к трению, и они оправдают стоимость подписки просто исходя из тех часов работы, которые она убирает из их жизни.

Наше изначальное ценностное предложение для Gemini Advanced целиком строилось вокруг предоставления «лучшего и самого быстрого ответа», который могла выдать frontier-модель. С тех пор LLM совершили крупный переход от пассивных генераторов текста к автономным AI-агентам, которые умеют рассуждать, планировать, использовать инструменты и сохранять память, чтобы выполнять сложные задачи. Мы приняли этот сдвиг, сделав Chrome auto browse доступным исключительно для наших более высоких тарифов. Chrome auto browse (на базе Gemini) — это функция AI-агента, который автономно перемещается по сайтам, заполняет формы, сравнивает товары, добавляет позиции в корзину и управляет задачами вроде записи на приём прямо в браузере. Мы выстроили платную стену вокруг сэкономленного труда сотрудника, позволяя агенту перемещаться по сети и выполнять действия от имени пользователя, чтобы делать настоящую работу. Мы перестали продавать «ответы» и начали продавать «часы».

AI-агент Fin от Intercom — золотой стандарт ценообразования AI по результату. Он берёт $0,99 за решение. Дать AI попробовать ответить бесплатно, но вы платите, только когда пользователь подтверждает, что его проблема действительно решена. Sierra тоже делает это хорошо.

Столп 3: Ограничивайте самые тяжёлые по вычислениям модальности

Когда мы продумывали go-to-market для Genie 3 — нашей интерактивной «мировой модели» реального времени — мы знали, что затраты на вычисления будут ошеломляющими. Во время внутреннего dogfooding мы шутили, что TPU плавятся на каждом промпте. Мы поняли, что предлагать это каждому бесплатному пользователю было не просто плохим бизнес-ходом, а физически невозможным. Просто не было достаточно TPU, чтобы обслуживать эту модель при необходимых 100K+ QPS для сотен миллионов DAU. Однако мы также обнаружили, что потребители интуитивно понимают: эти тяжёлые модальности — премиум-услуга. Они не ожидают, что кинематографичный, фотореалистичный 3D-мир будет бесплатным так же, как они ожидают бесплатное письмо на 500 слов.

Поэтому мы сделали Genie 3 доступным исключительно участникам нашего высшего тарифа. Подняв эту frontier-модель мира в премиум-уровень, мы превратили колоссальное вычислительное обязательство в мощный стимул для пользователей перейти на вершину нашей ценовой лестницы. Это также позволило нам продемонстрировать state-of-the-art модель, не упираясь в ограничения по мощностям.

Мой совет — использовать ваши самые дорогие, тяжёлые по вычислениям модальности как главный триггер апгрейда для вашего высшего тарифа подписки. Сделайте генерацию текста и базовых изображений общедоступной, чтобы стимулировать рост верхней части воронки, но ставьте жёсткую платную стену в тот момент, когда пользователь захочет отрендерить кинематографичное видео, запустить симуляцию в реальном времени или войти в постоянную 3D-среду.

Создайте свою экосистему монетизации

Хорошо проработанные и согласованные с ценностью тарифы могут захватить экспериментальный бюджет пользователя, но не удержат его. У AI-подписок относительно более высокий отток по сравнению с традиционным SaaS просто потому, что основные привычки использования всё ещё формируются. Чтобы добраться до пожизненной ценности пользователя, нужно спроектировать экосистему вокруг тарифов, чтобы удерживать и расширять вашу клиентскую базу. Ниже — как оптимизировать конверсию, удержание и стоимость обслуживания, чтобы вы строили экосистему, которая прослужит долго.

Доведите до совершенства свои катализаторы конверсии

Решить, какую ценность поместить в какой тариф, — лишь половина дела. Нужно ещё мастерски овладеть тем, когда и как подталкивать к апселлу, который действительно приносит выручку. Чтобы подтолкнуть сильно вовлечённого бесплатного пользователя за переломную точку, вам нужны конкретные катализаторы конверсии — поведенческие триггеры, контекстные UX-подсказки и стратегическая упаковка, которые превращают раздражающее препятствие в апгрейд без трения, не требующий раздумий. Показ подсказки об апгрейде — это скорее искусство, чем наука. Получение значимых конверсий в итоге сводится к тому, чтобы вывести правильную контекстную подсказку нужному пользователю в точный момент высокого намерения. С AI-подписками Google мы нашли несколько подходов, которые действительно работают:

Этот пост — для платных подписчиков