मूल्य निर्धारण निर्णयों के लिए प्रयोग को मानकीकृत करना जिस पर लोग भरोसा करते हैं

प्राइसिंग का काम अब स्प्रेडशीट, वित्तीय समीक्षा और लॉन्च ईमेल तक सीमित नहीं रह गया है। टियर या पैकेजिंग में बदलाव किसी प्रोडक्ट के दैनिक जीवन में सपोर्ट टिकट, सेल्स आपत्ति या कैंसिलेशन में शांत वृद्धि के रूप में दिखाई देता है। टीमें इसे उन अव्यवस्थित किनारों पर महसूस करती हैं, जहां प्लान का नाम यूजर की अपेक्षा से मेल नहीं खाता, या जहां कोई नई फीचर पेवॉल के पीछे उतरती है इससे पहले कि कोई यह साबित करे कि यह वास्तविक वर्कफ्लो में फिट बैठती है। यही कारण है कि प्राइसिंग एक प्रोडक्ट समस्या बन गई है, और प्रयोग वह भाषा बन रही है जो इसे ईमानदार रखती है।

ज्योति यादव, Atlassian में Loom पर काम करने वाली सीनियर डेटा साइंस मैनेजर, उसी वास्तविकता के भीतर काम करती हैं। उनका संचालन सिद्धांत सरल है: हर बड़े बदलाव को यूजर्स के लिए एक परीक्षण योग्य वादे के रूप में मानें, और साक्ष्य को इतना स्पष्ट बनाएं कि प्रोडक्ट, इंजीनियरिंग, मार्केटिंग और सेल्स बिना अनुमान लगाए प्रतिबद्ध हो सकें।

जब एक टेस्ट को रोलआउट को सहन करना पड़ता है

प्रमाण की ओर यही बदलाव उद्योगों में दिखाई दे रहा है, क्योंकि टीमों ने सीखा है कि आत्मविश्वास से गलत होना कितना महंगा है। एनालिटिक्स संचालित प्रयोग चलाने वाले रिटेलर्स और ब्रांड्स में, 46% आइडिया ब्रेक ईवन नहीं करते या प्रारंभिक हाइपोथीसिस को साबित करने में विफल रहते हैं, जो एक स्पष्ट अनुस्मारक है कि सहज ज्ञान रोलआउट योजना नहीं है। अनुशासन व्यावहारिक है, शैक्षणिक नहीं। उसी शोध में, 68% का कहना है कि प्रयोग इस बारे में निर्णयों को सार्थक रूप से बदलता है कि क्या रोल आउट किया जाना चाहिए, क्या परिष्कृत किया जाना चाहिए, और क्या जल्दी समाप्त किया जाना चाहिए।

यादव ने उस तर्क को एक ऐसी सेटिंग में सीखा जहां परिचालन जोखिम दृश्यमान थे। Test and Learn प्लेटफॉर्म के माध्यम से McDonald's की राष्ट्रीय "All Day Breakfast" रोलआउट पर काम करते हुए, उन्होंने बड़े पैमाने पर पॉइंट ऑफ सेल डेटा को प्रोसेस करने और टेस्ट स्टोर्स की सावधानीपूर्वक मिलान किए गए कंट्रोल स्टोर्स के साथ तुलना करने के लिए उन्नत SQL और स्वचालित ETL पाइपलाइन का उपयोग किया। सवाल केवल मांग का नहीं था। यह किचन फ्लो, सप्लायर बाधाएं, और क्या ब्रेकफास्ट आइटम लंच और डिनर के लिए सेवा की गति को धीमा करेंगे। विश्लेषण ने Q4 2015 में समान स्टोर सेल्स में 5.7% की वृद्धि में योगदान दिया और एक ऐसे बदलाव का समर्थन किया जिसने उस तिमाही में $1.2 बिलियन की कमाई उत्पन्न की, अपेक्षाओं को पार करते हुए, जबकि संगठन ने स्टाफ को बड़े पैमाने पर दोहरे मेनू संचालित करने के लिए पुनः प्रशिक्षित किया। यह वास्तविक घर्षण के साथ एक राष्ट्रीय परिवर्तन था, और डेटा को उस घर्षण से बचना था।
"प्रयोग तभी मायने रखते हैं जब वे रोलआउट की रक्षा करें," यादव कहती हैं। "यदि माप यह अनदेखा करता है कि काम वास्तव में कैसे किया जाता है, तो आप एक कहानी शिप करते हैं, परिणाम नहीं।"

सब्सक्रिप्शन प्रोडक्ट्स में प्राइसिंग और पैकेजिंग

एक बार जब आप देख लेते हैं कि वास्तविक दुनिया में रोलआउट कैसे टूटता है, तो आप सब्सक्रिप्शन परिवर्तनों को विशुद्ध रूप से व्यावसायिक निर्णय के रूप में मानना बंद कर देते हैं। B2B SaaS में, प्राइसिंग और पैकेजिंग अपडेट अब दुर्लभ के बजाय नियमित हो गए हैं, 94% कंपनियां साल में कम से कम एक बार प्राइसिंग और पैकेजिंग को अपडेट करती हैं और लगभग 40% तिमाही में एक बार ऐसा करती हैं। वह गति प्रयोगों के आसपास शासन को अपरिहार्य बना देती है। जब टीमें इतनी बार टियर को समायोजित करती हैं, तो अस्पष्ट माप की लागत सैद्धांतिक नहीं है। यह चर्न, डिस्काउंटिंग, और आंतरिक भ्रम बन जाता है जो हर तिमाही में बढ़ता है।

यादव ने Atlassian के अधिग्रहण के बाद Loom के एंड टू एंड प्राइसिंग और पैकेजिंग ओवरहॉल के दौरान उस गति को लागू किया। उन्होंने छह डेटा साइंटिस्ट की एक टीम का नेतृत्व किया और विश्लेषणों को एकीकृत करने, हितधारकों को संरेखित करने, और जोखिम और लाभ के साझा दृष्टिकोण के साथ रोडमैप पिवट को चलाने के लिए एक द्विवार्षिक डेटा मेटा संश्लेषण बनाया। काम में नई AI फीचर्स के मूल्य को संतुलित करना आवश्यक था, जिसमें Business plus AI के लिए 33% प्रीमियम शामिल है, प्रतिधारण और बंडलिंग जटिलता के खिलाफ, फिर उन ट्रेडऑफ को प्राइसिंग टियर में अनुवादित करना जैसे कि Business $12.50 प्रति माह और Enterprise योजनाएं जो सालाना $10k तक पहुंच सकती हैं। लॉन्च को यह भी सम्मान करना था कि Loom पहले से ही बड़े पैमाने पर कैसे उपयोग किया जा रहा था, जिसमें Loom AI के साथ बनाए गए 49M वीडियो शामिल हैं, क्योंकि पैकेजिंग निर्णय अलग तरह से उतरते हैं जब उपयोग पहले से ही आदतन हो। वही कठोरता Loom से परे उनके काम को रेखांकित करती है जो SARC Journal of Technology Perception और Journal of Economics Intelligence And Technology में एक संपादकीय बोर्ड सदस्य और सहकर्मी समीक्षक के रूप में है, जहां वह बड़े पैमाने पर लागू अनुसंधान और डेटा संचालित निर्णय लेने का मूल्यांकन करती हैं। काम "कीमत निर्धारित करना" नहीं था। यह परिवर्तन को कार्यों में बचाव योग्य बनाना था।

"पैकेजिंग वह है जहां रणनीति ग्राहकों के लिए वास्तविक बन जाती है," यादव कहती हैं। "यदि आप यह नहीं समझा सकते कि एक टियर क्यों मौजूद है, तो आप इसे सपोर्ट थ्रेड्स और रिन्यूअल में बचाव करते रहेंगे।"

AI वैल्यू को साबित करना इससे पहले कि आप इसके लिए चार्ज करें

जैसे-जैसे टीमें प्रोडक्ट्स में AI क्षमताओं को जोड़ती हैं, जल्दी मुद्रीकरण का दबाव उससे आगे निकल सकता है जो उपयोग में साबित हुआ है। वह अंतर बाजार में दिखाई देता है। एंटरप्राइज AI प्रयासों में, 74% कंपनियां अभी तक बड़े पैमाने पर मूर्त मूल्य प्राप्त नहीं कर रही हैं, और केवल 26% ने पायलटों से आगे बढ़ने के लिए आवश्यक क्षमताओं को विकसित किया है। वे संख्याएं AI के खिलाफ तर्क नहीं करतीं। वे माप के लिए तर्क करती हैं जो अपनाने, वर्कफ्लो फिट, और नवीनता और आदत के बीच के अंतर के बारे में ईमानदार हो।

यादव का Loom AI लॉन्च कार्य उसी अंतर के इर्द-गिर्द बनाया गया था। उन्होंने विश्लेषण और प्रयोग के माध्यम से डेटा साइंटिस्ट की एक टीम का नेतृत्व किया, अंतिम सिफारिश को संचालित किया, और लॉन्च का समर्थन किया जिसने वार्षिक आवर्ती राजस्व में प्रति वर्ष $2.85M की वृद्धि की। अपनाने के संकेतों को प्रोडक्ट साक्ष्य के रूप में माना गया, मार्केटिंग सजावट नहीं, 67% यूजर AI जनरेटेड शीर्षकों का उपयोग कर रहे थे और 73% ने AI सूट को अत्यंत मूल्यवान बताया। ये उस प्रकार की उपयोग दरें हैं जो बदलती हैं कि एक प्रोडक्ट टीम यह कैसे सोचती है कि AI कहां संबंधित है और इसे कैसे पैकेज किया जाना चाहिए, क्योंकि वे दोहराए जाने वाले व्यवहार की बात करती हैं, एक बार क्लिक की नहीं। यह कोई अमूर्त अभ्यास नहीं था। यह शिप हुआ।
"AI फीचर्स अपनी कीमत उसी तरह कमाते हैं जैसे कोई भी फीचर करता है," यादव कहती हैं। "आप देखते हैं कि लोग बार-बार क्या करते हैं, फिर आप तय करते हैं कि क्या भुगतान करने लायक है।"

ग्लोबल टीमों को सत्य के एक संस्करण पर संरेखित रखना

एक AI लॉन्च और प्राइसिंग ओवरहॉल के बाद, सबसे कठिन हिस्सा अक्सर विश्लेषण नहीं होता है। यह ग्लोबल टीमों को इस बात पर सहमत होने के लिए प्राप्त करना है कि विश्लेषण का क्या अर्थ है। आधुनिक कार्य पैटर्न में, लोग दिन में 275 बार मीटिंग्स, ईमेल और पिंग द्वारा बाधित होते हैं, और लगभग 30% मीटिंग्स अब कई टाइम जोन में फैलती हैं। यह सावधान निर्णयों के लिए एक क्रूर वातावरण है। जब आख्यान हर मीटिंग के साथ बदलता है, तो टीमें संख्याओं पर भरोसा करना बंद कर देती हैं और सबसे तेज कमरे के लिए अनुकूलित करना शुरू कर देती हैं।

यादव का Loom पर काम सीधे उस संदर्भ में बैठा, क्योंकि प्रोडक्ट समन्वय घर्षण का जवाब है। Loom की वृद्धि और AI सहायता प्राप्त वर्कफ्लो के हिस्से के रूप में, प्लेटफॉर्म 2024 में 88M वीडियो रिकॉर्ड किए गए और 202M मीटिंग्स की आवश्यकता को कम किया, एक स्केल जो "संरेखण" को एक सांस्कृतिक वरीयता से अधिक बनाता है। यह एक परिचालन आवश्यकता बन जाती है। उनके दृष्टिकोण ने दोहराने योग्य संश्लेषण और स्पष्ट प्रयोग आउटपुट पर जोर दिया ताकि हितधारक हर टाइम जोन में बुनियादी बातों को फिर से मुकदमा किए बिना परिवर्तनों का मूल्यांकन कर सकें। Atlassian के इकोसिस्टम के साथ एकीकरण ने भी स्थिरता के लिए बार बढ़ाया, क्योंकि प्राइसिंग, पैकेजिंग, और AI फीचर अपेक्षाएं अब एकल प्रोडक्ट सीमा के अंदर नहीं रहती हैं। बिंदु एक साझा सत्य को बनाए रखना था, भले ही निर्णय कार्यों में चले गए हों।
"डेटा अच्छी तरह से यात्रा नहीं करता जब हर टीम का अपना संस्करण हो," यादव कहती हैं। "आपका काम साक्ष्य को पोर्टेबल बनाना है, ताकि निर्णय लगातार बना रहे।"

प्रयोग जो मुद्रीकरण को ईमानदार रखता है

सब्सक्रिप्शन अर्थव्यवस्था के अगले पांच वर्षों में 67% बढ़ने का अनुमान है, 2025 में $722 बिलियन से बढ़कर 2030 तक $1.2 ट्रिलियन तक पहुंचने का अनुमान है, जो विश्वास की रक्षा करने वाले प्राइसिंग निर्णयों पर दांव बढ़ाता है। उसी समय, ग्लोबल एंटरप्राइजेज से 2025 में AI समाधानों पर $307 बिलियन निवेश करने की उम्मीद है, खर्च 2028 तक $632 बिलियन तक पहुंचने की उम्मीद है, एक गति जो AI फीचर्स को पैकेजिंग निर्णयों में धकेलती रहेगी चाहे टीमें तैयार हों या नहीं। लाभ उन संगठनों का होगा जो प्रयोग को मानकीकृत करते हैं ताकि क्रॉस फंक्शनल टीमें ग्राहकों को टेस्ट सब्जेक्ट में बदले बिना तेजी से आगे बढ़ सकें।

"वृद्धि अपने आप में लक्ष्य नहीं है," यादव कहती हैं। "लक्ष्य यह है कि वास्तव में क्या काम किया, इस बारे में स्पष्टता खोए बिना विकास करना।"