一份经得起推敲的 AI 产品定价指南

一份 AI 产品定价指南要从一个令人不安的事实说起：大多数团队在还说不清客户到底买的是什么之前，就已经定好了一个数字。他们照抄竞争对手的席位价格，加上一个企业版套餐，就把这称为变现方式。然后推理成本上升，使用量集中在少数几个客户身上，采购部门要求提供商业论证，而这套定价模型就暴露出它不过是覆盖在成本问题之上的一层装饰。

AI 产品之所以难以定价，并不是因为市场上缺少定价页面，而是因为价值单位、消费单位和成本单位往往彼此背离。用户可能从一个完成的工作流中获得价值。平台可能按席位计费。模型提供商则按 token、调用次数或算力计费。如果这三个单位错位，增长反而会让业务变得更糟。

AI 产品定价指南：从任务出发

不要从同类厂商收多少钱开始，而要从你的产品所改变的经济事件开始。因为这个产品的存在，什么变得更快、更便宜、更准确、风险更低，或者变得前所未有地可行？

对于一款文档智能产品，客户看重的可能不是处理了多少份文档，而是更少的人工审核工时、更快的核保、更低的错误率，或者每天能处理更多案件。对于一个智能体平台，客户看重的可能不是智能体会话数，而是无需升级就解决的工单、挽回的收入，或者缩短的解决时间。这些是不同的商业主张，它们支撑着不同的价格结构。

检验方法很简单：买家能否在不背诵模型架构的情况下向他们的财务负责人解释这个价格？如果解释需要讲一堂关于智能体、上下文窗口或检索质量的课，那么你描述的是机制，而不是价值。

这并不意味着每一款 AI 产品都应该按成果定价。按成果定价听起来很高明，直到归因变得混乱、数据姗姗来迟，或者客户掌控着大部分结果为止。当成果可衡量、可归因，并且在合理的时间范围内时，就按成果定价。否则，使用一个更简单的代理指标，只要它足够贴近价值、经得起辩护即可。

将价值指标与计费指标分开

价值指标是客户如何感知收益，计费指标是你如何开票。它们可以相同，但强行让它们相同，正是团队最终对一套旨在消除按席位计费工作的系统仍按席位收费的原因。

一款工作流自动化产品，其价值可能是每笔完成的交易创造的，而计费方式却是平台费加使用量分档。这可以是一种合理的折中。平台费为集成、治理和管理这些固定价值买单，可变部分则捕捉不断扩大的运营使用量。

错误的模型通常在你问出“随着采用增长谁赢谁输”时就一目了然。如果客户成功推广了你的产品，而你的毛利率却崩溃了，那么按使用量定价就变成了一种没有上限的补贴。如果采用量翻了三倍，收入却纹丝不动，因为每个客户都被困在一个统一的无限套餐里，那么你选择的是可预测性，代价是牺牲了商业模式。

纯粹的定价没有奖章。混合结构往往比优雅的单变量方案更能反映现实。基础承诺可以覆盖实施、支持、安全和固定基础设施。使用量部分可以随实际需求扩展。最低年度承诺可以防止认真的买家把生产容量当成一个随便吃到饱的演示环境。

为部署定价，而不是为演示定价

演示会制造一种危险的幻觉：以为产出一个令人印象深刻的答案的成本，与运营一套可靠系统的成本相近。事实并非如此。

生产环境中的 AI 承担着那些不会出现在精心打磨的五分钟工作流里的成本。有模型推理，但也有评估、可观测性、回退路径、人工审核、数据处理、实施支持、安全审查、客户成功，以及处理边缘情况这项不可避免的工作。如果产品涉及受监管的工作流或敏感数据，负担会进一步加重。把这些成本称为“服务”并不会让它们消失。

创始人经常为了减少购买阻力而给实施定价过低。这可以理解，但通常是错的。如果部署需要集成工作、工作流设计、数据清理或变更管理，就要么明确为这项工作定价，要么把它作为合同中不可谈判的条件。免费实施往往是一种把风险从买家悄悄转移给厂商的做法，而买单的是一个承担不起变成定制作坊的团队。

投资者应当以异乎寻常的怀疑态度审视这一点。问问在客户获得经常性价值之前需要多少小时的技术和运营人力。问问这些工时是否随客户群体（cohort）而下降。问问产品是否能处理客户现有的数据，而不是销售团队所期望的那种数据。如果每个新客户一开始都要经历一场量身定制的救援行动，那么经常性收入这条线就没什么意义了。

在提供企业条款之前，建立服务成本模型

你不需要完美的预测，而是需要一个能暴露你的假设可能在哪里失败的模型。

至少，计算在正常、繁重和病态使用情况下，为每个客户细分市场服务的预期月度成本。把模型成本、存储、检索、第三方工具、支持、实施摊销，以及维持质量所需的人力都包含进去。然后将该成本与合同收入和你的目标毛利率进行比较。

病态情况之所以重要，是因为 AI 的使用并非均匀分布。一个客户可能发现了一个高价值工作流，并以其他人十倍的频率运行它。另一个客户可能以某种方式使用系统，从而产生昂贵的失败和反复重试。一个只能在中位使用量下存活的定价模型不是定价模型，它是在签约之后才去学习单位经济学的邀请函。

护栏并非与客户为敌。合理的速率限制、使用量阈值、模型路由规则和超额条款保护双方免受意外冲击。买家获得可预测的服务和通往扩容的清晰路径。厂商则避免了把无限算力当成一项功能，而不是一个会计错误。

不要把付费意愿与风投预期混为一谈

一个庞大的市场并不授权一个高昂的价格。一份高额的模型账单也不能证明客户就应该消化它。

早期 AI 公司常常按照自己需要讲述的估值故事来定价：高年度合同价值、企业级客户标识、快速扩张。买家看到的是同样的算术。如果产品替代的是一项狭窄的手工任务，却按核心记录系统的价格定价，采购部门最终会问出一个销售 PPT 无法回答的问题：为什么这个值这么多钱？

最有力的价格不是销售团队能在一次试点中拿到的最高数字，而是在新鲜感消退之后仍能续约的数字。这需要经常性价值的证据、可信的扩张路径，以及与收益相称的实施负担。

试点尤其需要纪律。一个廉价的试点在有明确范围、成功标准、转产日期和确定的经济买家时是有用的。一个没有这些条件的开放式试点不是销售策略，而是由一个可能永远不会转化的买家出资的、外包出去的产品研究。

为你实际面对的采购流程打包

定价也是一个打包决策。技术型创始人常常围绕能力来打包，因为那是他们所构建的。而买家则围绕职能、团队、风险类别和采购门槛来打包预算。

一个可信的企业级方案会让商业路径变得清晰易读：包含什么、什么会扩展、什么需要额外容量，以及客户必须提供什么。避免那种功能分层的表演——各层之间的差异是随意的，中间套餐存在的唯一目的就是让顶级套餐看起来合理。成熟的买家会察觉到。更重要的是，你自己的团队也很难前后一致地解释它。

对于基础设施和面向开发者的产品，按消费量定价可能很自然，但对于有分量的客户仍然需要一个承诺底线。对于工作流产品，当交易、案件、资产或业务单元这个单位能映射到价值时，就按其定价。对于面向高管的情报类产品，一个与既定运营范围挂钩的平台费，可能比假装每条洞察都有一个干净的原子级价格更为连贯。

SproutVest 的观点很直白：定价页面不是战略。战略在于决定你想鼓励哪种客户行为、你将承担哪些成本，以及买家在信任合同之前需要什么证据。

把定价当作一个运营假设来对待

带着信念设定初始定价，然后像对待产品功能一样为它加装仪表。跟踪实际使用量与建模使用量的对比、按客户划分的毛利率、首次价值实现时间、实施工时、续约行为、扩张触发因素，以及按细分市场的折扣情况。如果销售反复需要同一个例外，问题可能出在打包方式而非销售执行上。如果某个细分市场消耗支持却不扩张，问题可能是客户契合度而非价格。

不要每当有潜在客户提出异议就改一次价。有些异议是有用的证据，说明这个买家不是你需要的买家。但当产品的可靠性、自动化率、实施负担或模型成本结构发生实质性变化时，确实应当重新审视定价。一个可靠性提升十倍的系统可以支撑不同的商业主张。一个需要比计划更多人工监督的系统则不能。

有益的纪律是这样的：在报出价格之前，写下它意在产生的客户行为，以及它要奏效所需的运营假设。然后试着把两者都打破。如果它们经受住了这场考验，你也许就拥有了一个值得推向市场的商业模型。

准备取得突破？

预约探索性通话，了解SproutVest如何帮助您的团队加速增长。

预约探索性通话 →