Kredit gambar: Dihasilkan oleh alat AI tak terbatas
Dalam sembilan bulan terakhir, sebagai investor VC, sebagian besar perusahaan rintisan baru/ide baru yang kami lihat terkait dengan kecerdasan buatan (AI), terutama AI generatif (AI Generatif), yang tidak cukup Terkejut. Kami telah melihat ratusan usaha rintisan di ruang ini, tetapi hanya berinvestasi di beberapa di antaranya. Tampaknya kami bukan satu-satunya yang menghadapi situasi ini, dengan $1,7 miliar yang diinvestasikan dalam startup GenAI pada kuartal pertama tahun 2023 saja, dan jumlah tersebut dapat meningkat lima kali lipat pada kuartal kedua.
Kami ingin berbagi beberapa topik dan proyek hangat yang kami saksikan, karakteristik penting yang diperhatikan investor, dan elemen yang membedakan "baik dari hebat" dari perspektif keuangan. Ini masih hari-hari awal untuk ruang ini dan tidak ada yang pasti, tetapi kami berharap hal-hal berikut ini bermanfaat bagi para pendiri karena mereka ingin membedakan diri mereka sendiri dalam ruang yang semakin kompetitif ini.
Perkiraan investasi VC dalam subkategori AI generatif (Sumber: Dealroom)
1. Ide apa yang biasanya kita lihat?
Tahap awal (Pra-Benih/Benih/putaran A)
Pada tahap paling awal, kami melihat sejumlah besar perusahaan "generatif-asli" muncul. Perusahaan-perusahaan ini sendiri dibangun di atas model yang mendasarinya, baik sebagai aplikasi yang melayani pengguna akhir atau sebagai lapisan alat "middleware" yang berada di antara model dan aplikasi.
Ide 1: Gunakan model untuk menghasilkan konten berbasis teks yang dapat membuat teks baru atau menyempurnakan teks yang sudah ada di email, basis pengetahuan, dan aplikasi lainnya.
Ide 2: "Co-pilot X"; Agen AI bekerja sama dengan operator manusia untuk meningkatkan kemampuan mereka dalam menulis kode, menyusun presentasi, dan melakukan tugas lainnya. Kami telah melihat banyak aplikasi co-pilot yang menargetkan kasus penggunaan vertikal tertentu, serta beberapa mencoba mencapai co-pilot yang lebih "dipersonalisasi".
**Ide 3: Alat LLM (Large Language Model) untuk mengelola penyematan dan basis data vektor. **
Ringkasan: Untuk menjadi startup AI generatif tahap awal yang berbeda, memiliki satu parit atau lebih sangatlah penting. Moat dapat berkisar dari akses yang tidak adil hingga distribusi, bakat AI/ML, komputasi, data, model, atau memiliki perspektif berbeda pada domain masalah yang Anda selesaikan dan cara membuat pengalaman pengguna yang lebih menyenangkan.
Periode pertumbuhan awal dan periode pertumbuhan (putaran B/C+)
Untuk perusahaan yang kita lihat di tahap B/C, mereka biasanya lahir di era "pra-LLM" dan sekarang mencari cara terbaik untuk mengintegrasikan kemampuan model dasar ke dalam produk yang sudah ada. Kami menyebut perusahaan-perusahaan ini "generatif-enhanced" (generatif-enhanced), mereka tidak perlu menemukan kembali roda mereka, tetapi pastikan mereka tidak kalah dari startup asli LLM.
Kreativitas 1: Analisis Prediktif; banyak perusahaan SaaS skala besar menggunakan AI untuk mengekstrak wawasan dari kumpulan data besar mereka yang ada untuk memprediksi pertumbuhan pendapatan, tingkat churn pelanggan, dan indikator lainnya dengan lebih akurat.
Ide 2: Personalisasi dan Rekomendasi; ini adalah salah satu cara tercepat dan paling berdampak bagi kami melihat startup tahap pertumbuhan memanfaatkan AI. Munculnya model dasar memungkinkan perusahaan B2B dan B2C untuk memberikan rekomendasi produk yang lebih kuat dan akurat kepada pelanggan yang sudah ada.
Ide 3: "Pelengkapan Otomatis Instan"; Di hampir semua perusahaan tahap pertumbuhan dengan komponen teks atau tulisan, kami melihat LLM digunakan untuk "Pelengkapan Otomatis Instan", serupa dengan yang dialami pengguna dengan ChatGPT.
Ringkasan: Jika Anda belum mulai mencoba meningkatkan bisnis atau merancang ulang bisnis agar lebih “ramah AI”, pertimbangkan untuk mendedikasikan sebagian kecil tim produk Anda untuk membuat fitur baru.
Peringatan untuk startup yang memasuki ruang ini: Penting untuk menilai berapa banyak dana yang telah dikumpulkan oleh perusahaan AI generatif, terutama di subkategori tertentu. Lihatlah lanskap pasar lebih dari 250 perusahaan AI generatif yang dipetakan oleh Dealbook. Perusahaan dalam pembuatan model, alat copywriting, dan basis data vektor telah mengumpulkan pembiayaan ratusan juta dolar. Tentu saja, itu tidak berarti startup inovatif lain tidak dapat diluncurkan di ruang ini, tetapi penting untuk dicatat bahwa…
2. Seperti apakah "baik" itu dari sudut pandang keuangan?
Pemahaman kami tentang seperti apa metrik keuangan yang "baik" untuk perusahaan aplikasi cerdas masih dalam tahap awal, tetapi di ruang SaaS, kami percaya bahwa tingkat pertumbuhan "terbaik di kelasnya" mirip dengan situasi di gambar. di bawah. Ingat, kami tidak lagi mengejar pertumbuhan dengan segala cara, jadi efisiensi dan laju pembakaran merupakan faktor penting.
Waktu Rilis Produk: Salah satu keunggulan aplikasi pintar adalah kemampuan untuk merilis produk lebih cepat daripada sebelumnya. Kami membayangkan banyak perusahaan aplikasi pintar meluncurkan produk dalam status "beta" sehingga mereka dapat mulai mengumpulkan data pengguna dan menggunakannya untuk membuat loop "reinforcement learning from human feedback" (RLHF). Secara historis, dibutuhkan waktu satu tahun setelah peluncuran produk untuk mencapai $1 juta dalam pendapatan berulang tahunan (ARR), tetapi kita mungkin melihat perusahaan AI generatif mencapai $1 juta dalam ARR lebih cepat karena pelanggan dapat melihat laba atas investasi (ROI) dengan cepat. Banyak produk AI generatif juga mendapat manfaat dari viralitas melalui product-led growth (PLG)/bottom-up sales (mis. Jasper, Lensa, Harvey, Tome, dll.).
Retensi Pelanggan: Meskipun perusahaan AI generatif dapat menarik pelanggan baru dengan cepat, perusahaan tersebut mungkin juga memiliki tingkat churn yang lebih tinggi. Untuk perusahaan SaaS, tingkat retensi kotor yang baik adalah sekitar 85%-95%, dan yang terbaik di kelasnya mendekati 95%+. Dalam hal retensi bersih, menurut kami tingkat yang baik adalah 110%-120%+, kasus terbaik adalah 120%+. Tingkat churn yang lebih tinggi dapat disebabkan oleh model yang secara konsisten menghasilkan keluaran yang salah, munculnya produk pesaing lainnya, dll. Faktor besar dalam pendekatan PLG dalam kasus aplikasi pintar adalah sangat mudah bagi pelanggan untuk mencoba produk baru atau membayar $10-20 sebulan, hanya untuk churn dengan cepat.
Harga Pokok Penjualan (COGS) dan Margin Kotor: Kami berharap banyak perusahaan aplikasi cerdas memiliki biaya baru terkait dengan: 1) model; 2) pelatihan dan penyempurnaan; 3) operasi manajemen fasilitas. Kami telah mendengar bahwa biaya menjalankan kueri di penyimpanan LLM dan database vektor ini (melalui perusahaan seperti Pinecone) sangat tinggi. Dalam banyak kasus, kami telah mendengar bahwa pelanggan dapat menjalankan kueri pada sebuah model hingga mereka mendapatkan hasil yang mereka inginkan, dan karena mereka membayar per lisensi, jumlah kueri yang dijalankan berdampak material pada biaya. Akibatnya, kami memperkirakan perusahaan yang digerakkan oleh AI kemungkinan akan melihat margin kotor yang lebih rendah.
3. Apa perbedaan antara "baik" dan "luar biasa"?
Seperti halnya teknologi atau industri lainnya, sebagai investor VC, kami pada akhirnya masih mengevaluasi tim yang hebat, pasar yang besar, dan pemahaman yang tajam tentang masalah pelanggan. Prinsip-prinsip dasar ini tidak akan berubah:
**Berpusat pada pelanggan/memecahkan masalah nyata: **Dalam setiap perubahan teknologi baru, kita akan melihat banyak perusahaan baru hanya mencoba untuk "mengikuti tren" dan menciptakan teknologi "keren", tetapi mereka tidak benar-benar menyelesaikan masalah pelanggan titik nyeri. Pertanyaan pertama yang harus dipahami adalah: Anda sedang memecahkan masalah "hair on fire", apakah AI generatif merupakan cara yang lebih baik untuk membantu menyelesaikan masalah ini, atau apakah ini teknologi yang tidak perlu?
Tim: Di era baru LLM ini, peluang untuk membangun produk baru dan memulai perusahaan telah sangat didemokratisasi. Akibatnya, kami melihat banyak tim pendiri memulai bisnis di area di mana mereka hanya memiliki sedikit pengetahuan atau keahlian industri. Pertanyaan yang harus dipahami adalah: mengapa tim Anda paling cocok untuk menyelesaikan masalah ini?
Kemampuan untuk Beradaptasi dan Mengeksekusi dengan Cepat: Tidak diragukan lagi bahwa bidang ini berkembang pesat. Sekarang, lebih dari sebelumnya, penting bagi tim untuk gesit dan cepat menyesuaikan produk dan strategi sesuai kebutuhan. Pada saat yang sama, penting untuk tetap berpegang pada fundamental dan tidak hanya mengejar hype. Dengan kata lain: bagaimana Anda akan bereaksi dan memahami kapan waktu yang tepat untuk membuat potensi penyesuaian terhadap perusahaan?
Reproduksibilitas: Meskipun AI dapat membantu perusahaan berkembang lebih cepat, itu juga berarti mungkin ada jauh lebih banyak pesaing dalam suatu kategori daripada sebelumnya. Lihat saja peta lanskap pasar AI generatif yang dirilis secara publik dan uang mengalir ke dalam kategori tersebut. Pendiri dan tim yang baik mengenali di mana ada lubang unik untuk diisi dan sebagian besar menghindari subbidang di mana mereka dapat dengan cepat tersesat dalam kekacauan.
4. Kesimpulan
Sebagai investor VC, kami sama bersemangat dan optimisnya dengan siapa pun tentang dampak penuh AI. Namun, dari ratusan penawaran proyek yang telah kami lihat selama setahun terakhir, jelas bahwa ada banyak hype dalam kategori ini, dan semakin penting bagi para pendiri untuk membedakan dan menonjol, dan akhirnya membuktikan nilai dari produk.
Beberapa catatan lain:
**Valuasi:**Meskipun keseluruhan pasar VC telah menurun relatif terhadap puncaknya pada tahun 2021, pendanaan dan valuasi AI (terutama AI generatif) masih tinggi. Ini mencerminkan minat VC dan pendiri di ruang angkasa, tetapi penting untuk dicatat bahwa, seperti siklus lainnya (seperti gelembung dan kehancuran dot-com), hanya sebagian kecil dari startup yang akhirnya bertahan untuk keluar, dengan penilaian mengikuti Dalam beberapa berikutnya tahun, mungkin turun lebih dari 90%.
Generative Native vs. Generative Augmented: Sebagai perusahaan native generatif, apa yang dapat Anda bangun yang tidak dapat dibangun oleh perusahaan augmented generatif? Sebagai startup baru yang masuk kategori, apa perbedaan yang berarti antara Anda dan perusahaan yang sudah ada? Perusahaan teknologi besar seperti Microsoft, Google, dan Amazon sudah mengadopsi LLM dengan cepat, jadi memahami di mana Anda dapat bersaing secara efektif dengan mereka adalah kuncinya.
KENDALA ANGGARAN: Dengan tantangan lingkungan makro dan pengetatan anggaran, penting untuk memahami kebutuhan sebenarnya dari produk Anda. Di pasar bullish sebelumnya, hampir semua produk SaaS dapat menghasilkan pendapatan beberapa juta dolar. Dalam lingkungan saat ini dan risiko resesi yang sedang berlangsung (walaupun memudar), chief information officer (CIO) Target melihat setiap pengeluaran perusahaan untuk melihat mana yang dapat dipotong. Apakah memasukkan AI ke dalam produk Anda akan membantu mereka atau pada akhirnya tidak relevan?
-----(akhir teks)-----
Alamat asli:
Lihat Asli
Konten ini hanya untuk referensi, bukan ajakan atau tawaran. Tidak ada nasihat investasi, pajak, atau hukum yang diberikan. Lihat Penafian untuk pengungkapan risiko lebih lanjut.
Sebagai investor VC, pandangan saya tentang ledakan startup AI generatif....
Penulis: Gui Shuguang
Sumber: Rumah Teh Malaikat
Penulis Asli: SABRINA WU / VIVEK RAMASWAMI
Dalam sembilan bulan terakhir, sebagai investor VC, sebagian besar perusahaan rintisan baru/ide baru yang kami lihat terkait dengan kecerdasan buatan (AI), terutama AI generatif (AI Generatif), yang tidak cukup Terkejut. Kami telah melihat ratusan usaha rintisan di ruang ini, tetapi hanya berinvestasi di beberapa di antaranya. Tampaknya kami bukan satu-satunya yang menghadapi situasi ini, dengan $1,7 miliar yang diinvestasikan dalam startup GenAI pada kuartal pertama tahun 2023 saja, dan jumlah tersebut dapat meningkat lima kali lipat pada kuartal kedua.
Kami ingin berbagi beberapa topik dan proyek hangat yang kami saksikan, karakteristik penting yang diperhatikan investor, dan elemen yang membedakan "baik dari hebat" dari perspektif keuangan. Ini masih hari-hari awal untuk ruang ini dan tidak ada yang pasti, tetapi kami berharap hal-hal berikut ini bermanfaat bagi para pendiri karena mereka ingin membedakan diri mereka sendiri dalam ruang yang semakin kompetitif ini.
1. Ide apa yang biasanya kita lihat?
Tahap awal (Pra-Benih/Benih/putaran A)
Pada tahap paling awal, kami melihat sejumlah besar perusahaan "generatif-asli" muncul. Perusahaan-perusahaan ini sendiri dibangun di atas model yang mendasarinya, baik sebagai aplikasi yang melayani pengguna akhir atau sebagai lapisan alat "middleware" yang berada di antara model dan aplikasi.
Ide 1: Gunakan model untuk menghasilkan konten berbasis teks yang dapat membuat teks baru atau menyempurnakan teks yang sudah ada di email, basis pengetahuan, dan aplikasi lainnya.
Ide 2: "Co-pilot X"; Agen AI bekerja sama dengan operator manusia untuk meningkatkan kemampuan mereka dalam menulis kode, menyusun presentasi, dan melakukan tugas lainnya. Kami telah melihat banyak aplikasi co-pilot yang menargetkan kasus penggunaan vertikal tertentu, serta beberapa mencoba mencapai co-pilot yang lebih "dipersonalisasi".
**Ide 3: Alat LLM (Large Language Model) untuk mengelola penyematan dan basis data vektor. **
Ringkasan: Untuk menjadi startup AI generatif tahap awal yang berbeda, memiliki satu parit atau lebih sangatlah penting. Moat dapat berkisar dari akses yang tidak adil hingga distribusi, bakat AI/ML, komputasi, data, model, atau memiliki perspektif berbeda pada domain masalah yang Anda selesaikan dan cara membuat pengalaman pengguna yang lebih menyenangkan.
Periode pertumbuhan awal dan periode pertumbuhan (putaran B/C+)
Untuk perusahaan yang kita lihat di tahap B/C, mereka biasanya lahir di era "pra-LLM" dan sekarang mencari cara terbaik untuk mengintegrasikan kemampuan model dasar ke dalam produk yang sudah ada. Kami menyebut perusahaan-perusahaan ini "generatif-enhanced" (generatif-enhanced), mereka tidak perlu menemukan kembali roda mereka, tetapi pastikan mereka tidak kalah dari startup asli LLM.
Kreativitas 1: Analisis Prediktif; banyak perusahaan SaaS skala besar menggunakan AI untuk mengekstrak wawasan dari kumpulan data besar mereka yang ada untuk memprediksi pertumbuhan pendapatan, tingkat churn pelanggan, dan indikator lainnya dengan lebih akurat.
Ide 2: Personalisasi dan Rekomendasi; ini adalah salah satu cara tercepat dan paling berdampak bagi kami melihat startup tahap pertumbuhan memanfaatkan AI. Munculnya model dasar memungkinkan perusahaan B2B dan B2C untuk memberikan rekomendasi produk yang lebih kuat dan akurat kepada pelanggan yang sudah ada.
Ide 3: "Pelengkapan Otomatis Instan"; Di hampir semua perusahaan tahap pertumbuhan dengan komponen teks atau tulisan, kami melihat LLM digunakan untuk "Pelengkapan Otomatis Instan", serupa dengan yang dialami pengguna dengan ChatGPT.
Ringkasan: Jika Anda belum mulai mencoba meningkatkan bisnis atau merancang ulang bisnis agar lebih “ramah AI”, pertimbangkan untuk mendedikasikan sebagian kecil tim produk Anda untuk membuat fitur baru.
Peringatan untuk startup yang memasuki ruang ini: Penting untuk menilai berapa banyak dana yang telah dikumpulkan oleh perusahaan AI generatif, terutama di subkategori tertentu. Lihatlah lanskap pasar lebih dari 250 perusahaan AI generatif yang dipetakan oleh Dealbook. Perusahaan dalam pembuatan model, alat copywriting, dan basis data vektor telah mengumpulkan pembiayaan ratusan juta dolar. Tentu saja, itu tidak berarti startup inovatif lain tidak dapat diluncurkan di ruang ini, tetapi penting untuk dicatat bahwa…
2. Seperti apakah "baik" itu dari sudut pandang keuangan?
Pemahaman kami tentang seperti apa metrik keuangan yang "baik" untuk perusahaan aplikasi cerdas masih dalam tahap awal, tetapi di ruang SaaS, kami percaya bahwa tingkat pertumbuhan "terbaik di kelasnya" mirip dengan situasi di gambar. di bawah. Ingat, kami tidak lagi mengejar pertumbuhan dengan segala cara, jadi efisiensi dan laju pembakaran merupakan faktor penting.
Retensi Pelanggan: Meskipun perusahaan AI generatif dapat menarik pelanggan baru dengan cepat, perusahaan tersebut mungkin juga memiliki tingkat churn yang lebih tinggi. Untuk perusahaan SaaS, tingkat retensi kotor yang baik adalah sekitar 85%-95%, dan yang terbaik di kelasnya mendekati 95%+. Dalam hal retensi bersih, menurut kami tingkat yang baik adalah 110%-120%+, kasus terbaik adalah 120%+. Tingkat churn yang lebih tinggi dapat disebabkan oleh model yang secara konsisten menghasilkan keluaran yang salah, munculnya produk pesaing lainnya, dll. Faktor besar dalam pendekatan PLG dalam kasus aplikasi pintar adalah sangat mudah bagi pelanggan untuk mencoba produk baru atau membayar $10-20 sebulan, hanya untuk churn dengan cepat.
Harga Pokok Penjualan (COGS) dan Margin Kotor: Kami berharap banyak perusahaan aplikasi cerdas memiliki biaya baru terkait dengan: 1) model; 2) pelatihan dan penyempurnaan; 3) operasi manajemen fasilitas. Kami telah mendengar bahwa biaya menjalankan kueri di penyimpanan LLM dan database vektor ini (melalui perusahaan seperti Pinecone) sangat tinggi. Dalam banyak kasus, kami telah mendengar bahwa pelanggan dapat menjalankan kueri pada sebuah model hingga mereka mendapatkan hasil yang mereka inginkan, dan karena mereka membayar per lisensi, jumlah kueri yang dijalankan berdampak material pada biaya. Akibatnya, kami memperkirakan perusahaan yang digerakkan oleh AI kemungkinan akan melihat margin kotor yang lebih rendah.
3. Apa perbedaan antara "baik" dan "luar biasa"?
Seperti halnya teknologi atau industri lainnya, sebagai investor VC, kami pada akhirnya masih mengevaluasi tim yang hebat, pasar yang besar, dan pemahaman yang tajam tentang masalah pelanggan. Prinsip-prinsip dasar ini tidak akan berubah:
**Berpusat pada pelanggan/memecahkan masalah nyata: **Dalam setiap perubahan teknologi baru, kita akan melihat banyak perusahaan baru hanya mencoba untuk "mengikuti tren" dan menciptakan teknologi "keren", tetapi mereka tidak benar-benar menyelesaikan masalah pelanggan titik nyeri. Pertanyaan pertama yang harus dipahami adalah: Anda sedang memecahkan masalah "hair on fire", apakah AI generatif merupakan cara yang lebih baik untuk membantu menyelesaikan masalah ini, atau apakah ini teknologi yang tidak perlu?
Tim: Di era baru LLM ini, peluang untuk membangun produk baru dan memulai perusahaan telah sangat didemokratisasi. Akibatnya, kami melihat banyak tim pendiri memulai bisnis di area di mana mereka hanya memiliki sedikit pengetahuan atau keahlian industri. Pertanyaan yang harus dipahami adalah: mengapa tim Anda paling cocok untuk menyelesaikan masalah ini?
Kemampuan untuk Beradaptasi dan Mengeksekusi dengan Cepat: Tidak diragukan lagi bahwa bidang ini berkembang pesat. Sekarang, lebih dari sebelumnya, penting bagi tim untuk gesit dan cepat menyesuaikan produk dan strategi sesuai kebutuhan. Pada saat yang sama, penting untuk tetap berpegang pada fundamental dan tidak hanya mengejar hype. Dengan kata lain: bagaimana Anda akan bereaksi dan memahami kapan waktu yang tepat untuk membuat potensi penyesuaian terhadap perusahaan?
Reproduksibilitas: Meskipun AI dapat membantu perusahaan berkembang lebih cepat, itu juga berarti mungkin ada jauh lebih banyak pesaing dalam suatu kategori daripada sebelumnya. Lihat saja peta lanskap pasar AI generatif yang dirilis secara publik dan uang mengalir ke dalam kategori tersebut. Pendiri dan tim yang baik mengenali di mana ada lubang unik untuk diisi dan sebagian besar menghindari subbidang di mana mereka dapat dengan cepat tersesat dalam kekacauan.
4. Kesimpulan
Sebagai investor VC, kami sama bersemangat dan optimisnya dengan siapa pun tentang dampak penuh AI. Namun, dari ratusan penawaran proyek yang telah kami lihat selama setahun terakhir, jelas bahwa ada banyak hype dalam kategori ini, dan semakin penting bagi para pendiri untuk membedakan dan menonjol, dan akhirnya membuktikan nilai dari produk.
Beberapa catatan lain:
**Valuasi:**Meskipun keseluruhan pasar VC telah menurun relatif terhadap puncaknya pada tahun 2021, pendanaan dan valuasi AI (terutama AI generatif) masih tinggi. Ini mencerminkan minat VC dan pendiri di ruang angkasa, tetapi penting untuk dicatat bahwa, seperti siklus lainnya (seperti gelembung dan kehancuran dot-com), hanya sebagian kecil dari startup yang akhirnya bertahan untuk keluar, dengan penilaian mengikuti Dalam beberapa berikutnya tahun, mungkin turun lebih dari 90%.
Generative Native vs. Generative Augmented: Sebagai perusahaan native generatif, apa yang dapat Anda bangun yang tidak dapat dibangun oleh perusahaan augmented generatif? Sebagai startup baru yang masuk kategori, apa perbedaan yang berarti antara Anda dan perusahaan yang sudah ada? Perusahaan teknologi besar seperti Microsoft, Google, dan Amazon sudah mengadopsi LLM dengan cepat, jadi memahami di mana Anda dapat bersaing secara efektif dengan mereka adalah kuncinya.
KENDALA ANGGARAN: Dengan tantangan lingkungan makro dan pengetatan anggaran, penting untuk memahami kebutuhan sebenarnya dari produk Anda. Di pasar bullish sebelumnya, hampir semua produk SaaS dapat menghasilkan pendapatan beberapa juta dolar. Dalam lingkungan saat ini dan risiko resesi yang sedang berlangsung (walaupun memudar), chief information officer (CIO) Target melihat setiap pengeluaran perusahaan untuk melihat mana yang dapat dipotong. Apakah memasukkan AI ke dalam produk Anda akan membantu mereka atau pada akhirnya tidak relevan?
-----(akhir teks)-----
Alamat asli: