即刻App年轻人的同好社区
下载
a16z 推荐的 25 本适合创投人士读的书中，《Scaling Innovation》的作者 Madhavan Ramanujam 是全球顶级的定价专家，担任过 Slack、Cursor、Intercom、Databricks 等公司的定价顾问。
书里他讲了一个观察：大多数 AI 创始人不是死于技术不够好，而是死于 "我们以后再想定价" 这个想法。（我看到这句话的时候第一反应是他是不是吃得太好了，大多数公司不应该是死于伪需求吗 😂）
我记得很早前他就在 X 里提过 Cursor 的定价是有问题的，20 美元一个月，几乎无限使用，看起来好像很成功。但 Madhavan 直言不讳地说，这可能已经给自己挖了个坑。因为重度用户每月能烧掉 50 美元以上的 API 成本，而轻度用户可能只用 2 美元。平均下来，公司在亏钱。更要命的是，早期用户已经锚定了这个价格，未来想提价的时候客户会觉得你在抢钱，竞争对手还能用 15 美元来挖墙脚。
就像老巴说的：如果你有提价能力而不损失客户，你就有一门好生意。反过来说，如果你不敢提价 10%，那说明你的产品差异化根本不够。
定价权就是护城河，而很多 AI 团队在一开始就把这个护城河给填平了。
1. AI 定价的本质差异
更关键的是，AI 产品的定价逻辑和传统 SaaS 完全不同。
传统 SaaS 通常只能获取所创造价值的 10-20%，但 AI 公司可以拿到 25-50%。原因很简单：AI 创造的价值增量更显著。当你的产品能直接替代一个年薪 10 万美元的员工，或者把某个流程的效率提升 10 倍，客户对价格的敏感度会低很多。
但这也意味着，你必须从第一天就把变现模式想清楚。因为你的产品架构会受定价模式影响，如果你打算按结果收费，就需要从一开始设计价值追踪系统；如果想分层定价，就要在功能设计时就考虑好哪些放基础版，哪些放高级版。有些团队认为可以等产品做完了再倒推定价，但那时候你会发现技术上根本不支持，想改架构成本巨大，只能凑合着用一个糟糕的定价方案。
2. 一个简单的定价框架
Madhavan 提出了一个 2×2 框架，能快速判断该用什么定价模式。
两个维度：价值可量化性（你能不能清楚衡量 AI 创造的具体价值）和 AI 的自主性（意思是人工介入成本有多少，AI 的自主性越高，人介入的成本就越低）。
落在 "高量化+高自主性" 这个象限的产品，是最理想的位置。这时候你可以用基于结果的定价，比如 Intercom 的 Fin，每次 AI 成功解决客户问题收 0.99 美元。逻辑很清晰：客户只为真实效果付费，风险低，ROI 明确，接受度自然高。Sierra 也是类似模式，按 AI 完成的任务收费。Chargeflow 处理信用卡拒付纠纷，只有成功追回款项才收佣金。这种 "不成功不收费" 的模式，对客户来说几乎是零风险决策。
如果你的产品是 "高量化+低自主性"，即，价值能算清楚，但客户人工介入的比较多，那就需要先让客户免费体验价值，再转换为付费。但这里有个关键点：不是简单给个 "免费试用 30 天"，而是要限制任务数而非时间。因为时间限制会让客户拖延，30 天过去了还没真正用起来。但如果你说 "免费处理前 50 个任务"，就强制客户必须真实使用，快速看到价值。
落在 "低量化+高自主性" 象限，就是传统 SaaS 的领地——客户知道需要这个工具，但价值难以精确量化，那就用订阅制或席位制。
落在 "低量化+低自主性"？Madhavan 说得很直接：这个位置的成功率低于 10%，认真考虑要不要 pivot 吧。😂
3. 三个致命的定价错误
第一个是 "成本加成定价"。很多团队算账的逻辑是 "我的 API 成本 50 块，那我定价 100 块赚一倍"。但如果你的 AI 工具帮客户节省了 1 万美元的人工成本呢？合理的做法是收 2000-3000 美元，也就是客户获得价值的 20-30%。客户仍然觉得划算，你的利润空间却扩大了 20-30 倍。
第二个是 "功能平等主义"。把所有功能放在一个价格里，这听起来很公平，但其实是在浪费你的定价潜力。Madhavan 有个 "价值审计" 的方法：列出你所有的功能，然后去问客户 "如果这个功能要单独收费，你愿意付多少？" 你会发现 80% 的付费意愿往往来自 20% 的功能。
他举了个真实案例：某个 AI 分析工具有 30 个功能，做完价值审计后发现，客户 90% 的付费意愿来自 "预测性洞察" 这一个功能。于是重新设计定价：基础版只有历史数据分析，高级版才有预测功能，价格直接翻三倍。结果转化率不降反升，因为客户终于明白了 "贵在哪里"。
第三个是定价过于复杂。Madhavan 有个 "30 秒测试"：如果你的销售团队不能在 30 秒内向客户解释清楚定价，那就是设计失败了。很多团队设计出来的定价表需要 Excel 才能算清楚（按用户数乘以 API 调用量再乘以功能模块数），销售自己都搞不明白，客户怎么可能买单呢。
好的定价应该像 GitHub Copilot：10 美元/用户/月，简单清晰。坏的定价是 "API 调用次数×数据处理量×用户数" 这种三维计算，过于复杂。真正好的定价应该让客户一眼就知道 "我付多少钱，得到什么"，并且能预测随着使用增长的成本。
4. 如何设计分层定价
如果你决定用分层定价，Madhavan 建议用 "好-更好-最好" 这个经典模式。
核心逻辑是提供 3 个层级，引导客户选择中间档。顶级版本主要用于锚定价值，大多数人不会买，但它让中间档看起来 "很合理"。心理学原理是：多数客户会避开最便宜（感觉不够好）和最贵（超出预算），中间档自然成为 "理性选择"。
具体设计上，入门版可以定在 99 美元/月，提供基础 AI 功能，每月 100 次调用，目标是个人和小团队。专业版是你的利润中心，499 美元/月，高级 AI 功能，1000 次/月，优先支持，这是成长型企业会选的，也是你的主要收入来源。企业版 2999 美元/月，无限调用，定制化，专属客服，主要用来锚定价值，并服务真正的大客户。
实战数据显示，30-40% 客户会选最低层，50-60% 选中间层（这是你的收入引擎），只有 5-10% 选最高层。如果大部分客户都选最低层，说明你的中间层定价不合理或功能不够吸引人。
5. 定价的演进路径
定价不是一次性的事情，而是随着公司发展不断演进的。
早期 0-100 个客户时，目标是验证价值假设。定价可以简单，但不能过低。这个阶段应该手动定价，与每个客户深度沟通，测试不同价格点，收集支付意愿数据。
增长期 100-1000 客户时，目标是标准化定价，优化转化率。这时候引入分层定价，建立自助购买流程，减少定制化。这是从"手工作坊"到"工业化生产"的转变。
规模化 1000+ 客户后，目标是最大化客户生命周期价值。定价变得动态化、个性化，采用基于使用量的扩展定价，提供企业定制方案，通过附加服务变现。
每个阶段的重点不同，但有一条主线贯穿始终：价格应该反映价值，而不是成本；简单胜过复杂；定价是产品战略的一部分，不是财务决策。
6. 真正重要的是什么
从更大的层面看，Madhavan 反复强调的一个观点让我印象深刻：客户不会因为你便宜而尊重你，他们会因为你解决了他们的问题而尊重你。
很多创始人害怕定高价，担心客户跑掉。但真相是，如果你真的创造了巨大价值，客户愿意为此付费——前提是你能清楚地展示这个价值。定价过低传递的信号不是 "我们很友好"，而是 "我们对自己没信心"。而一旦你在早期锚定了低价，未来提价会变得极其困难，因为客户心理预期已经形成。
我理解他真正想说的是：AI 公司有机会获取比传统 SaaS 更高比例的价值（从 10-20% 提升到 25-50%），但前提是你从第一天就认真对待定价这件事。不要等到产品做出来再想，不要为了快速增长盲目低价，不要把定价搞得复杂到自己都解释不清。
想清楚你创造的价值是什么，为谁创造，如何量化，然后大胆地为此收费。定价是产品战略的核心组成部分，你选择什么定价模式，本质上决定了你要服务什么样的客户，解决什么样的问题，甚至公司要长成什么样。
这可能才是真正的 "scaling innovation" 的本质，即，以正确的方式把创新的价值传递给愿意为之付费的人。
书里他讲了一个观察：大多数 AI 创始人不是死于技术不够好，而是死于 "我们以后再想定价" 这个想法。（我看到这句话的时候第一反应是他是不是吃得太好了，大多数公司不应该是死于伪需求吗 😂）
我记得很早前他就在 X 里提过 Cursor 的定价是有问题的，20 美元一个月，几乎无限使用，看起来好像很成功。但 Madhavan 直言不讳地说，这可能已经给自己挖了个坑。因为重度用户每月能烧掉 50 美元以上的 API 成本，而轻度用户可能只用 2 美元。平均下来，公司在亏钱。更要命的是，早期用户已经锚定了这个价格，未来想提价的时候客户会觉得你在抢钱，竞争对手还能用 15 美元来挖墙脚。
就像老巴说的：如果你有提价能力而不损失客户，你就有一门好生意。反过来说，如果你不敢提价 10%，那说明你的产品差异化根本不够。
定价权就是护城河，而很多 AI 团队在一开始就把这个护城河给填平了。
1. AI 定价的本质差异
更关键的是，AI 产品的定价逻辑和传统 SaaS 完全不同。
传统 SaaS 通常只能获取所创造价值的 10-20%，但 AI 公司可以拿到 25-50%。原因很简单：AI 创造的价值增量更显著。当你的产品能直接替代一个年薪 10 万美元的员工，或者把某个流程的效率提升 10 倍，客户对价格的敏感度会低很多。
但这也意味着，你必须从第一天就把变现模式想清楚。因为你的产品架构会受定价模式影响，如果你打算按结果收费，就需要从一开始设计价值追踪系统；如果想分层定价，就要在功能设计时就考虑好哪些放基础版，哪些放高级版。有些团队认为可以等产品做完了再倒推定价，但那时候你会发现技术上根本不支持，想改架构成本巨大，只能凑合着用一个糟糕的定价方案。
2. 一个简单的定价框架
Madhavan 提出了一个 2×2 框架，能快速判断该用什么定价模式。
两个维度：价值可量化性（你能不能清楚衡量 AI 创造的具体价值）和 AI 的自主性（意思是人工介入成本有多少，AI 的自主性越高，人介入的成本就越低）。
落在 "高量化+高自主性" 这个象限的产品，是最理想的位置。这时候你可以用基于结果的定价，比如 Intercom 的 Fin，每次 AI 成功解决客户问题收 0.99 美元。逻辑很清晰：客户只为真实效果付费，风险低，ROI 明确，接受度自然高。Sierra 也是类似模式，按 AI 完成的任务收费。Chargeflow 处理信用卡拒付纠纷，只有成功追回款项才收佣金。这种 "不成功不收费" 的模式，对客户来说几乎是零风险决策。
如果你的产品是 "高量化+低自主性"，即，价值能算清楚，但客户人工介入的比较多，那就需要先让客户免费体验价值，再转换为付费。但这里有个关键点：不是简单给个 "免费试用 30 天"，而是要限制任务数而非时间。因为时间限制会让客户拖延，30 天过去了还没真正用起来。但如果你说 "免费处理前 50 个任务"，就强制客户必须真实使用，快速看到价值。
落在 "低量化+高自主性" 象限，就是传统 SaaS 的领地——客户知道需要这个工具，但价值难以精确量化，那就用订阅制或席位制。
落在 "低量化+低自主性"？Madhavan 说得很直接：这个位置的成功率低于 10%，认真考虑要不要 pivot 吧。😂
3. 三个致命的定价错误
第一个是 "成本加成定价"。很多团队算账的逻辑是 "我的 API 成本 50 块，那我定价 100 块赚一倍"。但如果你的 AI 工具帮客户节省了 1 万美元的人工成本呢？合理的做法是收 2000-3000 美元，也就是客户获得价值的 20-30%。客户仍然觉得划算，你的利润空间却扩大了 20-30 倍。
第二个是 "功能平等主义"。把所有功能放在一个价格里，这听起来很公平，但其实是在浪费你的定价潜力。Madhavan 有个 "价值审计" 的方法：列出你所有的功能，然后去问客户 "如果这个功能要单独收费，你愿意付多少？" 你会发现 80% 的付费意愿往往来自 20% 的功能。
他举了个真实案例：某个 AI 分析工具有 30 个功能，做完价值审计后发现，客户 90% 的付费意愿来自 "预测性洞察" 这一个功能。于是重新设计定价：基础版只有历史数据分析，高级版才有预测功能，价格直接翻三倍。结果转化率不降反升，因为客户终于明白了 "贵在哪里"。
第三个是定价过于复杂。Madhavan 有个 "30 秒测试"：如果你的销售团队不能在 30 秒内向客户解释清楚定价，那就是设计失败了。很多团队设计出来的定价表需要 Excel 才能算清楚（按用户数乘以 API 调用量再乘以功能模块数），销售自己都搞不明白，客户怎么可能买单呢。
好的定价应该像 GitHub Copilot：10 美元/用户/月，简单清晰。坏的定价是 "API 调用次数×数据处理量×用户数" 这种三维计算，过于复杂。真正好的定价应该让客户一眼就知道 "我付多少钱，得到什么"，并且能预测随着使用增长的成本。
4. 如何设计分层定价
如果你决定用分层定价，Madhavan 建议用 "好-更好-最好" 这个经典模式。
核心逻辑是提供 3 个层级，引导客户选择中间档。顶级版本主要用于锚定价值，大多数人不会买，但它让中间档看起来 "很合理"。心理学原理是：多数客户会避开最便宜（感觉不够好）和最贵（超出预算），中间档自然成为 "理性选择"。
具体设计上，入门版可以定在 99 美元/月，提供基础 AI 功能，每月 100 次调用，目标是个人和小团队。专业版是你的利润中心，499 美元/月，高级 AI 功能，1000 次/月，优先支持，这是成长型企业会选的，也是你的主要收入来源。企业版 2999 美元/月，无限调用，定制化，专属客服，主要用来锚定价值，并服务真正的大客户。
实战数据显示，30-40% 客户会选最低层，50-60% 选中间层（这是你的收入引擎），只有 5-10% 选最高层。如果大部分客户都选最低层，说明你的中间层定价不合理或功能不够吸引人。
5. 定价的演进路径
定价不是一次性的事情，而是随着公司发展不断演进的。
早期 0-100 个客户时，目标是验证价值假设。定价可以简单，但不能过低。这个阶段应该手动定价，与每个客户深度沟通，测试不同价格点，收集支付意愿数据。
增长期 100-1000 客户时，目标是标准化定价，优化转化率。这时候引入分层定价，建立自助购买流程，减少定制化。这是从"手工作坊"到"工业化生产"的转变。
规模化 1000+ 客户后，目标是最大化客户生命周期价值。定价变得动态化、个性化，采用基于使用量的扩展定价，提供企业定制方案，通过附加服务变现。
每个阶段的重点不同，但有一条主线贯穿始终：价格应该反映价值，而不是成本；简单胜过复杂；定价是产品战略的一部分，不是财务决策。
6. 真正重要的是什么
从更大的层面看，Madhavan 反复强调的一个观点让我印象深刻：客户不会因为你便宜而尊重你，他们会因为你解决了他们的问题而尊重你。
很多创始人害怕定高价，担心客户跑掉。但真相是，如果你真的创造了巨大价值，客户愿意为此付费——前提是你能清楚地展示这个价值。定价过低传递的信号不是 "我们很友好"，而是 "我们对自己没信心"。而一旦你在早期锚定了低价，未来提价会变得极其困难，因为客户心理预期已经形成。
我理解他真正想说的是：AI 公司有机会获取比传统 SaaS 更高比例的价值（从 10-20% 提升到 25-50%），但前提是你从第一天就认真对待定价这件事。不要等到产品做出来再想，不要为了快速增长盲目低价，不要把定价搞得复杂到自己都解释不清。
想清楚你创造的价值是什么，为谁创造，如何量化，然后大胆地为此收费。定价是产品战略的核心组成部分，你选择什么定价模式，本质上决定了你要服务什么样的客户，解决什么样的问题，甚至公司要长成什么样。
这可能才是真正的 "scaling innovation" 的本质，即，以正确的方式把创新的价值传递给愿意为之付费的人。
24 022
来自圈子
产品经理的日常
202886人已经加入