Почему SaaS-компании медленно меняют прайсинг
Тема прайсинга очень важна для понимания CS, поэтому я регулярно пишу про разные модели, эксперименты и изменения в этой области.
В этот раз интересный материал от PricingSaaS про pricing velocity, то есть скорость, с которой компания может тестировать и внедрять изменения в прайсинге.
Мне понравилась основная мысль: часто проблема вообще не в стратегии прайсинга. Есть две другие причины, которые не дают компаниям двигаться быстро.
1. Ограничения самой системы
В какой-то момент биллинг начинает определять, какие модели прайсинга компания вообще может использовать.
Компания строит систему → привыкает работать в её ограничениях → постепенно перестаёт рассматривать варианты, которые система технически не поддерживает.
Плюс часто вся логика биллинга находится в голове одного человека, который становится своеобразным gatekeeper любых изменений.
И здесь хорошо видна разница в скорости.
AI-native компании экспериментируют гораздо активнее. Vercel делал 5–6 изменений прайсинга за один месяц, Lovable несколько раз существенно менял модель, Cursor дважды пересобирал основной тариф в 2025 году, в том числе реагируя на изменение стоимости токенов OpenAI и Anthropic буквально за несколько дней.
Чем проще менять прайсинг → тем больше экспериментов → тем быстрее компания учится.
2. Организационная сложность и «коммерческий долг»
Вторая причина появляется из классического желания продажников закрыть конкретную сделку.
Начинаются индивидуальные скидки, специальные условия, исключения, отдельные договорённости.
Одна такая сделка кажется безобидной. Но постепенно контракты клиентов становятся совершенно разными.
Дальше последствия расходятся по всей компании: Product должен учитывать исключения, RevOps отдельно их отслеживать, а CS получает всю эту сложность на продлении.
В статье это называют commercial debt, или коммерческий долг.
Чем его больше, тем сложнее потом изменить прайсинг сразу для всей клиентской базы.
Один из вариантов из статьи: заранее определить набор допустимых исключений и дать продажникам возможность работать внутри этих рамок, вместо того чтобы каждый раз создавать уникальные условия.
И хороший вопрос для проверки своей pricing velocity:
Можете ли вы сегодня провести за месяц эксперимент с прайсингом, который год назад занял бы квартал?
Если нет, возможно, дело вообще не в вашей стратегии прайсинга. А в системе или организации.
Тема прайсинга очень важна для понимания CS, поэтому я регулярно пишу про разные модели, эксперименты и изменения в этой области.
В этот раз интересный материал от PricingSaaS про pricing velocity, то есть скорость, с которой компания может тестировать и внедрять изменения в прайсинге.
Мне понравилась основная мысль: часто проблема вообще не в стратегии прайсинга. Есть две другие причины, которые не дают компаниям двигаться быстро.
1. Ограничения самой системы
В какой-то момент биллинг начинает определять, какие модели прайсинга компания вообще может использовать.
Компания строит систему → привыкает работать в её ограничениях → постепенно перестаёт рассматривать варианты, которые система технически не поддерживает.
Плюс часто вся логика биллинга находится в голове одного человека, который становится своеобразным gatekeeper любых изменений.
И здесь хорошо видна разница в скорости.
AI-native компании экспериментируют гораздо активнее. Vercel делал 5–6 изменений прайсинга за один месяц, Lovable несколько раз существенно менял модель, Cursor дважды пересобирал основной тариф в 2025 году, в том числе реагируя на изменение стоимости токенов OpenAI и Anthropic буквально за несколько дней.
Чем проще менять прайсинг → тем больше экспериментов → тем быстрее компания учится.
2. Организационная сложность и «коммерческий долг»
Вторая причина появляется из классического желания продажников закрыть конкретную сделку.
Начинаются индивидуальные скидки, специальные условия, исключения, отдельные договорённости.
Одна такая сделка кажется безобидной. Но постепенно контракты клиентов становятся совершенно разными.
Дальше последствия расходятся по всей компании: Product должен учитывать исключения, RevOps отдельно их отслеживать, а CS получает всю эту сложность на продлении.
В статье это называют commercial debt, или коммерческий долг.
Чем его больше, тем сложнее потом изменить прайсинг сразу для всей клиентской базы.
Один из вариантов из статьи: заранее определить набор допустимых исключений и дать продажникам возможность работать внутри этих рамок, вместо того чтобы каждый раз создавать уникальные условия.
И хороший вопрос для проверки своей pricing velocity:
Можете ли вы сегодня провести за месяц эксперимент с прайсингом, который год назад занял бы квартал?
Если нет, возможно, дело вообще не в вашей стратегии прайсинга. А в системе или организации.