AI时代的价值盈利：人工智能将如何改变SaaS应用的定价指标 有赞CEO白鸦：遇到AI的SaaS，从效率工具变成低成本使用的创造力工具

AI时代的价值盈利：人工智能将如何改变SaaS应用的定价指标 有赞CEO白鸦：遇到AI的SaaS，从效率工具变成低成本使用的创造力工具， 

AI时代的价值盈利：人工智能将如何改变SaaS应用的定价指标

介绍

随着行业和企业走上人工智能之旅，对每个投资者和商业领袖来说，最紧迫的问题之一是这种变革性技术将如何重塑他们的商业模式。GenAI有望释放巨大的价值，并有可能彻底改变消费者与服务或应用程序的交互方式。虽然它可能会带来巨大的成本，并改变供应商和用户之间的价值交换模式，但它也为公司提供了一个独特的机会，可以重新构想他们的定价模式和销售策略，从而有可能带来更高的盈利能力和客户满意度。

在本系列的第一篇文章中，我们介绍了人工智能价值链。人工智能价值链仍然是新的，但已经显示出成熟的迹象，由三个（稍微）重叠的层次中的多层组成：（1）基础基础设施，（2）核心技术（数据，模型，操作，编排）和（3）应用程序+服务。我们认为，所有行业的每一位商业领袖都需要了解推动这项新技术的生态系统。价值链的每一部分都具有独特的经济结构、创新周期和竞争动态，这些都塑造了每个公司的商业模式和定价策略。

第二部分，我们将以Kyle Poyer的研究和James Wood、Madhavan Ramanujam等人的见解为基础，讨论我们发现的一些框架，这些框架有助于考虑使用GenAI的SaaS应用程序的盈利模式将如何演变。

人工智能应用的商业模式不确定性

目前，第三阶段（应用和服务）存在很多不确定性，特别是在GenAI的价值获取和盈利方面。虽然现有的SaaS提供商由于其数据和资本优势而处于利用人工智能的最佳位置，但它们可能最容易受到人工智能的业务颠覆，因为它们基于用户的订阅定价模式将变得越来越难以扩展，而新的人工智能生产力可能会蚕食基于「每个用户」的变现模式。相反的问题则挑战着人工智能应用领域的新进入者，他们可以通过围绕人工智能构建的商业模式「一开始就走对了路」，但往往不愿意这样做。相反，许多公司采用了与现有公司相同的定价模式，试图在由用户订阅定价主导的市场中减少购买摩擦。因此，正如Kyle Poyer和Palle Broe在他们最近的文章中指出的那样，我们看到的是极少的定价创新，大多数新的AI应用继续基于用户订阅模式进行定价，混合模式的实验有限，基于使用的定价很少。

更强大的人工智能服务将提供无法随用户扩展的价值

随着更新、更先进的人工智能应用将价值扩展从用户转移出去，「纯」基于用户的订阅定价模式将变得越来越具有挑战性。基于生成式AI的服务的能力将从提高用户生产力转变为完成（越来越）复杂的任务，并最终实现整个工作流程的自动化，因为它们发展得越来越复杂并获得更大的代理。我们观察到人工智能服务的三种「模式」，从Copilot等已建立的服务到AI Agents等更具投机性的开发：

人工智能应用程序如何提供价值，或者它的「参与系统」，在决定应

人工智能助手，如Github Copilot，在大语言模型革命之前就已经进入市场好几年了。这类人工智能助手通过帮助用户更好/更智能/更快地工作来增加价值，并且价值通常与用户一起扩展，因为它们的主要目的是提高用户的工作效率。

目前的生成式AI应用程序可以根据用户的提示完成更复杂的任务，如写作、创建（短）视频、生成图像等。它们的产出更加离散和实质性，将价值归因于生成内容也更加直接。

最后，人工智能代理，或「代理」工作流，是新兴的自主系统，可以执行任务，做出决策，并与用户或其他系统（如人类）交互。一个经常被引用的自主人工智能代理用例是客户服务人工智能，能够与客户进行自然语言交互，提交票据，解决问题或路由升级以供进一步处理。

我们应用于不同AI应用程序的这些标签必然是主观的，并且依赖于用例和客户细分。「助理」与「生成」与「代理」人工智能也应该被视为人工智能复杂性的连续体，而不是离散的分类。然而，我们发现这个框架很有帮助，因为它有助于突出影响未来盈利策略的几个关键发展：

1.更复杂的人工智能应用程序可以产生更有价值和离散的输出——更强大的人工智能能够生成越来越复杂的内容。因此，它们的生成变得更加复杂，并且更直接地将属性值直接赋值。

2.更离散、更高价值的输出将价值尺度从用户转移到内在生产——随着人工智能系统获得更大的代理，并越来越有能力产生高价值的输出，价值尺度将转向人工智能系统创造的输出和结果，而不是用户提示（或操作）这些系统。这种转变在企业中已经很明显，在企业中，更先进的人工智能系统结合了诸如RAG（检索增强生成）和复合人工智能系统等技术，正在处理远远超过用户初始输入提示的更多令牌。这种价值规模的转变强调了新的盈利策略的必要性，这种策略必须准确地反映人工智能系统创造的价值，而不是传统的基于用户的定价模式。

3.全功能的代理人工智能的价值指标可能看起来很像今天公司使用的业务KPI和成功指标——代理工作流将进一步减少复杂工作流和任务中「人在循环」的数量，将价值扩展进一步远离用户，并使纯基于用户的订阅定价在大多数B2B用例中站不住。然而，随着这些人工智能系统开始自动化整个业务工作流程，新的盈利策略可能会出现；他们的成功指标将开始看起来像传统的商业KPI。例如，从理论上讲，人工智能客户服务系统可以用与今天的客户服务功能相同的KPI来衡量。基于业务结果衡量人工智能价值的能力开启了一些令人兴奋的盈利战略机会，这可能会在提供商和客户之间创造更好的长期联盟。

对于人工智能来说，不存在单一的最优定价模型。每个AI应用程序都以不同的方式创造和传递价值，并针对不同的角色（例如，个人、团队和机构），并且它们将具有实现公司变现目标的最佳个人价值指标。然而，从定价策略的角度来看，随着更复杂的人工智能应用将价值扩展从用户转移，这些发展从两个方面给基于用户的定价带来压力：1）自相残杀——随着这些系统变得更加高效，它们潜在地减少了所需的用户数量；2）增加销售摩擦——继续以每个用户为基础对这些应用程序定价，将使销售对话变得越来越脆弱，因为它的用户增长不再与增加的价值交付相关。

这些发展将要求公司改变盈利模式，从单纯的基于用户的订阅定价，转向包含「按需付费」元素的定价模式，或者有时被称为「基于使用的定价」（UBP）指标。下一节将探讨四个基于使用的指标，并在人工智能应用定价的背景下讨论它们。

即付即用指标的范围

我们是James Wood最近的一篇文章的忠实粉丝，他探讨了「按需付费」定价模型的范围——从基于结果到基于使用——并决定采用这个框架来研究可能适用于不同人工智能应用程序的价值缩放指标的范围。

使用度量范围——当实现使用定价度量时，公司会在其构造中采用以

我们首先检查Kyle和Palle文章中列出的许多公司以及我们熟悉的其他公司使用的基于使用情况的定价指标，并询问这些指标是否与资源消耗或结果和价值更一致。更「资源」驱动的度量标准更多地与资源利用率或总使用活动相一致；相反，更「价值」驱动的指标可以更容易地与具有可证明的ROI的离散输出相关联。沿着这个资源与价值的光谱，我们目前观察到四种定价指标模式：1）价格对资源，2）价格对活动，3）价格对产出，4）价格对结果。

1.资源价格是基础设施即服务（IaaS）提供商的主要定价模式。定价指标与客户消耗的实际资源和服务成本密切相关。例如直接根据虚拟机时间（$/VM-hr）和存储的数据量（$/GB-Mo）收费。这种模式本质上是基于使用的定价的「成本加」定价。跟踪和确定成本是相对简单的，对于具有低市场差异的产品和推动采用是理想的。

2.活动价格是资源消耗的代理。这些定价指标试图反映客户的心理参与模型，并更接近客户的使用定义。某些类型的抽象，如「信用」或「令牌」，经常用于链接资源利用和用户交互。例如:Copy。OpenAI的API服务和Snowflake Cortex的ai服务都是在处理的输入和输出令牌数量上进行计量的。活动定价比直接对资源消耗定价具有一定的优势。它（仍然）相对容易测量，并且更接近于捕捉客户如何与应用程序互动的本质。额外的抽象层为公司提供了更大的定价灵活性，以获得随着效率提高而增加的利润，并可以简化新功能的货币化。

3.价格与产出之比——由于价格与活动之比是资源消耗的代表，我们将价格与产出之比视为结果或客户成功的代表。价格与产出的比值不同于价格与活动的比值，因为它忽略了完整的用户粘性，只从产出中获利。例如HeyGen。AI利用混合用户订阅模式来衡量生成的视频数量，Zapier的定价与成功自动化工作流中完成的任务数量有关。价格产出比有一些优势和挑战。它的主要优点是易于理解，具有直接的归属，并且这些指标（理论上）与客户的实际成功定义密切相关。然而，如果应用程序用不同的理想客户概要文件（ICP）服务不同的用例，特别是在B2B设置中，那么度量标准对齐就会变得具有挑战性。适当的细分和业务控制流程对于减轻这些风险是必要的。

4.「从价格到结果」将盈利直接与交付给客户的实际价值联系起来，比如增加收入、提高利润或节省成本。Intercom的Fin AI聊天机器人可能是当今人工智能中基于结果的定价（$ /查询解决）的最佳例子。基于结果的定价在市场上并不常见，因为尽管结果很容易衡量，但将结果单独归因于应用程序可能具有挑战性。然而，在归因可以被明确定义和衡量的地方，基于结果的定价提供了与客户成功的最佳价值一致性。

将两个框架结合在一起

将AI系统的用户粘性框架与使用定价指标结合在一起，我们便能够更好地分析不同的定价模型和使用指标组合如何适用于不同类型的AI应用：

随着人工智能应用变得越来越复杂和代理，传统的基于用户的订阅定价模式将越来越站不住脚。更多代理系统的价值和输出与用户数量成正比，自动化工作流的能力带来了巨大的收入蚕食风险。公司应该考虑在其商业模式中采用某种形式的基于使用情况的定价指标。在短期内，我们预计（并且正在看到）将用户订阅与使用计量相结合的「混合模式」将会流行起来。对于许多针对个人用户（消费者和产消费者）的人工智能应用程序来说，混合模式是一种极好的方法，它既提供基于用户的订阅的经常性收入流，也提供使用计量表的价值一致性。然而，在某些用例中，混合模型可能不太适合B2B销售，特别是当AI应用程序生成的输出对组织而不是个人具有内在价值时。公司应该考虑在这些用例中采用纯粹基于使用的B2B销售定价模型。

有许多类型的基于使用的度量，在成本对齐和价值对齐之间以四种不同的模式进行操作：价格到资源、价格到活动、价格到输出和价格到结果。通常不建议SaaS应用程序使用资源价格，因为它忽略了应用程序的价值主张。基于活动的指标对于在「人类增强」中运行的AI应用来说是一个不错的选择，甚至对于大多数内容生成范例来说也是如此，因为它们与应用的用户粘性模型非常吻合。它们也是资源消耗的良好代理，并且可以用作混合模型（例如Kittl）中的成本治理度量。然而，由于定义和赋予活动价值的潜在复杂性，使用为复杂工作流程自动化设计的人工智能系统可能会变得更具挑战性。

基于输出的指标不适合作为「人类助手」运行的人工智能应用程序，因为它们很难赋予价值。然而，在生成或代理范式中运行的更复杂的人工智能系统将产生更多离散的、内在有价值的输出，这使得该模型可能非常适合这些类型的人工智能应用。最后，基于结果的指标有可能成为最复杂的人工智能系统自动化复杂工作流程的最佳使用指标，因为它们完全将盈利与客户成功结合起来。然而，价值归因仍然是一个问题，高度自主的人工智能系统是否能使价值归因不言而喻，还有待观察。

在下一篇文章中，我们将探讨盈利的另一个重要方面——AI产品的包装。我们将研究价值链中的每一层，以及为现有企业和希望打破现状的新参与者优化产品包装的潜在策略。

来源：Medium

作者：Sam Lee

翻译：Fred


有赞CEO白鸦：遇到AI的SaaS，从效率工具变成低成本使用的创造力工具

“生意经营的核心从“快速规模”转向为“深度运营”。”

作者：苏打

编辑：tuya

出品：财经涂鸦（ID：caijingtuya）

“当市场总量没有增长，平台还在挤压商家空间的时候，我们应该干什么？这是一个被忽略的现实。面对平台极强的话语权和存量市场，我们必须做深度运营，推动降本增效的发生，没有第二个选择。”

公司情报专家《财经涂鸦》获悉，5月21日，有赞创始人兼CEO白鸦在主题为“利润增长‘AI”的春季发布会中表示，消费市场从增量市场进入到存量市场，生意经营的核心从“快速规模”转向为“深度运营”。

为了帮助品牌零售商家在新常态下获得利润增长，有赞在AI的加持下，围绕“营销转化”和“复购分销”两个核心方向，对产品和服务进行了全面升级。现场，有赞还推出提供生意咨询的独立产品“有赞生意专家”。

与此同时，有赞的“朋友圈”也在持续扩大。一方面，公司围绕公转私、用户运营、营销转化、交易链路等场景，构建了相对完整的配件市场。据白鸦介绍，目前，基于有赞云的配件市场已上线超过 600 款应用，涵盖 20 多个类目，并与有赞产品深度融合；另一方面，有赞还协助开发者打造匹配的产品解决方案，同时开发者也可以共享有赞的销售服务体系，为商家提供更好的使用服务和交付。

在全链条数据化管理的“上下游数字化打通”方面，已有数百家生态合作伙伴参与进来，与有赞共同推动了整个供应链的数字化转型。截至目前，通过与生态伙伴的协作，有赞已经形成了覆盖本地生活、医药、酒店、百购等多个垂直行业，以及批发、周期购、企业内购等多个场景的解决方案。

平均客单价远超抖音和快手

“作为一个通用解决方案公司，我们在为每一个客户做专门的定制服务和定制的咨询和定制的软件改造服务，甚至代运营服务的时候，成本都是极高的。背后既有我们对每一个行业的理解，也有产品和服务的不断升级。”

白鸦透露，过去12年，有赞投入产品研发的资金约有30亿，于服务运营商方面的投入亦高达十几亿。“有赞提供的在线的软件系统是多用户使用的，可以实时发现最佳实践的产品化热更新系统，每天有几万个客户、上百万门店以及几百万导购和销售员在使用该系统，而其中的最佳实践又会变成产品实时热更新到系统上，让每一个客户都可以用到，这就是过去十几年我们的迭代”。

发布会上，白鸦介绍了有赞在店铺设计、体验优化和连带增购上的全新升级。

为了让消费者更喜欢买，有赞在店铺装修和商品展示方面进行了升级。并且结合 AI 能力，重构了商城和门店产品的装修流程，商家可以直接选择不同的装修主题，与智能助手对话，就能轻松完成店铺装修。此外，针对一些高级装修需求，有赞也专门设计了 AI 相关的能力，例如复制粘贴和自动匹配生成的能力，让店铺装修设计的效率大幅提升。

为了让消费者更快下单，有赞对线上线下的下单流程进行了极简优化，并且分析了消费者的犹豫点，有针对性地进行优化，如突出营销活动的最优价，清晰展示会员和分销员权益等；为了让消费者购买更多，提高连带率和客单价，有赞推出了多种营销插件，如打包一口价、第二件半价、满减满送、加价购等，帮助商家提高销售转化率和客单价。

“如今，抖音的平均客单价大约100元左右，快手约为50元。但有赞的客单价已超过200元。客单价变高并非因为商品更贵，而是因为用户一次买的更多，连带率更高了。”白鸦透露。

「防薅羊毛系统」去年拦截超20万单

“复购分销”则是有赞为商家提供的另一个核心价值创造，据白鸦介绍，在过去几年里，有赞围绕基础 CRM 系统、客户权益系统、客户连接体系、内容运营系统和场景营销系统这五个核心模块，不断加强能力建设，形成了一个日益强大的“客户运营系统”。

“以客户权益为例，我们做了一些不一样的动作，比如给到商家不同的发放方式和智能化执行策略，尤其是在看不见的的地方创造了很多价值。比如，设计了专门的‘防薅羊毛系统’。仅2023年我们拦截的羊毛党订单就超过20万单，帮助商家节省了几十亿元成本”。

白鸦透露，从2023年开始，他把80%的时间又用回做产品和AI等工作上。“有赞去年多了AI的加持，在营销转化和复购分销的基础上，公司做了很多智能化和自动化的升级”。

据悉，有赞的基础 CRM 系统通过实时数据打通，整合公域和私域数据，可为商家提供全面的客户资产报表。该系统不仅实现了数据的实时更新和计算，还通过自动标签和客户分群，为商家提供了精细化运营的可能性。白鸦透露，有赞 CRM 近期还将上线口碑分析功能，帮助商家整合线上线下评价，提供智能化建议。

多元化的客户连接体系则整合了企业微信、短信、5G 信息、AI 外呼、小程序和公众号等多种信息通道，同时建立了更有温度的“人与人连接”，尤其是充分发挥导购、会员和员工的作用，建立更广度的连接和分销体系，也帮助总部运营更好地管理和赋能导购、会员和员工。目前，有赞已赋能超过280万个导购、会员和员工分销员，每年为商家带来接近400亿的增量生意。

此外，有赞的场景营销系统将客户资产数据、推荐内容和触达通道有效串联，结合不同的消费和服务场景，进行精准营销。该系统通过消费者运营分析、商机洞察、多渠道触达和私域销售转化等步骤，帮助商家实现业绩增长。

更多AI应用已在计划开放中

在过去的一年里，有赞全面拥抱 AI，并发布了智能化运营系统——加我智能。作为有赞产品体系智能化的底层模型，加我智能目前已经支持了有赞微商城、有赞门店、有赞 CRM、有赞智能导购、有赞企微助手、有赞美业、群团团等全线产品的智能化。在白鸦看来，AI 下一步发展的核心是如何融入业务场景，结合人工智能用最简洁易用的产品体验给用户交付有用的结果。

“更多结合场景的AI应用我们都在计划开放中。”白鸦透露，目前加我智能包含了五大核心应用类型：营销内容创作、功能使用协助、数据查询分析、自动任务执行和经营咨询建议。

在营销内容创作方面，有赞针对文案和图片创作能力进行了智能化训练，以确保生成的营销内容与商品详情和消费者画像相匹配；在功能使用协助方面，有赞推出了两个 AI 产品：“老贾”和“智能助手”，分别服务于内部员工和商家，能够快速回答问题、提供案例和报价方案。目前，智能助手在产品功能使用咨询和协助方面的准确率已经达到 90%以上，预计今年将提高到 99%。

在数据查询分析方面，智能助手能够快速检索数据、调出会员资料并生成交易报表。此外，

为了让更多商家体验到智能化系统的便利，有赞发布了“有赞生意专家”，这是一个无需开店即可使用的独立产品。它汇总了有赞 12 年的最佳实践和行业报告，能够为商家提供经营建议和行动方案。

“这些智能化应用的核心价值主要有三类，节省学习和操作成本，降低人才要求；提高运营方案成功概率，降低试错成本提高业绩；提供创意供给并加速迭代，提高营销转化能力。”

白鸦表示，过去，SaaS是堆砌了众多功能的效率工具，遇到AI的SaaS变成了低成本使用的创造力工具。基于此，有赞也正在从一个“数字化软件公司”，演变成一个“智能化运营系统服务商”。

发布于：上海