AI应用商业化正逐步形成以订阅模式为主的趋势，而其中免费版本和基于用户数量的定价策略广受欢迎，但是同时也为创新定价模式提供了广阔空间。

上周，乌鸦君分享了AI应用两种主流的变现方式，并分析两种选择的利弊。

今天，借着Kyle Poyar和Palle Broe的另一篇文章，乌鸦君继续围绕AI应用商业化的话题，给大家介绍当下头部AI产品在商业化上的最新趋势。

在这次文章里，Kyle Poyar和Palle Broe研究了40个原生AI应用产品的定价模式，涵盖定价模式、价值指标、公开宣传、免费版本和定价透明度的公开信息，总结了一些头部AI应用在定价方向的趋势。

选择产品的标准是融资和行业影响力，比如《福布斯》AI 50 强榜单和红杉的生成式 AI市场地图。这 40 家公司包括营销工具（例如：Jasper、Copy.ai）、生产力应用程序（例如：Tome、Glean）、垂直特定产品（例如：Harvey、Co:Helm）和其他公司（例如：Synthesia、HeyGen）。

通过这份报告，我们将能更清楚地了解AI产品在定价方面的趋势。以下为原文翻译：

一、40款领先AI应用的定价趋势

我们发现以下五点值得关注：

1. 定价创新有限——七成的公司采用订阅模式，很少有公司提供纯粹基于使用量或按使用量付费的定价模式。
2. 大多数公司都是根据用户数量收费的——这与人工智能应用程序作为“副驾驶”（协助人们）而不是数字“工作者”的概念一致。
3. 免费版本在最初采用时非常受欢迎——一半的人提供免费计划，另外五分之一的人提供免费试用。
4. 在套餐/层级方面存在“好-更好-最佳”范式。
5. 定价透明度不同——三分之二的供应商采用公开定价。

您可以自行探索完整的定价数据：

二、缺乏定价创新为第二波人工智能应用提供了机会

软件公司历来倾向于订阅和按用户收费模式（尽管有迹象表明正在转向基于使用和混合模式）。在第一波突破性的人工智能应用中，情况仍然如此。

我们看到第二波人工智能公司中出现了非常创新的定价结构的迹象。这些定价模式可以加快客户采用速度，同时获得更多总体收入，甚至微软也在为其新的 AI Copilot for Security测试创新的随用随付定价。

Fin (Intercom)、EvenUp 、Chargeflow （OpenView 投资组合公司）和11x.ai （之前在Growth Unhinged中介绍过）是实施基于成功（或基于结果）定价模式的公司的例子，客户只需为成功的结果付费。

Chargeflow 的定价是基于退款以卖家利益为前提的成功率

对客户来说，这种付费方式很有吸引力，因为这建立了双赢的合作伙伴关系。只有客户成功，供应商才会成功。这种付费模式加大了客户的付费意愿。

这与许多现有的 SaaS 提供商形成了鲜明对比。在这些提供商中，客户最终购买的资源往往远远超过其实际需要。

也就是说，客户为他们获得东西支付了溢价。所以我们预计，随着AI产品为结果付费模式的流行，传统订阅模式的压力将会越来越大。

发现 1：定价创新有限

在我们研究的 AI 应用中，绝大多数（71%）采用了传统的 SaaS 订阅定价模式。10 家公司（26%）采用了订阅费用和使用费相结合的混合定价模式。PolyAI是唯一一家（3%）采用纯基于使用量模式的公司。

虽然支持这些应用程序的基础设施几乎完全根据使用情况定价（LLM 和基础设施），但这种定价模式并没有体现在AI应用上。

我们认为有以下几个原因：

1. 保持简单：大多数AI应用的核心目标是让用户使用产品。用户更熟悉传统的 SaaS 订阅定价模式。
2. 基于使用量的定价很难实现。基于使用量的定价并不容易实现。例如，它需要强大的数据基础，而这是许多初创公司早期所不具备的。
3. 尚难量化价值：一些人工智能应用很可能通过这种方式创造的价值超过了它们收取的价格。但对于许多人工智能公司来说，他们仍然很难确切了解他们创造了多少价值以及如何最好地获取这些价值。
4. 不想限制采用：定价创新可能会限制产品的采用。目前，初创公司希望在开发产品时获得尽可能多的使用量。
5. 不注重盈利：虽然零利率政策时代已经结束，但许多人工智能初创企业的目标不是盈利，而是证明他们可以赚钱并与客户一起成长。

我们确实看到一些公司（尤其是营销、视频和语音生成领域的公司）采用基于使用量的定价模式，例如字数、视频字符分钟数。Copy.ai 就是一个很好的例子。

Copy.ai 的示例同时应用了月度订阅费和以信用形式应用的基于使用情况的组件

发现 2：大多数公司都是根据用户数量收费

AI 应用的主要价值指标仍以用户为中心。这是 SaaS 领域非常著名的价值指标，也是购买和销售软件的最直接方式之一，对买家来说具有高度的可预测性。

大约有十几家公司正在使用基于每个用户及其使用情况的付费模式，或者纯粹基于使用情况的模型，并使用以下价值指标：积分、角色、视频分钟数、字幕或运行时间。

由于人工智能最终会取代人类劳动力，按用户定价模式可能会适得其反，因为用户数量会随着时间的推移而减少。这为第二波人工智能应用带来了颠覆性的机会。

发现 3：免费版本在最初采用时很受欢迎

我们研究的 AI 应用中约有 70% 都存在免费增值模式。我们看到的三种免费增值模式如下：

1. 免费版本（47%）：“永久免费”的版本，通常功能有限，但允许用户试用其功能/产品。
2. 免费版本但使用量受到限制（3%）：免费版本，但产品的使用量受到限制。
3. 免费限时试用（16%）：免费且具有基本功能但仅限 7 天或 14 天的版本。

AI 应用往往能快速为新用户带来价值。随着这些公司继续迭代产品，免费增值产品有助于促进早期采用和使用。

在面向企业的应用程序中，免费增值模式并不那么普遍。这些产品通常需要支付实施费用和平台费用才能使用。据了解，企业版免费增值模式似乎是免费试用，客户可以在一段时间内（通常为 3 个月）试用产品，然后做出购买决定。

发现 4：在套餐/层级方面存在“好-更好-最好”范式

当我们与早期创业公司交谈时，我们通常建议从“好-更好-最好”产品结构的变体开始。

它允许公司根据客户差异化产品，并创建清晰的追加销售路径。层级数量因公司而异，从两层到五层不等（包括免费增值版和企业版）。在大多数情况下，层级之间的差异基于产品功能和用途。

营销策略，通常是随着产品的成熟和功能的发展而逐渐形成的。早期，你通常没有太多东西可以营销，因为你不知道你的客户到底是谁，也不知道应该如何细分你的产品。

以 Browse AI 为例，它提供五个不同的层级，并结合了订阅和基于使用情况的定价

发现 5：定价透明度程度不同

目前，约有三分之二的公司在其网站上公布价格。透明定价往往是面向个人或专业消费者的应用程序的常态，而非面向企业的应用程序。

大多数企业 AI 应用并未透露任何定价细节。他们这样做可能出于以下几个原因：

1. 这是一个竞争激烈的领域：竞争日趋激烈，公司不想向潜在竞争对手提供任何东西，也不想允许他们基于价格进行竞争。
2. 定制：他们根据每个客户的具体情况定制价格，并确定可以收取的价格的上限。
3. 更大的灵活性：其中许多类别仍处于起步阶段，价格尚未确定。隐藏价格为供应商在未来的变更提供了更大的灵活性。

随着Vendr或Tropic等价格基准测试供应商的崛起，这些定价信息很可能会随着时间的推移而公开。

三、最后的话

我们正处于人工智能应用的早期阶段。许多公司仍在寻求产品与市场的契合度（即使他们已经筹集了大量资金），并希望证明市场需求。定价模式的创新很难，而且可以理解的是，最初并不是核心重点。

目前的游戏规则似乎是：(1) 让定价可预测，(2) 不要让定价成为使用产品的障碍。以下是确定从哪里开始的框架。