今天小编分享的财经经验：公司的AI服务，如何定价？，欢迎阅读。
编译：适道 AI 组，编辑：狮刀，原文标题：《顶级 VC" 保姆级 " 教程：AI ToB 服务的定价策略》，头图来自：视觉中国
上周，适道分享了风投机构 a16z 报告—— AI To B 的 16 大趋势，并得出结论：B 端既是初创企业的 " 生路 " 也是 " 胜路 "。大企业不太可能将私密数据分享给巨头，而是倾向于找 " 中间商 "。因此，初创企业的 " 数据飞轮 " 有机会转起来——在垂直领網域积累优质数据，逐渐构建技术壁垒。
虽然 To B 大方向已经挑明，但对于 " 缺钱、缺算力 " 的小型初创企业而言，万里长征的第一步才刚刚开始。
困扰的创始人包括但不限于 " 如何让 AI 方案切准具体场景难题？"" 如果能切准，由此产生的高成本是我承担，还是转嫁给客户？"" 如果转嫁给客户，他们到底愿意花多少钱？哪些愿意花更多钱 "" 我的 AI 功能到底能做到多优秀，可以卖高价 "........ 从而形成一个问题闭环。
以上问题的核心是成本。毕竟不具备可观的规模经济，利润要额外扣除算力、Token 调用等费用。也不是每项 AI 服务都能 " 一发入魂 "，让创始人立即看到真正的钱。
因此，基于自身融资情况、产品功能采取恰当的定价方案，不至于因裹足不前而奄奄一息，也不至于因烧钱太快而轰然倒塌，这既是一门艺术，更是一门科学。
最近 a16z 发布了 "Pricing and Packaging Your B2B or Prosumer Generative AI Feature"（如何为你的 AI to B/ to 产消者的产品定价），非常详细地向创始人介绍了当前 GenAI 产品的定价策略。文章指出，我们正处于 GenAI 早期阶段，在采纳曲线和成本稳定之前，不会出现 " 一劳永逸 " 的定价方案。希望对大家有所帮助。
一、思考：早期使用、客户角色、产品愿景
开始之前，创始人需要问自己两个问题：
产品的 GenAI 功能可提供多少价值？为谁提供价值？
提供该功能的成本是多少？
以下三点可以帮你滤清杂乱的思维。
1. Beta 测试版和早期使用
哪些客户正在使用你的产品，使用频率如何；为他们提供服务的成本；他们愿意为 GenAI 功能花多少钱。
更进一步，问题可以细化为：
GenAI 功能会否增加产品的 TAM （潜在市场规模）吗？（以前为 10 个客户提供服务，现在可以扩张到 100 个客户吗？）
GenAI 功能会否提高产品 " 免费—付费—付费 Pro 版 " 的转化率？
GenAI 功能会否抓住部分 " 重度用户 "？如果 "Yes"，对成本作何影响？
2. 客户角色
弄清楚谁愿意付费？谁不愿意？是所有客户都能从 GenAI 获益，还是只有一部分客户？
对此，我们可以通过访谈、调查、销售团队数据寻找答案。
访谈：如果你的客户数量较少，访谈可以让你了解谁有兴趣购买产品，以及未来他们可能会对哪些产品感兴趣。
调查：如果你的潜在客户较多，调查可以让你了解哪些潜在新功能对他们来说最重要，并将这些信息与客户的公司行业、职能定位联系起来。
销售团队数据：你的销售团队日复一日地与客户交谈，他们通常更能捕捉到不同客户分别需要哪些功能。
此外，你还要格外区分真正的客户和 "AI 游客 " ——他们注册产品，付费 " 尝鲜 "，但很难留存转化。
3. 产品愿景
作为创始人，你要思考在产品路线图中，GenAI 功能将占据何种地位。
情况一：虽然一小撮客户 " 站队 "GenAI，但你相信 GenAI 最终会重塑客户体验，提供多元价值。
情况二：GenAI 能够让部分客户 " 锦上添花 "，但你仍在纠结 GenAI 如何让客户受益。
综上，如果你想明白了以上问题，并得出可行假设，就可以具体地考虑如何对产品 / 服务打包定价。
二、定位：核心功能、更新选项、附加组件
我们将 B2B GenAI 功能分为 3 类：核心功能、更新选项、附加组件。
1. 核心功能
如果你的所有客户都 " 站队 "GenAI 并愿意为其付费；同时，早期使用数据表明 GenAI 显著提高了产品采用率和转化率；而且，GenAI 对你的价值主张至关重要。
那么，请将 GenAI 纳入核心范畴！
在这种情况下，你可能不直接从 GenAI 功能中获利，但它确实对 TAM、转化率具有明显的下游效应。
尤其当我们处于用 GenAI" 抢地盘 " 阶段，将 GenAI 视为核心功能可以让你的产品 " 独树一帜 "。由于所有细分市场都需要 GenAI 功能，a16z 认为一些公司最终会提高其核心产品的总价格，来更好地覆盖其产生的额外成本。
将 GenAI 作为核心功能的企业：
2. 更新选项
如果你的 GenAI 功能还不错，但有点 " 鸡肋 "，不妨将其打包为 " 更新选项 "，作为销售杠杆，以提高 "Pro 版 " 的转化率，或覆盖 GenAI 的部抽成本。
例如，有的公司会在更新选项中提供更多的数据集；又例如 Mailchimp，虽然其大多数用户不需要核心产品中添加 GenAI 功能，但 AI 生成的邮件文案、分段和分析功能确实 " 很香 "，优化了用户体验。
将 GenAI 作为更新选项的企业：
3. 附加组件
如果你的 GenAI 功能仅为一小撮 " 愿意花大价钱 " 的客户提供巨大价值，并且你希望在他们身上看到利润。那么，请将 GenAI 功能打包为附加组件。
在这种情况下，GenAI 可以让创新直接变现，在短期内获得更可持续的利润率（如果你相信 GenAI 将成为产品的核心差异化因素，则需要转向不同的套餐）；GenAI 可以扩大 TAM，即对部分客户收取更多费用，同时维系现有价位的客户；GenAI 也可以提供一个机会，即针对理想用户群体进行 Beta 测试。
将 GenAI 作为附加组件的企业：
目前，a16z 看到一些公司将基础性能的 GenAI 功能包含在核心产品或基础版本中，并在更高版本产品中引入更强大的 GenAI 功能，或提供更多 GenAI 功能。
在上述情况中，价值细分的逻辑保持不变——如果 GenAI 能够扩大 TAM，可将其作为核心功能；如果更强的 GenAI 仅支持 Pro 版用户，可以将该功能作为附加组件。
三、定价：订阅制还是混合制？
之所以大多数 B2B GenAI 公司采用订阅制，而非 " 计次收费 "，是因为客户不想预估自己到底能使用 " 多少 " 功能。
然而，订阅制却可以让 AI 企业一路 " 狂亏 "，尤其是 " 按人头 " 计费。例如 " 重度用户 " 和 " 轻度用户 " 交一样的钱，但前者用 100 次，后者只用 1 次，对应的成本当然大不相同，这意味着你最重要的客户反而会侵蚀企业利润。
因此，一些公司尝试混合订阅制，即根据使用额度进行阶梯式定价，超额部分另外算钱，这样不至于被 " 重度用户 " 拖垮。
目前，定价策略呈现以下两种趋势：
1. 基于结果定价
一些 B2B GenAI 公司开始考虑基于结果 " 抽取 " 费用，而不是基于軟體本身向客户收费。只不过，基于结果定价更难实现，因为创始人还在研究如何量化 GenAI 为客户提供的价值。
适道总结了一些公司的定价模式。例如，初创公司 Cresta 最初是订阅制，现在已改为 " 计次收费 " ——按帮助联络中心员工的对话次数计算；客户服务公司 Intercom 发布了聊天机器人 Fin，每发出 1 个客户请求计价 99 美分；初创公司 Hume AI 则开始按照每分钟、每个注释和单词量收费。
2. 准备随时灵活定价
随着 GenAI 推理成本趋于稳定，开源模型蓬勃发展，模型供应商也在不断压低价格。因此，各家公司都要随着 API 成本降低来调整模型定价。
对此，创始人至少应该制定一个短期能够保利润的价格。而在此定价之下，随着长期服务成本下降，未来利润率会升高。
但总而言之，目前没有一劳永逸的定价方案，成功的创始人需要结合过去，展望未来，构建一个清晰、灵活的定价框架，以传达其产品价值。
结语
如果将 GenAI 比作一个蛋糕，蛋糕底层是基础模型 ，中间是开发者工具和 infra，顶层则是应用。一年前，普遍的预测是：因为大模型不断进步，应用层会涌现出大量创新公司。但实际情况却相反，更多模型供应商出现且融到很多钱，而应用层似乎才刚刚起步。
近期，OpenAI 的首席运营官 Brad Lightcap 预测，2024 年是人工智能的 " 应用之年 "。据悉，ChatGPT 企业版需求正在急剧增长。目前已有超过 60 万人注册使用 ChatGPT 企业版，而今年 1 月份的注册用户数量仅大约为 15 万人。
初创企业善于发现机会和获客，但运营和竞争差异化是挑战；现有企业善于整合功能，但新型爆发式需求难以捕获。如何在 OpenAI、Anthropic 等新巨头的 " 夹击 " 中另辟蹊径？或许，我们又要回到源头：尽快地进入一个非常清晰的场景，解决具体问题，并在先发优势中持续筑高壁垒。
