AI原生应用如何定价
01 现有 AI 应用定价模式分析
在大型语言模型（LLM）和基础设施层，用量付费模式自商业化以来一直是主流。大多数公司根据使用的 token 数量收费，这与计算成本密切相关。
AI 应用定价趋势：40 家领先企业的深度解析
为了了解应用层的定价趋势，我们调查了 40 家领先的 AI 原生应用公司。选择这些公司的主要标准是基于外部融资和来自公开信息的关注度，例如福布斯 AI 50 强榜单和红杉资本的生成式 AI 市场图谱。
这 40 家公司包括营销工具（例如 Jasper、Copy.ai）、生产力应用程序（例如 Tome、Glean）、垂直领域特定产品（例如 Harvey、Co:Helm）以及其他领域的产品（例如 Synthesia、HeyGen）。
我们具体审查了有关定价模式、价值指标、套餐、免费版本和定价透明度的公开数据。我们特意关注 AI 原生应用，而不是现有企业，因为这些初创公司没有先前安装基础或传统定价模式的包袱。
在分析了这 40 家领先的 AI 原生应用公司后，我们发现了五个关键的定价趋势：
1.定价模式创新有限: 七成公司采用订阅模式，纯用量付费模式寥寥无几。
2.以用户数量为主要计费指标: 这反映了 AI 应用作为「副驾驶」辅助人类工作的定位。
3.免费版本和试用期普遍存在: 超过一半的公司提供免费版本，另有五分之一提供免费试用，以促进用户早期采用。
4.「好-更好-最好」的套餐模式: 这种模式为用户提供不同功能和服务级别的选择，并为企业创造清晰的升级路径。
5.定价透明度差异较大: 三分之二的公司公开定价，而企业级应用则更倾向于隐藏定价以保持竞争优势和灵活性。
1）定价模式创新有限
尽管 AI 应用的基础设施层（如大型语言模型和云计算平台）主要采用用量付费模式，但这种模式并未在应用层得到广泛应用。我们认为这主要有以下几个原因：
- 简单易懂: 订阅模式对用户来说更加熟悉和易于理解，降低了用户的认知门槛。
- 实施难度大: 用量付费模式需要强大的数据基础设施和计费系统，对初创公司来说实施难度较大。
- 价值难以量化: 许多 AI 应用的价值难以量化，因此很难确定合适的用量计费指标。
- 避免限制用户采用: 创新的定价模式可能会限制用户的采用，而初创公司更希望尽可能多地吸引用户。
- 盈利并非首要目标: 许多 AI 初创公司目前的首要目标是证明其产品具有市场需求，并获得快速增长，而不是追求盈利。
虽然订阅模式为主流，但我们也看到一些公司采用了混合模式，例如 Copy.ai 结合了订阅费用和按使用量计费的模式。
2）以用户数量为主要计费指标
大多数 AI 应用以用户数量作为主要计费指标，这与传统 SaaS 应用的定价模式一致。然而，随着 AI 逐渐取代部分人工，用户数量可能会减少，因此这种模式可能会受到挑战。未来的 AI 应用可能需要探索新的计费指标，例如处理的数据量、生成的文本或代码量、节省的时间或成本等。
3）免费版本和试用期普遍存在
免费版本和试用期是 AI 应用吸引用户并促进早期采用的有效手段。超过一半的 AI 应用提供免费版本，另有五分之一提供免费试用。免费版本通常功能有限，但足以让用户体验产品核心价值。免费试用期则允许用户在一定时间内免费使用完整功能，以便做出购买决策。
4）「好-更好-最好」的套餐模式
「好-更好-最好」的套餐模式为用户提供不同功能和服务级别的选择，例如基础版、专业版和企业版。这种模式可以满足不同用户的需求，并为企业创造清晰的升级路径。用户可以根据自己的需求和预算选择合适的套餐，并随着需求的变化进行升级。
5） 定价透明度差异较大
面向个人和专业用户的 AI 应用倾向于公开定价，例如在官网上展示不同套餐的价格和功能对比。而企业级应用则更倾向于隐藏定价，以保持竞争优势和灵活性，并根据客户的具体需求进行定制化报价。随着 AI 应用市场的成熟和价格比较工具的普及，企业级应用的定价信息可能会逐渐变得更加透明。
02 AI 应用定价模式的创新趋势
随着 AI 技术的不断发展，AI 应用的定价模式也将不断创新。以下是一些可能出现的趋势：
- 以成果为导向的定价模式： 这种模式下，客户只需为成功的结果付费，例如成功的交易结算、问题的解决或生成的文档。这将推动 AI 应用与客户建立双赢的合作伙伴关系，并加速产品的普及。例如，Chargeflow 是一家提供信用卡拒付管理服务的 AI 公司，他们只在成功解决拒付问题时向客户收费。
- 探索新的计费指标： 随着 AI 逐渐取代部分人工，用户数量可能不再是合适的计费指标。AI 应用需要探索新的计费指标，例如处理的数据量、生成的文本或代码量、节省的时间或成本等。
03 缺乏创新带来的机遇：第二波 AI 应用浪潮
软件公司历来倾向于订阅和按用户计费的模式，即使近年来出现了向用量付费和混合模式转变的迹象，但对于第一波成功的 AI 应用来说，这种情况依然存在。
然而，我们看到第二波 AI 公司正在尝试非常创新的定价结构，这些模式可能在获得更快的用户采用的同时，获取更多的整体收入。甚至连微软都在为其新的 AI Copilot for Security 测试创新的用量付费模式。
Fin (Intercom), EvenUp, Chargeflow (一家 OpenView 投资组合公司) 和 11x.ai 是采用成功导向（或结果导向）定价模式的公司的例子，在这种模式下，客户只为成功的结果付费。对于 Chargeflow 来说，这是一个成功的结算；对于 Fin 来说，这是一个成功的解决方案；而对于 EvenUp 来说，这是为律师事务所成功生成的需求包。
对于客户来说，这种模式很有吸引力，因为他们正在建立双赢的合作伙伴关系。供应商只有在你成功的时候才会成功。这种定价模式也有可能提高采用率，因为客户只有在产品带来实际结果时才会付费。
这与许多现有的 SaaS 提供商形成鲜明对比，在这些提供商中，客户最终购买的席位往往远远超过他们需要的数量。月活跃用户率在 20-40% 之间的情况并不少见——根据定义，客户为他们得到的东西支付了过高的费用。我们预计，随着 AI 产品提供工作成果而不是增强个人生产力，传统的按席位订阅模式将越来越受到挑战。
04 AI 应用定价模式的未来展望
AI 应用的定价模式正处于不断演变和创新的阶段。未来，AI 应用的定价策略将更加灵活多样，以满足不同用户的需求，并与 AI 技术的发展同步进化。以成果为导向的定价模式、新的计费指标以及更加个性化的定价方案将成为趋势，为 AI 应用的普及和发展创造更有利的条件。
