- Tema
4k Popularidad
93k Popularidad
15k Popularidad
5k Popularidad
30k Popularidad
16k Popularidad
23k Popularidad
14k Popularidad
3k Popularidad
13k Popularidad
- Anclado
4k Popularidad
93k Popularidad
15k Popularidad
5k Popularidad
30k Popularidad
16k Popularidad
23k Popularidad
14k Popularidad
3k Popularidad
13k Popularidad
¿Cómo puede Productivity SaaS abordar la disrupción de la IA?
Fuente original: Unicornios en el extranjero
GPT es un modelo de productividad y OpenAI está revolucionando la productividad.
Obviamente, esto hace que la gente de SaaS de productividad se sienta ansiosa. El video promocional de Clickup AI señaló accidentalmente la estrategia actual de IA de estas empresas "antiguas", es decir, compitiendo para lanzar casos de uso similares en sus propios escenarios de productos.
**Entonces, si bien aún no podemos identificar qué SaaS se benefician y cuáles perjudican a largo plazo, ya podemos ver qué empresas tienen estrategias de afrontamiento verdaderamente diferenciadas. Siguiendo esta línea de pensamiento, este artículo selecciona los tres métodos y múltiples casos que más me destacan en el segundo y primer nivel respectivamente. Sin embargo, incluso con estas estrategias implementadas, SaaS de productividad todavía tiene que enfrentar una serie de desafíos en precios, competencia con ChatGPT y hojas de ruta de productos a largo plazo.La batalla por la entrada de productividad está en una feroz etapa eliminatoria. **
Cabe señalar que SaaS de productividad tiene dos definiciones: amplia y restringida. La restringida generalmente solo se refiere a la colaboración de producción en torno a escenarios centrales como documentos (como Notion), tareas (como ClickUp), videos (como Zoom), y tablas (como Airtable).SaaS, mientras que el amplio incluye la mayoría de los SaaS que pueden mejorar la eficiencia operativa de la empresa, desde CRM enorme hasta herramientas de automatización inteligente como Zapier. El SaaS de productividad discutido en este artículo es más un amplio alcance de este último.
Resumen:
Como señalamos en el artículo de Kick, **observamos en Silicon Valley que la proporción de los llamados inversores "All in AI" es mucho menor de lo que esperábamos. **Un punto de vista común es que la IA generativa no trae nuevos grupos de usuarios y los correspondientes canales de adquisición de clientes como Internet móvil y la nube, por lo que los jugadores antiguos con ventajas de Go-To-Market tienen una ventaja. Otra percepción generalizada es ** "Es demasiado pronto para invertir en aplicaciones nativas de IA, es más rentable hacer un buen uso de GenAI en su cartera existente". **
Desde la perspectiva de la gestión de las empresas "antiguas", todo el mundo ha experimentado plenamente las tres olas de PC, Internet móvil y la nube. Sin embargo, GenAI viene ferozmente y el consenso es completo, ninguna empresa debe sentir que esta ola de oportunidades es demasiado pequeña, por lo que son particularmente FOMO e ingresan al mercado con claridad.
Sin embargo, en esta etapa, los casos de uso reales de GenAI lanzados por varias empresas no son malos. Es el arreglo y la combinación de "comprensión", "generación" y "razonamiento" en varios escenarios. Es fácil cansarse de viendo demasiado. **Dejamos de lado estos casos de uso específicos que se han discutido lo suficiente, combinados con la experiencia de visitar e investigar en Silicon Valley, y elegimos 3 propuestas de valor y estrategias que creemos que son más interesantes para los gigantes de segundo nivel y el primero. -tier mercado unicornios Cuéntame en detalle. **
por Alan Smith
01. La propuesta de valor y estrategia de negocio de los gigantes de segundo nivel
Múltiples ángulos para reproducir "datos"
Primer ángulo: sin tocar los datos del cliente
Los "datos" pueden convertirse en una propuesta de valor muy poderosa, pero no es nuestra primera reacción que "una gran cantidad de datos de CRM se almacenan en Salesforce, y hay una gran cantidad de registros de reuniones potenciales en Zoom, que se pueden usar para capacitar". un modelo poderoso". Por el contrario, es una de las propuestas de valor más importantes de este tipo de empresas para garantizar que los datos de los clientes no se utilizarán para entrenar modelos o automatizar tareas para los clientes sin autorización, y también es el primer ángulo para jugar con los datos creando confianza. . ** Para los clientes de grandes empresas, GenAI puede convertirse de hecho en un artefacto de productividad, pero también es una nueva tecnología en la que es difícil confiar. esta brecha Cuando se trata de confianza y privacidad recientemente, "código abierto + implementación local" se ha convertido en una respuesta sin cerebro. Además de este enfoque obvio, brindar privacidad y seguridad en la nube es la habilidad básica que SaaS que puede servir a los clientes de grandes empresas ha acumulado en los últimos 10 años. Tome un detalle de Slack como ejemplo: para expandir su base de clientes de SMB y Mid-Market a grandes empresas, gastó mucho dinero para hacer personalizaciones más complejas de esquemas de cifrado de datos estándar. , Permita que el cliente controle la clave y Slack llamará a la clave configurada por el cliente a través del servicio para encriptar los datos del usuario. Este nivel de "seguridad y capacidad de control" también es muy común en las herramientas de productividad basadas en Microsoft. **"No tocar los datos del cliente" es la línea base para generar confianza. En el caso de casos de uso homogéneo, las soluciones de privacidad y seguridad de datos personalizadas para GenAI tienen la oportunidad de convertirse en una propuesta de valor diferenciada. **Aunque Microsoft ha acumulado mucho sobre este punto, no ha promovido agresivamente este punto de venta al mundo exterior. Por el contrario, Einstein GPT de Salesforce utiliza más esta propuesta de valor.Después del anuncio de Einstein GPT en marzo, el mayor desarrollo reciente es el lanzamiento de Trust Layer, que intenta limpiar la imagen de sí mismo como la oferta GenAI "más confiable".
Adobe Firefly fue ridiculizado cuando se lanzó por primera vez hace 4 meses, y sus Pikachu y Hello Kitty generados fueron horribles. Pero ahora Firefly ha ayudado a los usuarios de Adobe a generar más de mil millones de activos en la versión web y Photoshop, y ha sido evaluado por la empresa como "los dos productos beta más exitosos en la historia de Adobe".
Tercer ángulo: ayudar a los clientes a conectar datos
Fuente: a16z
Hay innumerables empresas emergentes en esta pista, por lo que no repetiré los casos de uso de conexión de datos más típicos. Además de esto, la capacidad de integrar datos en local y en la nube es una habilidad básica que requiere una acumulación a largo plazo.Los gigantes de SaaS existentes tienen algunas ventajas diferenciadas: han experimentado el período vergonzoso de cambiar localmente a datos de stock de procesamiento en la nube, y tienen una rica experiencia Además, Salesforce adquirió Mulesoft, Google tiene Apigee y Microsoft tiene Power Platform, todos los cuales tienen varios conectores poderosos para ayudar a los clientes a recopilar datos en todas las organizaciones y en la nube y local.
Al integrar verticalmente su propia nube, conectores de datos y escenarios de productos, y luego colaborar con LLM de los socios, SaaS establecido puede proporcionar a los clientes una verdadera pila de extremo a extremo, recopilando datos primero, luego coordinándolos y creando canalizaciones relacionadas con datos. para hacer que los datos estén disponibles en diferentes modelos y escenarios. Actualmente se desconoce el efecto de ventas de esta propuesta de valor impulsada, pero al menos suena maravilloso.
Aproveche la oportunidad de revivir la marca del producto
GenAI no solo puede desempeñar un papel práctico, sino también un perfecto ayudante de marketing:
• EinsteinGPT vuelve a llamar la atención sobre el pequeño logotipo de Einstein de Salesforce. Debe saber que Salesforce, la marca de inteligencia artificial de Einstein, no se consideraba exitosa antes, y no ha habido ningún producto líder absoluto en el mercado. En cambio, las empresas emergentes como Gong.io han ascendido hasta convertirse en los principales actores en la dirección de inteligencia de conversación;
• Microsoft es similar en Bing y en productos de minería de procesos. Todavía hay una brecha considerable entre Bing y Google en términos de experiencia de búsqueda, y Power Automate Processing Mining de la adquisición de Minit por parte de Microsoft también es comparable a los principales jugadores independientes como Celonis. La brecha, pero a través de Bing Chat y Copilot, ambos se reorientaron hacia clientes potenciales y ganaron una ola de atención;
Usando Copiloto
• Zoom IQ comenzó tarde en el camino de Conversation Intelligence, pero en virtud de su integración con GenAI, rápidamente lanzó la colaboración con otros escenarios de productividad de Zoom y obtuvo más exposición y atención de los clientes;
• Empresas como UiPath y Five9, consideradas perdedoras potenciales a largo plazo, también han sido muy activas en la integración de GenAI para hacer que sus amplias líneas de productos parezcan más inteligentes;
……
Si bien estas tácticas han ayudado a otros productos que carecen de rupturas a recuperar tracción, esa ventana puede estar cerrándose. Con la integración de Copilot en los diversos productos de Microsoft y GenAI de otras empresas desde la versión beta privada hasta la versión oficial para la entrega a los clientes, el papel de la Oferta de GenAI cambiará de "aumentar las oportunidades de venta" a "aumentar la tasa de ganancias". **
Expandir TAM para mantener la ganancia bruta
Cuando el entorno económico incierto y la situación macro se encuentran con GenAI, que está lleno de consenso, vemos empresas en el mercado secundario tratando de hacer una postura de "Todo en IA", enfatizando constantemente que este es el momento de la nueva revolución industrial o el surgimiento. de PC, sin embargo, en términos de estrategia comercial real, todavía intenta usar GenAI para expandir TAM mientras mantiene la ganancia bruta tanto como sea posible.
Algunas empresas, como Microsoft y Google, que profundizan en la capa del modelo son ligeras excepciones, ya que están listas para expandir la inversión de CapEx mientras mantienen la ganancia bruta.
Entre la gran cantidad de empresas de SaaS, el pensamiento y las estrategias de Zoom son estándar en esta etapa, es decir, la Oferta GenAI no puede perder dinero y ganar dinero, y los clientes deben pagar directamente o actualizar sus planes de pago:
La IA tiene menos impacto en el margen bruto. **Para casos de uso más avanzados y de gama alta, nos gustaría facturar a los clientes permitiéndoles actualizar su plan de suscripción o a través del modelo de consumo de nuestra plataforma. Entonces, en general, estamos tratando de compensar cualquier presión potencial. **Confiamos mucho en nuestra mejora del margen bruto a largo plazo.
Eric Yuan-Zoom
En cuanto al modelo de precios, además de una serie de productos de IA de M365 Copilot, Zoom IQ for Sales y Salesforce, que se cobran por separado por asiento y uso, la combinación con suscripciones pagas se ha convertido en un método de precios muy popular:
02. Los "unicornios de ultramar" buscan la base de sus vidas
Puente intermedio con súper poder ejecutivo
Para el futuro de la productividad SaaS, hay dos tipos de vistas:
• Las GUI no tendrán ningún valor y estos SaaS terminarán brindando solo valor de base de datos;
• GenAI es un motor de nivel Ferrari, pero de todos modos necesitas un coche completo.
Desde un punto de vista realista, el primer punto de vista todavía es difícil de lograr a corto plazo, muchas personas incluso piensan que LUI puede ser la peor interfaz de usuario, lo que nos lleva de vuelta a la era de la línea de comandos. Por supuesto, ningún unicornio SaaS está dispuesto a aceptar el primer destino, por lo que todos siguen tratando de brindarles a los usuarios un mejor automóvil.
En este punto, los intentos de Notion, ClickUp, Miro y otras empresas no son fundamentalmente diferentes de los de M365 y Google Workspace. Sin embargo, en el primer trimestre, cuando Bing y M365 casi dominaron el impulso de la atención del mercado, Notion prestó mucha atención a la tendencia de OpenAI a finales de 22 y se convirtió en la primera empresa SaaS de productividad no nativa de IA en lanzar un producto de IA completo. Los jugadores recibieron buenos comentarios del mercado y generaron rápidamente millones de dólares en ARR.
Algunos empleados de Notion con los que hablamos posicionaron a Notion AI como un puente de dos vías: las instrucciones empaquetadas por Notion AI ayudan a los usuarios a reducir el umbral de recopilación y colocación, y GenAI mismo reduce el umbral para que los usuarios usen varios componentes complejos de Notion.
ClickUp, otro rey del volumen en la pista de productividad, es muy similar a las ideas de resolución de problemas de Notion. Sus productos son más complejos que Notion, incorporando pizarras, videos y otras escenas. Antes de que Atlassian, Asana, Monday.com y otros competidores en el mercado secundario tuvieran la Oferta GenAI, ClickUp lanzó su propio producto de IA y determinó que solo Notion tenía una estrategia general de precios y pronto produjo un ARR considerable.
Ármate con código abierto
Para algunos SaaS de productividad, puede que no sea suficiente actuar como un puente intermedio, porque su tecnología de autosuficiencia es desafiada directamente por LLM; dos ejemplos típicos son el análisis de diálogo de Gong.io y la búsqueda de código de Sourcegraph, los cuales están integrados con los tradicionales. ML Models construyó fosos de tecnología, pero ahora LLM ha abierto esos fosos.
La respuesta de Gong fue bastante satisfactoria y no hubo reacción en el primer cuarto. De acuerdo con nuestra comunicación con los primeros inversionistas, parte de la razón puede ser que el equipo cree que las capacidades del modelo no son el punto decisivo, y que la capacidad de obtener y procesar datos de reuniones y conversaciones con clientes es un trabajo sucio que lleva tiempo acumular. No fue hasta principios de junio que Gong anunció el lanzamiento de Call Spotlight y Proprietary Generative AI Models.
Puede ser que la capacidad de ChatGPT y Github Copilot para procesar código sea demasiado sorprendente, y Sourcegraph se ha convertido en una empresa impresionante en los últimos dos trimestres en respuesta al impacto de GenAI. Aunque Sourcegraph se dio cuenta desde el principio de que la Ventana de contexto de LLM todavía tenía fallas en el manejo de múltiples códigos de nivel de biblioteca a gran escala, no detuvo la innovación del producto. A fines de marzo, enfrentó a la competencia y lanzó el asistente de edición de código basado en modelos de Anthropic. Cody e hizo que su código fuera de código abierto.
Debido a que Cody tiene la ventaja de contexto largo de Embeddings y la bendición única de Code Graph de Sourcegraph, rápidamente se discutió ampliamente en Hacker News y Twitter. El atributo de código abierto hace que Cody no se limite a los productos Sourcegraph, sino que se puede usar como una extensión IDE flexible. Como una empresa antigua y Cursor de AI Native y otros productos, rápidamente se convirtió en una de las alternativas más probables a Github Copilot.
Cabalga de la victoria para expandir el valor
Describimos los beneficios a corto plazo de Zapier en nuestro artículo del complemento ChatGPT:
Actualmente, ChatGPT tiene una gran capacidad para usar herramientas, pero carece de conocimientos en la agregación de API. Por lo tanto, la aparición de Plugin beneficiará a los productos de agregación como Zapier a corto y mediano plazo. Zapier ha acumulado mucho en este campo. Ahora, si desea realizar algunas operaciones complejas en ChatGPT: como resumir el texto y enviarlo a las redes sociales, o grabarlo en Google Workspace, todos elegirán usar ChatGPT + Zapier para lograr eso En muchos casos de uso, ChatGPT solo necesita estar conectado al agregador para lograr una muy buena experiencia de usuario, y no necesita conectarse a una gran cantidad de API, lo que equivale a que la parte similar a SEO la proporciona completamente. el agregador
……
Pero a largo plazo, dichos productos enfrentan los siguientes impactos: por un lado, la forma organizativa de las API puede cambiar y la frecuencia de las interacciones entre productos puede ocurrir en la era LLM. OpenAI lanzó recientemente la capacidad de llamar a funciones, lo que ha mejorado significativamente la usabilidad de la API. Estos cambios pueden debilitar el foso de Zapier. Por otro lado, los agregadores pueden convertirse en parte de las oportunidades del sistema operativo. Microsoft, Google y Apple pueden construir capacidades correspondientes basadas en sus propios sistemas, y la competencia es feroz.
El desempeño del equipo de Zapier en los últimos 6 meses ha sido muy impresionante, mostrando la visión y la capacidad de ejecución de primera clase del equipo. Los siguientes lanzamientos de productos pueden describirse como estables y despiadados:
• Presentó Zapier Natural Language Actions en marzo, abriendo las capacidades de la plataforma a través de API por primera vez, y también admite llamadas a través de Chat, integrando rápidamente Zapier con el ecosistema GenAI;
• Dado que los datos en varios SaaS solo están conectados por Zapier y no se almacenan en él, Zapier lanzó Zapier Tables en mayo para ayudar a los usuarios a almacenar, editar, compartir y automatizar datos en varios SaaS, de modo que puedan acumularse a partir de los datos de stock del usuario Construir otro foso desde la perspectiva de
** Desde la perspectiva de no desperdiciar dividendos, prevenir la subversión después de los dividendos a corto plazo y fabricar productos sólidamente bien, Zapier es el mejor modelo SaaS de productividad este año. **Y su cofundador, Mike Knoop, ha invertido mucho en los productos relacionados con la IA de Zapier y se ha convertido en un importante líder de opinión en el ecosistema de IA en el Área de la Bahía, que vale la pena aprender de otras empresas SaaS de productividad.
03. Cinco grandes desafíos que enfrenta la función de IA de SaaS en la etapa actual
Aunque encontramos 6 ejemplos positivos para ilustrar que algunos SaaS de productividad están funcionando bien, inevitablemente aún se enfrentan a algunos desafíos específicos. Estos son los 5 más típicos:
Desafío 1: La pérdida causada por relaciones públicas primero
Debido al repentino entusiasmo de los usuarios provocado por ChatGPT, una gran cantidad de empresas comenzaron a prepararse para su Oferta de IA a principios de 23, y lanzaron la versión Beta privada en un accidente a mediados o finales de marzo, ** esto resultó en una lista de espera excesivamente larga y una gran cantidad de clientes sabían que estaban Muchos proveedores de SaaS han lanzado capacidades de IA, pero no han podido comprarlas y usarlas, y tienen que calmarse con el tiempo. **
Tomando CRM como ejemplo, muchos clientes de Salesforce están muy interesados en Einstein GPT y solicitaron cotizaciones a sus vendedores muchas veces, pero no pudieron obtener comentarios de ventas durante abril y mayo, lo que hizo que muchos clientes tomaran en serio este lanzamiento del producto que se considera una RP sin sentido. acto.
Desafío 2: Conflicto entre la IA y la hoja de ruta del producto
**Los inversores esperan que la IA subvierta SaaS, pero una gran cantidad de usuarios de SaaS en realidad solo quieren usar sus documentos, administración de tareas y herramientas de videoconferencia en silencio. **
Los usuarios de ClickUp ya esperan con ansias el lanzamiento oficial de ClickUp 3.0, pero esperen hasta ClickUp AI, por lo que hay algunas quejas de usuarios muy agudas:
El núcleo de ClickUp es actuar como una herramienta de administración de proyectos y una base de datos, pero las funciones principales están llenas de errores, algunos tableros tardan unos minutos en actualizarse, la confiabilidad afirma ocupar el 70% de los recursos en los últimos 18 meses, pero casi no aparecen nuevas funciones, 3.0 rebotado, las capacidades básicas de ClickUp Docs están lejos de Google Docs, y la IA en sí es inútil.
ClickUp intentó que la IA pareciera ser un subelemento en la actualización del producto, pero todos descubrieron que su prioridad era la IA en lugar de 3.0.
ClickUp se siente engañado al elegir lanzar AI en lugar de 3.0, 3.0 ya no está "a la vuelta de la esquina" y prefiero volver a mirar a Asana o Wrike.
Otros productos tienen problemas más o menos similares, por ejemplo, la voz de los usuarios en el modo sin conexión de Notion puede ser mucho más fuerte que la de Notion AI, por lo que todos pueden deshacerse del dilema de no poder usar Notion cuando no hay WiFi Sin embargo, Notion AI fue el primero en lanzarse y parece tomar más energía en la hoja de ruta del producto.
Desafío 3: Modelos de precios asumidos por los usuarios
Esto va de la mano con el desafío 2: si las capacidades de IA se regalan de forma gratuita, hay pocas razones para que a los usuarios no les gusten. Sin embargo, debido a la estrategia de "expandir TAM y mantener la ganancia bruta", los usuarios a menudo necesitan pagar más.
Ya sea $5/mes/persona para ClickUp, $10/mes/persona para Notion o $30/mes/persona para M365, no es una gran cantidad para que cada usuario pague por sí mismo, pero no es un gran problema para los operadores comprar No es una pequeña cantidad de dinero: debe saber que el plan de negocios propio de Notion cuesta solo $ 15 / mes / persona, y comprar AI para empleados equivale a un aumento del 60-70% en la factura.
Desafío 4: Toma la entrada con ChatGPT
¡Estos desafíos están vinculados entre sí!
Debido a la existencia del desafío 1, el flujo de trabajo de una gran cantidad de usuarios que están acostumbrados a ChatGPT es pegar texto en las preguntas y respuestas de ChatGPT y luego copiar los resultados requeridos en su propio SaaS.
Debido a la existencia de los desafíos 2-3, aunque es difícil medir la proporción específica, una gran cantidad de usuarios se han suscrito a ChatGPT Plus, pagando la factura de 20 USD por persona por mes. Si bien esta suscripción es un poco costosa, es más general y la cantidad total de suscripciones individuales para cada Oferta de IA de SaaS puede superar con creces los $20.
Por lo tanto, la lógica de entrada que nuestro equipo discute a menudo está sucediendo realmente. **Las empresas SaaS de productividad están compitiendo con ChatGPT Plus por el presupuesto de cada empleado. Esta guerra aún está indecisa. **
Reto 5: No existe tal cosa como un CEO "genio"
Antes de ir a los Estados Unidos, creíamos que la estrategia de nube de datos de Salesforce proporcionaba una guía de arriba hacia abajo para su hoja de ruta de GenAI, pero después de conversar con los empleados internos, descubrimos que esta era solo una ideología guía de muy alto nivel, y finalmente regresamos a la nube de marketing, varios equipos comerciales, como la nube de servicios y la nube industrial, presentaron demandas para varias funciones de productos GenAI de abajo hacia arriba.
De hecho, después de entrevistar, desde grandes empresas hasta unicornios en el mercado de primer nivel, el enfoque de todos hacia la innovación de IA es básicamente el mismo. ** No existe tal cosa como que un CEO presente una dirección genial y luego simplemente la implemente. . Una de las principales diferencias entre diferentes jugadores es la cantidad total de recursos que el CEO está dispuesto a asignar a esta parte. **Dada la existencia del desafío 2 y la incertidumbre del cronograma presentado por AGI, esto puede ser difícil de equilibrar y convertirse en una de las preguntas más importantes para todos los directores ejecutivos de SaaS en los próximos 5 años.