อนาคตของราคาค่าบริการ AI เครดิต

• ขณะที่ แพ็กเกจค่าบริการแบบอิงเครดิต พุ่งขึ้น 126% ในปี 2025 และกำลังก้าวขึ้นเป็นมาตรฐานของวงการ SaaS นั้น Clay ได้ปรับโครงสร้างราคาครั้งใหญ่โดยแยกต้นทุนข้อมูลออกจากมูลค่าของแพลตฟอร์มอย่างสิ้นเชิง
• Figma เปิดตัวโมเดล AI เครดิตในเดือนธันวาคม 2025 แต่ได้เลื่อนการบังคับใช้ออกไป และจะเริ่ม บังคับใช้เพดานเครดิต อย่างเต็มรูปแบบตั้งแต่วันที่ 18 มีนาคม 2026
• PostHog ใช้วิธี pass-through โดยส่งต่อต้นทุน AI พร้อมบวกมาร์จินเพียง 20% ทำให้แยกค่าแพลตฟอร์มกับต้นทุนโทเค็นออกจากกันอย่างชัดเจน
• Clay เลือกเดิมพันระยะยาว แม้คาดว่าการเปลี่ยนไปใช้แพ็กเกจใหม่จะทำให้ รายได้ลดลงทันที 10% แต่เชื่อว่าสามารถชดเชยได้จากการขยายการใช้งานแพลตฟอร์ม
• หากรูปแบบที่ AI agent ซื้อ AI เครดิตโดยตรงเริ่มแพร่หลาย แพ็กเกจแบบคิดตามการใช้งานที่ซับซ้อนอาจกลับกลายเป็นทางเลือกที่ได้เปรียบกว่าในด้าน ความโปร่งใสและการเพิ่มประสิทธิภาพ

---

Figma เริ่มบังคับใช้เพดาน AI เครดิตอย่างจริงจัง

• Figma เปิดตัวโมเดล AI เครดิตในเดือนธันวาคม 2025 แต่การบังคับใช้เพดานจริงถูกเลื่อนออกไป และจะ เริ่มใช้อย่างเต็มรูปแบบตั้งแต่วันที่ 18 มีนาคม 2026
  • สามารถซื้อเครดิตได้ตั้งแต่วันที่ 11 มีนาคม
• เครดิตถูกจัดสรร รายผู้ใช้ และรวมอยู่ในทุกแพ็กเกจ
  • ผู้ใช้ฟรี: 500 เครดิตต่อเดือน (มูลค่า $12)
  • Enterprise full seat: 4,200 เครดิตต่อเดือน (มูลค่า $100)
• เครดิตจะ รีเซ็ตทุกเดือน และไม่สามารถทบยอดได้
• สามารถซื้อ แพ็กเกจเครดิตแบบ pooled ระดับบัญชี เพิ่มได้ โดยเริ่มต้นที่ $120 ต่อเดือนสำหรับ 5,000 เครดิต (ประมาณ 2 เซ็นต์ต่อเครดิต)
• Pay-as-you-go เครดิต จะเปิดให้ใช้ภายหลัง โดยคิดราคาแพงกว่าแบบสมาชิกรายเดือน 25%
• ผลของกลยุทธ์ให้เครดิตฟรีเป็นเวลา 3 เดือน
  • เปิดโอกาสให้ผู้ใช้ได้ลองใช้และคุ้นเคยกับฟีเจอร์ AI
  • ทำให้ได้ข้อมูลการใช้งานจริงและข้อมูลต้นทุน
  • เก็บ feedback เพื่อปรับรายละเอียดโครงสร้างราคาก่อนเริ่มเรียกเก็บเงินจริง
• พบการกระจายตัวแบบ power law ในการใช้งาน AI: 75% ของลูกค้าที่ชำระเงินซึ่งมี ARR มากกว่า $10,000 ใช้ AI เครดิตเป็นรายสัปดาห์
• มีผู้ใช้บางส่วนใช้เกินเพดานเครดิตแล้ว แต่ยังไม่เปิดเผยตัวเลขที่แน่นอน
• ออกแบบโครงสร้าง กระตุ้นให้อัปเกรด seat: จาก Dev seat (500 เครดิตต่อเดือน) → Professional seat (3,000 เครดิตต่อเดือน พร้อมมูลค่าเพิ่ม $60) โดยค่าอัปเกรด seat อยู่ที่เพียง $5 ต่อเดือน ซึ่งประหยัดกว่าการซื้อเครดิตแยกอย่างมาก
• ความตึงเครียดที่ซ่อนอยู่ในโครงสร้างราคา: การสร้าง prototype ใช้คงที่ 20 เครดิต ขณะที่การสร้างภาพใช้ 5~25 เครดิตตาม LLM ที่เลือก
  • เป็นการปะปนกันของแนวคิด อิงมูลค่า (value-based) และ อิงต้นทุน (cost-based) ทำให้ผู้ใช้ต้องแบกรับภาระในการตัดสินใจเรื่อง trade-off ระหว่างราคาและคุณค่าด้วยตนเอง
  • ยังไม่ชัดเจนว่าหากต้นทุน LLM ลดลง ผู้ใช้จะได้ประโยชน์ตามไปด้วยหรือไม่

แพลตฟอร์ม + โทเค็น: โครงสร้างใหม่ของแพ็กเกจ AI

• เพื่อแก้ข้อจำกัดของการผสมเครดิตแบบอิงต้นทุนและอิงมูลค่าเข้าด้วยกัน โครงสร้างที่ แยกแพลตฟอร์ม (มูลค่า) และโทเค็น (ต้นทุน) ออกจากกัน กำลังกลายเป็นทางเลือกใหม่
  • เปรียบได้กับการเช่ารถ (แพลตฟอร์ม) + ค่าน้ำมัน (โทเค็น) หรือสมาชิก Costco (แพลตฟอร์ม) + สินค้าที่ซื้อ (โทเค็น)
• Snowflake: แยกระหว่าง storage·data transfer (ส่งต่อต้นทุน) กับ computing·cloud service (ส่งมอบมูลค่า)
• ซอฟต์แวร์แนวตั้ง: แยกระหว่างการประมวลผลการชำระเงิน (ส่งต่อต้นทุนมาร์จินต่ำ) กับโมดูลซอฟต์แวร์ (มูลค่าสูง มาร์จินสูง)
• ข้อดี 4 ประการของโครงสร้างนี้
  1. รับประกันฐานมาร์จินขั้นต่ำ: รักษา gross margin ขั้นต่ำได้ราว 20% และรายได้ขยายตามการใช้ AI โทเค็นโดยธรรมชาติ
  2. สร้างความโปร่งใสด้านต้นทุน: เมื่อต้นทุน LLM ลดลง การเลือกโมเดลราคาถูกลง หรือผู้ขายได้อานิสงส์จาก economies of scale ผลประโยชน์จะสะท้อนไปถึงลูกค้าทันที และลูกค้าควบคุมต้นทุนได้เอง
  3. โฟกัสที่มูลค่าเฉพาะของผลิตภัณฑ์: สามารถเน้นความแตกต่างของตัวผลิตภัณฑ์ แทนที่จะไปแข่งขันที่โครงสร้างพื้นฐาน AI ซึ่งกำลังกลายเป็นสินค้ามาตรฐานมากขึ้นเรื่อย ๆ
  4. รองรับรูปแบบการซื้อที่ยืดหยุ่น: ขยายไปสู่รูปแบบใหม่ได้ เช่น BYOK (Bring Your Own Key) หรือโมเดล AI marketplace (ซื้อแอปผ่าน OpenAI หรือ Anthropic คล้าย AWS Marketplace)
• ข้อเสีย: เพิ่มความซับซ้อนจากมุมมองของผู้ซื้อ

กรณีของ PostHog กับโครงสร้างแพลตฟอร์ม + โทเค็น

• ทำให้ค่าบริการ AI เรียบง่ายขึ้นด้วยวิธี pass-through โดยส่งต่อต้นทุนพร้อมบวก markup เพียง 20%
• ให้ เครดิตฟรี $20 แก่ลูกค้าใหม่
• PostHog สร้างมูลค่าผ่านผลิตภัณฑ์มากกว่า 10 ตัว ดังนั้นฟีเจอร์ AI จึงอยู่ในฐานะส่วนเสริมที่ช่วยให้ผลิตภัณฑ์เหล่านี้มีคุณค่ามากขึ้น

แพ็กเกจใหม่แบบแพลตฟอร์ม + โทเค็นของ Clay

• แพ็กเกจเดิมของ Clay เป็น โมเดลอิงเครดิต ที่ถือว่าล้ำหน้าในสาย GTM tech อยู่แล้ว และรองรับผู้ใช้ไม่จำกัดในทุกแพ็กเกจ
• เครดิตเดิมถูกใช้สำหรับการดึง data point เช่น การค้นหาเบอร์โทรศัพท์มือถือจะใช้ 2~25 เครดิต ตามผู้ให้บริการข้อมูล
• เมื่อโครงสร้างที่เคยเน้น data marketplace ในช่วงแรกพัฒนากลายเป็นแพลตฟอร์มอัตโนมัติที่รัน workflow ซับซ้อนได้ ก็เริ่มเกิดความไม่สอดคล้องกับโครงสร้างเครดิตแบบเดิม
• การเปลี่ยนแปลงหลักของแพ็กเกจใหม่ (ณ มีนาคม 2026)
  • แยกต้นทุน (data credits) และมูลค่า (actions) ออกจากกันอย่างชัดเจน
  • ลดจำนวนแพ็กเกจจาก 5 เหลือ 4 และทำให้ข้อความสื่อสารถึงกลุ่มลูกค้าเป้าหมายของแต่ละแพ็กเกจชัดเจนขึ้น
  • ลดต้นทุน data credits ลง 50~90%
  • ต้นทุนโมเดล AI ขั้นสูงใช้แบบ pass-through ที่ markup 0% โดยลูกค้าจ่ายเฉพาะปริมาณการใช้โทเค็นจริง
  • ลูกค้า self-serve เดิมยังคงใช้แพ็กเกจ legacy ต่อได้
• คาดว่าการเปลี่ยนผ่านนี้จะทำให้ รายได้ลดลงทันที 10%
• โครงสร้าง flywheel ระยะยาวของ Clay: (a) เพิ่มการเข้าถึงผลิตภัณฑ์ → (b) ลดต้นทุนข้อมูล GTM → (c) สร้างรายได้ผ่านการรัน GTM workflow ที่ซับซ้อน

อนาคตที่ AI agent ซื้อเครดิตโดยตรง

• 2 วิธีที่ Clay ใช้แก้ปัญหาคาดการณ์ยากของแพ็กเกจแบบคิดตามการใช้งาน
  • ตั้งเพดาน action ไว้อย่างกว้างพอ: 90% ของลูกค้าเดิมยังไม่แตะเพดาน action ในปัจจุบัน
  • เชื่อมต่อข้อมูล API ของลูกค้าเอง (BYOD): ตัดตัวแปร data credits ออกไป ทำให้แพ็กเกจเรียบง่ายขึ้น
• มีมุมมองว่าแพ็กเกจแบบอิงโทเค็นที่ซับซ้อนอาจ เหมาะกับ AI agent มากกว่า
  • AI agent ไม่ได้รับอิทธิพลจากผลทางจิตวิทยาด้านราคา เช่น charm pricing, decoy effect, price anchoring, zero price effect
  • สามารถประมวลผลข้อมูลจำนวนมากได้ (รวมถึงข้อกำหนดสัญญา) จึงอาจชอบแพ็กเกจที่ซับซ้อนแต่มีเอกสารโปร่งใส ติดตามการใช้งานได้ และตั้งเพดานงบประมาณได้
• AI agent กำลังพัฒนาไปในทิศทางที่สามารถตัดสินใจซื้อผลิตภัณฑ์ได้เอง และกระแสนี้อาจยิ่งเร่งขึ้นในบริบทของ agent อย่าง Claude Code