AI陪伴App做到100万用户、10万订阅后,用户越聊毛利越薄:Tolan如何重做定价

100万用户和10万订阅，并没有自动解决盈利问题

Tolan是一款语音优先的AI陪伴App。用户与一个有动画形象、长期记忆和个性的虚拟角色对话，讨论关系、情绪、目标与日常任务。RevenueCat在11月2日发布的大会复盘称，Tolan已超过100万用户、10万订阅者，累计发生7000万次以上AI对话。

传统内容或工具App里，用户更活跃通常意味着更多广告曝光、更高留存或更强续订；AI陪伴产品却多了一层反向关系：每一次对话、语音生成、记忆检索和上下文重建都在消耗算力。用户越喜欢聊，服务成本越高。

Tolan团队在第一次看到OpenAI账单时就意识到，原有单位经济不可持续。RevenueCat的表述更直接：增长一度正在伤害利润率。问题不是没有收入，而是订阅价格没有把高频用户的真实服务成本装进去。

为什么单一硬付费墙会同时丢掉两类人

硬付费墙可以保护毛利：只有愿意立即付费的人才能继续使用，免费用户不会持续消耗昂贵推理资源。但它也把用户分成过于粗糙的两类——付钱与离开。

Tolan早期在Gen Z人群中获得大量安装，却没有同步获得足够付费。真正找到更深日常用途、同时具备支付能力的，是20多岁后段到40多岁的用户。团队因此重新调整创作者计划和角色设计，让产品表达靠近这批核心付费人群。

如果继续只用硬付费墙，年轻用户无法形成使用习惯，成熟用户也无法按需求选择服务深度。Tolan后来转向Freemium：onboarding结束时仍展示高意向付费墙，但在后续功能节点继续分层收费。

Lite、Plus和200美元Unlimited：价格跟着成本走

Tolan现在使用Lite、Plus和每月200美元Unlimited等层级，并把昂贵的新AI能力优先放在高价层。当模型或基础设施成本下降后，再把部分能力下放到更低层级。

这不是简单地把功能分成“少、中、多”。AI订阅层级至少要同时考虑使用量、模型成本、语音时长、记忆深度和用户愿付价格。最活跃的用户可能贡献最高收入，也可能因为无限调用成为毛利最差的一群。

每月200美元的Unlimited并不适合大多数人，它的作用是抬高价值上限，并为重度用户提供能覆盖服务成本的选择。低价层负责扩大可进入人群，中间层承接主流订阅，高价层保护高消耗用户的贡献毛利。

为什么还要加单次充值、家庭方案和广告实验

仅靠订阅，套餐边界很难覆盖偶发高需求。用户可能平时使用较少，却在某几天需要更长语音或更多高级能力。Tolan把订阅与一次性充值结合，让用户在不升级长期套餐时购买额外额度。

这种“基础订阅+Top-up”结构把固定收入与使用量收入放在一起：订阅覆盖基础服务，充值承担峰值消耗。它比无限包更容易守住毛利，也比频繁弹出升级墙更符合临时需求。

Tolan还在尝试广告，并提供家庭方案。广告可补贴低付费人群，但会改变陪伴体验和隐私预期；家庭方案能共享账单，却必须保持每个人的角色、记忆和使用额度独立。混合变现不是把所有方式都打开，而是让不同成本与意愿找到对应出口。

月付不一定输给年付：AI成本改变了套餐逻辑

订阅行业常把年付当作默认最优，因为它能提前回收现金并降低月度流失。但AI陪伴产品的长期成本并不固定。用户预付一年后，如果使用强度持续上升，团队需要在未来数月持续承担推理成本。

Tolan更强调月付，这挑战了“年付一定最好”的经验。月付可以更快调整价格与权益，也让收入周期更贴近服务成本；代价是支付失败和主动流失更频繁。

套餐判断应同时看购买转化、续订、支付成功率、每用户收入与每用户服务成本。年付带来的现金不能全部当利润，必须为未来推理、存储、客服和退款预留成本。

出海AI产品可以直接采用的毛利分层方法

第一步，把订阅者按使用量、收入和估算服务成本分组。不要只看DAU或消息数；计算每用户贡献毛利，并找出“高活跃高毛利”“高活跃低毛利”和“低活跃高收入”三类人。

第二步，把昂贵能力标记为成本事件：长语音、高阶模型、图片或视频、多轮记忆检索。按功能算单位成本，才能知道它应该进入基础套餐、额外额度还是高价层。

第三步，测试新增层级或Top-up。主指标使用每千活跃用户贡献毛利，护栏观察转化、D30留存、续订与用户投诉。收入上升但推理成本涨得更快，不算胜利。

第四步，每次模型降价都重新评估权益下放。成本下降后，把已经成熟的能力放入低价层，既提高价值感，也为高价层腾出更新、更昂贵的功能。Tolan案例的核心不是卖200美元，而是把模型成本变成产品定价的一部分。