AI 定价的五大新兴趋势:销售领导者在前线看到的变化

本文信息来源:baincapitalventures
AI 定价并不在于技术本身,而在于公司能否清晰地定义(并证明!)其所创造的价值。
如今,几乎没有公认的 AI 赢家;企业面临着紧迫的机会来制定精准的定价策略并夺取品类领导地位。在这场残酷的竞赛中,定价失误将带来足以终结公司的后果。
从基于结果的定价到 token 疲劳,以下是我们近期与 AI 原生初创公司及整合 AI 的成熟平台的高级销售领导交流中出现的五大关键趋势。
1. 基于 token 和纯按席位计费的定价模式正在失去青睐
尽管基于 token 消耗的模式曾被视为为 AI(尤其是由 LLM 驱动的产品)定价的最自然方式,但如今许多供应商和买家都认为这种模式不可持续或不够透明。
代币成本的持续下降意味着基于消费的定价在每次模型发布时都会被削弱。精明的买家会要求相应地重新谈判与供应商的合同。对于提供商来说,结果是可变成本之上的利润空间缩小,且无法覆盖固定成本结构。
纯按席位计费的模式同样在逐渐失去人气。虽然这种模式对买家来说容易理解,但它会阻碍实现嵌入性和留存所需的广泛采用。一家对话式 AI 公司的销售负责人强调:
“我们的定价是围绕代理解决的问题来制定的。有趣的是——我们很多竞争对手过去都是按席位计费的。我们是第一个说‘不,我们是按工单量计费的,你可以有无限用户’的公司。现在或经常情况下,我们的大多数竞争对手也这么做。”
创始人应谨慎将定价与呈下降趋势的指标挂钩——比如模型成本。虽然在某些情况下按席位计费作为定价组件是合理的,但它不应以牺牲在客户员工群体中促进广泛采用为代价。
2. 简单性和可预测性比以往任何时候都更重要
简单性通常被认为是定价的核心原则。正如 Index 的联合创始人兼 CEO Simon Kucher 所说:定价应该易于解释、能够随价值扩展、可实施,并确保账单的透明性和公平性。
随着 AI 的影响力不断扩大,买方对定价清晰度的需求也在增加。几位销售领导者强调了可预测性的重要性,尤其是在 AI 功能涉及组织多个部分时。
对于 AI 原生公司来说,这意味着要尽可能让定价透明。一位来自 AI 驱动的客户支持公司的销售领导者回顾了他们主要按每位客服的对话次数(而不是按解决问题次数)来定价的决定:
“按会话计费是最容易预测和衡量的单位。历史会话量可以为年度相关成本建立一个非常可预测的模型。基于结果的定价则可能会出现‘如何定义一次解决’的问题。”
对于在 AI 产品上追赶的老牌企业来说,“简单和可预测”通常意味着对现有客户保持价格不变。竞争异常激烈;买家将 AI 赋能视为基本配置,而不是可以单独加价的项目。
一家科技驱动的营销公司企业销售副总裁解释说,尽管他们已将 AI 深度嵌入产品路线图,但在报价单上他们通常不会单独列出 AI 项目:
“它现在只是套餐的一部分。对于新客户,我们会在后台与财务部门一起核算 AI 成本。这将帮助我们吸引并留住更多客户……即使利润率可能会受到影响,从收入增长的角度来看,交易带来的收入和后续影响在长期内都是值得的。”
共识:复杂且可变的定价难以解释,更难销售——尤其是面对采购周期长的大型企业。买方希望明确知道他们将为哪些内容支付多少费用。
3. AI 定价正越来越多地与投资回报率(ROI)挂钩,而非功能。
展示软件定价的明确投资回报率一直是个难题——如今更是如此,因为软件的投资回报率可能包括降低人工成本。如果员工被软件部分或完全替代,那么该软件相比之前的 SaaS 工具就能定更高的价格。由于这种复杂性,一些原生 AI 颠覆者正在使用内部价值顾问来量化 AI 的投资回报率。例如,在一家公司的案例中:
“我们现在有一支价值顾问团队,为客户建模未来 2–3 年的成本节约和劳动力效率。这帮助我们将对话从‘你的模型成本是多少?’转变为‘我们为你节省了多少?’”
与任何定价提案一样,关键在于让客户认可你所推销的投资回报率(ROI)。对于最新的 AI 技术——潜在客户对其价值交付的经验较少——需要通过精心设计的 POC 来证明其影响力。
一家全栈企业级 AI 平台的战略销售副总裁分享道:
“我们做了很多 POC、大量定制化演示和验证,直到潜在客户能够说:‘是的,我们同意这对我们来说会有价值,并且会带来显著的投资回报率(ROI)。’”
我们采访的每位销售负责人都强调,POC(概念验证)必须严格控制。在 POC 开始之前,就要明确成功指标(例如解决率、无人工接触点)和企业最低要求,否则潜在客户将被取消资格。一家公司甚至根据潜在客户的特征,制定了四种不同的 POC 原型并加以部署。这种严谨性使供应商能够掌控潜在客户的体验,并在客户的具体需求背景下更好地展示产品价值。
4. 销售团队反馈正在推动定价模型的快速迭代
一般来说,定价应根据市场反馈灵活调整。如今,随着 AI 迅速改变软件商业化,这一点尤为重要。几位顶尖初创公司的销售人员描述了高度灵活的内部反馈循环,GTM 团队直接参与制定定价策略。
Ramp 中端市场销售主管 Michael Weber 分享了产品与销售之间的紧密协作:
“我们完全基于 AE 的反馈优化了[我们的新产品]的定价。产品团队与 GTM 领导层之间有着深厚的相互尊重。”
其他人也呼应了交易台灵活性的重要性:
“我们最近重新调整了定价。在推出之前,团队收集了销售代表的反馈,聆听了 Gong 通话,并据此制定了新的结构。”
这种迭代方法不仅合理,在人工智能产品开发和使用模式几乎日新月异的环境中更是必不可少。创始人请注意:你们的销售团队正是客户的心声。建立清晰的反馈机制,确保根据他们揭示的模式——尤其是失败交易中的模式——持续调整定价策略。
5. 成功的 AI 销售仍依赖于经过验证的销售方法论
或许这会让读者感到欣慰,促成成功交易的关键仍然在于成为一名优秀的销售人员(比如:MEDDPICC)。
一位多次组建企业销售团队的资深人士分享了他们的感想:
“我越想越觉得,‘这其实和其他事情差不多’。采用曲线可能稍有不同,但当我回顾我们成交的交易动态时,大多数看起来都像其他大型企业的战略性交易。”
Unframe AI 销售副总裁 Jacquelyn Goldberg 赞同这一观点,并补充了一点:
“我百分之百同意这一点,不过我想补充的是,在这个全新的 AI 世界里,尤其是在初创生态系统中,你需要非常有创造力的销售人员,而不是只会套用流程的人。我需要那些对 AI 充满好奇的人,这样他们才能更好地进行探索,并充分理解它的运作方式。”
如果你的销售团队感到不堪重负,就回归基础:提出好问题, 真正倾听,并用潜在客户能理解的简单语言来阐述结果。
后热潮时代的 AI 定价
从按代理收费到平台订阅,再到“按影响比例”定价,AI 并没有唯一正确的定价方式。可以确定的是,买家期望透明度,卖家需要灵活性,而每个人都在实时摸索解决方案。
如果从这些对话中有一个普遍的结论,那就是:AI 定价并不在于技术本身,而在于公司能否清晰地定义(并证明!)它所创造的价值。
正如一位销售主管所说:“我们的目标不是销售 AI,而是销售结果。AI 只是我们实现目标的方式。”