اینڈریو یانگ سوچتے ہیں کہ اگلا بڑا اسٹارٹ اپ موقع رہن کی لاگت کو کم کرنا ہے

مارک کیوبن نے Cost Plus Drugs کو ایک انقلابی نظریے پر بنایا: دوائیں لاگت پر فروخت کریں، حجم اور اعتماد پر پیسہ بنائیں، اور بچت براہ راست صارفین تک پہنچائیں۔ اینڈریو یانگ نے اس ماڈل کو دیکھا اور ایک سادہ لیکن دھماکہ خیز سوال پوچھا — کون سی دوسری صنعتیں اسی طرح کے نقصان کے لیے تیار ہیں؟ اینڈریو یانگ سوچتے ہیں کہ اگلا بڑا اسٹارٹ اپ موقع رہن کی لاگت کو کم کرنا ہے، اور ان کا جواب رہائش، کھانا، تعلیم، ایندھن، نقل و حمل، میڈیا، اور وائرلیس پر پھیلا ہوا ہے۔ یہ کوئی خاص شعبہ نہیں ہے۔ یہ روزمرہ کی معاشی زندگی کی پوری بنت ہے۔

کیا ہوا

TechCrunch کے Equity پوڈ کاسٹ کی ایک حالیہ قسط میں، سرمایہ کار اور سابق امریکی صدارتی امیدوار اینڈریو یانگ نے ایک نظریہ پیش کیا جو روایتی اسٹارٹ اپ کی کھیل کو الٹا دیتا ہے۔ زیادہ تر وینچر سے تعاون یافتہ کمپنیاں قیمت نکالنے کے لیے بنائی جاتی ہیں — ایک پریمیم چارج کریں، صارفین کو بند کریں، اور منافع میں اضافہ کریں۔ یانگ اس کے برعکس دلیل دے رہے ہیں: ایسے کاروبار بنائیں جن کی بنیادی قیمت کی تجویز صارفین کو پیسہ واپس کرنا ہے۔

الہام مارک کیوبن کے Cost Plus Drugs سے آیا، جو عام دوائیں شفاف، تقریباً لاگت کی قیمت پر فروخت کرتا ہے۔ یہ کمپنی امریکی دوائیوں میں ایک حقیقی نقصان دہندہ بن گئی، نہ کہ پروڈکٹ پر موجودہ حاملین کو ہراتے ہوئے، بلکہ اعتماد پر انہیں کم قیمت دے کر۔ یانگ نے یہ نمونہ دیکھا اور دوسری اقسام میں اس کو نقشہ بنانا شروع کیا۔

TechCrunch رپورٹ کے مطابق، یانگ کی فہرست میں شامل ہے: رہائش، تعلیم، کھانا، ایندھن، نقل و حمل، میڈیا، اور وائرلیس۔ یہ ملحقہ بازار نہیں ہیں — یہ گھریلو بجٹ میں غالب لائنیں ہیں۔ ضمنی دلیل یہ ہے کہ ان میں سے ہر ایک شعبے میں غیر کارکردگی، کرائے کی تلاش، اور ریگولیٹری قبضے کی تہیں جمع ہو گئی ہیں جو ایک اچھی طرح سے ڈیزائن کیا گیا اسٹارٹ اپ، خاص طور پر AI سے چلایا جانے والا، منظم طریقے سے ختم کر سکتا ہے۔

یانگ کی تشکیل خیرات کے بارے میں کم ہے اور کاروباری ماڈل کی نوآبری کے بارے میں زیادہ ہے۔ Cost Plus Drugs کوئی غیر منافع بخش تنظیم نہیں ہے۔ یہ پیسہ بناتا ہے۔ بصیرت یہ ہے کہ "لاگت کے علاوہ" ایک ماڈل کے طور پر تجارتی طور پر قابل عمل ہو سکتا ہے جب موجودہ حاملین اتنے پھولے ہوئے ہوں کہ ایک سست آپریشن معمولی منافع کے ساتھ بھی انہیں ڈرامائی طریقے سے کم قیمت دے سکے۔ اسٹارٹ اپ کا موقع پرہیزگاری نہیں ہے — یہ ادارہ جاتی غیر کارکردگی پر آربٹریج ہے۔

جو چیز اس لمحے کو "نقصان" کی بیانیہ کی پچھلی لہروں سے مختلف بناتی ہے وہ بنیادی ڈھانچہ ہے جو آج بانیوں کے لیے دستیاب ہے۔ AI تقریباً ہر سروس کے کاروبار کی یونٹ اقتصادیات کو بدل دیتا ہے۔ جب سروس فراہم کرنے کی آپ کی لاگت ایک بڑی تبدیلی سے کم ہو جاتی ہے، تو لاگت پر فروخت نہ صرف ممکن ہو جاتی ہے بلکہ حکمت عملی سے غالب ہو جاتی ہے۔

ایشیا کے لیے یہ کیوں اہم ہے

یانگ کا نظریہ امریکی صارف کی تجربے کے ارد گرد بنایا گیا ہے، لیکن ساختی بصیرت براہ راست ترجمہ کرتی ہے — اور کچھ معاملات میں یہاں تک کہ زیادہ طاقتور طریقے سے — ایشیا کے لیے۔ رہن کی لاگت کا بحران منفرد طور پر مغربی نہیں ہے۔ سنگاپور، سیول، اور ٹوکیو میں رہائش کی سہولت سان فرانسسکو میں جیسی ہی شدید ہے۔ کھانے کی افراط زر نے جکارتہ سے ممبئی تک گھریلو بجٹ کو نقصان پہنچایا ہے۔ انڈونیشیا اور فلپائن جیسی مارکیٹوں میں ٹیلی کام کی قیمت آمدنی کی سطح کے مقابلے میں کیریئر کے درمیان نام نہاد مقابلے کے باوجود سختی سے زیادہ رہتی ہے۔

ایشیا ٹیک کی قیمت سے حساس صارفین کے لیے تعمیر کرنے کی ایک طویل تاریخ ہے۔ پوری سپر ایپ ماڈل — Grab، Gojek، WeChat — جزوی طور پر اس شناخت پر بنائی گئی تھی کہ ایشیائی صارفین ڈیجیٹل سروسز کو تیزی سے اپنائیں گے اگر قیمت کا نقطہ صحیح ہو۔ جنوب مشرقی ایشیا میں رائڈ ہیلنگ اس لیے نہیں جیتی کیونکہ ایپس ٹیکسیوں سے خوبصورت تھے۔ وہ اس لیے جیتے کیونکہ وہ سستے، زیادہ قابل پیش گوئی، اور زیادہ قابل رسائی تھے۔

لیکن یہاں ایک دوسری تہہ ہے جو خاص طور پر ایشیا کے لیے اہم ہے۔ یانگ کی شناخت کردہ بہت سی صنعتیں — رہائش، تعلیم، صحت سے متعلق کھانا اور wellness — وہ شعبے ہیں جہاں ایشیائی حکومتیں یا تو ریگولیٹر یا براہ راست فراہم کنندہ کے طور پر گہری طور پر شامل ہیں۔ یہ ایک مختلف قسم کی خرابی کی سطح بناتا ہے۔ موقع ہمیشہ موجودہ حامل کو تبدیل کرنا نہیں ہے؛ کبھی کبھی یہ موثر نجی تہہ بنانا ہے جو عوامی نظام کے ساتھ یا اس کے نیچے بیٹھتی ہے۔

تعلیم پر غور کریں۔ ویتنام، جنوبی کوریا، اور ہندوستان جیسی مارکیٹوں میں، نجی ٹیوٹرنگ اور ٹیسٹ تیاری کی صنعتیں بہت بڑی ہیں بالکل اس لیے کہ عوامی تعلیمی نظام اعلیٰ داؤ پر لگے ہوئے رکاوٹیں بناتا ہے۔ تعلیم کی فراہمی کے لیے ایک AI-native نقطہ نظر — ذاتی نوعیت کا، مانگ پر، لاگت پر قیمت — لاکھوں طلباء تک پہنچ سکتا ہے جو فی الوقت معیاری تعلیم تک رسائی کے لیے ایک پریمیم ادا کرتے ہیں۔ یہ ایشیائی پیمانے کے ساتھ ایک یانگ طرز کا موقع ہے۔

ایشیا ٹیک بانیوں کے لیے گہری نقطہ: وینچر سکیل ریٹرن کی اگلی دہائی اگلے لگژری SaaS پروڈکٹ کو انٹرپرائز صارفین کے لیے بنانے سے نہیں آ سکتی۔ یہ جنوب مشرقی ایشیا، جنوبی ایشیا، اور اس سے آگے درمیانی طبقے میں داخل ہونے والے 500 ملین لوگوں کے لیے بے دردی سے موثر صارف کی بنیادی ڈھانچہ بنانے سے آ سکتی ہے۔ یانگ ایک ڈیزائن اصول کی طرف اشارہ کر رہے ہیں۔ ایشیائی بانیوں کے پاس اسے ایک پیمانے پر لاگو کرنے کے لیے بازار ہے جو کہیں اور موجود نہیں ہے۔

ڈویلپرز کے لیے اس کا کیا مطلب ہے

اگر آپ ایک ڈویلپر ہیں جو سوچ رہے ہیں کہ کیا بنانا ہے، تو یانگ کا فریم ورک ایک رجحان رپورٹ سے کہیں زیادہ مفید کچھ پیش کرتا ہے — یہ ایک فلٹر پیش کرتا ہے۔ اس کی فہرست میں کسی بھی شعبے کو دیکھیں اور پوچھیں: وہ منافع کہاں جا رہا ہے جو وہاں نہیں ہونا چاہیے؟ اس قیمت کی زنجیر کا کون سا حصہ خالصتاً اس لیے موجود ہے کیونکہ کسی نے سستے متبادل کو ابھی تک نہیں بنایا ہے؟

AI یہاں کلیدی سہولت کار ہے، اور یہ ٹھوس طریقوں سے حساب کتاب کو بدل دیتا ہے۔ کھانا لیں۔ ایک لاگت کے علاوہ گروسری یا کھانے کی کٹ سروس ایک پتلی منافع کا خواب لگتا ہے — اور یہ ہوگا، AI سے چلایا جانے والی مانگ کی پیش گوئی، متحرک سورسنگ، اور لاجسٹک آپٹمائزیشن کے بغیر۔ ان ٹولز کے ساتھ، ضائع ہونا کم ہو جاتا ہے، خریداری بہتر ہو جاتی ہے، اور منافع جو آپ صارفین کو "واپس دے" رہے ہیں وہ کبھی واقعی موجودہ حامل کی طرف سے حاصل نہیں کیے گئے تھے۔ یہ صرف غیر کارکردگی سے نکالا گیا تھا جس کو کسی نے ٹھیک کرنے کی زحمت نہیں کی۔

MonstarX جیسے پلیٹ فارمز پر بنانے والے ڈویلپرز کے لیے، یہ نوعیت کا نظریہ اس بات کو شکل دیتا ہے جس کو آپ ترجیح دیتے ہیں۔ لاگت میں کمی والے اسٹارٹ اپس کو تیز تر تکرار کے چکر کی ضرورت ہے — آپ مسلسل قیمت کے ماڈل، سورسنگ کی ترتیبات، اور ڈیلیوری لاجسٹک کی جانچ کر رہے ہیں۔ آپ کو سپلائی چین APIs، ادائیگی کے نظام، حکومتی ڈیٹا بیسز، لاجسٹک فراہم کنندگان سے جڑنے کی ضرورت ہے۔ بنیادی ڈھانچے کی تہہ پروڈکٹ کی تہہ جتنی ہی اہم ہے۔

ایک ڈیٹا زاویہ بھی ہے۔ ہر لاگت کے علاوہ کاروبار شفافیت پر چلتا ہے — آپ کو اپنی حقیقی لاگتوں کو درستگی کے ساتھ جاننا ہوگا تاکہ ان کے قریب یا قریب قیمت کے ساتھ اعتماد سے قیمت لگا سکیں۔ اس کا مطلب ہے کہ اس خلا میں بانیوں کو دن کی پہلی سے مضبوط اندرونی ڈیٹا پائپ لائنیں بنانے کی ضرورت ہے۔ لاگت کی حساب کتاب شاندار نہیں ہے، لیکن یہ پوری ماڈل کی بنیاد ہے۔ ڈویلپرز جو سمجھتے ہیں کہ حقیقی وقت کی لاگت کی نمائندگی کے لیے کاروبار کو کیسے سجایا جائے وہ اس اگلی لہر میں ضروری کرائے اور شریک بانی ہوں گے۔

ریگولیٹری جہت بھی اہم ہے، خاص طور پر ایشیا میں۔ رہائش، کھانا، ٹیلی کام، یا ایندھن میں تعمیر کرنے کا مطلب متعدد دائرہ اختیار میں پیچیدہ کمپلائنس لینڈ سکیپ کو نیویگیٹ کرنا ہے۔ AI یہاں مدد کر سکتا ہے — نہ صرف کمپلائنس چیکس کو خودکار کرنے میں، بلکہ ریگولیٹری تبدیلیوں کی نگرانی کرنے اور اس کے مطابق پروڈکٹ کے رویے کو ڈھالنے میں۔ بانی جو ریگولیشن کو ایک تکنیکی مسئلہ کے طور پر سمجھتے ہیں جو قانونی طریقے سے انجنیئر کیا جائے تو وہ تیزی سے حرکت کریں گے جو اسے خالصتاً ایک قانونی لاگت کے مرکز کے طور پر سمجھتے ہیں۔

ایک عملی نقطہ آغاز: یانگ کی فہرست میں شعبوں کو دیکھیں اور شناخت کریں کہ کون سے آپ کی مخصوص مارکیٹ میں سب سے زیادہ ٹکڑے ہوئے، غیر شفاف قیمت رکھتے ہیں۔ جنوب مشرقی ایشیا میں، یہ فریٹ لاجسٹک یا زرعی سپلائی چین ہو سکتا ہے۔ جنوبی ایشیا میں، یہ صحت سے متعلق تشخیص یا پیشہ ورانہ تعلیم ہو سکتی ہے۔ ماڈل ایک جیسا ہے؛ درخواست مقامی ہے۔ یہ مقامی خصوصیت دراصل ایک خندق ہے —