以下三家公司与全部数字均为教学假设,用于演示商业化计算,不代表任何真实企业。
一个价格,三种价值
LumenDesk 的席位价是统一的:每个席位每月 49 美元,含 500 次对话。无论客户是五个人的创业团队,还是两百人的客服中心,价格表上写的都是同一个数。
但同一套功能,对不同客户的价值差得很远。判断价值最直接的口径是「节省了多少人时」:客服人员原本要手工查资料、写回复,现在由 AI 起草,人工只做审核。小团队每月省 20 小时,成长型团队每月省 120 小时,企业团队每月省 900 小时。
把节省的人时乘以人力成本,再除以客户实际支付的月费,得到价值倍数:
| 客户层 | 月省人时 | 人力成本/小时 | 月价值 | 月费 | 价值倍数 |
|---|---|---|---|---|---|
| 小团队 | 20 | 35 美元 | 700 美元 | 53.80 美元 | 13.01 |
| 成长型团队 | 120 | 35 美元 | 4,200 美元 | 322.80 美元 | 13.01 |
| 企业团队 | 900 | 42 美元 | 37,800 美元 | 1,291.20 美元 | 29.28 |
小团队与成长型团队的价值倍数相同,都是 13 倍,因为席位价与节省的人时同比例增长。企业团队的价值倍数是 29 倍,接近前两者的两倍多。原因不在价格,而在人力成本与节省规模同时上升:企业客户的人均成本更高,同样一套 AI 功能能替代更多重复劳动。
这张表说明一件事:按席位收费时,价格随席位线性增长,价值却可能超线性增长。企业客户付了 24 倍于小团队的钱,拿到了 54 倍的价值。差额就是定价可以捕获的空间。
价值倍数的算法
价值倍数不是一个财务指标,而是一个定价判断工具。它的算法很简单:
月价值 = 月省人时 × 人力成本/小时
价值倍数 = 月价值 / 月费
两个输入都需要谨慎处理。
「月省人时」不能由产品团队拍脑袋,要从客户的实际工作流里量。可行的做法是记录三类事件:AI 起草后被直接采用的次数、被修改后采用的次数、被完全丢弃的次数。只有前两类算节省,第三类不但不省,还可能增加返工。LumenDesk 的 20/120/900 小时,是按「采用率 72%、平均每次节省 4 分钟」折算出来的。
「人力成本/小时」要用全负荷成本,不是工资。工资之外还有社保、福利、管理分摊与工位成本。小团队按 35 美元/小时,企业团队按 42 美元/小时,差额主要来自管理分摊。用工资单价算,价值会被系统性低估。
价值倍数算出来之后,不要急着说「所以可以涨价」。它回答的是「客户最多愿意付多少」,不是「客户实际愿意付多少」。支付意愿还受替代品、预算周期、采购流程影响,第 5 章会专门讨论。
为什么价值会差十倍
价值非线性有三个来源。
第一,使用密度不同。 小团队的客服每天处理几十个咨询,企业团队处理几千个。AI 功能的价值随处理量增长,但席位价只随人数增长。当人均处理量上升时,价值倍数就会被放大。
第二,替代的岗位成本不同。 小团队节省的是创始人的时间,机会成本高但总量小;企业团队节省的是专职客服的时间,单位成本低但总量大。两者相乘,企业侧的绝对价值更高。
第三,风险与合规的溢价。 企业客户愿意为「可审计、可追溯、数据不外泄」支付额外费用。这部分价值不体现在人时上,但会体现在采购决策里。LumenDesk 的企业版因此包含审计日志与数据驻留选项,价格比标准版高 40%。
三个来源叠加,就出现了「同一功能、价值差十倍」的现象。这不是定价技巧,而是客户结构的客观差异。
如何测量节省的人时
价值倍数的分子是「月省人时 × 人力成本」,分母是月费。分母容易拿,分子难。三种方法按成本从低到高排列,可靠性也依次上升。
方法一:客户自报。 在续费或季度复盘中问三个问题:这个月 AI 帮你省了多少小时?如果没有它,你会多花多少时间?你愿意为它付多少?优点是快,缺点是客户容易高估或低估,且样本有偏——愿意回答的往往是最满意的客户。
方法二:行为日志。 记录 AI 输出被采用、被修改、被丢弃的比例,再乘以每次处理的平均耗时。LumenDesk 的 72% 采用率就是这么来的。缺点是只能覆盖产品内发生的行为,客户拿到结果之后在别处花的时间看不到。
方法三:对照实验。 让一部分客服使用 AI,另一部分不用,比较两组的单位处理时长。这是最可靠的方法,但需要客户配合,且实验期通常要四周以上。ClausePilot 在三个客户身上做过对照:使用 AI 的组每案件 0.5 小时复核,不用 AI 的组每案件 3.2 小时,差距 2.7 小时,按 70 美元/小时算,每案件节省 189 美元。
三种方法可以叠加使用:先用客户自报得到量级,再用行为日志校准采用率,最后用对照实验验证关键客户。不要指望一次测准,价值量化是一个持续校准的过程。
价值定价的边界
价值倍数给出了价格上限,但上限不等于应该收的价格。三个边界会限制实际定价。
竞争边界。 如果市场上有一个功能接近、价格一半的替代品,客户不会按照「你帮我省了 700 美元」来付钱,而会按照「替代品卖 25 美元」来还价。价值定价在竞争充分的市场里会被压缩。
预算边界。 企业客户的预算按科目划分。AI 客服工具可能归在「软件订阅」科目,而不是「人力成本」科目。软件订阅的预算通常远小于人力成本,即使用户知道产品省了 37,800 美元,采购能批的额度可能只有几千美元。这是企业销售里最常见的错位。
风险边界。 客户对 AI 输出的信任程度会影响支付意愿。同样的功能,如果错误率是 5%,客户愿意付的价格可能只有错误率 1% 时的一半。降低错误率的投入,应该被看作定价能力的一部分,而不只是技术指标。
所以价值倍数的作用不是「算出价格」,而是「判断价格有没有明显偏离价值」。偏离太远要修正,但修正的方向要同时考虑竞争、预算与风险。
按成本定价会漏掉什么
如果 LumenDesk 按成本加成定价,会发生什么?
单次对话成本 0.015 美元,假设目标毛利率 80%,每次对话应定价 0.075 美元。一个每月 620 次的席位,成本 9.30 美元,定价 46.50 美元,加上一点固定费用,正好接近现在的 49 美元。
这个价格对小团队是合理的:他们获得的 700 美元价值,付 53.80 美元,倍数 13 倍。对企业团队就明显偏低:他们获得 37,800 美元价值,只付 1,291.20 美元,倍数 29 倍。企业客户不会因为「太便宜」而拒绝,但公司会损失大量本可以捕获的价值。
更麻烦的是,按成本定价会让产品团队把注意力放在「降本」而不是「增值」上。成本降一半,价格降一半,收入也跟着降;而客户的价值没有变,公司只是把利润让给了客户。
正确的做法是:成本决定价格下限,价值决定价格上限,中间的空间由版本分层去捕获。
用版本分层捕获非线性
LumenDesk 的做法是把客户分成三层,每层解决不同的价值捕获问题。
| 版本 | 目标客户 | 月费 | 额度 | 关键差异 |
|---|---|---|---|---|
| Starter | 小团队 | 49 美元/席位 | 500 次 | 标准知识库、邮件支持 |
| Growth | 成长型团队 | 49 美元/席位 + 高级功能包 | 500 次 | 多知识库、API、优先支持 |
| Enterprise | 企业 | 定制 | 定制 | 审计日志、数据驻留、SSO、SLA |
注意 Starter 与 Growth 的席位价相同,差异在功能包。这样做的好处是:价格表保持简单,客户不会因为「同样的席位为什么更贵」而困惑;价值更高的客户通过功能包与额度升级付费,而不是通过更高的单价。
Enterprise 则完全定制。企业客户的采购流程、合规要求、用量规模都不同,统一价格表反而会增加销售摩擦。定制的代价是销售成本高,所以只对 ARPA 足够大的客户开放。
版本分层的关键不是「分几层」,而是每一层都要有一个清晰的「为什么升级」的理由。Starter 升级到 Growth 的理由是「需要多个知识库」;Growth 升级到 Enterprise 的理由是「需要审计与数据驻留」。理由必须来自客户的价值,而不是公司的收入目标。
阶梯定价与版本分层的取舍
捕获非线性价值的另一种做法是阶梯定价:买得越多,单价越低。比如 1 到 10 个席位每席位 49 美元,11 到 50 个 45 美元,51 个以上 39 美元。
阶梯定价的优点是简单,客户容易理解,销售也容易报价。缺点是它假设「价值随席位线性增长」,而实际情况往往相反:大客户的每个席位价值更高,不是更低。给大客户打折,等于把非线性价值主动让出去。
版本分层的逻辑相反:价格不随席位下降,而是通过功能与额度区分价值。大客户付更高的总价,买到的是审计、SSO、数据驻留与 SLA,而不是更多的席位折扣。这更符合价值曲线。
两种做法也可以混合。LumenDesk 的实际价格表是:Starter 与 Growth 按席位计价,不设阶梯折扣;Enterprise 按年合同定价,席位价随规模略有下降,但功能包与支持服务单独计价。这样既保留了大客户的价格弹性,又没有把价值让渡变成默认规则。
选择哪种做法,取决于三个条件:客户的价值是否随规模超线性增长、采购方是否按席位预算、竞争对手的价格表长什么样。三个条件都指向「价值超线性」时,版本分层优于阶梯折扣。
价值倍数作为定价的护栏
价值倍数还可以反过来当护栏用。一个经验规则是:价值倍数低于 5 倍,客户会觉得贵;高于 30 倍,公司可能定价过低。
低于 5 倍时,客户会认真比较替代方案。人工客服的小时成本是 35 美元,如果 AI 每月只能省 20 小时,价值 700 美元,而产品收 200 美元,倍数只有 3.5 倍,客户很容易说「不如多雇一个人」。这时要么提高产品能力,要么降低价格。
高于 30 倍时,客户几乎不会拒绝,但公司损失了本可以收取的收入。这时应该检查:是不是版本分层不够细?是不是企业功能没有单独定价?是不是把高价值客户和低价值客户放在了同一张价格表上?
这两个阈值不是绝对标准,不同品类、不同客单价会有差异。但它们提供了一个比「拍脑袋定价」更可靠的起点。
代码:把价值倍数算出来
下面这段代码把三个客户层的价值倍数算成可复算的结果。金额统一用美分,倍数保留两位小数。
// file: src/pricing/01-2-nonlinear-value.ts
// tier: L1
// verify: node --test test/pricing/01-2-nonlinear-value.test.ts
// 同一功能对不同客户的价值差:用「节省的人时」对比月费,得到价值倍数。
export type CustomerValue = {
name: string;
hoursSavedPerMonth: number;
loadedHourlyCost: number;
monthlyPriceCents: number;
};
export type ValueResult = {
monthlyValueCents: number;
monthlyPriceCents: number;
multiple: number;
};
export function valueOf(customer: CustomerValue): ValueResult {
const monthlyValueCents = Math.round(
customer.hoursSavedPerMonth * customer.loadedHourlyCost * 100,
);
const multiple = monthlyValueCents / customer.monthlyPriceCents;
return {
monthlyValueCents,
monthlyPriceCents: customer.monthlyPriceCents,
multiple: Math.round(multiple * 100) / 100,
};
}
export const SMALL_TEAM: CustomerValue = {
name: "小团队",
hoursSavedPerMonth: 20,
loadedHourlyCost: 35,
monthlyPriceCents: 5_380,
};
export const GROWTH_TEAM: CustomerValue = {
name: "成长型团队",
hoursSavedPerMonth: 120,
loadedHourlyCost: 35,
monthlyPriceCents: 32_280,
};
export const ENTERPRISE_TEAM: CustomerValue = {
name: "企业团队",
hoursSavedPerMonth: 900,
loadedHourlyCost: 42,
monthlyPriceCents: 129_120,
};
测试输出:小团队与成长型团队都是 13.01 倍,企业团队是 29.28 倍。企业团队的月费是小团队的 24 倍,价值却是 54 倍,差距来自人时规模与人力成本的双重放大。
非线性对定价的三个约束
价值非线性不是「企业客户就该多收钱」这么简单,它带来三个实际约束。
第一,价格表不能只有一档。 单一价格必然在某一段客户上定价过高或过低。分层不是为了多收钱,而是为了让每一层客户都觉得「价格与价值匹配」。
第二,升级路径必须清晰。 客户从 Starter 升到 Growth、从 Growth 升到 Enterprise,每一步都要有可感知的价值变化。如果升级只是「额度更多」,客户会倾向于按量买,而不是升级版本。
第三,销售成本要算进毛利。 企业客户的 ARPA 高,但销售周期长、定制多、支持成本高。ClausePilot 的 CAC 是 9,500 美元,远高于 LumenDesk 的 1,800 美元。价值倍数高不等于利润高,获客成本会在第 9 章与卷三展开。
从价值到价格的三步
把本节的方法压缩成三步,可以直接用在定价评审上。
第一步,量化价值。 对每个客户层,用行为日志或对照实验算出月省人时与人力成本,得到月价值。没有这一步,后面的讨论都是猜测。
第二步,确定区间。 下限是成本加成:单次成本除以目标毛利率。上限是价值倍数:月价值除以可接受的最低倍数(通常 5 倍)。价格落在这个区间内,才有讨论空间。
第三步,用版本与实验校准。 先按客户层设计版本,再用价格实验验证支付意愿。实验方法在第 5 章展开,核心是「一次只改一个变量」,否则无法归因。
三步做完,价格表应该能回答一个具体问题:为什么企业客户比小团队贵 24 倍,而价值只高 54 倍?如果答案只是「因为他们是企业」,说明定价还没有真正建立在价值上。
小结
- 同一功能对不同客户的价值差,主要来自使用密度、替代岗位成本与合规溢价。
- LumenDesk 的小团队与成长型团队价值倍数都是 13.01 倍,企业团队是 29.28 倍。
- 按成本加成定价会把高价值客户定价过低,同时让团队把注意力放在降本而不是增值上。
- 成本决定价格下限,价值决定价格上限,版本分层负责捕获中间的空间。
- 价值倍数低于 5 倍客户会觉得贵,高于 30 倍公司可能定价过低,可作为定价护栏。
- 价值倍数高不等于利润高,企业客户的销售与支持成本必须单独计算。
- 价值量化的三种方法是客户自报、行为日志与对照实验,可靠性依次上升,成本也依次上升。
- 价值定价受竞争、预算科目与信任程度三个边界约束,上限不等于应售价。
- 阶梯定价假设价值随规模线性增长,与 AI 产品的实际情况相反;版本分层更贴合非线性价值。
- 从价值到价格只需三步:量化价值、确定区间、用版本与实验校准。
- 价格评审要能回答「为什么这个客户层比那个贵」,答不出来说明定价还没有建立在价值上。
- 本节的价值倍数只用于判断方向,不替代第 5 章的支付意愿测试。
- 价值量化的结果要写进案例事实表,同一客户层不允许出现两套人时数字。
阅读导航:上一节:1.1 边际成本不为零:一次请求都有账单 · 下一节:1.3 上游在你之上:模型供应商是变动成本源 。
常见错误与边界
- 用工资单价代替全负荷人力成本。社保、福利与管理分摊会让人力成本低估 20% 以上。
- 把「AI 生成的次数」当成「节省的次数」。只有被采用的结果才产生价值,被丢弃的输出是返工。
- 认为价值倍数越高越好。倍数过高说明定价过低,或者版本分层没有覆盖高价值客户。
- 用同一个倍数给所有客户层定价。非线性价值需要分层价格表,单一价格必然在某一段出错。
- 把价值倍数当成涨价依据。它只给出上限,实际价格还受替代品、预算与采购流程约束。
继续阅读
探索更多技术文章
浏览归档,发现更多关于系统设计、工具链和工程实践的内容。