価格設定の作業は、もはやスプレッドシート、財務レビュー、ローンチメールだけに限定されません。ティアやパッケージの変更は、サポートチケット、営業上の異議、または静かなキャンセルの急増として、製品の日常生活に現れます。チームは、プラン名がユーザーの期待と一致しない場所や、新機能が実際のワークフローに適合することを誰も証明する前にペイウォールの背後に配置される場所など、混沌とした境界でそれを感じます。だからこそ、価格設定は製品の問題となり、実験がそれを誠実に保つ言語になりつつあるのです。
AtlassianでLoomに取り組むシニアデータサイエンスマネージャーのJyoti Yadavは、その現実の中で構築しています。彼女の運用原則はシンプルです。すべての主要な変更をユーザーへのテスト可能な約束として扱い、製品、エンジニアリング、マーケティング、営業が推測なしにコミットできるほど証拠を明確にすることです。
テストがロールアウトを支えなければならないとき
証明への同じシフトは業界全体で見られます。なぜなら、チームは自信を持って間違うことがいかに高くつくかを学んだからです。分析駆動の実験を実行する小売業者やブランド全体で、46%のアイデアは損益分岐点に達しないか、初期仮説を証明できません。これは、直感がロールアウト計画ではないという率直なリマインダーです。この規律は実践的であり、学術的ではありません。同じ調査では、68%が実験が何をロールアウトすべきか、何を改良すべきか、何を早期に中止すべきかについての決定を有意義に変えると述べています。
Yadavは、運用リスクが可視化された環境でそのロジックを学びました。Test and Learnプラットフォームを介してマクドナルドの全国的な「終日朝食」のロールアウトに取り組んでいる間、彼女は高度なSQLと自動化されたETLパイプラインを使用して大規模なPOSデータを処理し、テスト店舗を慎重にマッチングされたコントロール店舗と比較しました。問題は需要だけではありませんでした。キッチンフロー、サプライヤーの制約、そして朝食アイテムが昼食と夕食のサービス速度を遅くするかどうかでした。分析は2015年第4四半期の既存店売上高の5.7%増加に貢献し、その四半期に12億ドルの収益を生み出すシフトをサポートし、期待を上回りました。一方、組織はスタッフを再訓練して大規模にデュアルメニューを運用しました。これは実際の摩擦を伴う全国的な変化であり、データはその摩擦に耐えなければなりませんでした。
「実験は、ロールアウトを保護する場合にのみ重要です」とYadavは言います。「測定が実際の作業方法を無視する場合、結果ではなくストーリーを出荷することになります。」
サブスクリプション製品における価格設定とパッケージング
ロールアウトが現実世界でどのように崩壊するかを見た後、サブスクリプションの変更を純粋に商業的な決定として扱うのをやめます。B2B SaaSでは、価格設定とパッケージングの更新は珍しいことではなく日常的になっており、94%の企業が少なくとも年に1回価格設定とパッケージングを更新し、40%近くが四半期に1回の頻度で更新しています。そのペースは、実験に関するガバナンスを避けられないものにします。チームがそれほど頻繁にティアを調整すると、不明確な測定のコストは理論的ではありません。それは解約、割引、および四半期ごとに複合する内部の混乱になります。
Yadavは、Atlassianの買収後のLoomのエンドツーエンドの価格設定とパッケージングの見直し中にそのケイデンスを適用しました。彼女は6人のデータサイエンティストのチームを率い、分析を統一し、ステークホルダーを整合させ、リスクと利点の共有ビューでロードマップのピボットを推進するために、半年ごとのデータメタ統合を構築しました。作業では、Business plus AIの33%プレミアムを含む新しいAI機能の価値を、リテンションとバンドリングの複雑さに対してバランスを取り、それらのトレードオフを月額12.50ドルのBusinessや年間10,000ドルに達する可能性のあるEnterpriseプランなどの価格ティアに変換する必要がありました。ローンチでは、Loom AIで作成された4900万本の動画を含む、Loomがすでに大規模に使用されている方法を尊重する必要もありました。なぜなら、使用がすでに習慣的である場合、パッケージングの決定は異なる形で現れるからです。その同じ厳密さが、SARC Journal of Technology PerceptionとJournal of Economics Intelligence And Technologyの編集委員会メンバーおよびピアレビュアーとしてのLoomを超えた彼女の仕事を支えています。そこでは、大規模な応用研究とデータ駆動の意思決定を評価しています。仕事は「価格を設定する」ことではありませんでした。変更を機能全体で擁護可能にすることでした。
「パッケージングは、戦略が顧客にとって現実になる場所です」とYadavは言います。「ティアが存在する理由を説明できない場合、サポートスレッドや更新でそれを擁護することになります。」
課金する前にAIの価値を証明する
チームが製品にAI機能を追加すると、早期に収益化する圧力が、使用で証明されたものを上回る可能性があります。そのギャップは市場に現れます。エンタープライズAIの取り組みでは、74%の企業がまだ大規模で具体的な価値を達成しておらず、パイロットを超えるために必要な能力を開発したのはわずか26%です。これらの数字はAIに反対するものではありません。それらは、採用、ワークフローの適合性、新規性と習慣の違いについて正直な測定を求めています。
YadavのLoom AIローンチ作業は、その区別を中心に構築されました。彼女はデータサイエンティストのチームを分析と実験を通じて率い、最終的な推奨を推進し、年間経常収益を年間285万ドル増加させたローンチをサポートしました。採用シグナルは、マーケティングの装飾ではなく、製品の証拠として扱われ、67%のユーザーがAI生成タイトルを使用し、73%がAIスイートを非常に価値があると報告しています。これらは、製品チームがAIがどこに属し、どのようにパッケージ化されるべきかについての考え方を変える使用率の種類です。なぜなら、それらは1回のクリックではなく、繰り返しの行動を語るからです。これは抽象的な演習ではありませんでした。それは出荷されました。
「AI機能は、他の機能と同じように価格を稼ぎます」とYadavは言います。「人々が繰り返し行うことを観察し、それから何にお金を払う価値があるかを決定します。」
グローバルチームを単一の真実に整合させ続ける
AIのローンチと価格の見直しの後、最も難しい部分は分析ではないことがよくあります。グローバルチームに分析が何を意味するかについて合意させることです。現代の作業パターンでは、人々は会議、メール、通知によって1日に275回中断され、会議の約30%が複数のタイムゾーンにまたがっています。それは慎重な決定にとって過酷な環境です。物語がすべての会議でシフトすると、チームは数字を信頼するのをやめ、最も声の大きい部屋に最適化し始めます。
YadavのLoomでの作業は、その文脈に直接位置していました。なぜなら、製品は調整の摩擦への答えだからです。Loomの成長とAI支援ワークフローの一環として、プラットフォームは2024年に8800万本の動画が記録され、2億200万件の会議の必要性を削減しました。この規模により、「整合性」は文化的な好み以上のものになります。それは運用要件になります。彼女のアプローチは、ステークホルダーがすべてのタイムゾーンで基本を再検討することなく変更を評価できるように、繰り返し可能な統合と明確な実験出力を強調しました。Atlassianのエコシステムとの統合も一貫性の基準を引き上げました。なぜなら、価格設定、パッケージング、AI機能の期待は、もはや単一の製品境界内に存在しないからです。ポイントは、決定が機能全体に移動しても、1つの共有された真実を維持することでした。
「データは、すべてのチームが独自のバージョンを持っている場合、うまく移動しません」とYadavは言います。「あなたの仕事は、証拠をポータブルにして、決定が一貫性を保つようにすることです。」
収益化を誠実に保つ実験
サブスクリプション経済圏は今後5年間で67%成長すると予測されており、2025年の7220億ドルから2030年には1.2兆ドルに上昇し、信頼を保護する価格決定の賭け金を引き上げます。同時に、グローバル企業は2025年にAIソリューションに3070億ドルを投資すると予想されており、支出は2028年までに6320億ドルに達すると予想されています。このペースは、チームが準備できているかどうかにかかわらず、AI機能をパッケージング決定に押し込み続けるでしょう。優位性は、クロスファンクショナルチームが顧客をテスト対象に変えることなく迅速に移動できるように実験を標準化する組織に属します。
「成長はそれ自体が目標ではありません」とYadavは言います。「目標は、実際に何が機能したかについての明確性を失うことなく成長することです。」
