Pocket FM, den diskreta AI-appen med intäkter på 500 miljoner dollar

Grafen som publicerats av @RohanNayak2 illustrerar denna utveckling: en annualiserad takt som börjar på nästan noll omkring augusti 2022 och når 506 MUSD i augusti 2026. Kurvans avslutande del, över cirka 200 MUSD, är markerad eftersom den motsvarar den återupptagna tillväxten efter satsningen på AI.

Siffran 500 MUSD är imponerande, men det är inte en redovisad årsintäkt

Det första förtydligandet kom efter en mycket enkel fråga från @davefontenot:

”ARR eller annual revenue run rate?” @davefontenot

Rohan Nayaks svar är otvetydigt:

”annual revenue run rate” @RohanNayak2

Denna nyans är viktig. En annual revenue run rate utgår från den aktuella intäktsnivån, vanligtvis den månatliga, och projicerar den över tolv månader. Den visar verksamhetens intäktstakt vid en given tidpunkt. Det innebär inte automatiskt att Pocket Entertainment redan har redovisat en omsättning på 500 MUSD under de senaste tolv månaderna eller att samtliga dessa intäkter är avtalsbundet återkommande.

Detta minskar inte resultatets operativa omfattning. Tvärtom: för en app med ljudberättelser som finansieras genom köp per avsnitt och annonsering förutsätter en run rate på omkring 500 MUSD en mycket konkret förmåga att attrahera en publik, behålla den och sedan omvandla dess uppmärksamhet till intäkter.

I inlägget jämförs Pocket Entertainment dessutom med koncerner som Netflix, Spotify och Disney. Tabellen som publicerats visar för Pocket Entertainment 500 MUSD i intäkter, 70 % bruttomarginal och 100 % årlig tillväxt, under etiketten ”Content & IP + Consumption + AI”. Dessa värden kommer från företagets eget visuella material. De bör därför läsas som nyckeltal presenterade av Pocket, inte som en oberoende finansiell analys.

Den verkliga motorn: 0,25 procentenheters CTR kan utlösa en tillväxtloop

Den viktigaste delen av berättelsen är inte AI-produktionen i sig. Det är mekaniken som omvandlar bättre annonsmaterial till mer lönsam kundanskaffning.

Rohan Nayak förklarar att Pocket FM spenderade mer än 100 MUSD på kundanskaffning innan företaget identifierade sin centrala insikt: en ökning av CTR från 2 % till 2,25 % skulle minska CAC med omkring 30 %.

”Om klickfrekvensen (CTR) för en annons ökar från 2 % till 2,25 % minskar vår kundanskaffningskostnad (CAC) med cirka 30 %.” @RohanNayak2

Rent matematiskt innebär en CTR-ökning från 2 % till 2,25 % 12,5 % fler klick vid samma antal visningar. Beräkningen är enkel: 0,25 delat med 2 är lika med 12,5 %. Men CAC följer inte nödvändigtvis ett linjärt samband med denna ökning.

I Meta eller TikToks annonsauktioner kan annonsmaterial som lockar fler klick och genererar bättre kvalitetssignaler få större räckvidd, vinna fler auktioner eller omvandla samma medieutgift till fler installationer. Det är denna hävstångseffekt som kan förklara varför 12,5 % fler klick, enligt Pocket FM, resulterar i en minskning av CAC på nära 30 %.

CTR-ökningen skapar bara värde eftersom den är sammankopplad med hela resten av maskinen.

Kedjan som Nayak beskriver fungerar så här:

1. LLM-modellerna identifierar de mest fängslande avsnitten i en berättelse.
2. Dessa utdrag kombineras till ett längre reklammanus.
3. Pocket FM visar en videotrailer på cirka 90 sekunder för att sälja en ljudberättelse.
4. De första sekunderna måste innehålla en hook ungefär var femte sekund.
5. Annonsmaterialet måste avslutas med en cliffhanger som är tillräckligt stark för att leda till en nedladdning mitt under scrollandet.
6. Om annonsen inte överträffar målen, särskilt 2,5 % CTR och 55 % fortsatt uppspelning efter tre sekunder, ingriper en kreativ chef.
7. Det vinnande annonsmaterialet gör det möjligt att öka förvärvsbudgeten utan att CAC försämras väsentligt.

Pocket FM uppger sig producera cirka 1 000 annonser per serie, totalt omkring 17 500 annonser per månad. Enligt inlägget har denna kreativa fabrik gjort det möjligt att sjufaldiga eller åttafaldiga förvärvsbudgeten utan någon väsentlig ökning av CAC.

Det är här företagets playbook kommer in. Fler annonsmaterial innebär fler tester. Fler tester gör det möjligt att identifiera fler effektiva hooks. Dessa vinnande hooks förbättrar resultatet i annonsauktionerna. En bättre kontrollerad CAC möjliggör sedan större utgifter, som i sin tur finansierar nya tester.

Reaktionen från @Freyabuilds sammanfattar både beundran för denna mekanik och dess främsta potentiella svaghet:

"Att en ökning av CTR med 0,25 procentenheter sänker CAC med cirka 30 % är den osexiga matematiken som faktiskt ger en ränta-på-ränta-effekt. Jag undrar fortfarande hur länge ribban på 2,25 % håller när alla andra börjar trycka in en cliffhanger var femte sekund." @Freyabuilds

Frågan förblev obesvarad av Rohan Nayak. Den är dock grundläggande: cliffhangern är ett berättargrepp som är lätt att kopiera. Om alla konkurrenter använder samma recept kan deras förmåga att avbryta scrollandet försvagas. Publiken kan också tröttna på denna kapprustning.

Pocket FM:s fördel kan därför ligga mindre i själva cliffhangern än i företagets förmåga att testa, producera och iterera tusentals varianter före konkurrenterna. Detta genomförandeövertag måste dock förnyas kontinuerligt.

Pocket FM tjänar inte pengar på en katalog, utan på viljan att få veta vad som händer härnäst

Pocket FM:s modell skiljer sig tydligt från en klassisk prenumerationsmodell à la Netflix. Företaget försöker inte i första hand sälja obegränsad tillgång till en katalog. Produkten är utformad för att sälja i det ögonblick då den narrativa nyfikenheten är som starkast.

Formatet som valdes efter flera experiment är mobilt ljuddrama: starkt serialiserade avsnitt på 8 till 12 minuter, med effektiva hooks och ett slut i form av en cliffhanger. Nayak uppger att den genomsnittliga dagliga lyssningstiden, efter att denna struktur hade hittats, ska ha ökat från cirka 25 minuter till mer än 150 minuter.

Intäktsmodellen följer exakt samma rytm:

• användaren får ett antal kostnadsfria lyssningsminuter varje dag;
• nästa avsnitt kan låsas upp dagligen för att skapa en vana;
• när de kostnadsfria minuterna är slut kan användaren betala per avsnitt;
• användaren kan också titta på en annons för att låsa upp fortsättningen.

Denna intäktsmodell med betalning per avsnitt aktiveras alltså inte i början av upplevelsen, utan först när den narrativa spänningen redan har byggts upp. Cliffhangern fyller en dubbel funktion: den uppmuntrar till nedladdning i annonsen och driver sedan köp eller belönad annonsering i produkten.

Pocket FM uppger att annonsintäkterna har gått från noll till en årlig intäktstakt på cirka 90 miljoner dollar på tolv månader. Annonsering är därför inte en sekundär lösning för dem som inte betalar. Den är en integrerad del av intäktsarkitekturen och håller samtidigt kvar användaren i berättelsen i stället för att stänga ute den som inte vill betala.

Upptäcktsfunktionen är också anpassad till hur människor lyssnar på ljudinnehåll. En användare kan starta ett program, låsa skärmen och sluta navigera. Pocket FM förklarar att företaget använder spellistor med avsnitt och föreslår en ny serie när de kostnadsfria minuterna för ett program är slut. Målet är inte bara att rekommendera innehåll, utan också att upprätthålla lyssningsflödet och styra om uppmärksamheten till en berättelse som fortfarande kan generera intäkter.

AI frigjorde kapacitet, men flyttade problemet till kvaliteten

Den mest spektakulära delen av inlägget handlar om övergången till en helt AI-assisterad produktion i mitten av 2024. Enligt Nayak ska Pocket FM ha accepterat omkring sex månaders stagnation kring 200 miljoner dollar i ARR för att ställa om sin produktionskedja, innan en acceleration tog bolaget till den nuvarande årliga intäktstakten.

AI-pivoten framställs inte som en enkel kostnadsminskning, utan som en satsning på radikalt högre produktionskapacitet.

Detta beslut uppmärksammades av @soy_adnan3:

”Efter att ha planat ut på 200 miljoner dollar efter omställningen till enbart AI ... och sedan öka med 250 miljoner dollar året därpå är det sällsynta fallet där de tuffa sex månaderna faktiskt lönade sig!!” @soy_adnan3

Rohan Nayak svarade inte direkt på det här inlägget, men han bekräftade resonemanget bakom beslutet i ett svar till @kirbyman01:

”Läste det flera gånger. Mycket insiktsfullt + modigt att ta den enorma smällen med stagnerad tillväxt för att gå över till 100 % AI-produktion. Respekt 🫡🫡” @kirbyman01

”Tack @kirbyman01. Det var ett svårt beslut då, smärtsamt på kort sikt, men satsningen byggde på att det skulle möjliggöra mycket snabbare tillväxt på lång sikt. Verkligen glad att det fungerade.” @RohanNayak2

Tråden stöder alltså idén om en medvetet accepterad omställningskostnad. Däremot innehåller den varken detaljerade räkenskaper eller någon oberoende metod för att särskilja vad som faktiskt beror på övergången till AI, den geografiska expansionen, förändringar i marknadsföringsutgifterna eller en förändrad produktmix.

En senare viral sammanfattning av @VadimStrizheus utvecklar exemplet för grundare. Där nämns bland annat en produktion som ska ha ökat från 25 000 till 2,5 miljoner timmar per år, system av typen LLM-as-a-judge samt en ökning av tolvmånadersretentionen från 44 % till 76 %. Dessa siffror ligger i linje med tesen om en uppskalning, men de förekommer inte i Rohan Nayaks inlägg som återges här. De bör därför inte förväxlas med de påståenden som dokumenteras direkt av vd:n.

Den centrala risken formulerades av @svpino, utan att få något svar:

”Jag har inte använt Pocket än, men jag undrar om ni har någon form av manuell filtrering för att sålla bort dåligt AI-genererat skräpinnehåll. Publicerar ni allt ni genererar, eller kurerar ni det på något sätt?” @svpino

Det här är förmodligen trådens allvarligaste blinda fläck. Om AI flyttar flaskhalsen från produktion till urval måste Pocket FM lösa frågorna om redaktionell kvalitet, publikens förtroende och upptäckbarhet. Att producera tio gånger mer innehåll är värdelöst om användaren möts av generiskt, repetitivt eller dåligt anpassat innehåll innan hen hittar en bra serie.

Att lokalisera en berättelse är inte samma sak som att översätta den

Rohan Nayak uppger att 78 % av intäkterna för Pocket FM fortfarande är koncentrerade till USA. Denna koncentration gör lokalisering strategiskt viktig, även om motorn för annonsdriven användaranskaffning verkar kunna exporteras.

I sitt inlägg skiljer Nayak tydligt mellan översättning och anpassning: en berättelse som skapats för en spansk publik kan förlora sina referenser, skämt, sin folklore och tonalitet om den bara översätts för en norsk publik. Pocket FM säger sig därför behålla berättelsens ryggrad samtidigt som den anpassas till lokala referenser.

Denna tanke nyanserar ett annat ambitiöst påstående i inlägget: det som gjorde det möjligt för Pocket FM att gå från noll till 400 miljoner dollar i ARR i USA ”fungerar i alla länder”. Tråden gör det möjligt att precisera detta löfte.

Motorn för användaranskaffning kan vara exportbar, men innehållet blir det först efter kulturell anpassning.

Pocket FM uppger bland annat en tillväxt till 25 miljoner dollar i USA på 19 månader, 21 miljoner dollar i Tyskland på 11 månader och 10 miljoner dollar i Frankrike på tre månader. Sammanfattningen från @VadimStrizheus tillägger att en lokaliseringsstrategi ska ha förbättrat retentionen med 50 % i Tyskland, men denna ytterligare siffra förekommer inte i Rohan Nayaks inlägg. Den bör därför behandlas som en uppgift som förmedlas i sammanfattningen, inte som ett mätvärde som bekräftats i källtråden.

ElevenLabs, Pocket Saga och försöket att upprepa modellen inom video

Inlägget och svaren visar att Pocket Entertainment inte vill förbli en renodlad ljudverksamhet. På frågan från @shiri_shh om att ge sig in på korta videodramer svarar Nayak:

”planerar ni också att ge er in på korta videodramer?” @shiri_shh

”Ja, vi har precis lanserat vår AI-app för mikrodramer: Pocket Saga!” @RohanNayak2

Pocket Saga är alltså ett försök att överföra Pocket FM:s modell till AI-genererade eller AI-assisterade videobaserade mikrodramer. I ett annat svar presenterar Nayak även Pocket Saga som en ny app med inriktning på anime.

Partnerskapet med ElevenLabs bekräftas också uttryckligen. Efter gratulationerna från @mati svarar Nayak:

”Grattis, teamet! Otroligt!” @mati

”Tack @mati. Det har varit fantastiskt att samarbeta med dig och teamet på @ElevenLabs längs vägen.” @RohanNayak2

Partnerskapet ElevenLabs Pocket FM fastställs alltså genom detta svar. Däremot hävdar sammanfattningen från @VadimStrizheus att ljudkostnaderna ska ha minskat med 90 % tack vare ElevenLabs. Denna procentsats förekommer varken i inlägget eller i Rohan Nayaks svar. Den kan därför inte presenteras som en siffra som Pocket FM har bekräftat i den här konversationen.

På samma sätt tillskriver @VadimStrizheus Pocket FM-fallet siffror som ”från 0 till 500 M$ på fyra år”, ”tio pivoteringar på två år”, ”135 minuter per dag”, modeller tränade på över 100 miljoner timmar, samt 300 000 författare, varav 90 % är nybörjare, och 33 M$ i utbetalningar. Vissa ligger nära Rohans redogörelse, där han nämner tio format som testats under två till tre år och över 150 minuters dagligt lyssnande. Andra kommer inte från det ursprungliga inlägget och måste hållas tydligt åtskilda.

LTV/CAC-kvoten gör förvärvsstrategin trovärdig, utan att undanröja alla tvivel

Betald användaranskaffning i mycket stor skala är bara meningsfull om intäkterna från en kund varaktigt överstiger anskaffningskostnaden. @RatPoisonaut ställde frågan som gör det möjligt att pröva detta antagande:

”Imponerande! Vad är er LTV:CAC-kvot?” @RatPoisonaut

Nayaks svar ger det enda direkta måttet på enhetsekonomi i diskussionen:

”Vi ligger för närvarande på en LTV/CAC på cirka 3x” @RohanNayak2

En LTV/CAC-kvot på cirka 3x gör berättelsen mer trovärdig: för varje dollar som spenderas på att förvärva en användare uppskattar Pocket FM att bolaget får ut omkring tre dollar i livstidsvärde. Det är en nivå som kan motivera aggressiv användaranskaffning, särskilt om de redovisade bruttomarginalerna är höga.

Men den informationen besvarar inte allt. Tråden anger inte:

• den exakta definitionen av LTV;
• vilka kohorter som avses;
• återbetalningstiden för CAC;
• reklamintäkternas andel av denna LTV;
• kostnaderna för AI-infrastruktur och innehåll;
• hur hållbar EBITDA-lönsamheten är under den internationella expansionen.

Siffran är användbar, men den förblir ett självrapporterat och aggregerat nyckeltal.

Vad grundare kan ta med sig och vad Pocket FM fortfarande måste bevisa

@VadimStrizheus sammanfattning formulerar fyra lärdomar som ligger i linje med Pocket FM:s berättelse, förutsatt att hans ytterligare siffror inte blandas ihop med Rohan Nayaks uttalanden:

1. Ge inte upp en pivotering för snabbt. Platån kring 200 M$ visar att en övergång kan försämra utvecklingen på kort sikt innan den skapar ny kapacitet.
2. Ta betalt när intentionen är som starkast. Betalning per avsnitt vid en cliffhanger är mer än en prismekanism: det är ett sätt att sälja när det narrativa begäret är som starkast.
3. Tillämpa AI på flaskhalsen. Hos Pocket FM används AI för att skapa och testa tillräckligt mycket innehåll och reklam för att industrialisera lärandet.
4. Gör användarna till utbudet. Tesens fokus på individuella studior och ett bredare innehållsutbud syftar till att göra plattformen till ett produktionssystem, inte bara en distributör.

Den mest användbara lärdomen är dock mer specifik: AI blir bara en fördel när den kopplas till en fullständig ekonomisk återkopplingsloop. Pocket FM vinner inte för att bolaget använder LLM:er eller syntetiska röster. Det försöker vinna genom att koppla samman berättelsen som får användaren att klicka, videoannonsen som leder till en installation, cliffhangern som håller kvar användaren och betalningen per avsnitt som genererar intäkter.

Denna loop sammanfattar bolagets tillväxtstrategi: bättre annonsmaterial förbättrar CTR, en bättre CTR kan sänka CAC, en mer välkontrollerad CAC gör det möjligt att öka utgifterna för användaranskaffning och bättre retention ökar användarnas livstidsvärde. Intäktsgenerering per avsnitt och belönad reklam omvandlar sedan denna uppmärksamhet till intäkter.

Tråden lämnar dock flera frågor obesvarade:

• Vilken mänsklig eller automatiserad filtrering tar bort AI-innehåll av låg kvalitet, som @svpino har uppmärksammat?
• Kommer tröskeln på 2,25 % CTR att förbli försvarbar om konkurrenterna kopierar samma hooks och cliffhangers?
• Hur beräknar Pocket FM sin LTV/CAC på cirka 3x, och över vilken tidsperiod?
• Hur stor del av accelerationen efter platån kommer faktiskt från AI?
• Förblir EBITDA-lönsamheten robust när kostnaderna för innehåll, användaranskaffning, infrastruktur och internationalisering räknas in?

Pocket FM har visat att ett medieföretag kan bli en prestationsmaskin. Vad bolaget fortfarande måste visa är att denna maskin kan bevara verklig redaktionell kvalitet och en kreativ fördel när hela branschen får tillgång till samma AI-verktyg.