从240家AI软件公司的定价数据，我看到了5个关键趋势

/ 01 /

席位定价和固定价格模式，正在面临挑战

12个月前，软件定价主要还是席位收费和固定费率订阅两种模式。

这些模式提供了价格的可预测性，并有望带来持久的经常性收入（ARR）。然而，由于价值错位和成本压力，这些模式正日益面临威胁，尤其是对于人工智能原生产品而言。

固定费用和基于座位的定价正在被混合定价所取代，即订阅和使用的组合。数据上也能看出这一趋势：

1）过去12个月，固定费用订阅模式占比从29%下降至22%。

2）采用基于席位定价的占比从21%下降至15%。

3）采用混合定价模式的占比从27%上涨至41%。

还有一个趋势是，AI与软件的结合越来越紧密了。

超过一半的受访者（53%）表示，他们将人工智能功能纳入核心软件产品。仅有20%的受访者表示，他们不提供任何人工智能功能。甚至更少的受访者（16%）表示，人工智能主要作为独立产品或附加组件出售。

AI为软件带来的一个变化是，软件提供的价值越来越多。客户可能需要更少的人工，而需要更多的人工智能。

• Alphabet表示，目前其代码的30%以上是由AI生成的。

• 微软首席技术官预计，到 2030 年，95% 的代码将由AI生成。

• Cursor拥有 60 名员工，年平均经常性收入(ARR)增长至2亿美元，平均每位员工的收入超过300万美元。

• Klarna表示，由于人工智能效率的提升，其每位员工的ARR从57.5万美元飙升至100万美元。

但另一方面，交付人AI功能的成本是真实存在的，并且正在成为定价的关键因素。调查参与者认为，内部成本和利润是人工智能功能定价的最重要因素。

/ 02 /

混合定价模式，已成为主流定价模式

在SaaS时代，大部分软件公司的定价策略，主要参考Salesforce或Slack等。而到了AI时代，他们的定价策略受到了Clay的启发。

Clay采用的是混合定价模式，既通过多种定价方式来满足用户需求，又保持定价相对简单，比如更多功能（订阅套餐）和更多使用量（积分）。

Clay没有为包年套餐提供大幅折扣，而是提供小幅折扣（10%），并允许客户一次性获得所有积分。未使用的积分可以结转到下个月（最多2倍），这既方便了客户，又能增加用户粘性。

最近，一些初创公司和大型企业都引入了类似的混合模式。比如，我一直在关注monday.com（现在所有付费计划每月提供500个AI积分）、Salesforce旗下的Agentforce（5月份增加了弹性积分模式）、Atlassian以及许多其他公司。

混合定价是席位或固定费用订阅模式的自然演变。我认为混合定价如此受欢迎的原因有四：

1）没有对原有定价体系造成太大冲击。混合定价无需另辟蹊径——它可以融入现有的基于座位和订阅的模式。

2）更自然的销售路径。它创建了一条自然的追加销售路径，让客户“免费”试用新产品，然后随着使用量的增长而盈利。

3）可观的利润率。通过限制使用量，公司可以控制成本，并最大限度地降低无利可图客户的风险。

4）相对可预测。通过遵循传统的定价模式，买家可以估算成本并控制支出。

/ 03 /

七大常见的定价策略

随着越来越多AI产品转向混合定价模式，一个新的挑战出现了：构建混合定价的方式似乎有无数种，但并非每一种都合适。

在这里，作者分享了一些常见的定价方法，以及其优缺点。

第一，现收现付(PAYG)。这并非真正的混合模式，且早期可能会有不错的效果。现收现付意味着无需承诺，完全灵活。当客户可以报销费用或将其计入运营预算时，这种模式最有效。否则，企业采购要小心了！

第二，有上限的现收现付(PAYG)。这种模式通过限制潜在使用量/支出，让买家安心无忧。这种模式在基于结果的模式中越来越常见，因为结果事先是未知的。

第三，基于使用量的套餐。客户承诺一定的使用量或套餐；这通常是“用完即止”。套餐包含多种子模式，包括高额计费（如果使用量超过计划上限，客户将立即进入超额计费模式）或递减模式（使用量可以灵活使用，就像礼品卡一样）。对超额使用量和使用量波动的担忧会导致销售人员过度销售，客户过度购买。

第四，平台费加使用量。收取平台费有助于锁定客户，同时让他们享受高级功能、优质支持等。当定价指标商品化（例如：短信、计算、存储）或无法反映产品的全部价值时，这种方法非常有效。供应商可以宣传价格实惠，但需要通过平台费来弥补。

第五，平台费（含使用量）加额外使用费。这种模式也称为三部分资费模式，其订阅费较高，但包含一定程度的“免费”使用费。提供最低使用量有助于吸引客户，并通常会刺激他们增加整体消费。

第六，自适应固定费率。在这种模式下，客户承诺选择一个基于使用量的层级，但在合同期内可以随意使用产品，不会产生超额费用或需要升级。在合同续期时，其层级会根据实际使用情况进行上调或下调。自适应统一费率对客户来说具有可预测性，同时也能鼓励他们随着时间推移增加使用量（缺点是如果使用量下降，你仍需承担相应的成本！）。

第七，平台费加成功奖金。在这种模式下，定价以更传统的订阅费形式呈现。如果客户获得的回报率（ROI）高于预期，他们需额外支付一笔奖金或佣金。

/ 04 /

结果定价，必须关注的4个问题

5%的受访者表示，他们目前的主要定价模式是基于结果的。然而，25%的受访者表示，他们预计到2028年，才会将定价模式将转向基于结果的模式。

基于结果的定价的早期采用者——例如之前提到的Intercom，正在为市场铺平道路。

其中一些所谓的“基于成果”的模式，更准确地说应被称为“基于工作量”的定价（例如 EvenUp、Casemark）。而另一些则是真正意义上的“基于成功”的定价模式，即当客户获得额外收益时，供应商会从中抽取一部分分成（例如 Chargeflow、Flycode 和 AirHelp）。

以 AirHelp 为例，当它为客户赢得因航班延误或取消而获得赔偿时，会收取35%的成功费用。

当 AI 智能体被定位为“执行任务”的角色时，按照其完成的工作量（或者与该工作相关的收益）来定价就显得顺理成章。从市场营销的角度来看，这种模式非常成功。

它传递出一个强烈信号：你对自己的产品充满信心并愿意全力为其背书。同时，这也促使供应商不断投入资源，提升产品效果，从而为客户带来更多的实际成果。

然而，这一模式背后也存在一个不容忽视的问题，我将其称为 CAMP 框架。要实现基于成果的定价，企业必须具备以下四个要素（CAMP）：

1）一致性（Consistency）：所有客户都重视相同的成果吗？还是说不同客户所需的成果各不相同，导致必须定制化结果，进而催生大量定制化合同。

2）归因性（Attribution）：你能说服客户将取得的成果归功于你的产品吗？还是他们认为主要靠自己达成目标，你的产品只是起到了很小的帮助作用？

成果归因是基于成果定价中最棘手的问题之一。如果客户无法清晰地看到你的产品在推动成果中的作用，他们就不太可能愿意为此付费，尤其是在按成果分成的情况下。

3）可衡量性（Measurability）：你能否实时测量并报告这些成果？还是需要依赖客户的报告、A/B 测试和/或概念验证来确认成果？

如果无法准确、及时地衡量成果，就难以建立透明的计费机制和信任关系。理想情况下，系统应具备自动追踪关键指标的能力，并向客户展示明确的价值证据。

4）可预测性（Predictability）：你能以一定准确度预测你的产品将带来的成果吗？还是不同客户之间的成果差异很大？

如果成果波动大且不可预测，企业将面临巨大的财务风险。例如，某些客户可能获得极高回报，而另一些几乎没有任何改善。这使得定价模型难以标准化，也增加了销售难度。

/ 05 /

价格透明化，或许被高估了

将定价信息隐藏起来的做法，曾被认为是上世纪90年代和2000年代的遗留习惯。毕竟，如今精明的买家会在网上做调研（或向同行打听），很可能会找到他们想要的价格信息。

像Vendr这样的工具甚至通过一个免费的Chrome插件，就能展示其他人实际支付的价格。

公开定价可以让你抓住这部分买家的需求（以及相关的搜索流量），同时掌握叙述权（即主动定义客户对产品价值的理解）。此外，它还能筛选掉那些不符合条件的买家，避免他们浪费你团队的时间。

然而现实是，尽管透明定价有其优势，但很多企业并未全面采纳这一做法。

这背后可能涉及复杂的定价结构、差异化报价策略，或是担心价格成为竞争焦点而削弱价值主张。因此，虽然透明化趋势看似“不可避免”，但在实际执行中仍面临诸多挑战和顾虑。

现实情况是：事情并没有完全按照预期发展。

那些平均年度合同价值（ACV）低于5000美元的企业，以及采用产品驱动增长（PLG）模式的公司，通常确实会把定价信息放在官网上公开。但对于其他企业来说，情况并非如此普遍。

我的一点看法：许多软件公司，尤其是初创阶段的公司和AI相关企业，其实还没有完全理清自己的定价策略。一旦将价格公之于众，后续再进行调整就会变得困难得多——因为这很容易让消费者感到困惑，甚至失去信任。

此外，随着定价模型变得越来越复杂（例如：结合AI积分的混合定价），买家并不一定会相信他们在网站上看到的价格就是最终要支付的金额。

他们自然会提出一系列问题：有没有使用上限？超额费用怎么计算？哪些功能是额外收费的？等等。

当复杂性上升时，买家更希望与真实的人沟通，而不是仅仅依赖一个网页上的价目表。

/ 06 /

AI定价快速变化，大部分人没有做好足够准备

AI技术的快速发展使得盲目沿用现有的定价模式变得不再可行。（事实上，去年有四分之三的软件公司对其定价策略进行了调整。）

随着定价决策日益成为一项战略性且复杂的任务，企业需要为定价工作投入相应的资源。这背后有大量的实际工作要做，包括深入理解成本结构、竞争对手动态以及客户感知价值。

然而，大多数企业在两个方面仍显不足：

1）人员能力缺口（Personnel Gaps）：缺乏具备专业定价分析、价值建模和市场洞察力的人才；

2）工具落后（Legacy Tooling）：仍在依赖传统的Excel表格或过时的系统，无法支持实时数据驱动的定价决策。

换句话说，虽然定价的重要性日益提升，但很多公司并没有建立与之匹配的能力体系来支撑这种战略转型。

在公司发展的早期阶段，定价几乎总是由创始人或CEO直接拍板决定。随后，随着公司规模扩大，定价逐渐变成一个“烫手山芋”，在销售、产品、市场、财务和运营等多个部门之间来回推诿。

要特别警惕陷入所谓的定价“无人区”（pricing no-man’s land）——这通常发生在年经常性收入（ARR）在500万到2000万美元之间的时候。在这个阶段，初创时期的“拍脑袋”决策方式已经不再适用，但正式的定价机制和责任人又尚未建立起来，导致定价策略缺乏清晰的所有权和战略方向。