《AI 产品的商业化·价值与定价》2.2 收费点选择:在哪一层收费

收费点不是一个价格标签,而是计量位置、付款触发与风险承担的组合。本节把收费点从模型层到结果层分成五层,用 LumenDesk 的席位加超额、Verba 的纯分钟、ClausePilot 的平台费加案件算出收入分层、混合毛利与用量敏感度,并给出前置与后置收费的选择矩阵和三种错配。

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。

收费点决定谁承担波动

上一节解决了「按什么计量」,这一节解决「在哪一层收费」。两者经常被混为一谈,其实不是一回事:分钟可以作为 API 层的单位,也可以作为应用层的单位;席位可以作为应用层的单位,也可以作为结果层套餐的一部分。单位回答「数什么」,收费点回答「在哪一层数、向谁收、什么时候收」。

收费点由三个要素组成:计量位置、付款触发、风险承担。计量位置决定你在价值链的哪一段插入计数器;付款触发决定客户是按月付、按用量付还是按结果付;风险承担决定当用量波动、成本上涨、结果不达标时,谁承担损失。

同一个产品可以在多层收费,但只能有一个主收费点。LumenDesk 的主收费点是应用层的席位,超额次数只是修正;ClausePilot 的主收费点是结果层的案件,平台费是入场券;Verba 的主收费点是 API 层的分钟,没有席位费。主收费点决定了收入的基本形状,其他层只做微调。

从模型层到结果层的五个位置

把 AI 产品的价值链拆开,可以看到五个可以收费的位置。

层级计量对象典型单位毛利率收入可预测性客户比价难度代表案例
模型层token、算力token低低低:公开报价无
API 层调用、分钟次、分钟中低低中:需要技术理解Verba API
工作流层任务、文档文档、次中中中部分文档产品
应用层席位、账号席位高高高:需整体比较LumenDesk
结果层业务结果案件、成功费高中高:难标准化ClausePilot

模型层是最靠近成本的位置。按 token 收费,收入与推理成本几乎同比例变动,毛利率薄,客户可以拿供应商的公开报价直接比价。三个案例都没有把主收费点放在模型层,因为这一层没有定价权:你卖的是别人的商品,客户随时可以绕过你。

API 层比模型层多了一层封装:转写、说话人分离、格式转换、重试与限流。Verba API 站在这一层,按分钟收费,毛利率 47.5%。客户比价的对象不是裸模型,而是其他转写 API,比价难度中等,但价格仍然透明。

工作流层把多个模型调用包装成一个任务:一份文档的抽取、一次会话的总结、一批数据的清洗。收费单位可以是文档或任务,毛利率中等,收入可预测性中等。这一层的关键是任务边界要清晰,否则客户会把一个任务拆成多个来压价。

应用层把 AI 嵌进客户的工作流:客服知识库、销售助手、协作工具。LumenDesk 站在这一层,按席位收费,毛利率 82.7%。客户比价的对象是「一套客服系统」,不是「一次模型调用」,比价难度高,定价空间也大。

结果层按业务结果收费:一个审结的案件、一次成功的催收、一份通过的合规报告。ClausePilot 的案件费站在这一层,毛利率 73.3%。结果层最贴近客户价值,但要求结果可定义、可归因、可验收,销售周期也最长。

收费点与成本点的距离

成本发生在推理调用,收费点可以放在它前面、旁边或后面。距离越远,收入与成本的错配越大,需要额外的机制来对冲。

时间错配。 成本按天发生,收入按月发生。客户在月初集中使用,供应商账单在月中到达,客户付款在月末,公司要先垫付一个月的推理成本。LumenDesk 的月度变动成本是 17,856 美元,如果客户用量在月初翻倍,现金流会出现一个短期的谷底。

粒度错配。 成本按对话发生,收入按席位发生。LumenDesk 平均每席位 620 次对话,成本 9.30 美元;P95 客户用到 1,450 次,成本 21.75 美元;两人付同样的 49 美元席位费。席位费把差异平均掉了,平均者就是公司。

主体错配。 付费者与使用者不是同一个人。ClausePilot 的平台费由公司支付,案件费由业务组支付;批准发票的人可能不是产生用量的人,导致「用的人不心疼,付的人看不见」。这种错配会让用量控制失效,也会让续费谈判缺少使用者支持。

三种错配没有完美解法,只能选择在哪一层承担。收费点前置,公司承担用量波动,换取收入可预测;收费点后置,客户承担用量波动,换取公平。选择的标准不是「哪种更先进」,而是「公司有没有能力消化这种波动」。

三个案例的收入分层

把每个案例的收入按「是否随用量变动」拆开,可以看到三种不同的风险结构。

案例前置收入占比后置收入占比混合毛利率用量每降 1% 的毛利变化
LumenDesk9,408,000 美分91.1%921,600 美分8.9%82.7%增加 86.40 美元
Verba API00%33,600,000 美分100%47.5%减少 1,596 美元
ClausePilot20,400,000 美分26.0%58,140,000 美分74.0%73.3%减少 3,714.50 美元

LumenDesk 的席位费是 9,408,000 美分,占总收入 91.1%;超额次数收入 921,600 美分,占 8.9%。后置收入小于变动成本 1,785,600 美分,意味着用量上升反而侵蚀毛利:每多一次超额对话,收入增加 0.04 美元,成本增加 0.015 美元,看似赚钱,但把包含额度的成本算进来,整体上席位费才是利润来源。用量下降 1%,毛利反而增加 86.40 美元。

Verba 的全部收入随分钟变动,前置收入为零。用量下降 1%,收入减少 336,000 美分,成本减少 176,400 美分,毛利减少 159,600 美分,即 1,596 美元。毛利率仍然是 47.5%,但绝对毛利少了 1,596 美元。纯用量收费把波动完整地传给了公司,公司必须有足够厚的毛利缓冲。

ClausePilot 的平台费是 20,400,000 美分,占 26.0%;案件费 58,140,000 美分,占 74.0%。平台费提供了一层缓冲,但案件费仍然主导用量敏感度:用量下降 1%,毛利减少 371,450 美分,即 3,714.50 美元。平台费占比越高,这层缓冲越厚,但客户为「不使用」付费的抵触也越强。

用量敏感度:收费点最重要的财务后果

用量敏感度可以用一个简单的公式算出来:

毛利变化 = (后置收入 - 变动成本) × 用量变化比例

如果后置收入大于变动成本,用量下降会让毛利减少;如果后置收入小于变动成本,用量下降反而让毛利增加。前者是纯用量生意,后者是前置收费生意。

LumenDesk 代入:(921,600 - 1,785,600) × 1% = -8,640 美分。负号的意思是「用量与毛利反向」:用量下降 1%,毛利增加 86.40 美元。这不是说公司希望客户少用,而是说在席位制下,超额用量本身不是利润中心,公司的利润来自席位费覆盖的固定成本。

Verba 代入:(33,600,000 - 17,640,000) × 1% = 159,600 美分。用量下降 1%,毛利减少 1,596 美元。用量下降 10%,毛利减少 15,960 美元;下降 20%,毛利减少 31,920 美元。纯用量生意的毛利对用量高度敏感,任何一次客户流失或用量萎缩都会直接反映在利润表上。

ClausePilot 代入:(58,140,000 - 20,995,000) × 1% = 371,450 美分。用量下降 1%,毛利减少 3,714.50 美元。案件费占比高,平台费的缓冲不足以抵消案件量的波动,所以它的收入可预测性只能算中高,不是高。

把用量缩放到 80%,三个案例的毛利率分别是 85.9%、47.5%、74.9%。LumenDesk 的毛利率上升,因为固定席位费占比更高;Verba 的毛利率不变,但绝对毛利下降 20%;ClausePilot 的毛利率小幅上升,因为平台费的占比被动提高。毛利率不变不等于安全,绝对毛利下降才是真正的风险。

三种错配的具体表现

时间错配

时间错配在月度订阅加月度用量的组合里最常见。客户在月中做促销,对话量在三天内翻三倍,公司的推理账单在月底到达,客户的超额账单在次月才出。公司要先垫付这笔成本,如果客户在月底流失,这笔钱可能收不回来。

缓解时间错配的办法不是改收费点,而是改结算节奏:对高用量客户设置用量预警、预充值或周结;对低用量客户保持月结。收费点不变,现金流可以改善。

粒度错配

粒度错配在席位制里最明显。LumenDesk 平均每席位 620 次,P95 客户 1,450 次,相差 2.3 倍。如果所有席位都按 49 美元收,重度用户补贴了轻度用户,但补贴的方向是反的:重度用户产生更多成本,却付同样的钱。公司实际上在用轻度用户的毛利补贴重度用户。

缓解粒度错配的办法是加一层后置收费:超出 500 次的部分按 0.04 美元收。这个超额单价高于单次成本 0.015 美元,让重度用户至少覆盖自己的增量成本。超额不是用来赚钱的,是用来修正粒度错配的。

主体错配

主体错配在「公司付费、团队使用」的产品里最常见。ClausePilot 的平台费由公司支付,案件费由业务组支付;业务组为了控制预算,会把案件拆成更小的单位,或者把部分案件转到线下处理。公司看到的是平台费固定,业务组看到的是案件费上涨,两边都没有完整的成本视图。

缓解主体错配的办法是把账单拆成两份:一份给公司,展示平台费与总案件量;一份给业务组,展示案件费与单案件成本。两份账单用同一个案件编号体系,让付钱的人和使用的人能对上账。

前置与后置的选择矩阵

收费点的选择可以用六个条件来判断。

条件更适合前置:席位、平台费更适合后置:次、分钟、案件
价值难归因适合:用固定费规避归因不适合:结果无法验收
用量波动大且客户可控不适合:公司承担波动适合:客户自己控制用量
客户规模大、采购流程长适合:预算可预测不适合:每月审批太慢
长尾客户多、单客差异大不适合:平均化导致亏损适合:用多少付多少
毛利薄、成本占比高不适合:固定费覆盖不了成本适合:成本直接传导
毛利厚、价值差异大适合:捕获价值不适合:按用量收费低估价值

这张表不是决策树,而是检查清单。大多数产品会同时满足多个条件,最后的选择是「主收费点加修正层」,而不是单一答案。

LumenDesk 的选择是「席位为主、超额为辅」:客户规模中等、采购流程需要预算、价值需要整体比较,所以前置;但长尾客户用量差异大,所以加一层超额防止亏损。Verba 的选择是「纯后置」:客户技术能力强、用量自己可控、毛利薄需要传导成本,所以按分钟。ClausePilot 的选择是「平台费加案件」:客户规模大、采购流程长,所以收平台费;价值可以按案件验收,所以案件费为主。

混合收费的三种组合

混合收费不是把几个价格加在一起,而是让每一层解决一个特定问题。

席位加额度加超额。 席位解决预算与可解释性,额度解决公平性,超额解决粒度错配。LumenDesk 的 49 美元、500 次、0.04 美元就是这三层。三层之间的关系要写清楚:额度是包含在席位费里的,超额是额外收的,超额单价必须高于单次变动成本。

平台费加按案件。 平台费解决入场与固定成本,案件费解决用量与价值捕获。ClausePilot 的 2,400 美元平台费、180 美元案件费就是这两层。平台费不能定得太高,否则客户在用量不足时会觉得不划算;也不能定得太低,否则无法覆盖 onboarding、集成与支持成本。

纯用量加最低承诺。 纯用量解决公平性,最低承诺解决收入可预测性。Verba 目前是纯用量,没有最低承诺;如果它要降低收入波动,可以加一个年度最低消费,未达到时补差额。最低承诺的代价是客户会把承诺当成上限,用量接近承诺时提前收缩。

结果费与成功费是第四种组合,但它要求结果可定义、可归因、可验收。三个案例都没有采用纯结果费,因为 AI 的输出质量仍有波动,客户不愿意为不确定的结果付固定比例。结果费适合有明确基线、可对照实验的场景,不适合所有 AI 产品。

收费点迁移的时机

收费点不是一旦选定就不能改,但迁移的代价很高。四个信号出现时,才值得考虑迁移。

毛利率连续下降。 如果毛利率连续两个季度下降,且不是一次性成本,说明收费点与成本点的距离太远,固定费覆盖不了变动成本。LumenDesk 加超额层,就是因为部分重度客户的成本超过了席位费。

长尾客户持续亏损。 如果前 20% 的客户贡献了大部分收入,后 50% 的客户毛利为负,说明平均化的收费点不适合当前的客户结构。解决办法不是涨价,而是加一层后置收费,让长尾客户按实际用量付费。

客户预算投诉增加。 如果客户频繁抱怨账单不可预测,说明后置收费点太多,客户需要一层前置的预算锚。解决办法是加平台费或最低承诺,而不是取消后置收费。

销售周期变长。 如果客户在采购阶段反复要求用量测算,说明收费点太复杂,销售无法在第一次会议里给出报价。解决办法是简化单位,或者提供预算上限。

迁移的稳妥做法是双轨过渡:老客户保留原收费点 12 个月,新客户用新收费点;按 cohort 比较收入、毛利、流失与客服工单。不要在续费周期同时迁移收费点和涨价,否则无法归因。

用代码算收费点

下面这段代码把收入分层、经常性收入占比、混合毛利与用量敏感度算成可复算的结果。

// file: src/pricing/02-2-charge-point.ts
// tier: L1
// verify: node --test test/pricing/02-2-charge-point.test.ts

// 收费点分析:收入分层、经常性收入占比、混合毛利与用量波动的毛利敏感度。

import { type Cents } from "../core/money.ts";
import { type Bps, FULL } from "../core/rate.ts";

export type ChargeLayer = {
  name: string;
  revenueCents: Cents;
  usageLinked: boolean;
};

export type ChargeModel = {
  layers: readonly ChargeLayer[];
  variableCostCents: Cents;
};

export function totalRevenueCents(model: ChargeModel): Cents {
  return model.layers.reduce((acc, layer) => acc + layer.revenueCents, 0);
}

export function usageRevenueCents(model: ChargeModel): Cents {
  return model.layers
    .filter((layer) => layer.usageLinked)
    .reduce((acc, layer) => acc + layer.revenueCents, 0);
}

/** 与用量脱钩的收入占比(基点):席位费、平台费等前置收费点。 */
export function recurringShareBps(model: ChargeModel): Bps {
  const total = totalRevenueCents(model);
  if (total === 0) return 0;
  return Math.round(((total - usageRevenueCents(model)) / total) * FULL);
}

export function blendedMarginBps(model: ChargeModel): Bps {
  const total = totalRevenueCents(model);
  if (total === 0) return 0;
  const margin = total - model.variableCostCents;
  return Math.round((margin / total) * FULL);
}

/** 用量每上升 1% 的毛利增量;负值表示用量上升反而侵蚀毛利。 */
export function marginCentsPerVolumePercent(model: ChargeModel): Cents {
  return Math.round((usageRevenueCents(model) - model.variableCostCents) / 100);
}

/** 用量缩放到 volumeBps(10000 = 当前用量)后的毛利率。 */
export function marginAtVolumeBps(model: ChargeModel, volumeBps: Bps): Bps {
  const factor = volumeBps / FULL;
  const fixed = totalRevenueCents(model) - usageRevenueCents(model);
  const revenue = fixed + usageRevenueCents(model) * factor;
  if (revenue === 0) return 0;
  const cost = model.variableCostCents * factor;
  return Math.round(((revenue - cost) / revenue) * FULL);
}

export const LUMENDESK_CHARGE: ChargeModel = {
  layers: [
    { name: "seat", revenueCents: 9_408_000, usageLinked: false },
    { name: "overage", revenueCents: 921_600, usageLinked: true },
  ],
  variableCostCents: 1_785_600,
};

export const VERBA_CHARGE: ChargeModel = {
  layers: [{ name: "minute", revenueCents: 33_600_000, usageLinked: true }],
  variableCostCents: 17_640_000,
};

export const CLAUSEPILOT_CHARGE: ChargeModel = {
  layers: [
    { name: "platform", revenueCents: 20_400_000, usageLinked: false },
    { name: "case", revenueCents: 58_140_000, usageLinked: true },
  ],
  variableCostCents: 20_995_000,
};

代入三个案例,LumenDesk 总收入 10,329,600 美分,后置收入 921,600 美分,经常性收入占比 9,108 基点,混合毛利率 8,271 基点,用量每上升 1% 的毛利增量为 -8,640 美分,用量缩放到 80% 后毛利率 8,592 基点。Verba 的对应数字是 33,600,000、100% 后置、0 基点经常性收入、4,750 基点毛利率、159,600 美分敏感度,缩小用量后毛利率不变。ClausePilot 的对应数字是 2,597 基点经常性收入、7,327 基点毛利率、371,450 美分敏感度、80% 用量下 7,490 基点。

这三个结果说明一件事:收费点不是「收入怎么分」的技术问题,而是「波动由谁承担」的商业问题。前置收费点把波动留给公司,换取可预测性;后置收费点把波动留给客户,换取公平。两种选择都能成立,前提是公司的毛利缓冲与客户的风险承受能力匹配。

一个反直觉的结论

收费点越靠前,收入越可预测,但单位价值捕获越弱;收费点越靠后,单位价值捕获越强,但收入越波动。这不是线性关系,而是一条权衡曲线。

LumenDesk 站在应用层,用席位费换来了 91.1% 的经常性收入,代价是重度用户与轻度用户之间的交叉补贴。Verba 站在 API 层,用纯用量换来了公平,代价是 47.5% 的毛利率和高度波动的绝对毛利。ClausePilot 站在结果层,用案件费换来了价值捕获,代价是案件量波动直接打在利润表上。

没有一种收费点适合所有阶段。早期客户少、用量不稳定,前置收费点能帮助公司活下来;中期客户结构分化,需要加后置层修正;成熟期客户量大、数据充分,可以用更精细的分层收费。收费点的演进,本质上是对客户结构认识的演进。

小结

  • 收费点由计量位置、付款触发、风险承担三要素组成,不只是价格标签。
  • 从模型层到结果层有五个位置,越靠后毛利越高、比价越难、销售周期越长。
  • 收费点与成本点的距离产生三种错配:时间错配、粒度错配、主体错配。
  • LumenDesk 前置收入占 91.1%,用量下降 1% 毛利反而增加 86.40 美元。
  • Verba 后置收入占 100%,用量下降 1% 毛利减少 1,596 美元,毛利率不变但绝对毛利下降。
  • ClausePilot 平台费占 26.0%,用量下降 1% 毛利减少 3,714.50 美元,缓冲有限。
  • 前置换可预测性,后置换公平;混合收费让每一层解决一个特定问题。
  • 迁移收费点要用双轨过渡和 cohort 对比,不要在续费周期同时迁移与涨价。

阅读导航:上一节:2.1 定义价值单位:次、分钟、文档、案件、席位 · 下一节:2.3 价值证明:让客户看见节省 。

常见错误与边界

  • 把收费点当成价格数字。同一个 49 美元,放在席位、案件、分钟上,风险结构完全不同。
  • 只设一个前置收费点,不设用量上限。长尾重度客户会把毛利吃穿。
  • 只设后置收费点,不设预算锚。客户财务无法批预算,销售周期变长。
  • 在多层同时收费却没有主次。客户看不懂账单,内部也无法判断哪一层在赚钱。
  • 忽略主体错配。付钱的人和使用的人不是同一个,用量控制必然失效。
  • 在续费周期同时迁移收费点和涨价,导致流失无法归因。

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。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图