前段时间刚好在梳理产品中 AI 功能模块的定价策略，对于是捆绑销售，还是拆开单独售卖，始终没有找到一个结构化的思考框架。
正巧这周看到了 Palle Broe 发表的这篇文章，如获至宝，完美解决了前段时间困扰自己的定价问题。![]()
Palle Broe 通过对 44 家科技公司 AI 功能定价和捆绑策略的研究，为我们提供了一个全面的框架，来判断 AI 功能的商业化策略。这篇文章不仅适合技术公司高管和产品经理阅读，也为所有关注 AI 商业化的人士提供了宝贵的见解。全文共计 6000 字，预计需要花费 16 分钟，文章目录如下：- 方案 3：纳入现有产品套餐计划（Include in plan）
过去十年，我一直在为 Uber 和 Templafy 等企业制定商业化战略，并为 20 多家科技公司提供咨询服务。
与传统的 SaaS 产品不同，希望整合 AI 功能的企业需要考虑生成式 AI 实际产生的计算成本，以及目前 AI 市场的激烈竞争压力，同时还要关注和采用新的商业模式。为了确保长期的投资回报率，公司一直需要仔细考虑如何以及何时实现商业化，但 AI 需要更深入的分析。在 Alphabet（Google 母公司） 2024 年第二季度的财报电话会议上，投资者提出的许多问题都涉及该公司 120 亿美元 AI 投资的回报率--这与上一季度的电话会议相比发生了真正的转变。很明显，投资者的关注点正在从单纯的采用 AI 转变为如何将其创新商业化（monetizing）。这让我很好奇：如今，科技公司如何将其新的 AI 功能商业化？我们又能从中学到什么？为了回答这个问题，我调查了 44 家领先科技公司的定价和捆绑策略。我关注的重点是 "应用层"--构建最终用户产品（如 Figma）的公司，而不是基础模型（OpenAI 的 LLM）或基础设施（如 Azure）。我们分析了定价模式、价值指标、捆绑和免费策略的公开数据，以确定当前的趋势。基于这些数据和我自己在定价方面的经验，为你提供了一个框架，以帮助你为自己的 AI 产品和功能做出战略决策。![]()
从简化的角度看 AI 的三个层次。本文的重点是顶层--应用层（Application Layer）中的大型科技公司
![]()
作者调研的 44 家科技公司 AI 模块的定价情况直接和间接商业化策略
广义上讲，公司可以使用两种方法来实现 AI 功能的商业化：直接商业化和间接商业化。直接商业化包括直接对 AI 功能收费，或在添加新的 AI 功能后提高产品价格。相反，间接商业化则是在不改变价格的情况下，将 AI 功能整合到现有的产品中，或者在不增加成本的情况下单独提供该功能。下图概述了我们目前看到的科技公司推出 AI 功能和产品的五种商业化战略。我们从数据中看到的主要策略是将 AI 功能捆绑到现有套餐（Included in plan）中（59% 的公司选择了这一策略）。这种方法允许当前订购的用户从 AI 功能中受益。在某些情况下，这种集成伴随着 AI 功能的提价或基于使用量的定价，使其成为一种直接策略。在另一些情况下，则是在不改变现有定价结构的情况下添加 AI 功能——这是一种间接方法。将 AI 功能添加到现有的捆绑产品中，可作为一种临时策略，在收集到更多有关 AI 功能使用的数据后，更仔细地考虑后续的商业化策略。第二种最常见的方法是直接战略：将 AI 作为附加功能（Add-on）提供，并标明明确的价格（23% 的公司选择了这一策略）。附加策略是 "最纯粹 "的直接商业化形式，将为你提供最清晰的采用和转化数据。让你可以跟踪 AI 产品实际价值以及客户真实的付费意愿，并为后续的产品开发提供重要反馈。此外，一些公司（占受访公司的 18%），尤其是那些拥有大型语言模型 (LLMs) 的公司，已经开发出独立的 AI 产品，可单独购买（Standalone），不受任何现有订阅的影响。我们考察的大多数公司都采用了直接商业化策略，这是有原因的。根据经验，我认为直接商业化是最好的方式，要么将新的 AI 功能和产品作为附加产品提供，要么将其捆绑到现有计划中，同时提高套餐价格（或基于使用量的部分）。而这似乎正是许多大型科技公司所走的道路。了解与 AI 相关的付费意愿和底层成本结构至关重要，而采用直接商业化策略将使你能够同时了解这两方面信息。AI 产品间接商业化的核心问题是：很难跟踪和准确归因于留存率提高和追加销售带来的价值。如果你的公司有以下情况，直接商业化可能是正确的选择：- 高昂的运营成本：与生成式 AI 相关的可变成本非常高昂，无法通过间接商业化的收益来消化——例如，与计算、带宽、数据存储和打标签、安全性和合规性以及维护和升级相关的成本。大模型（如 ChatGPT、Gemini 和 Claude）会产生非常高昂的计算成本，而利用大模型（如 Airtable）的公司则会在用户每次使用其 AI 功能时支付费用。
- 明确的客户价值：客户清楚地认识到生成式 AI 功能为他们带来的附加价值，并因此乐于为此付费——例如，GitHub Copilot 或 Intercom 的 AI 机器人：Fin。
间接商业化策略（例如，将其纳入不涨价的套餐中，或免费赠送）在生成式 AI 能显著提高核心产品的使用率、转换率或留存率时可能会取得成功。这将带来间接的收入收益，并超过这些功能的成本——尤其当产品是采用基于使用量的定价或 AI 功能大大提高了整体客户转化率或留存率时。Zoom 和 Shopify 就是采取这种策略的两家公司。有时，这是一种临时策略，目的是在更好地了解对用户的价值后，先获得用户反馈，然后再整合涨价。对庞大的客户群进行涨价并非易事，需要经过深思熟虑。根据我的经验和数据看，间接商业化通常是吸引力较小的选择，尤其是对长期策略而言。在现实中，很少有公司能够孤立地选择商业化战略。如果竞争公司推出了类似的 AI 功能，但却选择了间接商业化策略，那么你就必须将其与上述所有其他变量一并考虑在内。为了确保竞争力，跟随可能是正确的决定，但最终这将取决于下文详细讨论的多种因素。接下来，让我们深入探讨直接商业化的三种核心策略：附加（Add-on）、独立（Standalone）和包含在套餐计划中并涨价（Included in plan with price increase），并分析哪种途径最适合你的产品。通常，需要考虑的因素包括 AI 功能为用户和公司带来的价值、最佳捆绑方式以及 AI 功能在不同套餐层级中的最佳分布。- 这项功能会被广大受众广泛使用吗？还是会迎合特定的角色[下图的 y 轴]？在我合作过的大多数公司中，将某项功能进行捆绑销售还是做为附加组件售卖的基准是：如果超过 70% 的用户可能会使用该功能，则建议将其捆绑到标准软件包中。如果预计使用率低于 70%，你需要仔细考虑将其作为附加组件是否更具商业意义，尤其是如果该功能对一小部分用户具有很高的价值时。
- 是否有足够强的愿意为这项功能付费[下图 x 轴]？你需要了解 AI 功能是 "锦上添花" 还是 "必不可少"。了解这一情况的最佳方法是与用户交流。你可以通过测试获取使用数据，也可以询问潜在客户是否愿意为该功能付费。
得到上述答案后，你就可以将该功能放在下面的坐标轴中，以确定AI 功能商业化的最佳路径。举例来说，如果 AI 功能被用户广泛使用（超过 70%），并为他们的工作增加了很多价值，那么它就是产品组合中 "领导者 "功能，很可能会导致价格上涨。另一方面，如果企业中使用 AI 功能的用户相对较少（比如 20%），但这些用户非常喜欢该功能，那么它就应该是产品组合中 "附加" 功能。![]()
步骤 2：评估三种直接商业化战略
![]()
AI 产品的成熟度在很大程度上影响着公司决定如何将其 AI 能力商业化。一些公司，如 OpenAI，已经开发出了 ChatGPT 等 AI 产品，这些产品足够先进，可以独立于现有的产品套餐。这些罕见的产品可以解决特定的使用案例，吸引愿意为解决方案付费的买家。独立 AI 产品的最大优势在于可以灵活地设定最佳定价，而不受传统定价或捆绑结构的限制。迄今为止，市场上仅有的几个独立 AI 产品是 ChatGPT 和 Gemini 等产品，这些产品构建在专有大模型的基础之上。GitHub Copilot 是唯一一个不属于底层大模型领域的技术公司作为独立产品提供 AI 功能的例子。![]()
在以下情况下提供独立产品最合适：AI 产品解决的问题与现有产品解决的问题不同。新产品与现有解决方案之间几乎没有重叠。在这种情况下，你希望能够针对新的买家、行业和理想客户画像对产品进行细分。附加组件战略与独立产品战略类似，同样需要产品能够提供足够多的价值，从而拥有自己的价格标签。但不同之处在于它与现有的捆绑产品相关联，而且购买者可能是相同的。附加 AI 功能应与现有产品组合紧密结合，解决相关问题，实现无缝集成。Notion、微软和 Airtable 等公司都采用了这种方法，将 AI 产品作为附加组件。例如，Notion 会收取 10 美元来启用其 Notion AI 功能。- AI 功能为部分客户提供了价值，但并非所有（存量套餐）买家都愿意使用或付费购买
- 它增加了现有捆绑产品的价值，并增强了解决方案的功能，使客户能够更好地解决他们的问题
方案 3：纳入现有产品套餐计划（Include in plan）在我调查的公司中，59% 的公司选择在现有产品套餐计划中加入新的 AI 功能（尽管我无法从数据中看出其中有多少是伴随着价格上涨的）。决定是否在增加新的 AI 功能的同时提高价格，取决于这些功能为客户带来的价值程度。如果这些功能大大提升了大多数客户的价值，那么提高套餐价格或增加基于使用量的定价部分可能是合理的。需要考虑的一点是，向庞大的客户群涨价并非易事，在做出任何改变之前都必须经过深思熟虑。在执行涨价之前，对用户进行彻底测试并了解用户的支付意愿至关重要。Canva 、Box 和 Grammarly 等公司将 AI 功能整合到现有套餐中，并以使用量定价的形式提高价格。将 AI 添加到现有计划中的 Asana 定价示例- 该功能符合该套餐的核心价值主张，约 70% 的客户认为它是一项重要功能
- 单独提供这项功能可能会给客户一种过于商业化、过分计较利润额的不适感
如果你选择在现有套餐中加入 AI 功能，就必须深思熟虑地考虑这些功能在套餐中的分布。与其将所有功能都添加到单一套餐中，不如评估各种使用案例和不同级别的客户支付意愿，以便将这些功能分散到不同价位的套餐中。这种战略方法可确保功能与客户需求有效契合，并最大限度地挖掘收入潜力。
![]()
这种方法有助于创建一个升级增购的途径，并节省入门级订阅套餐的成本。
最后，让我们谈谈实际价位。我们考察了将 AI 功能作为附加产品或独立产品的公司，以了解他们是如何将 AI 功能的价格与标准 SaaS 产品相比较的（排除了在现有计划中提供 AI 功能的公司，因为我们无法准确地将价格单独归因于 AI 功能）。这可以为你提供一个基准，让你了解自己的 AI 产品的定价与目前主流 AI 产品定价之间的大致差距。虽然在不同的价值主张之间进行直接比较可能有失偏颇，但这种分析可以为定价趋势提供有价值的见解。AI 做为附加功能的定价差异很大，从基础套餐价格的 25% （Adobe）到标准 SaaS 产品定价的 4.75 倍（GitHub）不等。按绝对价格计算，这些 AI 功能的每用户每月价格从 4 美元到 30 美元不等。一般来说，AI 功能的价格低于不含 AI 功能的附加附件。我们分析得出的一个重要结论是，应根据 AI 功能的价值确定相应的价格。例如，Microsoft 365 的 Microsoft Copilot 的单价最高，为 30 美元，超过了 Microsoft 365 的订阅费用。同样，GitHub Copilot 每用户每月收费 19 美元，是其标准 SaaS 订阅成本的 4.75 倍多。虽然价格不菲，但有报告显示，Microsoft Copilot 提高了多达 70% 的工作效率，使用 GitHub Copilot，程序员完成任务的速度提高了 55%。这些例子说明，根据 AI 功能的感知价值调整定价策略非常重要。![]()
在我们分析的 44 家公司中，几乎所有公司都倾向于按每用户每月收费。虽然基本的成本结构一般都是基于使用量，但这些公司都选择了基于每个用户的定价结构，而不是将内部成本转化为面向客户的价格。按用户数收费仍然是销售产品最简单的方式，也是用户购买产品最简单的方式。目前，我们所考察的所有公司似乎都在优先考虑在确保竞争力的同时尽可能简化采购程序。为 AI 功能选择合适的单位用户价格需要考虑几个关键因素：- 消费者洞察：你能将价格与为客户创造的价值联系得越紧密，就越容易收取溢价。通过分析 AI 影响的核心指标，如提高生产率、节省时间等，了解产品创造了多少投资回报率。Copilot 和 GitHub 就是这方面的例子。
- 竞争对手定价：回顾与你竞争最激烈的五个对手，看看他们的收费情况。客户会对多个产品进行对比，虽然所有产品在早期都是独一无二的，但我建议你与接近的竞争对手保持一致。
- 成本：了解每个用户的平均成本（如果按用户数收费）。在使用量较低的初期，这一点并不重要，但随着规模的扩大，你需要确保每个用户的定价都是有利可图的。这意味着要考虑到计算、带宽、数据存储和打标签、安全性和合规性以及维护和升级等成本。
在急于将 AI 功能推向市场的过程中，大多数公司都将商业化放在了次要位置。现在，这种情况正在改变。重点正在从单纯的被使用转向战略性商业化，这标志着一个新时代的到来，AI 真正价值将得到认可和应用。公司现在需要仔细考虑如何盈利，鉴于市场和技术都很新，很少有公司第一次就能做对。在未来几年里，我们预计 AI 与产品的结合方式以及产品的价位都会发生很大变化。到目前为止，大型科技公司的定价模式创新还很少，只有 Intercom 的 Fin 是定价模式创新的一个范例。他们采用了按解决方案付费的模式，这意味着只有当 Fin 实现了客户最关心的结果（解决对话）时，客户才会付费。出于多种原因，将价格与最终用户价值挂钩的做法很有吸引力，而且随着生成式 AI 技术在应用层的成熟，我们很可能会看到这种做法变得普遍。在生成式 AI 市场，我们都在探索未知领域。公司现在所做的可能不是他们明年要做的。你所在的企业可能也是如此。但正如其他类型产品长期以来的情况一样，与用户一起快速测试和迭代商业化策略可能是取得长期成功的最佳途径。
