Ознакомительная версия. Доступно 14 страниц из 67
Опираясь на свой опыт, Сирокер увидел возможность для коммерциализации А/Б-тестирования и многовариантного тестирования и выпуска на рынок в виде полноценного и эффективного софтверного продукта. Софтвер помог бы компаниям улучшить свои веб-сайты, что особенно важно для онлайн-бизнеса. Результаты работы Сирокера во время предвыборной кампании Обамы сделали ему репутацию надежного, заслуживающего доверие человека.
Первый шаг: выяснить, будут ли клиенты платить
Сирокер отыскал своего бывшего коллегу по Google Кумена и предложил проанализировать коммерческую целесообразность продукта. Но вместо того чтобы сразу же окунаться в разработку продукта, как сделали бы многие компании Кремниевой долины, они решили сначала обсудить готовность платить с потенциальными клиентами.
«Мы твердо верили, что многие компании оценят наши технологии, – сказал Сирокер в разговоре с нами. – Но мы не знали, захотят ли они платить и сколько. Кроме того, предстояло выяснить, какие конкретно функции ценят клиенты и сколько готов заплатить каждый сегмент за разный уровень ценности»[81].
В то время А/Б-тестирование находилось в зачаточном состоянии, и у Optimizely нечего было продавать. Но когда Сирокер представил свою идею компаниям, которые занимались онлайн-торговлей, они сразу же оценили ее значение. Они также продемонстрировали высокую готовность платить, и не удивительно. Чем больше клиентов обратит внимание на их сайт, тем больше времени они проведут на сайте и, следовательно, будут чаще делать покупки. Другими словами, клиенты Optimizely могли получить значительный доход благодаря этому софтверу.
Сирокер и Кумен стали разрабатывать первоклассную, но простую в использовании онлайн-услугу, с которой онлайн-компании могли бы экспериментировать на своих сайтах и принимать информированные решения о необходимых изменениях. Они работали со статистиками из Стэнфорда, чтобы создать новую, эффективную и точную статистическую основу для А/Б-тестирования, которая позволила бы заменить догадки обоснованными и статистически значимыми тестами. Сирокер и Кумен обосновались в центре Сан-Франциско, неподалеку от других онлайн-компаний.
Однако при отсутствии каких-либо конкурентов как Optimizely установит цену для своей платформы? Чтобы приобрести тестирующую продукцию Optimizely, какие характеристики потребуют клиенты? Чтобы ответить на эти вопросы, Сирокер и Кумен собрали команду по монетизации из специалистов по разработке продукции, маркетингу, продажам и финансам. Их задачей было определить, какие функции важны, а какие нет (то есть конфигурацию продукта), а также наиболее оптимальную модель монетизации. Будет ли это плата за каждую операцию? Или подписка? Фримиум? Они также анализировали ценовые стратегии и какую цену можно назначить.
Опираясь на обсуждения с потенциальными клиентами, команда по монетизации определила группы, или сегменты, рынка в соответствии с ценностью, которую они ждали от разных наборов функций. С этой информацией они разработали пакеты (конфигурации продукта), которые варьировались по ценности (представленным функциям) и цене. Эти пакеты должны были удовлетворить компании всех размеров и масштабов. Команда также определила минимальный набор функций для фримиума и составила четкую, привлекательную стратегию захвата и расширения, которая должна была со временем перевести бесплатных пользователей в платные.
Однако команде по монетизации все еще не доставало ключевого ингредиента: модели дохода, которая принесла бы выгоду и компании, и клиентам. Другими словами, им нужна была взаимовыгодная модель монетизации. И они принялись за дело.
Как выбрать систему оплаты
Для команды по монетизации Optimizely вопрос о том, какую систему оплаты выбрать, был намного важнее, чем какой должна быть сама цена. Чем больше клиент пользуется продуктом, тем больше его выгода. Следовательно, команда хотела выстроить модель монетизации на основе пользования. Чем больше пользуешься, тем больше платишь.
Но такая модель была непривычна в софтверной отрасли (по крайней мере, в 2010 году). Когда команда взглянула на софтверный рынок, то оказалось, что SaaS-компании брали плату с пользователя. Это разумно, если выгода клиентов растет пропорционально количеству сотрудников, которые пользовались данной программой – сетевой эффект. Однако команда Optimizely понимала, что плата за пользователя никак не сочетается с ценностью их программного обеспечения. И конечно, они были правы. Количество сотрудников в компании, которые пользуются услугами Optimizely, не влияет на выгоду, которую компания получает от этого софтвера. Если бы Optimizely брала плату с пользователя по примеру SaaS-компаний, то есть монетизировала только нескольких сотрудников, которые работали бы с программой, то упустила бы огромную прибыль. Продукт оказался бы классическим примером заниженной цены.
Более того, команда по монетизации беспокоилась, что клиенты не смогут прогнозировать, сколько сотрудников будут пользоваться софтвером. А это, скорее всего, затормозило бы решение о покупке.
Взвесив все факторы, команда по монетизации решила брать плату в зависимости от количества новых посетителей в месяц. Этот параметр больше соответствовал ценности продукта. Он также позволял более мелким компаниям с низким трафиком позволить себе софтвер Optimizely. И чем больше они будут пользоваться софтвером, тем больше выгоды они получат и смогут платить больше, по мере того как увеличится их трафик. Это взаимовыгодная сделка. У крупных компаний больше новых посетителей в месяц, и они уже в состоянии платить цену, соответствующую ценности, которую приносит им продукт.
Плата за количество новых посетителей в месяц также позволила Optimizely со временем увеличить доход. Чем больше тестов проводил клиент, тем больше выгоды он получал от Optimizely и тем больше платил. Более того, по мере роста трафика на сайте клиентам приходилось тратить больше денег, чтобы обеспечить высокое качество тестирования.
Такая ценовая модель облегчала продажи, так как клиентам нужно только знать свой ежемесячный трафик на сайте (а не сколько сотрудников будут пользоваться софтвером), а этот параметр они и так прекрасно знали. (А если нет, то вряд ли Optimizely смогла бы им помочь. В конце концов, это же софтвер, а не волшебная палочка.) Эта ценовая модель – точный аналог модели монетизации Michelin, о которой мы говорили в главе 7: плата за мили, а не за шины.
Как расширить портфолио
В 2014 году Optimizely стала привлекать внимание клиентов к новому продукту – «Персонализация», который позволял адаптировать информацию на сайте в зависимости от индивидуальных особенностей посетителей в режиме реального времени. То есть продукт позволяет клиентам адаптировать свой веб-сайт в зависимости от демографических и поведенческих данных по каждому посетителю. К примеру, если посетитель купил барбекю во время последнего визита на сайт, ему можно показать рекламу решеток для гриля, соусов и наборов для гриля. Такая персонализация создает лояльность клиентов, усиливает интерес и значительно повышает шансы на то, что посетитель купит еще что-нибудь на этом сайте.
Ознакомительная версия. Доступно 14 страниц из 67
