# SaaS: монетизация · граница free/paid · привлечение — со сквозной осью AI vs классика **Run:** saas-monetization-acquisition · **Запущен/завершён:** 2026-06-30 · **Режим:** scattered, веб со ссылками+датами, полный объём (D1–D6) **Калибровка:** продакт-лидер, не-IT фундамент → продуктовая логика и аналогии, без финматематики ([[user-profile]]). **Связь с прошлым прогоном:** дополняет и переугловывает `notes/saas_business_models_research.md` (2026-06-29). AI-цифры рефрешнуты (срез янв–июнь 2026). --- ## Вопросы исследования (критерий «разобрался») 1. Семьи моделей монетизации и их механика (подписка / per-seat / usage / freemium / marketplace / реклама / гибриды). 2. Open-core: что в бесплатном ядре, что в платном managed-слое, почему ядро = воронка. 3. Принцип границы free/paid — что гейтят и почему free-ядро привлекает. 4. Мотивы привлечения: PLG / sales-led / marketing-led / community-led / реклама / рефералы / bottom-up. 5. Чем AI-нативная монетизация/граница/привлечение отличается от классической и почему. 6. Грабли каждой модели + куда идёт рынок 2025–2026. ## Карта подзадач | # | Под-вопрос | Метод | Статус | Файл | |---|---|---|---|---| | D1 | Карта моделей монетизации + механика цены | web sweep + comparison | ✅ done | [01_monetization-map.md](01_monetization-map.md) | | D2 | Open-core / commercial OSS — тирдаун | deep-read + teardown | ✅ done | [02_open-core-teardown.md](02_open-core-teardown.md) | | D3 | Граница Free vs Paid — принципы гейтинга | web sweep + synthesis | ✅ done | [03_free-paid-boundary.md](03_free-paid-boundary.md) | | D4 | Привлечение клиентов — GTM-мотивы | web sweep + framework | ✅ done | [04_acquisition-gtm.md](04_acquisition-gtm.md) | | D5 | AI-native vs классический SaaS — сравнение | comparison matrix | ✅ done | [05_ai-vs-classic.md](05_ai-vs-classic.md) | | D6 | Риски, анти-паттерны и тренды 2025–2026 | web sweep (контрарный) | ✅ done | [06_risks-trends.md](06_risks-trends.md) | --- ## 📊 Live-лог (insights / hypotheses / risks / verify) **INSIGHTS** - 📊 I1 *(D1)* — Рынок ушёл в гибрид «база+overage»: seat-only за год 21%→15%, гибрид 27%→41% (Growth Unhinged, 2025). Чистый usage пугает непредсказуемым счётом — победил гибрид. `corroborated` - 📊 I2 *(D1, сквозной)* — **Три уровня нельзя путать:** модель цены ≠ GTM-мотив ≠ value metric. Free trial — приём привлечения, а не способ брать деньги. `fact` - 📊 I3 *(D1/D5)* — Главное правило выбора value metric: метрика должна расти с **ценностью для клиента**, а не с твоими затратами. Именно поэтому AI ломает per-seat (агент работает без «места»). `fact` - 📊 I4 *(D2)* — **Open-core ≠ freemium.** Бесплатное — это полноценный открытый движок, а не урезанная версия. Платят не за фичи, а за то, чтобы **НЕ хостить и не обслуживать** его самому. `fact` - 📊 I5 *(D2, формула границы)* — «Open-source = код, ты сам хостишь; деньги — за managed-хостинг (основной чек) + enterprise-обвязку». Подтверждено на всех 8 кейсах. `corroborated` - 📊 I6 *(D2/D3)* — **Enterprise-слой у всех одинаков** (SSO/SAML, RBAC, audit log, SOC2/HIPAA, SLA, поддержка) — готовый чеклист «что класть в верхний тир» для любого B2B. `corroborated` - 📊 I7 *(D3)* — «Enterprise tax»: SSO/RBAC гейтят **не по издержкам, а по сигналу о покупателе** — запрос SAML = корпоративный IT с бюджетом (доказательство: ssotax.org). `corroborated` - 📊 I8 *(D3)* — Правильная черта free/paid **совпадает с успехом пользователя**: режь там, где рост клиента сам упирается в лимит (Slack 90 дней истории, Notion версии, Figma один→команда). Апгрейд ощущается как «я вырос», а не «меня обобрали». `corroborated` - 📊 I9 *(D3/D4)* — Коллаборацию выгоднее **отдавать бесплатно** (виральный мотор), а монетизировать масштаб (seats/админка/enterprise) — Miro/Slack/Loom. `corroborated` - 📊 I10 *(D4)* — Мотивы привлечения — **спектр по ACV, а не лагеря**: низкий чек → PLG/bottom-up/реферал; высокий → sales-led; зрелые = гибрид (PLG снизу + sales сверху: GitHub, Zoom, Atlassian). `corroborated` - 📊 I11 *(D4/D2)* — **Bottom-up через OSS — сильнейший канал для dev-tools**, т.к. обходит продажу: разработчик пробует сам → приносит в команду → платит компания. Точка апселла = переход «индивидуал → команда». Это GTM-проекция open-core. `corroborated` - 📊 I12 *(D4)* — Land-and-expand (NRR) важнее красивого верха воронки: SMB-SaaS усыхает внутри базы (NRR ~97%), enterprise/consumption растут ~120%+ почти без новых продаж. `corroborated` - 📊 I13 *(D5, ПЕРВОПРИЧИНА)* — Всё различие AI vs классика выводится из **одного факта**: near-zero marginal cost классики против реальной стоимости **каждого** запроса в AI. Отсюда и тонкий free, и смерть per-seat, и просадка маржи. `fact` - 📊 I14 *(D5/D6)* — AI-маржа структурно ниже: ~52% прогноз 2026 (41%→45%→52% за 2024–26), потолок ~60–65% против 80–90% классики; инференс ≈23% выручки (ICONIQ State of AI, *as of янв 2026*). `corroborated` - 📊 I15 *(D5/D6)* — **«Тяжёлый» юзер при flat-fee = убыток** (топ-20% жгут 70–80% API-бюджета, дают 20–30% выручки) — прямой драйвер ухода от seat к usage/credits. `corroborated` - 📊 I16 *(D6)* — **Rug-pull наказывает автора, не облако**: из 4 «беглецов» 2 (Elastic, Redis) вернулись к OSI-open-source через AGPL за 1–3 года; форки (OpenSearch, Valkey, OpenTofu) выжили при поддержке тех же AWS/Google. `corroborated` **HYPOTHESES** - 💡 H1 — Outcome-based / agent pricing станет дефолтом для AI-агентов в течение 2–3 лет. *Тест:* доля компаний с outcome-pricing в State of AI / Growth Unhinged вырастет с текущих ~3% до >20% к 2028. Сейчас — тренд, не норма (a16z: разговоров много, внедрения мало). - 💡 H2 — Для нового B2B-продукта (AI или нет) гибрид «floor + usage/credits» даёт лучший баланс предсказуемости и роста. *Тест:* сравнить churn и NRR гибрида против моно-модели на когорте за 12 мес. **RISKS / CAVEATS** - ⚠️ R1 — **AI-цифры — движущийся срез** (маржа 41→45→52% за 2 года; $-цены Cursor/Salesforce уже менялись за год). Все цены «as of 2026-06», рефетчить перед использованием в решениях. - ⚠️ R2 — Доля гибридов расходится по источникам (41% Growth Unhinged / 43% Chargebee / 46% OpenView) — считают разное. Тренд надёжен, конкретный % — только с указанием методики. - ⚠️ R3 — Часть трендовых цифр идёт от **одного авторитетного автора** (Kyle Poyar / PricingSaaS) — single primary source, помечать при цитировании. - ⚠️ R4 — **Survivorship bias** во всех GTM-кейсах: это выжившие; мотив усиливает уже ценный продукт, а не создаёт traction. - ⚠️ R5 — Терминология: SSPL / BSL / Elastic License / RSAL — **source-available, НЕ open source**. Не путать в разговоре. **VERIFY** - ✅ Несущие цифры маржи закреплены на первичке (ICONIQ survey ~300 экзеков; a16z+Bessemer — два независимых VC сходятся на 50–60% vs 80–90%). Вторичные блоги — только иллюстрация. - ✅ Границы free/paid open-core сверены по **официальным pricing-страницам** каждой из 8 компаний (LangChain, Vercel, GitLab, Grafana, Supabase, Databricks, MongoDB, Elastic). - ✅ Все 5 лицензионных кейсов (MongoDB/Elastic/HashiCorp/Redis) — точные даты, ≥2 источника (оф. блог + InfoQ/TechCrunch/The Register). - ⚠️ Отклонено как ненадёжное: «Dropbox 3900% рост от рефералов» — первоисточник везде маркетинговые блоги referral-вендоров, не независимый аудит → помечено growth-фольклором. --- ## Синтез (Stage 4) ### Слоистая модель (главное — не путать три независимых оси) Это стержень всего прогона (I2): люди мешают их в кашу. 1. **ЧТО продаёшь / как берёшь деньги** = модель цены: подписка, per-seat, usage/credits, freemium-конверсия, take-rate, реклама, open-core managed-слой, гибрид. 2. **КАК приводишь клиента** = GTM-мотив: PLG, sales-led, marketing-led, community-led, реклама/рефералы, bottom-up через OSS. 3. **ПО ЧЕМУ берёшь деньги** = value metric + где режешь границу free/paid: объём, фичи, места, поддержка/SLA, enterprise-tax, коллаборация. Open-core — это не «ещё одна модель цены», а **связка всех трёх осей**: GTM = bottom-up через бесплатный OSS (ось 2) → модель = managed-слой + enterprise (ось 1) → граница = «код бесплатно, эксплуатация платно» (ось 3). ### Сводная матрица (модель × оси) | Модель цены | Что отдают free | Что платно (где режут) | Типичный GTM-мотив | AI-чувствительность | |---|---|---|---|---| | **Подписка flat** | пробный период / лёгкий тариф | полный доступ, лимиты | marketing/sales-led | низкая, но flat + AI = риск убытка на тяжёлых юзерах | | **Per-seat** | 1 место / базовые фичи | доп. места, админка, enterprise | PLG + sales | **высокая — ломается:** агент ≠ «место» (I3, I15) | | **Usage / credits** | стартовые кредиты / free-квота | объём сверх лимита | PLG / product-led | **родная для AI** — usage = инференс 1:1 | | **Freemium** | полезное ядро (воронка) | объём+фичи+места+enterprise | PLG / community | **тоньше free** — каждый запрос = счёт (I13) | | **Open-core** | весь OSS-код (self-host) | managed-хостинг + observability + enterprise | bottom-up / community | растёт (LangSmith/LangGraph Platform — AI-нативный пример) | | **Marketplace / take-rate** | доступ к площадке | % с транзакции | network/marketing | take-rate ↑ за AI-матчинг возможен | | **Реклама** | весь продукт (внимание = товар) | подписка «без рекламы» / премиум | marketing/виральность | AI-инференс на каждого free-юзера давит на ad-маржу | ### Дерево решений «какую модель/границу когда» (протестировано на 3 сценариях) ``` 1. Продукт — для разработчиков / инфраструктура, есть OSS-потенциал? ├─ ДА → open-core: ядро бесплатно (bottom-up воронка), деньги за managed + enterprise. │ Граница: «не хостить самому» + SSO/RBAC/audit. (Vercel, Grafana, LangChain) └─ НЕТ → шаг 2. 2. Ценность масштабируется с числом людей или с объёмом работы? ├─ С людьми, маржа высокая (классика) → per-seat + фиче-гейтинг + enterprise-tax. (Slack, Notion) ├─ С объёмом / есть стоимость инференса (AI) → usage/credits, гибрид floor+overage. │ Free-тир тонкий и квотируемый. (Cursor, OpenAI API) └─ С результатом для клиента (зрелый AI-агент) → outcome-based (ТРЕНД, не дефолт — H1). (Intercom Fin) 3. Массовый бесплатный продукт без явного value metric? → реклама / freemium-конверсия. ``` *Сценарий-тест A («AI-агент поддержки для enterprise»):* шаг1 нет → шаг2 «результат» → outcome/usage гибрид + enterprise-tax. ✅ сходится с практикой (Fin $0.99/resolution + seats). *Сценарий-тест B («open-source vector DB»):* шаг1 да → open-core, managed-облако + enterprise. ✅ (как Supabase/Elastic). *Сценарий-тест C («B2B-планировщик задач, не-AI»):* шаг1 нет → шаг2 «люди», высокая маржа → per-seat + freemium-воронка + collaboration-free. ✅ (как Asana/Notion). ### Закономерности и ограничители выбора модели **Два закона, из которых растёт выбор:** (1) *value metric должен расти, когда клиенту хорошо, а не когда тебе дорого*; (2) *предельная себестоимость решает, что можно себе позволить* (≈0 → «доступ» + щедрый free; реальная → обязан мерить расход). **Драйверы (что диктует модель):** | Драйвер | Куда толкает | |---|---| | Что масштабирует ценность | люди → per-seat; объём → usage; результат → outcome; чужой оборот → take-rate; внимание → реклама | | Предельная себестоимость | ≈0 → доступ/seat + щедрый free; реальная (инференс) → usage/credits, тонкий free | | ACV и кто покупает | низкий чек, снизу, self-serve → freemium/PLG + seat/usage; высокий, enterprise, через продажи → seat + фиче/enterprise-гейтинг | | Предсказуемость ↔ справедливость | покупателю нужен прогнозируемый счёт → подписка/seat/credits; usage честнее, но пугает → гибрид | | Стадия / где слабая воронка | рано → впустить дёшево (freemium/trial/open-core); зрело → расширять (seat/usage + enterprise-tax) | **Общие практики:** гибрид «база + overage» — дефолт 2025+ (seat-only 21%→15%, гибрид 27%→41%, Growth Unhinged 2025); land-and-expand (не гейти то, что двигает расширение); гейтить по сигналу о покупателе, не по издержкам (enterprise-tax); резать free/paid по моменту успеха пользователя; коллаборацию отдавать бесплатно (виральный мотор); PLG снизу + sales сверху; credits как обёртка от bill-shock. **Ограничители (что не даёт выбрать что угодно):** маржа/себестоимость (главный для AI); bill-shock — потолок чистого usage (~15% держат PAYG); freemium-ловушка (~2–5% конверсия жжёт косты); per-seat ломается под автоматизацией (IDC: 70% уйдут от чистого per-seat к 2028 — *forecast*); предсказуемость для enterprise-закупки; rug-pull-риск для open-core (SSPL/BSL); незрелость outcome-pricing (проблема атрибуции, разброс цен 4×, адопшн ~3%); каннибализация PLG↔sales. **Классика SaaS vs AI SaaS (свод):** | Ось | Классический SaaS | AI-нативный SaaS | |---|---|---| | Что масштабирует ценность | люди / доступ | объём работы / результат | | Предельная себестоимость | ≈0 → маржа 80–90% | реальная (инференс ~23% выручки) → ~50–60%, потолок 60–65% *(ICONIQ, янв 2026)* | | Дефолт-модель | per-seat подписка + фиче/enterprise-гейтинг | usage/credits, гибрид floor+usage, дрейф к outcome | | Free-тир | щедрый freemium возможен (free дёшев) | тонкий, квотированный (каждый free-запрос = деньги) | | Главный ограничитель | усталость от фиче-гейтинга; **маржа НЕ ограничивает** | **маржа, bill-shock, тяжёлые юзеры, слом per-seat, незрелый outcome** | | Зрелость ценообразования | устоявшееся | «год потери уверенности» (>1 800 изменений цен у топ-500 за 2025) | **Одной фразой:** в классике выбор модели — вопрос *упаковки и воронки* (маржа прощает ошибки); в AI — вопрос *выживания юнит-экономики* (маржа наказывает за неправильный счётчик). Поэтому AI тащит рынок от «доступа» к «потреблению/результату» — не из моды, а из-под палки себестоимости. ### Contradiction-log - **«PLG растёт быстрее»** — сам себе противоречит по периодам: OpenView 2022 (PLG ~50% YoY vs 21%) против a16z 2023 (PLG на спаде тормозит резче: 60%→18% vs top-down 30%→24%). **Разрешение:** PLG даёт скорость на росте, хуже держит спад — тезис контекстный, не закон. 🔴 - **Доля гибридов** 41/43/46% — разные определения «гибрида». Беру как «>40% и растёт», без точной цифры. - **«Маржа AI повернула за угол?»** — ICONIQ оптимистичен (52%), SaaStr скептичен (у типового B2B-AI «беговая дорожка», в отличие от OpenAI ~70% compute-margin). **Разрешение: средняя ≠ лидеры** — разрыв с классикой структурный. - **Free trial vs freemium** по конверсии — trial конвертит выше (срочность), freemium шире воронка/виральность. Не «лучше/хуже», а trade-off по тому, что у тебя слабее. ### Что изменилось vs прошлый прогон (2026-06-29) Подтверждено и углублено: 3-уровневая модель, гибридизация рынка, AI ломает per-seat. **Новое в этом прогоне:** (а) open-core разобран как полноценная связка осей с тирдауном 8 компаний и формулой границы (I4–I6); (б) граница free/paid систематизирована в 6 осей гейтинга + «enterprise tax по сигналу» (I7–I9); (в) лицензионные войны как риск open-core с датами (I16, R5); (г) AI-маржа рефрешнута до среза янв 2026 (52%, было ~50–60%). --- ## Learning-roadmap (Stage 5) — фальсифицируемые шаги Приоритизация (Effort×Impact + Pareto под цель «AI Product + Ops Leader»): 1. **🥇 Unit-экономика AI-фичи на токенах** *(Big Bet — корень всего, I13–I15)*. *Outcome:* можешь на салфетке прикинуть gross margin AI-фичи (выручка с юзера − стоимость инференса) и объяснить команде, при каком профиле использования flat-подписка уходит в убыток. *Тест:* посчитай для гипотетического AI-ассистента при $20/мес и 3 профилях нагрузки, где маржа становится отрицательной. 2. **🥈 Разложить любой продукт по 3 осям** *(Quick Win, I2)*. *Outcome:* для 3 реальных продуктов (1 AI, 1 классика, 1 open-core) отдельно называешь модель цены / GTM-мотив / value metric+границу, не смешивая. *Тест:* сделай для Cursor, Notion, Grafana. 3. **🥉 Спроектировать границу free/paid по 6 осям** *(Quick Win, I7–I9)*. *Outcome:* для заданного продукта расставляешь, что отдать бесплатно (воронка) и что гейтить, привязывая черту к моменту успеха пользователя, а не к издержкам. *Тест:* набросай free/paid для вымышленного AI-инструмента, обоснуй каждую черту. 4. **Open-core decision** *(Fill-in, I4–I6, I16)*. *Outcome:* объясняешь, когда open-core оправдан (dev-tool, есть bottom-up потенциал) и какие 3 риска несёт (rug-pull-репутация, форк облаком, AGPL-эндшпиль). *Тест:* аргументируй за/против open-core для гипотетического инфраструктурного стартапа. 5. **Следить за дрейфом AI-pricing** *(ongoing, R1)*. *Outcome:* раз в квартал рефетчишь маржу/цены (ICONIQ, Growth Unhinged, a16z) и проверяешь гипотезу H1 (outcome-pricing). *Тест:* через квартал обнови I14 и зафиксируй дельту. --- ## Все источники Полные ссылки с датами — в каждом артефакте (D1–D6), секция `## Sources`. Ключевые якоря: - **Аналитика:** a16z (AI margins, GTM), Bessemer State of the Cloud, ICONIQ State of AI (янв 2026), OpenView/ICONIQ PLG, Growth Unhinged / PricingSaaS (Kyle Poyar, 2025). - **Первичные pricing/docs:** LangChain/LangSmith/LangGraph Platform, Vercel, GitLab, Grafana, Supabase, Databricks, MongoDB, Elastic, OpenAI, Anthropic, Cursor, Perplexity, Intercom Fin, Salesforce Agentforce. - **Лицензии/риски:** оф. блоги MongoDB/Elastic/HashiCorp/Redis + InfoQ/TechCrunch/The Register, OpenTofu/Valkey/OpenSearch.