Công việc định giá không còn bị giới hạn trong bảng tính, đánh giá tài chính và email ra mắt. Một thay đổi về bậc hoặc gói sản phẩm xuất hiện trong cuộc sống hàng ngày của sản phẩm dưới dạng phiếu hỗ trợ, phản đối từ bộ phận bán hàng, hoặc sự gia tăng âm thầm trong hủy đăng ký. Các nhóm cảm nhận điều đó ở những ranh giới lộn xộn, nơi tên gói không khớp với những gì người dùng mong đợi, hoặc nơi một tính năng mới xuất hiện sau bức tường thanh toán trước khi ai đó chứng minh rằng nó phù hợp với quy trình làm việc thực tế. Đó là lý do tại sao định giá đã trở thành vấn đề sản phẩm, và tại sao thử nghiệm đang trở thành ngôn ngữ giữ cho nó trung thực.
Jyoti Yadav, Giám đốc Khoa học Dữ liệu Cấp cao tại Atlassian làm việc trên Loom, xây dựng trong thực tế đó. Nguyên tắc hoạt động của cô ấy rất đơn giản: đối xử với mọi thay đổi lớn như một lời hứa có thể kiểm chứng với người dùng, và làm cho bằng chứng đủ rõ ràng để sản phẩm, kỹ thuật, tiếp thị và bán hàng có thể cam kết mà không cần phỏng đoán.
Khi Bài Kiểm Tra Phải Đảm Bảo Triển Khai
Sự chuyển đổi tương tự hướng tới bằng chứng có thể thấy rõ trên các ngành, bởi vì các nhóm đã học được việc tự tin sai lầm tốn kém như thế nào. Trên các nhà bán lẻ và thương hiệu chạy thử nghiệm hỗ trợ bởi phân tích kỹ thuật, 46% ý tưởng không hòa vốn hoặc không chứng minh được giả thuyết ban đầu, đây là lời nhắc nhở thẳng thắn rằng trực giác không phải là kế hoạch triển khai. Kỷ luật là thực tế, không phải học thuật. Trong cùng nghiên cứu đó, 68% cho biết thử nghiệm thay đổi có ý nghĩa các quyết định về những gì nên được triển khai, những gì nên được tinh chỉnh, và những gì nên bị loại bỏ sớm.
Yadav đã học được logic đó trong bối cảnh mà rủi ro hoạt động có thể nhìn thấy. Trong khi làm việc triển khai "All Day Breakfast" toàn quốc của McDonald's thông qua nền tảng Test and Learn, cô ấy đã sử dụng SQL nâng cao và các pipeline ETL tự động để xử lý dữ liệu điểm bán hàng quy mô lớn và so sánh các cửa hàng thử nghiệm với các cửa hàng đối chứng được khớp cẩn thận. Câu hỏi không chỉ là nhu cầu. Đó là dòng chảy bếp, ràng buộc nhà cung cấp, và liệu các món ăn sáng có làm chậm tốc độ phục vụ cho bữa trưa và bữa tối hay không. Phân tích kỹ thuật đã đóng góp vào việc tăng 5,7% doanh số cùng cửa hàng trong Q4 2015 và hỗ trợ sự thay đổi tạo ra 1,2 tỷ đô la thu nhập trong quý đó, vượt kỳ vọng, trong khi tổ chức đào tạo lại nhân viên để vận hành menu kép ở quy mô. Đó là một thay đổi toàn quốc với ma sát thực sự, và dữ liệu phải tồn tại qua ma sát đó.
"Thử nghiệm chỉ quan trọng nếu chúng bảo vệ việc triển khai," Yadav nói. "Nếu đo lường bỏ qua cách công việc thực sự được thực hiện, bạn sẽ chuyển giao một câu chuyện, không phải kết quả."
Định Giá Và Đóng Gói Trong Sản Phẩm Mô Tả
Một khi bạn đã thấy cách triển khai thất bại trong thế giới thực, bạn sẽ ngừng đối xử với các thay đổi mô tả như một quyết định thương mại thuần túy. Trong B2B SaaS, các bản cập nhật định giá và đóng gói hiện nay là thông thường hơn là hiếm, với 94% công ty cập nhật định giá và đóng gói ít nhất một lần mỗi năm và gần 40% thực hiện thường xuyên như một lần mỗi quý. Nhịp độ đó làm cho quản trị xung quanh các thử nghiệm trở nên không thể tránh khỏi. Khi các nhóm điều chỉnh bậc thường xuyên như vậy, chi phí của đo lường không rõ ràng không phải là lý thuyết. Nó trở thành sự rời bỏ, giảm giá, và sự nhầm lẫn nội bộ tích lũy mỗi quý.
Yadav đã áp dụng nhịp độ đó trong quá trình đại tu định giá và đóng gói từ đầu đến cuối của Loom sau khi Atlassian mua lại. Cô ấy đã lãnh đạo một nhóm gồm sáu nhà khoa học dữ liệu và xây dựng tổng hợp siêu dữ liệu nửa năm để thống nhất các phân tích, điều chỉnh các bên liên quan, và thúc đẩy các chuyển hướng lộ trình với cái nhìn chung về rủi ro và tiềm năng. Công việc đòi hỏi cân bằng giá trị của các tính năng hỗ trợ bởi AI mới, bao gồm 33% phí bảo hiểm cho Business plus AI, so với sự phức tạp về duy trì và đóng gói, sau đó chuyển các đánh đổi đó thành các bậc định giá như Business ở mức $12,50 mỗi tháng và các gói Enterprise có thể đạt $10k hàng năm. Việc ra mắt cũng phải tôn trọng cách Loom đã được sử dụng ở quy mô, bao gồm 49 triệu video được tạo với Loom AI, bởi vì các quyết định đóng gói có tác động khác nhau khi việc sử dụng đã trở thành thói quen. Sự nghiêm ngặt tương tự là nền tảng cho công việc của cô ấy ngoài Loom với tư cách là thành viên ban biên tập và nhà đánh giá ngang hàng tại SARC Journal of Technology Perception và Journal of Economics Intelligence And Technology, nơi cô ấy đánh giá nghiên cứu ứng dụng và ra quyết định dựa trên dữ liệu ở quy mô. Công việc không phải là "đặt giá." Đó là làm cho sự thay đổi có thể bảo vệ được trên các chức năng.
"Đóng gói là nơi chiến lược trở nên thực tế với khách hàng," Yadav nói. "Nếu bạn không thể giải thích tại sao một bậc tồn tại, bạn sẽ kết thúc việc bảo vệ nó trong các chủ đề hỗ trợ và gia hạn."
Chứng Minh Giá Trị AI Trước Khi Bạn Tính Phí Cho Nó
Khi các nhóm thêm khả năng AI vào sản phẩm, áp lực kiếm tiền sớm có thể vượt qua những gì đã được chứng minh trong sử dụng. Khoảng cách đó xuất hiện trên thị trường. Trong các nỗ lực AI doanh nghiệp, 74% công ty chưa đạt được giá trị hữu hình ở quy mô, và chỉ 26% đã phát triển các khả năng cần thiết để vượt ra ngoài các thí điểm. Những con số đó không lập luận chống lại AI. Chúng lập luận cho đo lường trung thực về việc áp dụng, phù hợp quy trình làm việc, và sự khác biệt giữa mới lạ và thói quen.
Công việc ra mắt Loom AI của Yadav được xây dựng xung quanh sự khác biệt đó. Cô ấy đã lãnh đạo một nhóm các nhà khoa học dữ liệu thông qua phân tích kỹ thuật và thử nghiệm, thúc đẩy khuyến nghị cuối cùng, và hỗ trợ việc ra mắt làm tăng doanh thu định kỳ hàng năm thêm $2,85 triệu mỗi năm. Các tín hiệu áp dụng được đối xử như bằng chứng sản phẩm, không phải là trang trí tiếp thị, với 67% người dùng sử dụng tiêu đề được tạo bởi AI và 73% báo cáo bộ AI là cực kỳ có giá trị. Đó là những loại tỷ lệ sử dụng thay đổi cách một nhóm sản phẩm nghĩ về nơi AI thuộc về và cách nó nên được đóng gói, bởi vì chúng nói về hành vi lặp lại, không phải một cú nhấp chuột một lần. Đây không phải là một bài tập trừu tượng. Nó đã được chuyển giao.
"Các tính năng AI kiếm được giá của chúng theo cách giống như bất kỳ tính năng nào," Yadav nói. "Bạn quan sát những gì mọi người làm lặp đi lặp lại, sau đó bạn quyết định điều gì đáng để trả tiền."
Giữ Cho Các Nhóm Toàn Cầu Thống Nhất Trên Một Phiên Bản Của Sự Thật
Sau một lần ra mắt AI và đại tu định giá, phần khó nhất thường không phải là phân tích kỹ thuật. Đó là việc khiến các nhóm toàn cầu đồng ý về ý nghĩa của phân tích. Trong các mô hình làm việc hiện đại, mọi người bị gián đoạn 275 lần mỗi ngày bởi các cuộc họp, email và ping, và khoảng 30% cuộc họp hiện nay trải dài nhiều múi giờ. Đó là một môi trường tàn khốc cho các quyết định cẩn thận. Khi câu chuyện thay đổi với mỗi cuộc họp, các nhóm ngừng tin tưởng các con số và bắt đầu tối ưu hóa cho căn phòng ồn ào nhất.
Công việc của Yadav tại Loom nằm trực tiếp trong bối cảnh đó, bởi vì sản phẩm là câu trả lời cho ma sát phối hợp. Như một phần của sự phát triển của Loom và các quy trình làm việc hỗ trợ bởi AI, nền tảng đã đạt 88 triệu video được ghi lại vào năm 2024 và giảm nhu cầu cho 202 triệu cuộc họp, một quy mô khiến "sự thống nhất" không chỉ là một sở thích văn hóa. Nó trở thành một yêu cầu hoạt động. Cách tiếp cận của cô ấy nhấn mạnh tổng hợp có thể lặp lại và đầu ra thử nghiệm rõ ràng để các bên liên quan có thể đánh giá các thay đổi mà không cần tranh tụng lại các điều cơ bản trong mọi múi giờ. Tích hợp với hệ sinh thái của Atlassian cũng nâng cao tiêu chuẩn cho tính nhất quán, bởi vì định giá, đóng gói, và kỳ vọng về tính năng AI không còn tồn tại bên trong ranh giới sản phẩm đơn lẻ nữa. Điểm mấu chốt là giữ một sự thật chung ngay cả khi các quyết định di chuyển qua các chức năng.
"Dữ liệu không di chuyển tốt khi mỗi nhóm có phiên bản riêng của mình," Yadav nói. "Công việc của bạn là làm cho bằng chứng có thể di chuyển, để quyết định duy trì nhất quán."
Thử Nghiệm Giữ Cho Việc Kiếm Tiền Trung Thực
Nền kinh tế mô tả được dự báo sẽ tăng trưởng 67% trong năm năm tới, tăng từ $722 tỷ vào năm 2025 lên $1,2 nghìn tỷ vào năm 2030, điều này nâng cao mức độ quan trọng của các quyết định định giá bảo vệ niềm tin. Đồng thời, các doanh nghiệp toàn cầu dự kiến sẽ đầu tư $307 tỷ vào các giải pháp AI vào năm 2025, với chi tiêu dự kiến đạt $632 tỷ vào năm 2028, một nhịp độ sẽ tiếp tục đẩy các tính năng AI vào các quyết định đóng gói cho dù các nhóm có sẵn sàng hay không. Lợi thế sẽ thuộc về các tổ chức tiêu chuẩn hóa thử nghiệm để các nhóm đa chức năng có thể di chuyển nhanh chóng mà không biến khách hàng thành đối tượng thử nghiệm.
"Tăng trưởng không phải là mục tiêu tự nó," Yadav nói. "Mục tiêu là tăng trưởng mà không mất đi sự rõ ràng về những gì thực sự đã hoạt động."
