Whalesbook
AI ਦੇ ਆਉਣ ਨਾਲ ਬਦਲੀ ARR ਦੀ ਪਰਿਭਾਸ਼ਾ
ਰਵਾਇਤੀ ਤੌਰ 'ਤੇ, ਸਟਾਰਟਅੱਪ ਕੰਪਨੀਆਂ ਇੱਕ ਨਿਸ਼ਚਿਤ ਰਸਤਾ ਅਪਣਾਉਂਦੀਆਂ ਸਨ, ਜਿਸ ਵਿੱਚ ਪ੍ਰੋਡਕਟ ਡਿਵੈਲਪਮੈਂਟ ਅਤੇ ਗਾਹਕਾਂ ਨੂੰ ਹਾਸਲ ਕਰਨ 'ਤੇ ਵੱਡਾ ਨਿਵੇਸ਼ ਕਰਨ ਤੋਂ ਬਾਅਦ ਹੀ $100 ਮਿਲੀਅਨ ARR ਵਰਗੇ ਮੀਲਪੱਥਰ ਤੱਕ ਪਹੁੰਚਣ ਦਾ ਟੀਚਾ ਰੱਖਿਆ ਜਾਂਦਾ ਸੀ। ਇਹ ਅੰਕੜਾ ਨਾ ਸਿਰਫ਼ ਕੰਪਨੀ ਦੇ ਆਕਾਰ ਨੂੰ ਦਰਸਾਉਂਦਾ ਸੀ, ਸਗੋਂ ਇਸਦੀ ਵਿਕਰੀ, ਗਾਹਕਾਂ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਣ ਅਤੇ ਵਧਾਉਣ ਦੀ ਭਵਿੱਖਬਾਣੀਯੋਗਤਾ (predictability) ਨੂੰ ਵੀ ਦੱਸਦਾ ਸੀ।
ਪਰੰਪਰਾਗਤ Software-as-a-Service (SaaS) ਕੰਪਨੀਆਂ ਮੁੱਖ ਤੌਰ 'ਤੇ ਕੰਟਰੈਕਟਾਂ ਰਾਹੀਂ ਆਉਣ ਵਾਲੇ ਪੈਸੇ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀਆਂ ਹਨ, ਜਿੱਥੇ ਇੱਕ ਨਿਸ਼ਚਿਤ ਮਿਆਦ ਲਈ ਗਾਹਕੀ ਫੀਸਾਂ ਤਹਿ ਹੁੰਦੀਆਂ ਹਨ।
ਵਰਤੋਂ 'ਤੇ ਆਧਾਰਿਤ AI ਮਾਡਲ
ਹੁਣ AI-ਨੈਟਿਵ ਕੰਪਨੀਆਂ ਇਸ ਰਫ਼ਤਾਰ ਨੂੰ ਬਦਲ ਰਹੀਆਂ ਹਨ। ਭਾਰਤ ਦੀ AI ਐਪ-ਬਿਲਡਿੰਗ ਪਲੇਟਫਾਰਮ Emergent ਨੇ ਲਾਂਚ ਦੇ ਸਿਰਫ਼ 8 ਮਹੀਨਿਆਂ ਵਿੱਚ ARR ਦਾ $100 ਮਿਲੀਅਨ ਦਾ ਅੰਕੜਾ ਪਾਰ ਕਰ ਲਿਆ। AI ਇਮੇਜ ਜਨਰੇਟਰ Midjourney ਅਤੇ AI ਵੌਇਸ ਟੂਲ ElevenLabs ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਵੀ ਆਪਣੇ ਪੁਰਾਣੇ SaaS ਮੁਕਾਬਲੇਬਾਜ਼ਾਂ ਨਾਲੋਂ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਕਰੋੜਾਂ ਡਾਲਰ ਤੱਕ ਪਹੁੰਚੀਆਂ ਹਨ।
ਹਾਲ ਹੀ ਵਿੱਚ, Lovable ਵਰਗੇ ਪ੍ਰੋਂਪਟ-ਬੇਸਡ ਐਪ ਬਿਲਡਰ ਨੇ ਲਗਭਗ ਇੱਕ ਸਾਲ ਵਿੱਚ $400 ਮਿਲੀਅਨ ARR ਹਾਸਲ ਕੀਤਾ, ਜਦੋਂ ਕਿ AI ਏਜੰਟ ਬਣਾਉਣ ਵਾਲੀ Decagon ਨੇ ਲਗਭਗ 6 ਮਹੀਨਿਆਂ ਵਿੱਚ ਸੱਤ-ਅੰਕਾਂ ਦਾ ARR ਹਾਸਲ ਕੀਤਾ ਅਤੇ ਹੁਣ ਇਹ $30 ਮਿਲੀਅਨ ਤੋਂ ਉੱਪਰ ਕੰਮ ਕਰ ਰਹੀ ਹੈ। ਇਹਨਾਂ ਸਾਰੀਆਂ ਸਫਲਤਾਵਾਂ ਵਿੱਚ ਇੱਕ ਸਾਂਝਾ ਪੈਟਰਨ ਹੈ: ਤੇਜ਼ ਸ਼ੁਰੂਆਤੀ ਮਾਲੀਆ ਵਾਧਾ ਜੋ ਕਿ ਲੰਬੇ-ਕਾਲੀਨ ਕੰਟਰੈਕਟਾਂ ਦੀ ਬਜਾਏ ਵਰਤੋਂ (usage) 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ।
ARR ਦੀ ਬਦਲਦੀ ਪਰਿਭਾਸ਼ਾ ਅਤੇ ਚੁਣੌਤੀਆਂ
ਇਸ ਬਿਜ਼ਨਸ ਮਾਡਲ ਦੇ ਬਦਲਾਅ ਨਾਲ ARR ਦਾ ਮਤਲਬ ਵੀ ਬਦਲ ਗਿਆ ਹੈ। ਹੁਣ ਕੰਪਨੀਆਂ ਮੁੱਖ ਤੌਰ 'ਤੇ ਐਕਸੈਸ ਦੇਣ ਦੀ ਬਜਾਏ ਵਰਤੋਂ ਦੇ ਆਧਾਰ 'ਤੇ ਚਾਰਜ ਕਰ ਰਹੀਆਂ ਹਨ, ਜਿਵੇਂ ਕਿ ਟੋਕਨ, ਕੁਐਰੀ ਜਾਂ ਬਣਾਈਆਂ ਗਈਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ। ਇਸ ਕਾਰਨ, ਮਾਲੀਆ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਕਿ ਉਤਪਾਦ ਕਿੰਨਾ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ, ਜੋ ਕਿ ਨਿਸ਼ਚਿਤ ਸਬਸਕ੍ਰਿਪਸ਼ਨਾਂ ਨਾਲੋਂ ਘੱਟ ਪੂਰਵ ਅਨੁਮਾਨਯੋਗ (predictable) ਹੈ। Freshworks ਦੇ ਸਹਿ-ਸੰਸਥਾਪਕ Girish Mathrubootham ਦੇ ਅਨੁਸਾਰ, "ਬਹੁਤ ਸਾਰੀਆਂ AI ਕੰਪਨੀਆਂ ਜਿਸਨੂੰ ARR ਕਹਿ ਰਹੀਆਂ ਹਨ, ਉਹ ਅਸਲ ਵਿੱਚ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਅਤੇ ਵਰਤੋਂ ਨੂੰ ਮਿਲਾਉਣ ਵਾਲਾ ਇੱਕ ਐਨੂਅਲਾਈਜ਼ਡ ਰਨ ਰੇਟ ਹੈ।"
ਇਸ ਕਾਰਨ, ARR ਦੀ ਗਣਨਾ ਅਕਸਰ "ਐਨੂਅਲਾਈਜ਼ਡ ਰਨ ਰੇਟ" ਵਜੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਜਿੱਥੇ ਹਾਲੀਆ ਮਾਸਿਕ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ 12 ਨਾਲ ਗੁਣਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਹਾਲਾਂਕਿ ਇਹ ਗਤੀ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ, ਪਰ ਅੰਤਰੀਵ ਮਾਲੀਆ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ ਵਾਲਾ ਹੋ ਸਕਦਾ ਹੈ। ਨਿਵੇਸ਼ਕਾਂ ਲਈ ਇਹ ਸਮਝਣਾ ਮਹੱਤਵਪੂਰਨ ਹੈ ਕਿ ਇਹ ਮਾਰਜਿਨ ਅਤੇ ਅਸਥਿਰਤਾ (volatility) ਕਿਵੇਂ ਕੰਮ ਕਰਦੀ ਹੈ।
ਮਾਪਣ ਅਤੇ ਸਮਝਣ ਵਿੱਚ ਮੁਸ਼ਕਲਾਂ
ਵੱਖ-ਵੱਖ ਰਿਪੋਰਟਿੰਗ ਤਰੀਕਿਆਂ ਕਾਰਨ ਇਹ ਗੁੰਝਲ ਹੋਰ ਵਧ ਜਾਂਦੀ ਹੈ। ਕੁਝ ਕੰਪਨੀਆਂ ਬਿੱਲ ਕੀਤੀ ਗਈ ਪੂਰੀ ਰਕਮ ਦੱਸਦੀਆਂ ਹਨ, ਜਦੋਂ ਕਿ ਕੁਝ ਹੋਰ ਇਨਫ్రాਸਟ੍ਰਕਚਰ ਖਰਚਿਆਂ ਨੂੰ ਘਟਾ ਕੇ ARR ਦੱਸਦੀਆਂ ਹਨ। ਮਾਪਦੰਡਾਂ (standards) ਦੀ ਇਸ ਘਾਟ ਕਾਰਨ ਇਹ ਇੱਕ "ਮੈਟ੍ਰਿਕ ਇਨ ਫਲਕਸ" ਬਣ ਗਿਆ ਹੈ। AI ਵੀਡੀਓ ਪਲੇਟਫਾਰਮ Hypergro ਦੇ ਸੰਸਥਾਪਕ Rituraj Biswas AI ਕੰਪਨੀਆਂ, ਖਾਸ ਕਰਕੇ ਕੰਜ਼ਿਊਮਰ AI ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਨਵੇਂ, ਮਿਆਰੀ ਤਰੀਕੇ ਦੀ ਵਕਾਲਤ ਕਰਦੇ ਹਨ। ਹਾਲਾਂਕਿ, Neosapien ਦੇ Dhananjay Yadav ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ ਮਾਲੀਆ ਅਤੇ ARR ਵਰਗੀਆਂ ਮੁੱਖ ਵਿੱਤੀ ਪਰਿਭਾਸ਼ਾਵਾਂ ਨੂੰ ਨਹੀਂ ਬਦਲਣਾ ਚਾਹੀਦਾ।
ਅੰਤ ਵਿੱਚ, ਭਾਵੇਂ ARR ਅਜੇ ਵੀ ਵਾਧੇ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ, ਪਰ AI ਯੁੱਗ ਵਿੱਚ ਇਸਦੀ ਵਿਆਖਿਆ ਲਈ ਡੂੰਘੀ ਸਮਝ ਦੀ ਲੋੜ ਹੈ। ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਹੁਣ ਇਹ ਜਾਂਚ ਕਰਨੀ ਪਵੇਗੀ ਕਿ ਮਾਲੀਆ ਕਿਵੇਂ ਪੈਦਾ ਹੋ ਰਿਹਾ ਹੈ, ਵਰਤੋਂ ਦੇ ਪੈਟਰਨ ਕਿਵੇਂ ਬਦਲ ਰਹੇ ਹਨ, ਅਤੇ ਇਹਨਾਂ ਵਰਤੋਂ-ਆਧਾਰਿਤ ਮਾਡਲਾਂ ਦੀ ਅੰਤਰੀਵ ਇਕਸਾਰਤਾ ਅਤੇ ਮਾਰਜਿਨ ਕੀ ਹਨ ਤਾਂ ਜੋ ਕਾਰੋਬਾਰ ਦੀ ਅਸਲ ਸਿਹਤ ਨੂੰ ਸਮਝਿਆ ਜਾ ਸਕੇ।