Alternatif Lago yang tepat bergantung pada apakah Anda menginginkan mesin penagihan yang berbeda, tanggung jawab penerapan yang berbeda, atau cara untuk memonetisasi lalu lintas AI dalam aplikasi yang sudah ada. Flexprice dan OpenMeter layak untuk evaluasi pada tingkat komponen; Metronome relevan untuk penagihan penggunaan dan kontrak komersial. ShareAI menangani alur inferensi yang disetujui di mana pelanggan membayar ShareAI dan aplikasi dapat memperoleh biaya tambahan yang diatribusikan. Pilihan-pilihan tersebut tidak memindahkan tanggung jawab yang sama.
Ditinjau pada 22 Oktober 2026. ShareAI menerbitkan perbandingan ini dan mengoperasikan salah satu program yang dibahas. Deskripsi mengacu pada dokumentasi resmi dan tangkapan nyata. Contoh numerik adalah buku besar offline yang dieksekusi menggunakan jumlah sintetis, bukan tolok ukur vendor berbayar, biaya pelanggan aktual, atau pembayaran yang diterima.
Untuk aplikasi open-core, pertanyaan penting sering kali adalah siapa yang harus mengoperasikan setiap bagian dari sistem komersial. Sebuah tim mungkin ingin perangkat lunaknya berjalan di infrastruktur pelanggan sambil tetap mengenakan biaya yang adil untuk pekerjaan AI opsional. Mengelola sendiri mesin penagihan, meng-host aplikasi, dan melayani model adalah keputusan yang terpisah. Bandingkan secara eksplisit sebelum mengasumsikan bahwa satu pilihan infrastruktur menyelesaikan yang lainnya.
Apa yang dilakukan Lago, dan mengapa kepemilikan penerapan itu penting
Pengantar saat ini Lago mencakup pengambilan penggunaan, agregasi metrik, penetapan harga, faktur, dan pembayaran yang terhubung. Ini memisahkan layanan Cloud yang di-host dari penerapan yang di-host sendiri. Ini adalah titik awal yang berguna: Anda dapat mengevaluasi model penagihan dan pemilik operasional layanan tanpa menganggapnya sebagai fitur yang sama. Aplikasi Anda tetap menyediakan konteks pelanggan dan penggunaan yang menjadi dapat ditagih.
Dalam penerapan yang dikelola sendiri, tentukan siapa yang bertanggung jawab atas peningkatan, penyimpanan, pemantauan, ketersediaan, dan pemulihan. Tanggung jawab tersebut dapat sesuai untuk tim dengan kebutuhan operasional tertentu. Ini tidak secara otomatis menjadi penghematan, hasil kepatuhan, atau jaminan bahwa setiap fitur yang di-hosting sudah termasuk. Tinjau edisi, lisensi, dan pengaturan dukungan yang tepat. Repositori sumber memberikan sesuatu untuk dievaluasi dan dioperasikan; itu tidak mentransfer kepemilikan hak cipta perangkat lunak ke bisnis Anda.
Repositori sumber resmi Lago relevan ketika penerapan dan ekstensibilitas menjadi bagian dari keputusan pembelian. Pisahkan penilaian tersebut dari fitur komersial yang dipilih untuk produk. Instalasi yang berhasil tidak membuktikan bahwa penyesuaian historis, perilaku faktur, kredit, atau integrasi pembayaran sesuai dengan kontrak pelanggan Anda. Uji operasi yang benar-benar Anda butuhkan daripada menganggap kontainer yang berjalan sebagai kualifikasi penagihan yang lengkap.
Alasan yang baik untuk mempertahankan Lago adalah bahwa alur kerja penerapan dan penggunaannya sudah sesuai dengan produk. Beralih hanya untuk menghindari pemeliharaan satu fitur AI opsional dapat menggantikan layanan penagihan umum yang berfungsi dengan layanan lain yang masih perlu Anda instrumentasikan dan rekonsiliasi. Evaluasi apakah perubahan yang dimaksud berkaitan dengan mesin penagihan itu sendiri, model hostingnya, atau hanya inferensi yang dikonsumsi oleh fitur tersebut. Batas terkecil yang benar dapat lebih mudah dijelaskan dan dipertahankan.
Pisahkan perangkat lunak yang di-hosting sendiri, penagihan, dan inferensi AI
| Keputusan | Pertanyaan untuk produk open-core | Bukti untuk mempertahankan | Apa yang tidak ditetapkan |
|---|---|---|---|
| Penerapan aplikasi | Di mana pelanggan menjalankan produk? | Penerapan, penyewa, dan izin aplikasi | Siapa yang membayar setiap permintaan AI opsional |
| Penerapan penagihan | Siapa yang mengoperasikan layanan penggunaan/penagihan? | Edisi, pemilik operasional, rencana cadangan, dan pembaruan | Siapa yang menyediakan inferensi model atau menerima dana pelanggan |
| Eksekusi AI | Ke mana permintaan inferensi yang diotorisasi diarahkan? | Rute yang diizinkan, akses model, dan penggunaan aktual | Penghasilan yang dijamin atau hasil pelanggan yang diterima |
| Penyelesaian komersial | Siapa yang dikenakan biaya dan siapa yang menerima nilai mana? | Harga, pengumpulan, penyesuaian, dan aturan akun | Bahwa biaya tambahan yang diperkirakan adalah uang tunai atau laba bersih |
Bayangkan sebuah produk pengetahuan open-core yang diinstal di beberapa lingkungan pelanggan. Produk dasarnya mungkin tetap terbuka sementara fitur opsional untuk menghasilkan jawaban menciptakan penggunaan yang bervariasi. Pengguna ringan dan pengguna otomatisasi berat dapat memiliki biaya yang sangat berbeda. Definisikan apa yang diotorisasi pelanggan, akun mana yang dikenakan biaya, dan bagaimana jawaban yang gagal atau pengulangan ditangani. Metode instalasi tidak menyediakan aturan komersial tersebut.
Jika Anda mempertahankan tumpukan penagihan umum, aplikasi mengirimkan konsumsi yang terpercaya dengan pemetaan pelanggan yang andal dan unit komersial yang dipilih. Jika Anda mengevaluasi jalur ShareAI Builder, inferensi yang memenuhi syarat terhubung melalui integrasi yang disetujui, pelanggan akhir membayar ShareAI untuk penggunaan yang dialihkan dan biaya tambahan aplikasi yang diizinkan diatributkan di bawah program. Perangkat lunak tetap dibangun, dihosting, didistribusikan, dan didukung oleh timnya sendiri.
Perbedaan ini juga melindungi pengguna yang meng-hosting sendiri dari tagihan yang membingungkan. Jelaskan apakah AI termasuk dalam langganan perangkat lunak, dibayar secara terpisah melalui akun inferensi, atau ditangani melalui pengaturan lain. Jangan mengenakan biaya operasi yang sama melalui dua sistem tanpa kesepakatan yang jelas tentang apa yang dicakup oleh masing-masing biaya. Jaga agar hasil produk, upaya model, dan penggunaan yang terlihat oleh pelanggan tetap dapat dipahami secara terpisah, terutama ketika batas waktu membuat hasil menjadi tidak pasti.
Bandingkan alternatif Lago berdasarkan tanggung jawab yang mereka pindahkan
| Opsi | Alasan yang berguna untuk mengevaluasinya | Apa yang harus memenuhi syarat | Kesesuaian relatif terhadap ShareAI |
|---|---|---|---|
| Lago | Penagihan langganan/penggunaan berbasis cloud atau dikelola sendiri | Edisi, kepemilikan operasional, dan integrasi pembayaran | Dapat tetap menjadi lapisan penagihan di luar penggunaan AI yang dialihkan |
| Flexprice | Metering, penagihan, dan manajemen fitur open-source | Pengaturan penerapan, lisensi, dan pengumpulan yang dipilih | Tumpukan komponen monetisasi daripada program inferensi yang sama |
| OpenMeter | Metering acara, kontrol penggunaan, dan integrasi penagihan | Pembagian open-source/cloud saat ini dan integrasi pembayaran/pajak | Perbandingan tingkat komponen dengan batas komersial yang berbeda |
| Metronome | Penilaian penggunaan, penetapan harga, dan penagihan kontrak | Integrasi Stripe saat ini dan alur kerja produk yang didukung | Opsi mesin penagihan untuk bisnis perangkat lunak yang lebih luas |
| ShareAI | Inferensi yang dialihkan dibayar pelanggan dengan biaya tambahan aplikasi yang disetujui | Persetujuan aplikasi/akun, penggunaan aktual, dan ketentuan penyelesaian | Alur monetisasi lalu lintas AI yang lebih sempit |
Flexprice: bandingkan tumpukan metering, penagihan, dan akses
Dokumentasi Flexprice menjelaskan platform open-source untuk metering, penagihan, dan manajemen fitur, dengan opsi hosting sendiri. Keunggulan: sebuah tim dapat mengevaluasi penggunaan, kredit, dan akses fitur sebagai komponen produk terkait. Untuk aplikasi open-core, itu berguna ketika rencana komersial harus menentukan kemampuan opsional mana yang tersedia. Periksa integrasi aktual daripada mengasumsikan bahwa status penagihan secara otomatis mencapai setiap penerapan aplikasi.
Pertimbangan: konfirmasikan lisensi, batasan komunitas/komersial, persyaratan hosting, dan tanggung jawab penyedia pembayaran. Self-hosting sistem lain tetap memerlukan kepemilikan operasional. Uji bagaimana akses, penggunaan, dan status kredit mencapai produk ketika pelanggan menjalankan instalasi terpisah. Bandingkan pekerjaan tersebut dengan alur kerja Lago yang sudah Anda operasikan. ShareAI harus dievaluasi secara terpisah jika perubahan yang diinginkan adalah inferensi yang dibayar pelanggan dengan pendapatan aplikasi yang diatribusikan, daripada menggantikan seluruh implementasi penagihan dan manajemen fitur.
OpenMeter: bandingkan peristiwa, kontrol penggunaan, dan integrasi penagihan
Halaman produk resmi OpenMeter menjelaskan metering, katalog, hak akses, batasan, dan integrasi penagihan. Kelebihan: tampilan pada tingkat komponen berguna ketika peristiwa dan konsumsi yang terlihat oleh pelanggan menjadi pusat produk. Sebuah aplikasi dapat mengevaluasi bagaimana penggunaan menjadi metrik komersial dan bagaimana hal itu terkait dengan rencana atau kuotanya. Ini tetap menjadi keputusan integrasi: aplikasi harus menyediakan identitas dan makna dari penggunaan yang direkamnya.
Pertimbangan: verifikasi fitur deployment/edisi yang tersedia saat ini, jalur SDK, dan pengaturan pajak/pembayaran yang terhubung. Kong mengumumkan akuisisi OpenMeter, dan situs saat ini mengidentifikasinya sebagai OpenMeter by Kong. Hindari menghitung kemampuan terkait Konnect dan OpenMeter sebagai produk independen tanpa memeriksa paketnya. Dibandingkan dengan Lago, bandingkan peristiwa, koreksi, keputusan akses, dan batasan faktur/koleksi yang diperlukan oleh produk Anda.
Metronome: pertimbangkan integrasi penagihan penggunaan saat ini
Metronome relevan ketika tujuan utama adalah mengubah mesin penagihan kontrak dan penggunaan secara umum. Panduan penagihan penggunaan saat ini dari Stripe merekomendasikan Metronome untuk integrasi berbasis penggunaan yang baru. Integrasi Meters dasar yang ada tetap didukung. Kelebihan: Anda dapat mengevaluasi alur kerja penggunaan, penilaian, dan kontrak komersial dalam konteks strategi produk Stripe saat ini, daripada memperlakukan Metronome sebagai pilihan integrasi masa depan yang sepenuhnya terpisah.
Tradeoffs: perbandingan resmi memisahkan metering/rating/billing dari pengumpulan dan layanan keuangan terkait. Pastikan pengaturan mana yang mendukung kebutuhan checkout, langganan, dan komersial Anda. Dibandingkan dengan penerapan Lago yang dikelola sendiri, evaluasi kepemilikan operasional dan pekerjaan integrasi serta fitur perangkat lunak. Jangan berasumsi bahwa akuisisi membuat setiap kemampuan pembayaran atau platform tersedia di setiap integrasi, atau bahwa produk penagihan menyediakan pengguna aplikasi dan eksekusi modelnya.
ShareAI: monetisasi komponen inferensi dari aplikasi yang sudah ada
Program ShareAI Builder adalah opsi bagi pemilik, pemelihara, atau agensi perangkat lunak yang ada yang menginginkan alur monetisasi inferensi yang disetujui. Builder menghubungkan lalu lintas AI yang memenuhi syarat dan mengonfigurasi biaya tambahan atau margin yang diizinkan. Pelanggan akhir membayar ShareAI untuk penggunaan yang diarahkan, dan penggunaan tersebut menghasilkan pendapatan yang diatribusikan ke aplikasi di bawah program ini. Pros: pengalihan, pembayaran pelanggan, dan atribusi memiliki hubungan yang terdefinisi daripada disimpulkan dari fitur faktur.
Tradeoffs: aplikasi, akun, dan akses model aktual memerlukan persetujuan/kualifikasi berdasarkan ketentuan yang relevan. Validated company Builders menerima pembayaran setelah periode tinjauan 45 hari. Saat ini, individu mengakumulasi nilai inferensi untuk digunakan dalam ShareAI, bukan untuk pencairan tunai atau transfer akun. Pendapatan bergantung pada penggunaan yang diarahkan yang memenuhi syarat dan penyesuaian aktual. ShareAI tidak membangun, meng-host, atau mendistribusikan aplikasi, dan langganan produk umum atau layanan non-AI mungkin masih memerlukan sistem komersial yang ada.
Jangan bingung ini dengan meng-host sendiri mesin penagihan atau berkontribusi komputasi. Infrastruktur sendiri yang memenuhi syarat dan partisipasi Prosumer dapat dievaluasi berdasarkan persyaratan produk dan program terpisah mereka. Imbalan penyedia berkaitan dengan kontribusi kapasitas yang memenuhi syarat; pendapatan Builder berkaitan dengan lalu lintas yang dibawa oleh aplikasi. Penerapan, lisensi model, atau endpoint yang terhubung tidak menciptakan permintaan pelanggan, dan dukungan endpoint khusus atau penambahan margin tidak secara otomatis eksklusif untuk ShareAI.
Bandingkan biaya operasional dengan cakupan komersial yang sama.
Komponen penagihan yang dapat diunduh secara gratis tetap dapat memiliki biaya operasional. Layanan yang di-hosting tetap memerlukan integrasi dan dukungan pelanggan. Buat lembar kerja berdasarkan edisi aktual, penawaran vendor, unit penggunaan, biaya pembayaran, peningkatan, penyimpanan, dan rencana pemulihan. Hindari membuat perbandingan harga antara penagihan perangkat lunak saja dan biaya inferensi secara keseluruhan. Inferensi yang digunakan oleh fitur AI tetap harus disediakan dan dibayar di suatu tempat dalam desainnya.
Untuk produk pengetahuan open-core, evaluasi pola penerapan dan konsumsinya. Pelanggan yang menjalankan satu instalasi secara manual dapat berperilaku berbeda dari penyewa besar yang menjalankan pekerjaan otomatis. Respons lambat atau pengulangan dapat menambah upaya tanpa menciptakan jawaban yang diterima lainnya. Tentukan unit mana yang sebenarnya ditagih, dan simpan informasi yang cukup untuk menjelaskan jumlah yang disengketakan. Model lisensi perangkat lunak tidak membuat peristiwa penggunaan tersebut dapat dijelaskan dengan sendirinya.
Contoh ilustratif dapat memperjelas batasannya: 1000 USD inferensi ditambah dengan biaya tambahan hipotetis sebesar 15% menghasilkan 150 USD biaya tambahan bruto dan total 1150 USD. Ini adalah jumlah sintetis, bukan harga langsung untuk Lago atau alternatifnya. Mereka mengecualikan pendapatan produk lainnya dan tidak menetapkan laba bersih, perlakuan pajak, atau penyelesaian yang diterima. Gunakan kontrak aktual, aturan biaya/penyesuaian, dan mata uang untuk peluncuran nyata, termasuk kebijakan pembulatan yang diperlukan.
Latih duplikasi dan penyesuaian dengan buku besar offline
Fixture yang dieksekusi di bawah ini menggunakan catatan sintetis dan sen USD integer. Ini mempertahankan penyesuaian eksplisit, mengabaikan duplikasi identik, dan menolak pengenal duplikasi yang bertentangan. Ini berguna saat membahas bagaimana bukti penggunaan menjadi jumlah yang dihitung. Ini tidak menciptakan faktur atau pembayaran, dan bukan merupakan persistensi produksi, sistem reservasi kredit, atau pengganti kontrak acara/idempoten penyedia.
JavaScript
import assert from "node:assert/strict";
const records = [
{id: "usage-a", customer: "demo", cents: 60000n, kind: "usage"},
{id: "usage-b", customer: "demo", cents: 50000n, kind: "usage"},
{id: "usage-a", customer: "demo", cents: 60000n, kind: "usage"},
{id: "adjustment-b", customer: "demo", cents: -10000n, kind: "adjustment"}
];
function netCents(rows) {
const seen = new Map();
let total = 0n;
for (const row of rows) {
assert.equal(row.customer, "demo");
const fingerprint = [row.customer, row.cents.toString(), row.kind].join("|");
if (seen.has(row.id)) {
if (seen.get(row.id) !== fingerprint) throw new Error("Conflicting duplicate");
continue;
}
if (row.cents < 0n && row.kind !== "adjustment") throw new Error("Invalid sign");
seen.set(row.id, fingerprint);
total += row.cents;
}
return total;
}
const base = netCents(records);
assert.equal(base, 100000n);
assert.throws(() => netCents([...records,
{id: "usage-a", customer: "demo", cents: 1n, kind: "usage"}
]));
const numerator = base * 1500n; // Hypothetical 15 percent in basis points.
if (numerator % 10000n !== 0n) throw new Error("Define contractual rounding first");
const surcharge = numerator / 10000n;
assert.equal(surcharge, 15000n);
const usd = cents => `${cents / 100n}.${(cents % 100n).toString().padStart(2, "0")}`;
console.log(JSON.stringify({baseUSD: usd(base), grossSurchargeUSD: usd(surcharge),
totalUSD: usd(base + surcharge), paidReceiptVerified: false}));Hasilnya adalah 1000 USD inferensi ilustratif bersih, 150 USD biaya tambahan bruto, dan total 1150 USD. Dalam produksi, pertahankan perbedaan antara tugas aplikasi, upaya yang digunakan untuk menyelesaikannya, dan penggunaan yang dikaitkan dengan pelanggan. Pertahankan catatan asli saat penyesuaian diperlukan. Perkiraan penggunaan, faktur yang dihasilkan, uang yang dikumpulkan, dan pembayaran yang diterima termasuk dalam tahap rekonsiliasi yang terpisah.
Pindahkan satu tanggung jawab tanpa kehilangan kesepakatan pelanggan
- Inventarisasi peristiwa, metrik, rencana, kredit, faktur, penyesuaian, dan hubungan penyedia pembayaran Lago saat ini.
- Catat komponen penagihan mana yang di-hosting atau dikelola sendiri, dan siapa yang memiliki tanggung jawab pemulihan dan pembaruan untuk masing-masing.
- Pilih fitur AI yang representatif dan definisikan otorisasi pelanggan, unit yang dapat ditagih, dan arti hasil yang diterima.
- Evaluasi alternatif dalam alur bayangan/latihan yang tidak dapat menciptakan faktur atau biaya pelanggan duplikat.
- Latih peristiwa duplikat, pelaporan terlambat, upaya yang gagal, penyesuaian, dan ketergantungan yang tidak tersedia.
- Rekonsiliasi penggunaan dan biaya yang terlihat oleh pelanggan sebelum melakukan ekspansi; pertahankan catatan yang ada dan jalur rollback yang telah disepakati.
Jika pelanggan meng-host aplikasi, tentukan batasan deployment secara eksplisit. Tentukan bagaimana penggunaan yang diotorisasi mencapai sistem yang dipilih, bagaimana kredensial dilindungi, dan apa yang dilihat pengguna ketika akun atau dependensi tidak tersedia. Instalasi yang berhasil di lingkungan pengembangan Anda tidak menjamin perilaku yang identik di setiap lingkungan pelanggan. Hindari mengubah respons penagihan yang hilang menjadi batasan tak terbatas untuk pekerjaan yang mahal.
Pertahankan Lago jika model operasional dan alur kerja penagihannya tetap sesuai dengan produk. Bandingkan Flexprice atau OpenMeter untuk tanggung jawab komponen yang benar-benar Anda butuhkan, dan Metronome untuk jalur penagihan penggunaan/kontrak yang relevan. Evaluasi ShareAI untuk batas inferensi yang disetujui, pembayaran pelanggan, dan biaya tambahan. Sebuah produk dapat mempertahankan lisensi perangkat lunak dan langganan biasa sambil menangani lalu lintas AI opsional melalui alur komersial yang dijelaskan secara terpisah.
Pertanyaan yang sering diajukan
Alternatif Lago mana yang relevan untuk monetisasi aplikasi AI?
Flexprice, OpenMeter, dan Metronome menangani persyaratan pengukuran, deployment, dan penagihan yang berbeda. ShareAI relevan untuk alur inferensi yang disetujui dan dibayar pelanggan dengan biaya tambahan yang dikaitkan dengan aplikasi. Pilih tanggung jawab yang akan dipindahkan sebelum mengasumsikan opsi tersebut menggantikan sistem yang sama.
Apakah self-hosting Lago juga berarti self-hosting model AI saya?
Tidak. Mengoperasikan komponen penagihan, meng-host aplikasi, dan melayani model adalah tanggung jawab yang terpisah. Verifikasi setiap batasan deployment dan komersial. Aplikasi tetap memerlukan akses model yang diotorisasi dan penjelasan yang jelas tentang akun mana yang membayar penggunaan AI.
Apakah penagihan yang dikelola sendiri secara otomatis lebih murah daripada layanan yang di-host?
Tidak. Bandingkan ketentuan perangkat lunak/edisi aktual bersama dengan biaya integrasi, operasi, ketersediaan, pemulihan, dan pembayaran. Gunakan cakupan komersial yang sama di kedua sisi, dan jangan bandingkan biaya perangkat lunak penagihan dengan tagihan inferensi lengkap.
Apakah OpenMeter dan Kong merupakan alternatif yang tidak terkait?
Tidak. Kong mengumumkan akuisisinya atas OpenMeter, dan situs OpenMeter saat ini mengidentifikasi produk tersebut sebagai OpenMeter by Kong. Verifikasi produk dan kemasan yang dijual saat ini daripada menghitung ganda kemampuan terkait sebagai penawaran vendor independen.
Bisakah ShareAI menggantikan sistem penagihan lengkap dari produk open-core saya?
Program Builder mencakup inferensi AI yang diarahkan dan memenuhi syarat, pembayaran pelanggan ke ShareAI, biaya tambahan aplikasi yang disetujui, dan penyelesaian spesifik akun. Lisensi perangkat lunak, kursi, atau layanan non-inferensi masih dapat memerlukan pengaturan penagihan dan akses yang ada.
Apakah Builder perusahaan dan individu menerima penyelesaian yang sama?
Tidak. Builder perusahaan yang divalidasi menerima pembayaran setelah periode tinjauan 45 hari. Individu saat ini mengakumulasi nilai inferensi untuk digunakan di ShareAI, bukan untuk pencairan tunai atau transfer akun. Hadiah komputasi penyedia dan pengaturan Creator memiliki ketentuan terpisah.
Apakah contoh buku besar membuktikan bahwa dana pelanggan telah diterima?
Tidak. Itu adalah perhitungan offline yang dijalankan dengan penggunaan sintetis dan penyesuaian. Pengumpulan aktual, biaya, pengembalian dana, tinjauan akun, dan penyelesaian yang diterima memerlukan bukti terpisah. Biaya tambahan bruto tidak sama dengan laba bersih atau uang tunai yang tersedia.
Haruskah saya memigrasikan setiap deployment dan pelanggan sekaligus?
Mulailah dengan fitur perwakilan dan batasan komersial yang telah disepakati dengan jelas. Kualifikasi otorisasi, penggunaan, dan rekonsiliasinya sebelum memperluas peluncuran. Simpan catatan yang ada dan rencana rollback, serta cegah evaluasi dari menghasilkan biaya langsung yang duplikat.
Sesuaikan model operasi dengan bagian yang ingin Anda monetisasi
Untuk penggunaan AI yang dialihkan secara memenuhi syarat, mulailah dengan alur aplikasi ShareAI Builder. Pastikan akses produk, distribusi perangkat lunak, dan penagihan non-inferensi dijelaskan secara eksplisit. Perbandingan alternatif Metronome memberikan pandangan lain tentang keputusan mesin penagihan. Kemudian kualifikasi satu perjalanan pelanggan sebelum memperluas ke seluruh produk.