- Skema harga berbasis kredit melonjak 126% pada 2025 dan muncul sebagai standar baru di industri SaaS, sementara Clay melakukan perombakan besar pada paket harganya dengan memisahkan sepenuhnya biaya data dan nilai platform
- Figma memperkenalkan model kredit AI pada Desember 2025, tetapi menunda penerapan aktualnya, lalu mulai memberlakukan batas kredit secara penuh pada 18 Maret 2026
- PostHog mengadopsi model pass-through yang meneruskan biaya AI apa adanya dengan margin 20% saja, sehingga biaya platform dan token dibedakan dengan jelas
- Clay memilih taruhan jangka panjang bahwa perluasan adopsi platform dapat menutup dampaknya, meski memproyeksikan penurunan pendapatan langsung 10% setelah transisi ke paket baru
- Jika model pembelian kredit AI langsung oleh agen AI menjadi umum, skema harga berbasis penggunaan yang kompleks justru bisa lebih unggul dalam hal transparansi dan optimasi
Penerapan penuh batas kredit AI Figma
- Figma memperkenalkan model kredit AI pada Desember 2025, tetapi penerapan batas aktualnya ditunda, lalu mulai berlaku penuh pada 18 Maret 2026
- Pembelian kredit tersedia mulai 11 Maret
- Kredit dialokasikan per pengguna dan termasuk dalam semua paket
- Pengguna gratis: 500 kredit per bulan (senilai $12)
- Enterprise full seat: 4.200 kredit per bulan (senilai $100)
- Kredit direset setiap bulan dan tidak dapat diakumulasikan
- Dapat membeli tambahan langganan pooled credit tingkat akun, mulai dari $120 per bulan untuk 5.000 kredit (sekitar 2 sen per kredit)
- Kredit pay-as-you-go akan tersedia kemudian, dengan tarif 25% lebih mahal dibanding langganan bulanan tetap
- Dampak strategi pemberian kredit gratis selama 3 bulan
- Memberi kesempatan kepada pengguna untuk mencoba dan membiasakan diri dengan fitur AI
- Mengumpulkan data penggunaan aktual dan data biaya
- Menghimpun umpan balik untuk menyesuaikan detail struktur harga sebelum penagihan dimulai
- Dalam konsumsi AI terlihat distribusi power law: 75% pelanggan berbayar dengan ARR di atas $10.000 menggunakan kredit AI setiap minggu
- Sebagian pengguna sudah melampaui batas kredit, tetapi angka pastinya tidak diungkap
- Dirancang sebagai mekanisme pendorong upgrade seat: Dev seat (500 kredit per bulan) → Professional seat (3.000 kredit per bulan, tambahan senilai $60), sementara biaya upgrade seat hanya $5 per bulan, jauh lebih hemat dibanding membeli kredit secara terpisah
- Ada ketegangan bawaan dalam struktur harga: pembuatan prototipe tetap 20 kredit, sedangkan pembuatan gambar bervariasi 5~25 kredit tergantung LLM yang dipilih
- Karena berbasis nilai (value-based) dan berbasis biaya (cost-based) bercampur, pengguna dibebani untuk menilai sendiri trade-off harga versus nilai
- Juga belum jelas apakah pengguna akan ikut menikmati manfaat jika biaya LLM turun
Platform + token: struktur baru harga AI
- Untuk mengatasi keterbatasan model kredit yang mencampur basis biaya dan basis nilai, struktur yang memisahkan platform (nilai) dan token (biaya) muncul sebagai alternatif
- Diibaratkan seperti leasing mobil (platform) + biaya bahan bakar (token), atau keanggotaan Costco (platform) + barang yang dibeli (token)
- Snowflake: dipisah antara storage·transfer data (biaya yang diteruskan) vs. computing·layanan cloud (nilai yang diberikan)
- Software vertikal: dibedakan antara pemrosesan pembayaran (biaya dengan margin rendah) vs. modul software (nilai dengan margin tinggi)
- Empat keunggulan struktur ini
- Menjamin batas bawah margin: mengamankan gross margin minimum sekitar 20%, dan pendapatan dapat berkembang secara alami seiring konsumsi token AI
- Transparansi biaya: penurunan biaya LLM, pemilihan model yang lebih murah, dan efek skala vendor langsung tercermin ke pelanggan, yang juga bisa mengendalikan biaya sendiri
- Fokus pada nilai unik produk: memungkinkan diferensiasi produk sendiri ditonjolkan, bukan infrastruktur AI yang makin menjadi komoditas
- Mendukung model pembelian yang fleksibel: ada potensi meluas ke bentuk baru seperti BYOK (Bring Your Own Key), model marketplace AI (membeli aplikasi melalui OpenAI atau Anthropic seperti AWS Marketplace), dan lainnya
- Kekurangannya: kompleksitas menjadi lebih tinggi dari sisi pembeli
Contoh penerapan platform + token oleh PostHog
- Menyederhanakan harga AI dengan model pass-through yang hanya menambahkan markup 20% lalu meneruskan sisanya apa adanya
- Memberikan penggunaan gratis senilai $20 kepada pelanggan baru
- Karena PostHog menciptakan nilai melalui lebih dari 10 produk berbeda, fitur AI diposisikan sebagai pelengkap yang membuat produk-produk tersebut lebih bernilai
Paket baru Clay dengan model platform + token
- Paket lama Clay sudah menjadi model berbasis kredit yang pionir di ranah GTM tech, dan mendukung pengguna tanpa batas di semua paket
- Kredit sebelumnya dipakai untuk pencarian data point, misalnya pencarian nomor ponsel memerlukan 2~25 kredit tergantung penyedia data
- Seiring berevolusi dari struktur awal yang berpusat pada data marketplace menjadi platform otomasi untuk menjalankan workflow kompleks, muncul ketidaksesuaian dengan struktur kredit lama
- Perubahan inti paket baru (per Maret 2026)
- Memisahkan dengan jelas biaya (data credit) dan nilai (action)
- Mengurangi jumlah paket dari 5 menjadi 4 dan memperjelas pesan target pelanggan untuk tiap paket
- Biaya data credit turun 50~90%
- Biaya model AI tingkat lanjut diteruskan dengan markup 0% sebagai pass-through, sehingga pelanggan hanya menanggung konsumsi token aktual
- Pelanggan self-serve lama tetap dapat memakai paket legacy
- Diperkirakan terjadi penurunan pendapatan langsung 10% akibat transisi tersebut
- Struktur flywheel jangka panjang Clay: (a) memperluas akses produk → (b) menurunkan biaya data GTM → (c) menghasilkan pendapatan lewat eksekusi workflow GTM yang kompleks
Masa depan ketika agen AI membeli kredit langsung
- Dua cara Clay mengatasi masalah sulitnya memprediksi harga berbasis penggunaan
- Menetapkan batas action dengan longgar: 90% pelanggan saat ini belum mencapai batas action mereka
- Integrasi data API milik pelanggan sendiri (BYOD): menghapus variabel data credit agar paket harga lebih sederhana
- Ada pandangan bahwa harga berbasis token yang kompleks justru bisa lebih cocok untuk agen AI
- Agen AI tidak terpengaruh oleh efek psikologis harga seperti charm pricing, decoy effect, price anchoring, atau zero price effect
- Karena mampu memproses banyak informasi, termasuk syarat dan ketentuan, agen AI mungkin lebih menyukai skema harga kompleks yang dilengkapi dokumentasi transparan, pelacakan penggunaan, dan batas anggaran
- Agen AI juga makin berkembang ke arah mengambil keputusan pembelian produk, dan arus ini dapat dipercepat dalam konteks agen seperti Claude Code
Belum ada komentar.