在AI技术重塑行业生态、市场竞争愈发激烈的当下，SaaS软件的定价早已超越“定个价格”的浅层含义，成为决定企业商业化成效与长期增长的重要命题。

11月8日下午，2025中国SaaS大会-定价专场聚焦这一核心议题，特别邀请到浅觉深知咨询创始人、高成投资顾问陆盛赟，带来《SaaS软件在AI时代的定价、商业化和增长策略》的深度分享。

陆盛赟深耕定价领域多年，有着扎实的理论积淀与丰富的实战经验。

他曾先后任职于罗兰贝格及专注定价领域的西蒙顾和咨询，期间与《定价制胜》作者西蒙教授共事四年多，深度参与各类定价相关项目，积累了大量宝贵的实践经验。

陆盛赟 浅觉深知咨询创始人、高成投资顾问

如今，他创办浅觉深知咨询，核心业务之一便是为SaaS企服软件提供定价相关服务，涵盖产品变现路径规划、增长策略设计、出海定价课题等多个核心方向，助力企业搭建科学的定价体系。

本次分享中，陆盛赟从企业常见的定价痛点出发，系统梳理了90%企业普遍面临的四大定价误区，并借助生动的模型与案例，深入浅出地剖析了成本、价值与价格之间的动态平衡关系。

他还完整阐述了包含策略、设定、执行、复盘在内的定价方法论体系，详细介绍了PSM、联合分析等科学工具的实际应用，以及借鉴麦当劳逻辑设计的产品打包策略，为企业提供了可直接落地的实操指引。

面对AI时代带来的行业变革，陆盛赟进一步提出“PPMF”这一创新理念，强调将定价深度融入产品市场契合（PMF）过程。

他解读了AI产品的三大PMF范式，剖析了结果导向定价在实际落地中的难点与挑战，并借助矩阵模型给出具体解决方案。

同时，结合Clay、Eleven Labs等海外标杆案例，陆盛赟深入分析了“订阅制+点数”、分层定价等主流模式的优缺点及优化方向，为SaaS企业在AI时代的定价策略制定、商业化实践与增长突破，提供了兼具全局视野与实操参考的完整框架。

以下为陆盛赟分享的主要内容，经牛透社编辑整理：

陆盛赟：谢谢崔牛会的邀请，很有幸今年能第二次来参加定价闭门会分享。我知道崔牛会的朋友们一直特别关注定价这件事，去年的分享反响不错，今年也很高兴能再次和大家交流。

我之前一直在咨询公司工作，先后在罗兰贝格、西蒙顾和任职。西蒙顾和的创始人就是写《定价制胜》的西蒙教授，我很有幸和他一起工作了四年多，积累了不少定价相关的实践经验。

现在我是浅觉深知的创始人，我们的核心方向之一就是为SaaS企服软件做定价相关的服务。

其实，我们说的定价是个比较宽泛的概念，不只是确定一个东西值多少钱，更包括怎么让产品变现、怎么实现增长，还有现在流行的出海相关的定价课题。

接下来我们的分享主要分四个部分。

第一部分，先聊聊大家平时经常问我们的定价相关问题，还有我们对这些问题的看法。

然后顾老师会给大家带来一个他亲自操盘过的定价实践案例。

再之后，结合当下的AI时代，我们会聊聊AI产品、AI软件该如何在传统定价方法论的基础上与时俱进，做一些适配性的定价思考。

最后，分享我们自己在AI软件定价上的实践案例，包括我和顾老师各自做过的AI产品项目，和大家探讨落地过程中如何看待商业化定价与增长这件事。

首先我们先说说几个大家都能听懂的定价误区。

误区 1：成本估算乐观，价值感知模糊

第一个误区，很多人会把定价简单等同于定多少钱，这个价格其实夹在两个核心要素中间：一个是大家都熟悉的成本，另一个是价值。

大家可以这样理解：价值减去价格，就是消费者的购买动机，价格越低，购买动机按理说会越高；

而对企业来说，价格低但成本不变的话，销售动机就会变小，毕竟利润太薄了，这是个很简单的价格模型。但从这个模型里，我们能发现两个常见问题：

第一个问题，很多企业对自身成本的评估存在偏差，往往会过于乐观。如果成本评估乐观，而产品价值不变，定出的价格自然会偏低，但实际成本并没有那么理想，这就导致很多企业定价偏低。

第二个问题更明显，在价值端，大部分企业都很难说清自己到底给客户交付了什么价值。

早上洪婧总提到过高成的PMF理念，PMF其实就决定了我们的产品能给客户交付什么价值，以及产品和市场的契合度。

就像右边这张图展示的，浅蓝色的框是我们认为企业软件具备的所有功能和能提供的价值，但因为市场没找对、目标客群不精准等原因，客户实际只用了深蓝色框里的一小部分功能，能获得的价值自然非常有限。

图片来源浅觉深知咨询

很显然，用我们认为的浅蓝色框里的价值去定价，客户是不会认可这个价格的，因为他们实际感受到的价值只有深蓝色框那么多。

这就是PMF没做到位的问题，简单说就是我们做了个大而全的产品，但客户只用了其中很小一部分，这种情况下，我们根本没法把价值讲清楚。

昨天一位分享嘉宾说：“当我们讲不清楚产品价值的时候，就只能陷入‘卷服务’的怪圈。

因为谁都没法明确自己给客户交付了什么核心价值，最后只能跟客户说‘我能24小时守候你’‘我能全程陪伴你’，靠这样的方式去卷服务。”

所以第一个误区的核心就是：大家都觉得定价很重要，但真正执行的时候却不够认真。

定价本应在价值和成本之间找到平衡，可因为对成本把握不精准、对价值梳理不清晰，最后定出的价格自然不合理。

误区 2：忽视价格敏感度，定价靠 “拍脑袋” 而非 “算数学”

第二个误区，很多人没把定价当成一道数学题。这道题的核心是“PE”（Price Elasticity），也就是价格敏感度，它是一个算法——用销量的变化量除以价格的变化量，就能算出市场对价格调整的敏感程度。

大家看这张图，当PE=0.25，绝对值小于1时，说明这是个非弹性市场。就像油盐酱醋这些必需品，价格稍微调整，销量不会有太大波动。

反过来，航司就是典型的弹性市场，价格一变，消费者很容易就换别家了。

图片来源浅觉深知咨询

在非弹性市场里，哪怕提价导致销量下滑，利润和营收反而可能双双增长。硅谷创业大佬彼得·蒂尔说“竞争是给失败者的游戏”，他找的就是这种价格弹性低的非竞争市场。

而我们国内SaaS企业面临的大多是竞争激烈的场景，就算提价会让销量下降，但就像去年崔牛会说的“盈利有数”，最终利润依然可能上升，哪怕PE值达到-1.5也不例外。

反过来想，在非弹性市场里降价就很不划算，销量可能涨了，但利润和营收都会双双下降。

所以销售们随口说的“打九折、打八折”，其实都该先算算账，结合过往数据来定，不能凭感觉。

我们可以再做个直观对比，把企业经营的核心指标拆成价格、平均成本、销量、固定成本这四项，假设每一项都做5%的改善。

比如，价格从100欧元提到105欧元，成本从60欧元降到57欧元，销量从100万提升到105万，固定成本从3000万降到2850万。

从结果来看，价格对利润的影响是最大的，提价5%带来的利润增长远超过成本优化和销量提升。

如果能成功提价5%，企业能马上收获5%的利润提升。但如果想通过精益管理减少5%成本，或者通过拓展市场提升5%销量，虽然最终也能提高利润，但要付出的努力和精力，远比简单的价格调整多得多。

当然，这一切的前提是市场能接受这个提价。

反过来也一样，如果价格出现5%的恶化，对利润的负面影响也是最明显的。

所以企业在追求利润时，调整固定成本、提升销量都很重要，但价格这个关键点绝对不能忽略。

往往1%的价格变动，需要在其他方面付出2%~3%的努力才能弥补回来。

美国投资机构YC的测算也印证了这个结论。他们提出SaaS企业存在“获客、留存、变现”的不可能三角，而如果孤立看每个维度1%的优化对利润的影响：

获客提升1%能带来3.3%的利润增长，留存提升1%能带来6.7%的利润增长，而变现环节多卖1%的价格，能带来12.7%的利润增长。这足以说明，正确的价格调整对利润的撬动作用有多显著。

我这里说的“正确”打了引号，不是盲目鼓励大家涨价，而是正确的价格策略调整，效果确实比其他策略更立竿见影。

我们可能要花大量时间招聘销售提升销量，制造型企业还要花很多精力做成本优化，这些初期投入往往都是负的。但只要价格调整得当，企业利润的变化马上就能看到。

所以我用这么多篇幅，只是想跟大家证明：价格对企业经营和利润至关重要。如果在座的是企业CEO或高管，这件事真的应该重视起来。

误区 3：把价格当 “竞争武器”，陷入价格战囚徒困境

再来说另一个误区：很多企业没把价格当成保护利润的工具，反而把它变成了“杀敌一千自损八百”的激进武器。

大家总习惯用价格撬动市场、占领份额、快速扩张，但价格战本质上是博弈论里的“囚徒困境”——你盯着竞品调价，竞品也在盯着你，形成镜像反应。

大家看这张图里的三种情景，最右边就是价格战的结果：两家企业一开始跟着彼此涨价，市场越做越好，但某一刻其中一家突然降价，另一家很快也会跟进。

最后市场虽然能达到新的平衡，但整个行业的利润都会变得非常微薄。

而左边的“价格领导者情景”是有实际案例的。比如有朋友提到泡泡玛特，它把IP做起来后，定价里包含了IP价值，整个手办市场就没有陷入价格内卷，不像奶茶、咖啡行业那样。

我岁数大了，对泡泡玛特不算熟，但我以前常举iPhone的例子——iPhone每年都在提价，整个手机行业也会跟着它的价格节奏走。

这种情景需要行业内的竞争对手有一定配合，也可能是两家实力相当的企业共同引领价格。

这三种情景都是行业可能出现的均衡状态，不会因为一点风吹草动就被打破。

咱们国内一提到价格，很多人就想到价格战，但其实定价远不止“卖多少钱”这么狭义，它还有更多战略维度可以探索。

我们刚才说的三种价格情景，都是行业能稳定存在的均衡状态，不会因为一点行业波动就被打破。

国内很多人一谈到价格就想到价格战，但其实定价远不止“卖多少钱”这么狭义，它的范围要更广。

我之前听老教授说过，拉丁语里“价格”这个词，翻译过来包含价格、价金和价值三层意思，也就是说在拉丁语里，价格和价值本就是一回事。

英语里也一样，“定价”是pricing，“价格”是price，两个词完全不同。所以我们对定价的理解不能太局限，不能一谈起定价就只比谁卖得贵、谁卖得便宜，陷入恶性竞争。

定价其实还有两个重要的战略维度，今天我们重点聊一聊。

第一个是“以什么单位卖”，同一个产品可以有不同的计费单位，比如按流量、按小时、按次数，核心是要切中用户的价值核心。

第二个是“以什么模式卖”，这两个维度可能有点抽象，我给大家举个实际例子。

我们之前和米其林有过合作，他们做商用车轮胎，刚开始在中国市场很难打开局面，因为价格贵，拼不过国内品牌。

后来他们做了PMF调研，去问已经买了的客户：“你们觉得米其林轮胎好在哪？”也去问没买的客户为什么不买。

最后发现，商用车客户真正在意的是两点：

一是米其林轮胎质量好，不容易坏，能减少维修和换胎时间，让车能24小时跑运输，提高运货效率；

二是轮胎摩擦小，能帮他们节省燃油费——商用车的成本里，燃油费占了很大一部分。

既然客户认同这两个核心价值，米其林就换了个思路：我不卖轮胎了，改卖“公里数”。产品还是那个轮胎，但定价维度完全变了。

他不跟国内厂家比轮胎单价，而是跟客户说“按你跑的里程收费”，跑多少公里付多少钱，这就和客户的核心价值直接挂钩了——客户跑得多、赚得多，才需要多付费，完全能感知到价值。

后来米其林还做了模式创新，在轮胎上装了探头，通过数据分析给司机提供驾驶建议，帮客户进一步节省油费。

节省下来的油费，双方分成；没节省的话，米其林就不拿这部分提成。

产品本质没变，但定价维度和模式一调整，市场就打开了。

所以说，定价不只是定一个价格数字，卖什么单位、用什么模式同样关键，核心是要和客户的价值诉求挂钩。

除此之外，定价还有一个经常被忽略的点——管理。定价从来不是定完价格就结束了，它需要一套体系化的管理流程来支撑。

如果在座有做销售的朋友，肯定都知道“薄利多销”的道理——客户体量越大，价格就可以定得越低。

但大家如果去拉一下公司的销售数据就会发现，实际情况根本没有规律，所谓的“薄利多销”往往不存在。因为不是一个人在负责定价和销售，参与的人多了，价格体系自然就混乱了。

误区 4：定价策略单一，缺乏体系化管理

所以定价这件事再延展一下，其实还涉及到企业的规范化管理和价格管理体系。销售折扣只是其中一部分，大家千万别把定价理解得太狭义，它其实是个挺复杂的事。

另外，很多人觉得定价是销售的事，其实不然，它是整个公司体系的事。现在大家总说“一把手工程”，虽然说得多了有点俗，但AI转型是一把手工程，定价同样也应该是一把手工程。

总结一下我们刚才说的定价误区：

第一，成本估算不准，PMF做得不到位；

第二，定价策略太单一，只盯着价格数字；

第三，市场竞争中容易陷入价格战；

第四，缺乏完善的管理体系，觉得价格定完就结束了，忽略了它是一个循环优化的过程。

刚才有朋友问起“经验主义提价”的边界，国外有个参考标准，来自YC的《PRICING 101》课程：如果提价后客户流失达到20%，就说明价格可能触到天花板了，需要停下来调整。

国际化定价也一样，很多SaaS企业觉得应该统一定价，其实并不合理。不同地区经济发展水平不同，我们通常会选一个“锚定国家”，其他国家的价格再根据这个锚点进行上浮或下调，这样更贴合当地市场。

顾老师提到的“价格歧视”，在英语里其实是个中性词，本质就是根据不同客户群体制定不同定价，最极端的是“一人一价”，但这种模式不是所有行业都能接受。

接下来我们聊聊刚才那位女士提到的PLG增长，这其实是定价的一部分。这个课题比较新，我们也是抱着学习的心态，把实践中好用的方法分享给大家，有任何问题随时可以交流。

（1）核心框架：策略、设定、执行、复盘四步走

AI时代的产品和软件，定价方法论其实没跳出核心框架，主要还是这四点：

第一是策略。定价没有绝对的对与错，关键看是否匹配公司的业务策略。很多企业上来就问“怎么定最好的价格”，但首先得想清楚公司目标——是要获新客、做留存，还是冲增长、赚利润？方向明确了，定价才有的放矢。

第二是价格设定。这部分我们待会儿会展开讲，包括刚才提到的心理价位区间，都会具体聊。

第三是执行。定好的价格能不能落地很关键。比如一套软件标价100万/年，但销售执行时总只卖40多万、50多万，那前面的定价策略就全白费了，所以执行环节一定要管好。

第四是复盘。这就需要配套的组织流程，顾老师也提到了，比如成立定价委员会、定期复盘、设置专职定价人员。至于专职定价人员该具备哪些能力，回头我们可以单独讨论。

这四点就是我们核心的定价方法论，不管是传统软件还是AI产品，都适用。

顾老师刚才也提到，很多人会问“我们公司的价格到底怎么样”，这个问题其实很难回答。

如果是我熟悉的C端产品，还能说两句，但企服产品我没实际用过，根本给不出精准建议。

所以核心方法论还是要回到客户本身——把定价（PRICING）融入PMF（产品市场契合）里。

（2）价格设定的科学方法：从 PSM 到联合分析

就像之前我们画的蓝色大框小框，顾老师做的客户深访也不只是为了做PMF，更是为了找准定价的根基。再好的定价策略，没有PMF支撑，也卖不出好价格。接下来我们展开讲几个具体方法。

第一个是PSD、PSM方法，核心就是三个问题，正好能回答刚才那位女士问的心理价位区间。

第一个问题：你觉得多少价格合适，低于这个价就算性价比很高？第二个：多少价格会觉得有点贵？第三个：多少价格是太贵了完全不能接受？

问足够多的客户后，就能画出对应的曲线，曲线跳跃的地方就是关键的心理价位。

比如1万5这个价位段，很多客户会觉得不合适而流失；到2万的时候，更多人会觉得贵。

其实产品同学也可以从定价角度反推产品设计——如果客户的心理价位区间在1万5、2万、2万5这三个点，产品功能就可以围绕这三个价位来匹配。

这个方法的优点是简单易用，但缺点也明显：存在人为偏差，比如客户可能明明觉得价格合适，却故意说贵。

那怎么校正偏差呢？可以用“联合分析”，这个方法稍微复杂点，需要一点编程能力，网上相关内容不算多，但能找到。

它的核心是把产品价值拆解成多个维度，再随机组合让客户选择。比如一台电脑，拆解成品牌、芯片、尺寸、内存、价格五个价值点，然后组合出不同方案，让客户选“会买哪款”或“都不买”。

客户选择后，背后的算法会自动调整下一轮的组合，通过多次选择，就能测算出客户的核心驱动因素——是更看重品牌、屏幕尺寸，还是CPU或价格。而且每个用户看到的问卷都会根据他的回答动态变化。

这个方法能得出两个关键结果：一是每个属性的重要性，比如调研后发现屏幕尺寸和CPU是用户最看重的两个维度；二是“效用值”，比如CPU从I3升到I5，效用值能增加38，这比品牌从惠普换成戴尔的重要性还高两倍多。

产品同学可以根据效用值来组合产品，比如用高效用值的15寸屏幕，搭配I3芯片和5000元价格，凑出目标效用值。

反过来，还能把效用值货币化，算出每个效用值对应多少人民币（比如这里大概一分钱），这样就能精准量化品牌价值、功能价值等。

对SaaS企业来说，也可以把产品功能作为价值点做联合分析，不过不能拆太多维度，否则组合会过于复杂。通过这种方式，能清楚知道用户选择软件时，哪些功能或价值是最核心的，这比单纯猜价格要靠谱得多。

对SaaS企业来说，联合分析同样适用——我们可以把产品功能作为价值点纳入分析。

不过联合分析不适合过多维度的调研，不然组合会过于复杂，只要选取核心功能维度，就能调研出用户的真实偏好。

简单说，联合分析就是让用户在两个选项中做选择，从而找出他们最看重的东西。

比如用户选择软件时，到底是核心功能、易用性还是售后服务更重要，通过这种方式能清晰判断。这属于外部调研，而内部数据也同样关键。

就像顾老师提到的，企业内部的数据同学一定要做好运营埋点，跟踪用户对哪些模块是重度使用、哪些是轻度使用，这能为定价提供重要依据。

这两种是核心的调研方法论，其他的就不展开了，至少能回答刚才大家关心的心理定价问题。

接下来聊聊定价的另一个关键点——打包策略。

（3）打包策略：借鉴麦当劳逻辑，提升变现效率

顾老师的案例里提到，他们公司会针对每个细分市场设置高、中、低三个定价档，这就是典型的打包策略。

具体来说，打包模式主要有三种：

最左边是“全功能打包”，所有功能整合在一起，客户要么全买要么不买，灵活性较差；

最右边是“功能拆分”，每个模块单独定价，客户按需选购，灵活性很高，但对定价和销售的要求也高——需要跟客户逐一解释每个模块的价值，还要梳理好每个模块的定价；

中间的模式最常用，就是分“普通版、进阶版、旗舰版”（也叫良好、优秀、最佳），兼顾灵活性和变现效率。

为什么大家更倾向于中间的打包模式？

首先，功能拆分虽然容易渗透市场，但变现效果最差——用户只会选自己必需的模块，很难实现价值最大化；而中间模式可以在核心功能基础上，附加一些增值功能，自然能把价格提上去。

这也是很多美国SaaS企业能实现“向上销售”的关键，先让客户买基础包，再通过搭售增值功能提升客单价。

其次，从心理学角度看，给用户太多选择，他们反而会“少买”，这就是为什么麦当劳的打包策略值得借鉴。成功的打包策略里，每个套餐都该包含三类产品：

第一类是“冠军产品”，也就是客户最核心的需求点，用来吸引客户下单。就像麦当劳的巨无霸，大部分人去麦当劳都是冲着它来的，很少有人只点一杯可乐就走。

对SaaS产品来说，就是要把效用值最高、客户最需要的功能放进每个套餐，作为引流核心。

第二类是“填充产品”，比如麦当劳的薯条和可乐，单独买客户可能犹豫，但搭在套餐里，再给点折扣，客户就愿意接受。欧洲商超也常用这种策略，在购物篮里塞一些小物件，提高客单价。

SaaS产品也一样，把一些用户可买可不买的功能作为填充项，跟核心功能打包，告诉客户能享受优惠或额外价值，就能提升套餐的吸引力。

最理想的效果就是麦当劳的理念：“在你不饿的时候卖你薯条，在你不渴的时候卖你可乐”，让客户觉得“划算”而下单。

第三类是“低效用产品”，这类产品一定要排除在套餐外。比如欧洲的麦当劳不会把咖啡放进套餐，因为欧洲人更爱喝正宗咖啡，觉得套餐里的速溶咖啡掉价，反而会影响下单。

SaaS产品也一样，那些用户不看重、效用值低的功能，千万别放进套餐，不然可能让客户直接放弃购买，前面的打包设计就白费了。

（4）AI 时代的定价创新：PPMF 与结果导向转型

进入AI时代，我们之前聊的定价基本方法论依然适用，今天我会结合实际案例，重点讨论两个核心点。

第一个是PMF，我们已经反复提到过它——就是那个蓝色大框小框的模型，顾老师也说过“没有好的产品，就没有好的定价”，我非常认同这个观点，PMF是定价的根基。

第二个是今天早上大崔老师提到的“结果导向的AI”。他在PPT里提到一个关键观点：传统SaaS企业很少做结果导向，只有4%的SaaS公司在做，这个点很值得我们深入探讨。

先详细说说PMF。PMF其实没那么容易实现，顾老师做了很多客户深访，我们给企业做咨询时也一样，必须通过大量深访才能找准PMF。

国外有专家跟我讨论过，要实现真正的PMF，得先区分清楚几个关键环节，还要避开“虚荣信号”——比如社交媒体的关注、赢得路演比赛，这些都不代表你已经获得了PMF，顶多只能说明有初步需求。

真正的PMF要经历五个阶段：

第一，明确行业是否存在某个痛点，这需要通过拜访客户、深度访谈来确认；

第二，判断这个问题是否紧迫，客户是否愿意付费解决；

第三，验证我们的解决方案能不能真正解决这个问题，这一步叫PSF（问题解决匹配），还不算PMF；

第四，商业模式是否适配——能解决问题但赚不到钱，也不叫PMF；

第五，当商业模式跑通，还能实现规模化，才算真正达成PMF。

达成PMF的信号很明确：高留存、重复购买、大量满意客户、口碑推荐等等。

而如果只是做到了PSF，客户可能在免费试用或折扣期很满意，但让他全价购买产品，就不太乐意了——这说明还没到能规模化变现的PMF阶段。

大家都很关心AI产品的PMF，红杉今年提出了AI产品PMF的三大范式，还有英文原文，回头大家可以关注我的公众号查看。

这三大范式分别是：紧迫需求（hair on fire，直译就是“头发着火了”）、基于事实、未来愿景。

红杉主要从市场和产品两个维度解读这三大范式：

• 紧迫需求对应的市场，是客户正在积极比对不同解决方案，还被多个供应商同时营销；对应的产品，是客户能迅速理解其差异化价值，且产品能比竞品更快落地。

• 基于事实对应的市场，是已有不少玩家在布局，市场已经存在；对应的产品，是能唤醒客户认知，让客户知道有更优的解决方案。

• 未来愿景对应的市场，是客户还没意识到自己有这个需求，但市场出现了新趋势，能让过去不可能的事变成可能（比如AI网页编程）；对应的产品，是技术力足够领先，能实现这个未来愿景。

红杉还用苹果举了例子，很直观：上世纪七十年代，苹果提出“家用计算机”概念时，市场上还没有这个品类，属于“未来愿景”型PMF；

后来市场上出现大量个人计算机，Mac就变成了“基于事实”型PMF；

到了iPhone时代，全球用户都疯狂抢购智能手机，就变成了“紧迫需求”型PMF；现在的Vision Pro，又回到了“未来愿景”的范式。

红杉用苹果的案例得出一个关键结论：对企业来说，PMF的范式不是固定的，不是说一定要做“火烧眉毛”式的紧迫需求型PMF，它是一个不断变动的过程。

这也解释了为什么顾老师会说，就算在产品开发和定价过程中，我们也要不停寻找PMF和定价的最佳契合点。

很少有企业能定一次价就一劳永逸，因为产品一直在迭代，市场也在变化。

那怎么判断我们的产品处于哪种PMF范式呢？红杉给了三个明确的判断标准：

第一种是紧迫需求（hair on fire）型。客户会喊“现在就要帮我解决问题”，需求非常迫切。

这个品类的市场通常比较拥挤，我们要做的是克服市场噪音。产品层面，要让客户迅速理解其差异化价值，而且产品要比竞品更有竞争力。

成功的关键是“与众不同”，而不只是“更好”；失败的风险则是被竞争对手超越。

第二种是基于事实型。客户会觉得“事情本来就是这样”，市场相对停滞，我们要克服的是客户的固有习惯。

产品层面，要针对客户已经接受的痛点做创新，核心是颠覆现状。失败的风险是客户觉得这个问题“不值得解决”。

第三种是未来愿景型。客户还没意识到自己有这个需求，但市场出现了新趋势，能让过去不可能的事变成可能。

这种范式能帮我们判断产品当前所处的PMF阶段，红杉认为AI时代这三种PMF范式都可能存在。

刚才那位女士提到的增长，其实也是商业化和定价的一部分。福布斯之前发布过AI领域的TOP50榜单，涵盖了消费品、机器人、大模型等多个领域。

我们基于这个榜单，给PMF做了一个量化定义，满足以下四点才算达成PMF：

第一，创始人明确对外宣称已经达成PMF；第二，ARR达到100万美金以上（这个数据来自海外市场，供大家参考）；第三，收入连续四个月以上环比增长15%；第四，用户增长指标和融资时的叙事一致。

从这个定义来看，大部分企业达成PMF平均需要一年以上。

不同赛道差异很大：消费级产品难度低，AI搜索类7个月就能达成，Midjourney用了10个月；而ToB的企业级解决方案竞争激烈，美国市场平均需要40个月，也就是三年多才能达成100万美金ARR的目标。

不同PMF背后对应的增长模式也不一样。刚才提到的POG、SOG增长模式，具体可以分为这几类：

消费级AI产品（偏B2C），靠社区和社媒驱动能快速达成PMF，平均12个月；开源也是一种方式，需要14个月；通过海外网红带货，平均17个月左右。

大部分企业会采用混合模式：一种是SLG（销售驱动增长），靠销售团队推进，大概36个月能达到100万美金收入；

另一种是产品驱动，需要40个月左右；

还有靠渠道商（合作伙伴）驱动，像Cohere这种底层技术公司就常用这种方式，需要53个月，但这种方式很少单独使用，大多作为辅助渠道。

基于这个观察，我们提出了一个新概念——PPMF，就是把定价（Pricing）融入到PMF里。

传统PMF关注产品和市场的契合，而商业模式契合（Business Model Fit）是前提，这里的商业模式核心就是变现能力。

所以我们建议，做PMF调研的时候一定要把定价加进去。

比如产品同学问客户“这个功能你需要吗”，不如多问一句“如果让你付100块，你还需要吗”，答案可能完全不同。

这就是PPMF的核心逻辑：定价要回答三个问题——卖什么（比如按坐席、TOKEN、任务）、怎么卖（比如订阅制、积分制、按结果收费）、卖多少（比如按市场对标、利润分成、价值分润）。

把PPMF和传统定价方法论结合起来，就是AI时代产品定价的可落地方法论。

接下来我们讨论第二个问题：结果导向定价。

去年崔牛会有投资机构提出，AI时代定价会从坐席制变成基于价值或消耗的定价。

今年年初红杉也在访谈里说，未来AI时代的定价，会从传统SaaS的“输入型定价”转向“交付结果型定价”，这个访谈大家感兴趣可以去看看。

接下来我们讨论第二个核心问题：结果导向定价现在到底能不能落地？该怎么落地？

这是我们今年9月的观察，现在来看依然适用。虽然大家都在说价值交付、结果导向定价，但在中国市场实践时，会遇到三个核心问题：

第一，产品价值依赖客户使用能力。如果客户不会用，产品价值根本发挥不出来，这就需要客户成功团队去教，或者产品本身足够易上手、能自助使用（Self service）。

第二，价值难以衡量。产品确实能创造价值，但不知道用什么维度、什么KPI来量化这个价值。这就需要我们先找准客户的核心价值点，明确衡量标准。

第三，价值基线难界定。我们知道产品能给企业带来价值，但收费时很难说清“哪些价值是软件带来的”——这需要先了解客户的业务流程，摸清他们的原有基准，才能界定软件创造的增量价值。

总结下来，结果导向定价对客户很友好，但对乙方挑战极大，相当于把所有风险都扛在了供应商身上。不过市场趋势已经在往这个方向偏移，所以还是要做，只是可以多增加一个维度来降低风险。

这个新增维度就是“客户自助性”，我们由此形成一个定价矩阵：纵轴是自助性（客户是否能独立用好产品），横轴是价值创造（产品能给客户带来多大价值，比如10倍价值）。

基于这个矩阵，有三种核心定价选择：

第一种，左上角（高自助性、低价值）：客户能自己用，但产品创造的价值有限。这种情况可以按“过程”收费，比如按完成的流程数计费，类似RPA产品的逻辑——虽然价值不大，但客户能自主释放价值。

具体还能细分：按工作流收费（比如Salesforce）、按替代人工的人头数收费（比如AI法律产品Harvey）、按智能体的活动量收费（比如AI SDR的电话量、邮件量）。

第二种，右上角（高自助性、高价值）：客户不用帮忙就能用好，且价值能马上释放。这是最适合结果导向定价的场景，可以直接跟客户说“按价值交付结果收费”。

第三种，左下角（低自助性、高价值）：产品有价值，但需要我们团队上手协助才能落地。这种情况适合用混合定价模型，还能根据需求设计阶梯式、上封顶、下封底等复杂曲线。

所以如果现在做结果导向定价风险太高，不妨退一步：不按最终结果收费，而是按产品能完成的工作内容收费。

这种方式已经脱离了传统SaaS定价逻辑，又能规避纯结果定价的风险，只是可能需要我们的团队配合客户落地，才能完全释放价值。

（5）AI 产品定价形态：三种模式与组合矩阵

按过程收费是结果导向定价的中间选项，目前AI产品主要有三种定价形态，早上崔老师也提到过：

第一种是单独售卖，比如GPT这类纯AI产品，直接独立定价销售；第二种是传统SaaS产品叠加AI模块，AI作为独立模块单独收费；第三种用得最多，就是在传统产品里内置AI功能，跟着传统产品一起卖，靠传统产品的流量带动AI功能的变现。

这三种形态的核心还是要回归客户价值，我们可以用一个矩阵来规划AI功能的打包和组合——横轴是对客户的价值，纵轴是功能的用户采用率。

AI功能场景散、单独收费效益低，打包组合才能实现价值最大化：

• 高采用率+高价值：作为“领导型功能”，用来充实现有产品，还能顺势提价；

• 高采用率+低价值：作为“填充型产品”，放在传统产品套餐里，稍微提价或补充价值；

• 低采用率+高价值：单独收费，毕竟用的人少，单独定价能更好地匹配其高价值。

我们统计了国外substack、Copilot、Zapier、GitHub等产品的定价，发现含AI功能的价格和传统SaaS价格相比，比例大多在0.7到1.5之间，不算特别高，个别单独售卖AI功能的产品价格甚至低于传统SaaS。

这说明在向AI结果导向转型的过程中，混合定价模式是目前更稳妥的选择。

所谓混合定价，就是结合订阅制、结果导向、过程计费、点数制等多种方式。

比如纯订阅制，或者订阅制+按使用量收费（包括利润分成、点数消耗），再或者订阅制+解决方案（比如替代外呼人工，按人头收费）。

最后跟大家快速解答几个常见问题：

1. 如何衡量价值？首先要找到打动客户、让他们愿意付费的核心价值点，就像电脑的芯片、内存那样，先明确SaaS产品的核心价值维度，再量化形成闭环。

2. 坐席制还有机会吗？有，行业早期有惯性，但新模式是趋势，混合收费目前是不错的过渡选择。

3. 定价维度怎么选？关键是和用户诉求挂钩，比如米其林按公里数、Shopify按接入数、Calendly按会议室、Zoom按时间和参与人数，逻辑能跑通，就能作为收费点。

4. 如何执行价值定价？先有产品再考虑定价，但定价时要同步理清用户支付意愿，这就是我们说的PPMF（把定价融入PMF）。

5. 如何平衡免费、低价和收费？核心看公司策略，定价策略要服务于公司的整体目标。

6. 如何形成差异化？不用改产品，调整定价模式也能实现，关键是让定价逻辑和客户价值感知匹配。

接下来跟大家分享两个实践案例，先说说我们的服务方案：我们和顾老师一起推出了三种服务，一是360度定价诊断，入门级解决方案，帮大家完善定价能力；二是定价培训，通过工作坊拉通多团队协作；三是长期辅导，深度参与定价体系优化，交付实际结果。

（1）案例一：Clay：订阅制 + 点数，巧用心理学提升转化

先讲第一个案例Clay，它是OpenAI的客户，增长很快，主要帮企业做海外GTM，丰富潜在线索的姓名、职位、电话等信息。

它的定价分5层，从免费到入门版、探索版、专业版，再到定制化企业版，企业版不公开价格。

它的核心是“订阅制+点数”模式，用户不限量，但搜索次数和点数有约束，已经不是传统的坐席制售卖。

值得一提的是它的定价页设计，运用了“损失厌恶”的心理学原理——把最贵的专业版（720美元/月）放在最左边，展示全部功能，越往右价格越低，功能越少。

就像欧洲卖披萨的实验：一种是光披萨加配料收费，一种是全配料披萨让顾客去掉不想要的，后者平均单价更高，因为顾客不想“失去”已有的配料。

Clay的定价页就是这个逻辑，让用户觉得“默认拥有全部功能”，放弃时会更谨慎，从而提高高价位套餐的转化率。

（2）案例二：Eleven Labs：分层定价的优势与改进空间

再讲第二个案例Eleven Labs，它做文本转语音，定价分7层，从免费到入门版、创作者版、专业版、扩展版、商务版，再到企业定制版，月费最高达1320美元，也是用点数限制使用额度。

免费版点数少，只能完成少量任务，比如50多个数据访问权限、100多次企业搜索，帮海外市场找到目标客群的邮件联系方式；中小企业版增加了数据表格导出，大企业版支持团队协作，企业版还能集成Slack、Snowflake等工具。

先接着说Clay的搜索功能——它能帮海外做GTM的企业，根据目标客群精准搜出对方的邮件联系方式。

中小企业版还支持数据表格导出，大企业版则提供团队协作功能，企业定制版能集成Slack、Snowflake等工具，这些亮点就不细说了，重点聊聊Eleven Labs的定价。

我之所以举Eleven Labs的例子，是因为前两天他们在领英上给我发邮件，问我要不要买他们的产品。我第一反应就是“客户画像可能有点问题”，于是特意去研究了他们的定价。

Eleven Labs做的是文本转语音（text to speech），就是输入文稿能生成语音，定价分7个层级，从免费到企业定制，月费最高达1320美元，也是用额度（点数）限制使用。

不同额度对应不同功能，比如文本转语音、语音转文本、音乐生成，专业版还能解锁更高质量的音频输出，整体看起来特别复杂。

它的点数机制更绕，我这个行业内的人都得琢磨半天。

免费版和入门版默认分别能转20分钟、60分钟录音，还不能额外购买时长；到了Creator Pro及以上版本，才支持额外买点数，而且订阅版本越高，额外点数越便宜，我算了一下，差不多能打七八折——这一点国内外的逻辑是相通的。

更复杂的是，它的文本转语音、语音转文本、变声等所有功能，都要消耗点数，整个定价体系显得很繁琐。

从Eleven Labs的定价里，我们能学到两点，也能看到一些可改进的地方：

值得学习的是，它的客户分群做得很到位。除了企业定制版，还明确划分了6个客户群，价格从0元到1320美元，覆盖了从个人试用者到专业用户的全场景，能精准匹配不同需求。

另外，它采用“免费试用+付费升级”的freemium模式，价值曲线很清晰，能有效引导用户从免费版升级到中高端版本；同时合理利用了阶梯式递减策略，鼓励高消费用户升级，这也是值得借鉴的。

还有一点，它用点数作为统一货币体系，把所有功能模块化打包，灵活性很高。

可改进的地方也很明显：

第一，价格层级有断层。从99美元的专业版到330美元的扩展版，中间缺少150-200美元的过渡层级，可能会流失一部分有中间价位需求的客户，看着也不太连贯。

第二，缺少场景化定价。它只告诉用户“多少点数能做什么”，却没说这些点数能带来什么实际价值——比如“用这些点数能做一款教育播客，预计能覆盖多少听众”“能支撑一个客服机器人运行多少天”，用户得自己换算点数、脑补场景，认知成本太高，很难决策该买多少点数。

第三，定价逻辑不够直观。虽然模块化和点数制灵活，但过于复杂的规则会抬高用户的学习成本，定价页很难让人一眼看明白“我该选哪个版本”。

第四，缺乏生态合作。它没有像Clay那样集成主流工具，也没做场景化的捆绑策略，如果能参考GBB（好、更好、最佳）模式做套餐捆绑，再和生态伙伴合作，体验会更好。

客观说，Eleven Labs理论上是一款PLG（产品导向增长）产品，但他们却用“领英发邮件”这种偏传统的方式获客，确实有点不合适。