惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

G
Google Developers Blog
Apple Machine Learning Research
Apple Machine Learning Research
小众软件
小众软件
Recent Announcements
Recent Announcements
阮一峰的网络日志
阮一峰的网络日志
IT之家
IT之家
A
About on SuperTechFans
量子位
Engineering at Meta
Engineering at Meta
B
Blog
The Cloudflare Blog
博客园 - 【当耐特】
Hugging Face - Blog
Hugging Face - Blog
Y
Y Combinator Blog
J
Java Code Geeks
D
DataBreaches.Net
aimingoo的专栏
aimingoo的专栏
T
Tailwind CSS Blog
H
Help Net Security
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
V
V2EX
Stack Overflow Blog
Stack Overflow Blog
C
Check Point Blog
酷 壳 – CoolShell
酷 壳 – CoolShell

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
AI 产品定价,那套熟悉的方法,正在悄悄出卖你 – 人人都是产...
言成 · 2026-04-19 · via 人人都是产品经理

AI产品的定价逻辑正在颠覆传统SaaS的惯性思维。当毛利率持续走低却找不到明确漏洞时,问题往往出在底层框架——传统订阅模式与AI按用量消耗的成本结构存在根本性冲突。本文深度解析为何按token收费转化率差、按时间收费必亏,以及如何通过积分体系重构用户价值感知,更提出定价前必须想清楚的三个致命问题。

我见过太多定价评审,方案做得很认真。

月费、年费、免费试用期,PRO 版解锁高级功能,对标了三四个竞品,定价逻辑说得通,老板点头,上线。

然后半年过去,数据看起来还行——用户在增长,留存没崩。

但毛利率,一直在悄悄往下走。没有哪个数字是明显的问题,但整张表就是在慢慢漏血。

这种感觉很难受,因为你找不到一个明确的「错误」可以修。

后来我才意识到:不是哪个数字填错了,是框架选错了。 我们把一套在 SaaS 里跑通过的定价直觉,原封不动地带进了 AI 产品——但这两件事的底层逻辑,根本就不是同一回事。

框架错了,后面所有的调整都是在漏水的船上换桨。

传统订阅卖的是「时间」,AI 产品卖的是「消耗」

传统 SaaS 的底层逻辑:你付一个月的钱,拿到这个月的使用权。用多用少,平台成本差别不大——服务器跑着,代码在那,用 10 次和用 100 次对平台来说几乎没有区别。

所以按时间段收费是合理的。Notion、Figma、Slack,全都这么干。这套模型跑了十几年,大家都熟,PM 们也都默认这是「正常的定价方式」。

但 AI 产品不是这样运作的。

用户每发一次请求,背后是真实的 token 消耗、真实的算力开支。用 10 次和用 1000 次,对平台来说成本差了两个数量级。如果你还按「时间段」收费,结果只有一个:

重度用户把你的利润吃光,轻度用户在白白占坑,你的毛利率从第一天就是坏的。

这不是运营效率问题。是定价框架选错了。

Basecamp 的教训,AI 产品死得更快

Basecamp 曾经推出过 $99/月无限用户的定价。

出发点很好:简单、透明、对用户友好。但 5 人团队和 500 人团队付一样的钱——最能从产品里拿到价值的客户,付的钱最少。

收费维度和价值不对齐,规模越大亏得越多。

这个错误在传统 SaaS 里发酵得比较慢,因为边际成本低,还有时间调整。

但在 AI 产品里,同样的错误会以快得多的速度把你杀死——因为你的边际成本是真实的、随用量线性增长的。你每多一个重度用户,就多一份实实在在的亏损。

很多 AI 产品早期增长数据好看,融资顺利,但毛利率是负的。根子就在这里。

那 AI 产品到底应该按什么收费?

按 token 直接收?理论上最精确。实际上用户根本不知道 token 是什么,转化率惨不忍睹。

按时间段收?成本结构决定了这条路走不通。

最后大多数跑通的方案,都走向了同一个地方:把「消耗量」包装成用户能感知的「货币」——积分、额度、Credits。

本质是什么?给 token 和工具调用设一个汇率,换算成用户看得懂的单位,按这个单位收费。

这一层不是噱头。它在解决一个真实的感知问题:让「我用了多少」变得可感知、可预期、可控制。用户愿意为看得见的东西付钱,不愿意为「不知道会烧多少」的黑箱买单。

选收费维度之前,先问自己三个问题

定价从来都是三个问题串联在一起的决策链。顺序不能错——第一个没想清楚,后面两个根本无法正确回答。

第一问:用户真正买走的是什么?

不是「产品功能」,是他们花钱实际拿走的那个东西。是省下的时间?是某种能力?是一个完整的结果交付?

这决定你的 value metric。选错了,定价结构就和用户价值脱节。

对 AI 产品来说,这个问题尤其关键:用户买的是「调用一次 AI」,还是「拿到一个结果」? 前者按 token/次数收,后者按任务收。两个答案,两套完全不同的定价逻辑。想混着用,两头都做不好。

第二问:用户凭什么续费?

价值是一次性释放的还是持续累积的?免费层让用户在哪里停住,付费层在哪里打开?

很多 AI 产品的问题在这里:免费额度太慷慨,用户在免费里就满足了核心需求,升级没有动力。不是产品不好,是边界画错了——免费层保护了用户,却堵死了自己的升级路径。

第三问:竞品在保护什么?

不是看价格截图,是读懂背后的逻辑。它把什么放在免费层?用什么卡点逼升级?升级路径是否足够清晰?

看懂了,才知道市场里还有没有你的空间,差异化应该放在哪里。

还有一个更隐蔽的坑:历史包袱

产品迭代了,用户变了,市场变了,但定价结构还是一年前搭的那套框架。

当初设计时有它的合理性,但那个合理性的前提早就不成立了。没人动它——因为改定价太敏感。但不改,它就在悄悄漏钱,或者悄悄阻碍增长。

每隔半年,回到最底层问自己一遍:现在的用户,真正买走的是什么?

这个答案变了,定价就该跟着变。抱着旧框架不放,叫路径依赖,不叫稳定。

最后

当你能用一句话说清楚——

「我们按 X 收费,因为 X 增长,意味着用户从我们这里拿走的价值也在增长。」

定价就基本对了。

说不清楚这句话,套再多框架、开再多定价会议,都只是在调数字。数字背后那个结构性的错误,还在那,而且在复利。

专栏作家

言成,人人都是产品经理专栏作家。悉尼大学的IT & itm双学位硕士;始终关注AI与各产业的数字化转型,以及AI如何赋能产品经理的工作流程。

本文原创发布于人人都是产品经理,未经许可,禁止转载

题图来自Unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。