MAU के दौर का अंत, क्या अब MRR पर भी भरोसा नहीं किया जा सकता?

नमस्ते। आजकल मैं newsletter लिखने के शौक में जी रहा हूँ।
मैं हर दिन एक newsletter लिखता हूँ, लेकिन बहुत बार पोस्ट करने पर यह GN policy के मुताबिक नहीं है, इसलिए मैं एक ऐसा newsletter परिचित कराना चाहता हूँ जिसमें खास तौर पर traffic बहुत फूटा।

व्यक्तिगत रूप से मुझे लगता है कि इसकी सामग्री सच में बुरी नहीं है और यह ऐसा विषय है जिस पर एक बार सोचा जा सकता है, इसलिए साझा कर रहा हूँ।
बिल्कुल, आप subscribe न भी करें तो चलेगा, बस मज़े से पढ़ लें, वही काफी है।

इस लेख में हाल ही में अमेरिकी सुनवाई के ज़रिए यह सामने आया कि active user metric और recurring user revenue जैसे metrics को कितना बढ़ा-चढ़ाकर पेश किया गया था।
उसके केंद्र में और कोई नहीं बल्कि OpenAI और Anthropic थे। इसके बाद Silicon Valley में नए metrics उभर रहे हैं। खैर, investment तो करना ही है। वास्तव में Gamma में काम करते हुए यह ऐसा metric है जिसे मैंने भी अनुभव किया है। आसान शब्दों में कहें तो revenue/productivity per person, और 1 साल का lifetime value।

[cafedead]

• AI युग में यह तर्क दिया जा रहा है कि ARR अब भरोसेमंद साझा मेट्रिक नहीं रह सकता
• टेक उद्योग के प्रमुख मेट्रिक्स हर दौर में बदलते रहे हैं
  • सोशल युग: DAU/MAU
  • SaaS युग: ARR/MRR
  • AI युग: यह सवाल उठ रहा है कि पारंपरिक ARR भी वास्तविकता को विकृत कर सकता है
• लेख की शुरुआत Anthropic के आँकड़ों में असंगति से होती है
  • फरवरी 2026 में ARR 14 अरब डॉलर पर ज़ोर दिया गया
  • एक महीने बाद अदालत में जमा दस्तावेज़ में लिखा गया, “स्थापना के बाद से कुल संचयी राजस्व 5 अरब डॉलर से अधिक”
  • वही कंपनी, लगभग वही समय, लेकिन आँकड़ों का मतलब काफ़ी अलग
  • लेखक इसे “AI युग में ARR वास्तविक व्यवसाय की स्थिति को ठीक से नहीं समझा पाने का संकेत” मानते हैं
• AI में ARR के डगमगाने के 3 कारण बताए गए हैं
  1. लगभग शून्य सीमांत लागत वाली SaaS की धारणा टूट जाती है
     • AI में हर inference call पर वास्तव में GPU/cloud लागत लगती है
     • उपयोग बढ़ेगा तो लागत भी बढ़ेगी
  2. हर ग्राहक की लागत संरचना में बहुत बड़ा अंतर होता है
     • एक ही शुल्क देने पर भी कोई ग्राहक low-cost हो सकता है, कोई high-cost
     • सिर्फ ARR देखने पर दोनों एक जैसे “अच्छे revenue” लगते हैं, लेकिन वास्तविक profitability बहुत अलग होती है
  3. recurring revenue की स्थिरता कमज़ोर होती है
     • SaaS की तुलना में switching cost कम होने से दूसरे model/service पर जाना आसान है
     • “Recurring” खुद पहले जितना मज़बूत नहीं रह गया है
• इसलिए AI कंपनियों का ARR “growth” तो दिखा सकता है, लेकिन profitability, sustainability और business quality को ठीक से नहीं दिखा पाता
  • तर्क यह है कि इसकी संरचना कुछ वैसी ही है जैसे पहले DAU/MAU उपयोगकर्ता की दिलचस्पी तो दिखाते थे, लेकिन व्यवसाय की सेहत नहीं
• Anthropic और OpenAI के उदाहरण भी इस समस्या को दिखाते हैं
  • घोषित ARR और वास्तविक संचयी revenue, half-year performance, cash burn rate के बीच अंतर होता है
  • यानी “annualized” संख्या को अगर वास्तविक वार्षिक प्रदर्शन के बराबर पढ़ा जाए तो ग़लतफ़हमी हो सकती है
• लेखक ने AI युग के अगले पीढ़ी के संभावित मेट्रिक्स भी सुझाए हैं
  1. खर्च के मुकाबले उत्पादकता (Productivity per Dollar Spent)
     • सिर्फ ARR/कर्मचारी संख्या नहीं
     • बल्कि ARR / (वेतन लागत + AI लागत) जैसे तरीके से देखने पर वास्तविक efficiency दिखती है
  2. पहले वर्ष का मूल्य (First Year Value)
     • LTV की तरह बहुत दूर के भविष्य को मान लेने के बजाय
     • यह देखने का दृष्टिकोण कि ग्राहक को पहले 12 महीनों में renewal लायक पर्याप्त value मिली या नहीं
  3. प्रति token gross profit जैसे unit economics केंद्रित मेट्रिक्स
     • कितना ज़्यादा process किया, यह उतना महत्वपूर्ण नहीं
     • बल्कि कितना margin बचाकर process किया, यह ज़्यादा महत्वपूर्ण है
• मुख्य संदेश
  • AI युग में revenue के आकार से ज़्यादा gross profit structure, customer-level profitability और पहले साल में बचने वाली value को देखना होगा
  • बात यह है कि संख्या के आकार से ज़्यादा संख्या की संरचना को पढ़ना चाहिए
• कुछ व्यावहारिक समस्याएँ भी हैं
  • इन तीसरी पीढ़ी के मेट्रिक्स को ठीक से देखने के लिए
  • billing, infra cost और finance systems का आपस में जुड़ा होना ज़रूरी है
  • लेकिन ज़्यादातर AI कंपनियों के पास अभी उस स्तर का measurement infra नहीं है

एक पंक्ति में सार
AI business को अब SaaS की तरह सिर्फ ARR से समझाना मुश्किल हो गया है, और आगे चलकर “कितना बेचा” से ज़्यादा “कितना बचाया, और कितना टिकाऊ है” दिखाने वाले मेट्रिक्स अधिक महत्वपूर्ण होंगे

[haebom]

आपने इसे बहुत अच्छी तरह से व्यवस्थित किया है। धन्यवाद।