AI盈利策略深度解析：掌握订阅制与用户定价的关键赚钱技巧

过去2年里，AI 产品和应用激增——现在，VC 的资金超过20%都投给了这个领域。

许多 ai 应用改变了我们与软件的关系，从提高生产力到全新的工作方式。这为创新的定价策略提供了有利的市场条件，我们不禁想问：

AI 应用是如何赚钱的？

在 LLM 领域和基础设施层，基于使用量进行定价的模式自商业化以来一直是非常常见。大多数公司按 token 数量收费，这与计算成本密切相关。我们调查了 40 家领先的 AI-Native 公司在应用层面的定价情况，下图可以看到不同 AI 层公司的情况，本文的重点是顶层——AI-Native 应用。

选择这些公司的主要标准是融资情况和来自公共影响力，如 Forbes AI 50 List 和 Sequoia 的 Gen-AI 公司图谱。这40家公司包括营销工具（例如：Jasper、Copy.ai）、生产力应用（例如：Tome、Glean）、特定垂直领域产品（例如：Harvey、Co:Helm）以及其他（例如：Synthesia、HeyGen）。

具体来说，本文围绕定价模式、价值指标、包装、免费版本和定价透明度等公共数据来分析，重点关注 AI-Native 应用，而不是老牌企业，因为这些初创公司没有现有用户基础或传统定价模式的包袱。

40 家领先 AI 应用的定价特点

我们发现它们有五个显著的特点：

1. 定价创新有限——七成公司采用订阅模式，很少有公司提供纯粹的基于使用量或按需付费的定价。

2. 大多数公司根据用户的数量收费——这与 AI 应用作为“Co-Pilot”而非“Worker”的概念一致。

3. 免费版本非常受欢迎——过半公司有 Free Plan，另外的五分之一有提供 Free Trail。

4. 在套餐方面存在“Good-Better-Best”的范式。

5. 定价透明度各不相同——三分之二公司有公开定价。

定价创新为 AI 应用带来了新机会

软件公司历来倾向于订阅和按用户计费模式，但有迹象表明正向基于使用量和混合收费模式转变，在第一波突破性的 AI 应用中，依然延续了这个情况。

我们在第二波 AI 公司中看到了更多创新的定价结构；这些定价模型可以加速客户采用，同时收获更多收入。甚至连 Microsoft 都在测试其新 AI copilot for Security 的按需付费定价方式。

还有很多产品，如 Intercom 的 Fin（AI 客服）、EvenUp、Chargeflow 和 11x.ai，它们都使用按结果计费的模式，这种模式下客户只为需成功的结果付费。

Intercom 的 Fin（AI 客服）：每次成功处理客户问题（客户确认满意 AI 的回答并退出）收费 0.99 美元；

EvenUp（法律行业 AI 解决方案）：按每个为法律团队成功制作的需求包收费；

Chargeflow（自动化帮商家申诉客户拒付，降低纠纷率）：按每笔成功取消客户退款收费 25%；

11x.ai（AI 销售代表）：按每笔成功销售收费。

对于客户，这种定价模式很有吸引力，因为是一种双赢的合作关系，只有当客户成功时，供应商才会成功。这种定价也可以增加采用率，因为客户只有在产品带来实际结果时才付费。

这与许多现有的 SaaS 产品形成鲜明对比，在这些产品中，客户通常购买了远超所需的用户席位数，月活跃用户率在 20-40% 之间的情况并不少见，客户实际支付的费用远超他们所获得的价值。预计随着 AI 产品逐渐转向提供工作成果而非仅仅提升个人生产力，传统按席位订阅的模式将面临越来越大的压力。

发现一：定价创新有限

在研究的 40 家 AI 应用中，绝大多数（71%）仍采用了传统的 SaaS 订阅定价模式。10家公司（26%）采用了结合订阅费用和按用量付费的混合定价模式。PolyAI 是唯一一家纯粹采用基于使用量定价模式的公司。

虽然支持这些应用的基础设施（如 LLM）几乎完全基于使用量定价，但这种定价并没有传递到终端用户产品，主要有以下几个原因：

1. 保持简单：大多数 AI 应用的核心目标是让用户尽快采用它们的产品，而买家习惯于按月支付费用的模式。

2. 基于使用量的定价难以实现：现实情况是，基于使用量的定价并不容易实施。它需要强大的数据基础，而这是许多初创公司在早期阶段所不具备的。

3. 难以量化价值：很可能一些 AI 应用提供的价值远远超过它们的收费。但对于许多 AI 公司来说，仍然很难准确了解它们创造了多少价值以及如何最合理地定义这些价值。

4. 不想限制采用：在定价上进行创新可能会降低用户对产品的使用量，而现在初创公司希望产品时能获得尽可能多的使用量。

不专注于盈利：虽然零利率时代已经结束，但许多 AI 初创公司的目标仍不是盈利，而是证明他们能够随时间推移与客户一起赚钱和成长。

也有一些公司——特别是在营销、视频和语音生成领域——应用了按使用量定价的模式，如字数、视频时长或积分，Copy.ai 就是一个很好的例子。

Copy.ai 的定价结合了订阅制和基于使用量的积分模式。

发现二：大多数公司仍根据用户席位数收费

AI 应用的主要价值指标仍然围绕用户席位展开。这是 SaaS 世界中非常熟知的价值指标，也是买卖软件最直接的方式之一，具有高度的可预测性。

大约有十几家公司使用了按用户席位收费和基于使用量收费的模块，或纯粹的基于用量的模型，价值指标如：积分、字符数、视频分钟数、字幕数或运行时间。

由于 AI 最终很可能将取代人类劳动，采取按用户数计费的模式可能会适得其反，因为用户数量会随着时间的推移而减少，这为第二波 AI 应用提供了一个进行颠覆性定价的机会。

发现三：免费版本在初期采用时非常受欢迎

在研究的 AI 应用中，大约 70% 存在某种形式的 Freemium 模式，所观察到的三种 Freemium 模式是：

1. 免费版本（47%）：一个“永远免费”的版本，通常功能有限，但允许用户尝试该功能或产品。

2. 免费但使用量有限的版本（3%）：一个免费的版本，但在产品使用量上有所限制。

3. 限时免费试用（16%）：一个免费且具有基本功能的版本，但仅限 7 天或 14 天。

AI 应用往往能为新用户快速带来价值，Freemium 模式帮助这些公司在持续迭代产品的过程中更快拓展客户。

Freemium 模式在面向企业的应用中较少见，这些产品通常需要支付实施以及平台费用才能使用。企业版的 Freemium 可能是免费的试点项目，客户可以在一段时间内（通常为 3 个月）试用产品，然后需要做出购买决定。

发现四：在套餐/层级方面存在“Good-Better-Best”的范式

当我们与早期初创公司交谈时，通常建议从“Good-Better-Best”的套餐结构变体开始，这使公司能够根据客户区分产品，并创建明确的升级路径。层级数量因公司而异，从两层到五层不等（包括 Freemium 和企业选项）。在大多数情况下，层级之间的区分主要基于产品功能和使用量。

随着产品的成熟和功能的开发，Packeging 策略通常会随着时间的发展而演变。早期阶段，通常没有太多套餐，因为还不完全了解客户是谁以及如何细分产品。

以 Browse AI 为例，它提供了五个不同的等级，并结合了订阅和基于使用量的定价。

发现五：定价透明度各不相同

大约三分之二的公司目前在其网站上显示定价。透明定价通常是面向个人或专业消费者应用程序的常态，而对于面向企业级应用则不是。

大多数企业级 AI 应用没有分享任何定价细节，可能出于以下几个原因：

1. 竞争激烈：竞争日益激烈，公司不希望向潜在竞争对手透露任何信息，或让对手有机会打价格战。

2. 定制化：它们根据不同客户进行定制化定价，以收取更高的费用。

3. 更多灵活性：许多这类产品仍处于初期阶段，定价尚未固定。隐瞒定价为公司未来的调整提供了更多灵活性。

随着 SaaS 采购平台如 Vendr、 Tropic 的兴起，这些企业级 AI 应用的定价信息最终可能会公开。

总结

文章在研究了 40 个海外 AI 产品后，总结出了以下几种主要的定价策略：

1. 订阅模式：最常见的定价策略，按月或按年收取固定的费用。

2. 按用户数收费：根据用户数量来设定价格。

3. 免费版本：为了促进初期采用，提供了免费计划或免费试用。

4. 分层定价：按照“好-更好-最好”的套餐层次结构定价。

5. 混合模型：结合了订阅成本和使用费的定价模式。

6. 纯使用量定价：完全基于使用量的定价模型。

7. 基于成功的定价：客户只为成功的结果付费。

8. Freemium：包括永久免费版本、有限使用量的免费版本或有时间限制的免费试用。

9. 透明定价：在网站上公开了定价信息，这通常适用于面向个人或专业消费者的应用。

目前正处于 AI 应用的初期阶段。许多公司仍在寻求 PMF（即使它们已经融了很多钱），并试图证明市场需求。定价模型的创新很困难，因此最初并不是核心关注点。

目前定价模式的基本规则是：

（1）定价清晰透明

（2）不要让定价成为使用产品的障碍。

以下是一个用于确定起点的框架。

文章来源微信公众号：随机小分队