去年夏天，一个做AI客服的团队找到我。（脱敏真实案例）

"我们产品上线三个月了，客户都说好用，但没人续费。"

我问怎么收费。他说："每人每月299。"

我说你们一个Agent能干五个人的活，按人头收钱，客户觉得贵，你觉得亏。不是产品的问题，是定价。

过去一年我跟至少五个做AI产品的团队聊过定价。踩的坑高度相似——不是产品不好用，是定价模型跟不上产品形态。

三种定价模型对比——Per-seat（人在用软件）→ Usa...

传统SaaS的逻辑很简单：一个账号一个人，一个坐席一个价。

Salesforce、Jira、飞书都这么收。合理。软件是给人用的。

但AI产品不是。一个Agent能同时处理几十个客户咨询、跑几百个数据分析任务、写几千行代码。你还按"一个座位"收钱，等于赶着客户找竞品。

Bessemer在2026年AI定价报告里有个数据：过去12个月，纯按席位定价的SaaS公司从21%掉到了15%（来源：Bessemer Venture Partners《2026 AI Pricing Playbook》）。不是没人买SaaS了，是没人愿意为AI多出来的那个"座位"付钱。

你卖的不是"多一个人"，是"少了一百个人"。但账单按"多一个人"开的。客户不傻。

我们自己犯过这个错。最早给企业客户做AI客服方案，报价就是按坐席。客户说"你这个跟我不买AI、多招两个人有什么区别？"——一句话把我们问住了。

后来改成：基础服务费（覆盖接入和运维）+ 按实际处理量收费。客户说"这才说得通。"

从按坐席切到按用量，很多团队觉得找到答案了。"用多少收多少，公平。"

然后呢？客户用了三个月发现账单看不懂。这个月处理了1.2万次对话，下个月1.5万次，为什么总价差了两倍？不同对话消耗的token不一样，不同模型价格不一样，加了RAG和没加RAG成本也不一样。

"公平"不等于"可预测"。企业客户最怕的不是贵，是不确定性。

Korix在2026年的分析里算了笔账：25,000次对话/月，三年下来从60K到390K美元都有可能，取决于定价模型和增长曲线（来源：Korix《AI Pricing Models 2026: 3-Year Costs from $60K to $390K》）。高低差6.5倍。

客户的财务部门看着这个数字是崩溃的。

我们踩的第二个坑：有个客户用了两个月，每次月底看账单都肉跳。改成"包月固定费用+超出阶梯计价"后，他们立刻续了年费。

不是定价不合理，是客户的预算模型不合理。按月波动太大没法做年度预算。包月+阶梯把不确定性压到一个可控区间，决策就简单了。

三种定价模式对客户的可预测性对比——纯按用量（波动大

2026年行业最大趋势是按效果收费。

Intercom Fin每解决一个客户问题收0.99美元（来源：GTMnow，2026年2月）。HubSpot 2026年4月跟进，降到0.5美元/次。Salesforce Agentforce出了多种定价模式——按对话、按结果、按坐席，客户自己选。

逻辑很迷人：AI帮你省了多少人力，就付多少钱。ROI清清楚楚。

但真做起来，三个问题立刻冒出来。

第一，什么叫"解决"？

客户说"帮我查订单状态"，Agent返回了订单号——算解决了吗？又问"为什么还没到"，Agent说"物流信息显示在运输中"——算解决了吗？

Intercom的"resolved"分两种：客户主动确认"有帮助"（confirmed resolution），或者客户24小时内没再追问（assumed resolution）。光这一个定义，打磨了多久你可以想。

第二，数据怎么统计？

Agent说一句话算一个结果？一个对话完成一个任务算一个结果？一个任务多个步骤算多个还是一个？

定义不清，月底对账会非常尴尬。你说解决了500个问题，客户说"我怎么感觉只有200个有用的"。

第三，效果好了反而少收钱。

最悖论的：你的Agent越好，客户问题越少，你收入越少。帮客户省钱，自己越穷。

这导致按效果收费的团队在变相做"效果差反而更赚钱"——跟产品价值的底层逻辑完全拧着。

按效果定价的三个陷阱——"什么叫解决"的定义分歧、"统计数据...

折腾了一年多，我现在跟团队说：AI产品定价不是单选，是组合。

看一组数据：2026年混合定价（基础订阅+用量超额）采用率从27%跳到41%，成了行业标准（来源：Bessemer Venture Partners《2026 AI Pricing Playbook》）。Gartner预测2027年70%头部SaaS会提供按消费或按效果定价选项（来源：Gartner《Forecast: Consumption-Based SaaS Pricing Adoption》，2025）。

单一模式的时代过去了。

我们的做法是三层：

第一层：基础订阅费。 覆盖接入、部署、基础运维。固定月费或年费，金额不高，让客户有个可预测的底线。

第二层：用量计费。 超出基础订阅的消耗，按token或调用次数阶梯计价。用量越大单价越低。

第三层：效果增值（可选）。 客户愿意按效果付费就单独签。客服按"独立解决率"、营销按"转化提升率"。这一层不强制，自己试水。

三层的好处：客户能预测成本底线、大用量享受优惠、效果好双方共享增量价值。三个利益方向不冲突。

- Per-seat加速死亡：12个月从21%→15%，AI产品的价值不以"人数"衡量（来源：Bessemer Venture Partners，2026）- 混合定价成主流：基础订阅+用量超额采用率从27%→41%（来源：Bessemer Venture Partners，2026）- 按效果定价方向对但远未成熟：Intercom $0.99/次（来源：GTMnow，2026.02）、HubSpot $0.50/次（2026.04），但"什么叫解决""数据怎么统计""效果好反而少赚钱"三个坑先填- 客户不怕贵，怕不确定：包月+阶梯计价压制波动，比纯按用量容易签年单- 定价跟产品形态走：AI能干十个人的活，别按一个人收钱。定价跟不上产品能力，续费率是第一个反光镜

去年有次深夜，我跟一个做AI产品的朋友聊定价聊到凌晨两点。

他特别纠结。产品打磨了半年，定价方案有三四个，每个都有人说好、有人说不行。他问："到底哪个对？"

我说这个问题本身是错的。

定价不是选择题，是实验题。先跑一个月按次收费看客户反馈。加个包月选项看谁选。再试效果挂钩看买不买账。

想不明白不是因为脑子不够，是做过的实验不够。

做AI产品这一年，我越来越觉得一个道理被低估了：在定价这件事上，客户的行为比你的分析诚实。

AI产品的定价没有标准答案。但底线是：定价模型得配得上产品能力。产品能让客户省十个人，就用"少了一百个人"的逻辑收钱，别便宜了自己，也别贵跑了客户。那个平衡点，是跑出来的，不是算出来的。

参考来源：1. Bessemer Venture Partners (2026), 《2026 AI Pricing Playbook》— 按席位定价12个月21%→15%、混合定价27%→41%2. Korix (2026), "AI Pricing Models: Per-Seat vs Per-Use vs Outcome (2026)" — 六种定价模型比较、25K对话/月三年成本$60K-$390K3. Gartner (2025), 预测数据：2027年70%头部SaaS将提供消费定价选项（引自Zylo 2026 SaaS Management Index等多个二手来源交叉验证）4. GTMnow (2026.02), "GTM 178: How Intercom Built the Highest-Performing AI Agent on the Market Using Outcome-Based Pricing" — Intercom Fin $0.99/次5. Monetizely (2026), 《The 2026 Guide to SaaS, AI, and Agentic Pricing Models》— SaaS定价周期性演变6. Zylos (2026.02), "SaaS Pricing Strategy and Models 2026" — Gartner 40%企业SaaS含按效果元素