Rejoignez-Nous sur

Aventures en économie de l'IA; SaaS + fintech; croissance + ventes; et les perspectives de GPT-3

AI1

News

Aventures en économie de l'IA; SaaS + fintech; croissance + ventes; et les perspectives de GPT-3

Cela est apparu pour la première fois dans le bulletin d'information mensuel des entreprises a16z. Abonnez-vous pour rester au courant des dernières nouveautés en entreprise et B2B.

DANS CETTE ÉDITION

Aventures en économie de l'IA

De plus en plus d'entreprises intègrent l'IA / ML dans leurs produits pour fournir des fonctionnalités de base, mais comme nous l'avons déjà dit, l'économie des entreprises d'IA (par rapport aux entreprises de logiciels) sont DIFFICILES. En effet, le développement de l'IA est un processus d'expérimentation et apprivoiser la complexité du monde réel, tout comme la physique ou d'autres sciences physiques. Les données sont souvent désordonnées et pleines de cas extrêmes, ce qui entraîne des distributions à longue queue.

Alors, compte tenu de la longue traîne de l'IA – et du travail qu'elle crée – comment améliorer l'économie d'une entreprise d'IA? Nous avons discuté avec des dizaines d’équipes dirigeantes de ML, et aborder la longue traîne commence par comprendre la répartition du problème que vous résolvez.

1. Pas vraiment une longue queue (facile): si vous avez un problème bien délimité, vous n'avez probablement pas besoin de ML ou d'IA. La régression logistique et les forêts aléatoires sont populaires pour une raison, alors commencez simplement et passez à des modèles plus grands uniquement lorsque le problème l'exige

2. Global longue traîne (difficile): si vous avez une distribution similaire pour tous les clients, vous pouvez optimiser, réduire, recadrer et explorer une technique croissante appelée la mise en composants, où un seul problème est divisé en plus petits morceaux

AI1

AI2

3. Longue traîne locale (plus difficile): lorsque la distribution des données semble différente pour chaque client, les stratégies de traitement sont encore naissantes. Les méta-modèles et l'apprentissage par transfert peuvent être utiles, même si nous n'avons pas encore trouvé d'exemples d'utilisation réussie à grande échelle, et modèles de coffre semblent être une norme API émergente pour le ML.

Lisez notre article sur les techniques et stratégies d'IA / ML »

Matt Bornstein, partenaire de l'accord d'entreprise a16z et Martin Casado, commandité d'entreprise a16z


Quand le SaaS ajoute la fintech: des marchés plus grands et de meilleures marges

Aujourd'hui, la majorité des revenus SaaS provient des frais d'abonnement, mais de nouveaux acteurs de l'infrastructure l'ont fait plus facile et moins cher pour ajouter la fintech. La prochaine évolution du modèle commercial logiciel est un hybride entre le SaaS par abonnement et la technologie financière, et nous voyons cette évolution se produire en premier dans le SaaS vertical.

SaaS

Les clients SaaS verticaux ont tendance à préférer les logiciels spécialement conçus pour leur secteur et leur cas d'utilisation spécifiques, ce qui conduit souvent à une solution dominante unique dans une dynamique de marché verticale particulière et qui remporte le plus. En ajoutant des produits et services financiers, les marchés verticaux deviennent encore plus grands en augmentant les revenus par client.

Alors que les premières fintech en SaaS ont principalement revendu des paiements moyennant des frais de référence, il y a de plus en plus d'opportunités d'intégrer la fintech dans les produits SaaS. L'intégration de la fintech ajoute des coûts et de la complexité, mais a le potentiel de rembourser avec des marges plus importantes et une meilleure expérience client. Et à mesure que de plus en plus d'entreprises SaaS ajoutent des technologies financières, nous nous attendons à en voir davantage aller au-delà des paiements dans les prêts, les cartes, les assurances et autres services financiers.

Lisez notre description complète des modèles Fintech pour SaaS »

Kristina Shen, commandité d'entreprise a16z & Kimberly Tan, partenaire de l'accord d'entreprise a16z


Pause café digne: Taylor Swift en tant que logiciel B2B et D&D avec une IA alimentée par GPT-3


Les pièges cachés de la «croissance + ventes» – et comment les éviter

«Croissance + ventes» – où l'adoption organique par les utilisateurs passe en premier et la vente descendante traditionnelle vient plus tard – est devenu le modèle de mise sur le marché (GTM) prédominant pour les logiciels d'entreprise. En croissance + ventes, toute la complexité du cycle de vente traditionnel se résume à un seul décideur: l'utilisateur final. Cela a rendu les logiciels d'entreprise plus conviviaux et a déplacé l'attention de l'avant-vente à l'après-vente, et peut-être, surtout, étant donné l'avantage aux startups et aux visionnaires de produits.

Pourtant, le modèle GTM de croissance + ventes est livré avec ses propres pièges à mesure que les entreprises évoluent, des jours d'ajustement sur le marché des pré-produits aux étapes ultérieures, notamment parce qu'il est déjà assez difficile de faire un bon mouvement GTM, et encore moins deux à la fois. Sur la base de ce que nous avons vu dans les sociétés de croissance et de vente, voici quelques-uns des modes de défaillance courants, ainsi que les questions et les tactiques qui peuvent aider les équipes à les éviter.

Mode d'échec n ° 1: forcer le mouvement de croissance lorsqu'il ne correspond pas au produit
Avant même de commencer le parcours croissance + vente, assurez-vous qu'il convient à votre startup. La proposition de valeur prête à l'emploi pour l'utilisateur final est-elle suffisamment convaincante pour qu'il l'adopte de son propre chef? Les utilisateurs finaux peuvent-ils adopter sans un processus d'implémentation lourd qui nécessite des ressources d'ingénierie pour s'intégrer?

Mode d'échec n ° 2: acheter la part d'esprit de l'utilisateur final qui ne suscite pas d'amour organique pour le produit
Vos utilisateurs finaux aiment-ils vraiment votre produit? Si l'adoption biologique est le Saint Graal de l'adoption ascendante, alors les canaux d'acquisition payants qui produisent des utilisateurs peu fidèles sont la drogue addictive qui finira par tuer un modèle de distribution.

Mode d'échec n ° 3: Utilisation de mesures traditionnelles pour mesurer un nouveau mouvement
Les mesures de vente traditionnelles (par exemple, ARR, ASPS, etc.) ne sont pas suffisantes pour comprendre dans quelle mesure le mouvement de croissance fonctionne. Au lieu de cela, recherchez des mesures de type consommateur qui suivent la croissance active des utilisateurs (MAU, WAU, DAU), l'engagement (durée de la session, jours actifs dans une semaine de travail donnée), la rétention active des utilisateurs et les points de conversion en entonnoir tout au long du parcours de l'utilisateur.

Mode d'échec n ° 4: superposition des ventes trop tôt
Avant de superposer les ventes descendantes, recherchez des preuves du marché, comme les utilisateurs demandent: "Comment puis-je mettre cela entre les mains de tout mon service?" "Comment débloquer toutes les fonctionnalités premium?" «Pouvez-vous parler à notre service informatique pour le déployer dans tout mon service?» "Pourquoi tout le monde ne l'utilise-t-il pas?!"

Mode d'échec n ° 5: une dynamique de croissance qui ne facilite pas réellement les ventes en entreprise
Le mouvement de croissance vous mène-t-il au bon acheteur? Ou les utilisateurs sont-ils parfaitement satisfaits du produit freemium?

Mode d'échec # 6: Négliger le mouvement de croissance une fois que les ventes décollent
Croissance + ventes ne consiste pas à faire d'abord de la croissance, puis de passer aux ventes sans jamais regarder en arrière. Il s'agit de tenir les promesses que vous faites à l'utilisateur, puis de faire de nouvelles promesses à l'acheteur d'entreprise sans oublier l'utilisateur.

Lire «Croissance + ventes: la nouvelle ère de la commercialisation des entreprises» »

Peter Lauten, partenaire de l'accord d'entreprise a16z et Martin Casado, commandité d'entreprise a16z


Les perspectives alléchantes de GPT-3

Il y a eu beaucoup d'enthousiasme et de partage viral d'exemples autour GPT-3 et l'API commerciale d'OpenAI – le modèle d'apprentissage automatique pré-formé qui peut effectuer une variété de tâches de traitement du langage naturel – mais quelles sont les implications pour les startups et les grandes entreprises, et vraiment, tout produit construit avec «AI inside»?

La perspective alléchante est que toute startup qui souhaite résoudre un problème de langage naturel – comme les robots de discussion pour le support avant ou après-vente, la synthèse de documents, ou même simplement passer en revue chaque plainte client et trouver des informations pour les chefs de produit – pourrait rapidement et construire à bas prix sur cette infrastructure.

Cependant, ce n’est qu’une perspective alléchante, car comme avec le mythe grec de Tantale, nous en sommes toujours à la promesse. Il existe toujours un énorme écart entre les autres API très simples et utilisables et l'API d'Open AI. L'espoir, cependant, est que ceci ou quelque chose comme cela pourrait réduire considérablement le processus de collecte / nettoyage / nettoyage des données – et même la construction du modèle d'apprentissage automatique – réduisant considérablement le temps nécessaire pour créer un produit «d'apprentissage automatique à l'intérieur». Mais il est encore trop tôt pour le dire.

Écoutez notre discussion sur tout cela sur 16 Minutes »


Qu'avez-vous pensé de cette newsletter? Faites-nous savoir à [email protected]

image: David Traña | Unsplash

Les opinions exprimées ici sont celles de l'individu AH Capital Management, L.L.C. («A16z») cités et ne reflètent pas les opinions d'a16z ou de ses affiliés. Certaines informations contenues ici ont été obtenues de sources tierces, y compris de sociétés de portefeuille de fonds gérés par a16z. Bien qu'elles proviennent de sources considérées comme fiables, a16z n'a pas vérifié de manière indépendante ces informations et ne fait aucune déclaration quant à l'exactitude durable des informations ou à leur pertinence dans une situation donnée. En outre, ce contenu peut inclure des publicités de tiers; a16z n'a pas examiné ces publicités et ne cautionne aucun contenu publicitaire qui y est contenu.

Ce contenu est fourni à titre informatif uniquement et ne doit pas être considéré comme un conseil juridique, commercial, d'investissement ou fiscal. Vous devriez consulter vos propres conseillers sur ces questions. Les références à des titres ou des actifs numériques sont à titre indicatif uniquement et ne constituent pas une recommandation d'investissement ou une offre de fournir des services de conseil en investissement. En outre, ce contenu n'est pas destiné ni destiné à être utilisé par des investisseurs ou des investisseurs potentiels, et ne peut en aucun cas être invoqué lors de la décision d'investir dans un fonds géré par a16z. (Une offre d'investissement dans un fonds a16z sera faite uniquement par le mémorandum de placement privé, le contrat de souscription et toute autre documentation pertinente d'un tel fonds et doit être lue dans son intégralité.) Tout investissement ou société de portefeuille mentionné, mentionné, ou décrits ne sont pas représentatifs de tous les investissements dans des véhicules gérés par a16z, et rien ne garantit que les investissements seront rentables ou que d'autres investissements réalisés dans le futur auront des caractéristiques ou des résultats similaires. Une liste des investissements réalisés par des fonds gérés par Andreessen Horowitz (à l'exclusion des investissements pour lesquels l'émetteur n'a pas autorisé a16z à divulguer publiquement ainsi que les investissements non annoncés dans des actifs numériques cotés en bourse) est disponible sur https://a16z.com/investments /.

Les tableaux et graphiques fournis sont à titre informatif uniquement et ne doivent pas être utilisés lors de la prise de décision d'investissement. Les performances passées ne représentent pas les résultats futurs. Le contenu ne parle qu'à la date indiquée. Toutes les projections, estimations, prévisions, cibles, perspectives et / ou opinions exprimées dans ces documents sont susceptibles d'être modifiées sans préavis et peuvent différer ou être contraires aux opinions exprimées par d'autres. Veuillez consulter https://a16z.com/disclosures pour plus d'informations importantes.





Traduction de l’article de dasrush : Article Original

BlockBlog

Le Meilleur de l'Actualité Blockchain Francophone & Internationale | News, Guides, Avis & Tutoriels pour s'informer et démarrer facilement avec Bitcoin, les Crypto-Monnaies et le Blockchain. En Savoir Plus sur L'Équipe BlockBlog

Commenter cet Article

Commenter cet Article

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Plus dans News

Les Plus Populaires

Acheter des Bitcoin

Acheter des Alt-Coins

Sécuriser vos Cryptos

Vêtements et Produits Dérivés

Top