«Спасибо», из-за которого в кармане может появиться дыра 💸
Приготовила для вас легкое воскресное чтиво.
В опросе выше ~54% - вежливые спасибщики.
Мне стало любопытно, как такое поведение может влиять на экономику продукта, и провела целый дип рисеч.
Long story short:
В llm-based продуктах юнит-экономика будет сходиться при условии, что средний доход с юзера (ARPU) будет больше стоимости привлечения (CAC) и стоимости обработки запроса (ACU).
Для простоты пока не учитываю другие косты типа налогов или комиссии стора.
Например, мы делаем llm-бота для изучения английского.
Допустим, нам известна средняя стоимость привлечения — $2. Остается рассчитать ACU.
Например, мы придумали классный флоу «новое слово каждый день», где за 5 сообщений юзер запоминает это новое слово.
Ура, мы можем поставить стоимость подписки $2,49 и будем в плюсе.
На базе в 100к юзеров будем получать $11500, что неплохо для pet проекта например.🤑
Вот только мы не учли, что 30% юзеров будут заканчивать диалог отдельной фразой «спасибо».
Из-за того, что на каждый запрос весь диалог передается в контекст llm, последнее сообщение со «спасибо» получается самым дорогим: +$0.0037 (второй скрин).
Получаем фактический юнит
Фактическая прибыль будет на 30% меньше, а для текущего кейса экономическая эффективность приближается к 0, и заниматься им можно разве что в благотворительных целях.
Понятно, что есть стратегии оптимизации (перплексити кстати предлагает прям хорошие варианты, если кому интересно), но мне было интересно посчитать влияние человеческого фактора как есть.
Забавно, что по сути вся проблема из-за того, что мы бессмысленно используем привычный паттерн взаимодействия в новой ИИ-среде. 🤔
Приготовила для вас легкое воскресное чтиво.
В опросе выше ~54% - вежливые спасибщики.
Мне стало любопытно, как такое поведение может влиять на экономику продукта, и провела целый дип рисеч.
Long story short:
В llm-based продуктах юнит-экономика будет сходиться при условии, что средний доход с юзера (ARPU) будет больше стоимости привлечения (CAC) и стоимости обработки запроса (ACU).
ARPU - CAC - ACU >0
Для простоты пока не учитываю другие косты типа налогов или комиссии стора.
Например, мы делаем llm-бота для изучения английского.
Допустим, нам известна средняя стоимость привлечения — $2. Остается рассчитать ACU.
ACU = стоимость запроса * количество запросов
Например, мы придумали классный флоу «новое слово каждый день», где за 5 сообщений юзер запоминает это новое слово.
ACU план на юзера = $0.0125*30 = $0,375 (как получила цифру $0.0125 - на скриншоте и в рисече)
Ура, мы можем поставить стоимость подписки $2,49 и будем в плюсе.
$2,49 - $2 - $0,375 = $0,115
На базе в 100к юзеров будем получать $11500, что неплохо для pet проекта например.🤑
Вот только мы не учли, что 30% юзеров будут заканчивать диалог отдельной фразой «спасибо».
Из-за того, что на каждый запрос весь диалог передается в контекст llm, последнее сообщение со «спасибо» получается самым дорогим: +$0.0037 (второй скрин).
ACU факт на юзера = (70%*$0.0125 + 30%*$0.0162)*30 =$0,409
Получаем фактический юнит
$2,49 - $2 - $0,409 = $0,081
Фактическая прибыль будет на 30% меньше, а для текущего кейса экономическая эффективность приближается к 0, и заниматься им можно разве что в благотворительных целях.
Понятно, что есть стратегии оптимизации (перплексити кстати предлагает прям хорошие варианты, если кому интересно), но мне было интересно посчитать влияние человеческого фактора как есть.
Забавно, что по сути вся проблема из-за того, что мы бессмысленно используем привычный паттерн взаимодействия в новой ИИ-среде. 🤔