尚无人撰写的 SaaS GTM 术语表
在 SaaS 领域，随着 AI 能力的不断演进，许多长期被奉为圭臬的最佳实践和既有认知正受到质疑。GTM 也不例外。它正在被重新改写，新的机会、问题和指标不断涌现，但大多数相关词汇尚未跟上变化。
这些概念不断出现在创始人交流、产品评审以及我们投资组合内的董事会会议中——人们频频提及，却还没有一个清晰准确的名称。我们将这份清单拆分为四个主题类别。
本文的思考借鉴了与 Insight Onsite 专家、高级副总裁 Neal Behrend、副总裁 Jack Rohrer、执行副总裁 Ajay Gandhi、高级副总裁 Samma Hafeez、副总裁 Jared Brickman 以及执行副总裁 Charlene Chen 的交流。
AI 把关者：在你获得会面机会之前会发生什么
你的销售漏斗不再始于潜在客户访问你的网站之时。它开始——而且往往结束——于一场你甚至不知道正在发生的 AI 评估中。
候选名单引力
早在人类真正参加任何会议之前，买方的 Agent 就已经读完了你的网站、你的 G2 页面、你的安全文档，并对你的产品进行了全面拆解——然后悄无声息地将你淘汰，或把你列入一个你从未知晓其存在的名单。即便你通过了这轮审计，你仍将面临第二个结构性问题：AI 采购 Agent 往往会复制同样的供应商候选名单，因为它们接受的是相同语料的训练。其中包括分析师报告、G2 排名、评价网站和媒体报道。强者愈强，无名者继续无名，而再多的主动外联也无法弥补训练数据的缺口。
“在 AI 时代的采购竞争中胜出的供应商，赢在曝光度。如果你不在训练数据里，你就进不了名单。再多冷邮件也无济于事。”
—— Neal Behrend
免疫冷启动式触达
潜在客户的 AI 代理如今正在处理入站销售沟通，将其与既定优先事项进行比对，并在真人尚未看到之前就直接丢弃。你的触达序列并不是失败了，而是被拦截了。当受众是代理而非人时，更好的主题行、更聪明的发送时机，以及用于推动个性化的定制信号，都不会起到多大作用。真正的杠杆已从外呼内容转向“存在感”——也就是代理实际会参考的评价网站、分析师报告和训练数据。
“我们还在持续为那些根本看不到这些信息的人类优化触达序列。买家并没有忽略你的电子邮件；是他们的代理忽略了。你无法靠个性化挤进一份在你发送任何内容之前就已经拟好的候选名单。”
——Jack Rohrer
信号清洗
AI 生成的研究行为会被你的意向评分系统当作人类购买信号来处理。你的营销合格线索（MQL）得分高达 94，但实际上从未有任何人真正对你的产品产生过兴趣。你正在加倍投入的项目、你的业务发展代表（BDR）正在联系的客户账户、你的首席营收官（CRO）正在预测的销售管道——这一切都建立在一个从未真实存在过的信号之上。
“你的意向数据在欺骗你。这并非有意为之，它只是自己也不知道。而你同样不知道。”
—— Ajay Gandhi
死于失去相关性：你如何在从未真正失去客户的情况下失去他们
传统流失会自我显现。这种不会。合同照常续签，日活跃用户（DAU）维持不变，但这段关系却在悄然被掏空。
被动替代
你不会被取消。相反，你只是停止被调用。合同仍然有效，续约自动完成，但随着智能体将任务分流给对 API 更友好、或在其训练数据中呈现更充分的工具，使用量会悄然归零。这不是被取消，而是死于无关紧要；等它反映在你的流失率上时，往往已经太晚了。
“使用情况才是真相。其他一切——合同、登录、续约——都只是滞后指标。在这个时代，被人类签约和被智能体使用是两码事，我不确定哪一个更重要。”
—— Neal Behrend
由智能体介导的客户流失
客户的 AI Agent 可能会主动识别出更匹配的解决方案，并建议切换，即便客户本人从未感到不满。你的 NPS 评分、你的客户经理关系、你的季度业务回顾（QBR）频率，这些都无关紧要，因为真正的决策者根本看不到这些。流失的不是人类客户；是智能体做出了这个决定。
“ 过去，留存意味着让人类用户满意。如今，它意味着防止 Agent 四处寻找替代方案。这需要完全不同的打法。”
—— Samma Hafeez
僵尸式采用
你的 DAU 看起来很健康，但你的内部拥护者并不健康。实际完成工作的，是客户的 AI Agents，而不是签下合同的人类，这意味着产品虽然处于活跃状态，但客户关系已在勉强维系。等到续约时，不会有人类内部拥护者为你据理力争，因为在过去 6 个月里，没有任何人真正深入使用过你的产品。
“你无法管理那些你无法衡量的留存。而如果你的 DAU 无法区分人类和 Agents，那你衡量的就不是真实情况。”
——Ajay Gandhi
为人类而构建，却被智能体击穿：当下正在累积的产品债务
你的产品原本是为人类设计的。如今，智能体正成为新的主要用户。这两个事实之间的鸿沟，正是你的下一场产品危机潜藏之处。
无代理工作流债务
你为人类用户构建的每一个无法被 AI Agent 顺畅穿越的工作流，都在累积成一种新的技术债务——需要人工点击的引导流程、以可视化方式呈现数据却不通过 API 暴露数据的仪表盘、需要打电话或提交表单的支持流程。随着 Agent 成为 SaaS 交互的主要界面，不去修复这些问题的代价将像技术债一样不断复利：悄无声息、难以察觉，然后突然集中爆发。如今将 Agent 可读性视为产品优先事项的公司，将在两年后拥有一道极难复制的护城河 。
“每一次你选择构建 UI 而不是 API，本质上都是在押注：人类将永远是主要界面。现在，这个赌注到了兑现的时候。”
—— Neal Behrend
人工干预税
每当一个 Agent 不得不停下来，请求人类点击、批准、解释或消除歧义时，产品就要为此付出的“代价”。过多的人工干预会让产品变得不受 Agent 青睐，即便人类用户依然喜欢它。Agent 只会绕开那些会打断其工作流程的产品，转而选择不会造成中断的产品。出于治理需要，有些人工干预是必要的，但那些不必要的干预，可能会在 Agent 下一次的路由决策中，成为对你不利的一票。
“你为合规设置的每一道审批关卡，都是你的智能体在每个工作流中都要支付的一项成本。其中一些关卡是值得的。但其中大多数，都是为一个由人类充当瓶颈的世界而设计的。”
—— Jared Brickman
执行漂移
智能体完成了被要求的任务，但实现路径却异常、昂贵、不合规，或利润率偏低。客户看到的是“任务已完成”，而供应商看到的却是 token 消耗、API 过度使用、审计风险和支持工单。这是“幻觉”在运营层面的近亲，但更难被发现，因为结果看起来没问题，直到你去审视为产出这一结果所付出的成本。
“你完全可能拥有一个回答极其准确、却在不断吞噬利润率的支持团队。问题不在于答案错了——而在于为了得到正确答案，究竟走了多少步骤。”
—— Jared Brickman
商业清算：没有现成应对手册的经济与战略难题
老问题都有现成的应对手册。客户流失可以建模，销售管道可以预测，分析师叙事也可以精心打造。而这四个问题都游离于旧有框架之外。
“Tokenmaxxing”客户
那些对 AI 功能和 LLM 输出使用极其频繁、以至于服务他们反而成为净成本的顾客。你无法放弃他们——他们每天都在验证你最有价值的使用场景，并产出销售团队所需的案例研究——但如今，如何管理他们的使用量和定价，已成为关乎长期利润率的关键。难点在于，你的定价模型所依据的单位经济效益并未预见到这类顾客的出现。
“你在为 AI 功能定价时，假设的是平均使用量。但你最优质的顾客并不是平均使用量。这是隐藏在同一份合同里的两种截然不同的业务。”
—— Neal Behrend
MEDDICC 戏法
如今，市面上已有十来种工具、平台原生功能和自助搭建方案，能够根据通话记录自动为交易资格进行评分。它们大多评判的是话术，而非现实。模型之所以判定一笔交易“通过”，是因为对话中没有出现任何会导致其被取消资格的表述，而不是因为某些真实情况得到了确认。销售代表大约一周就会摸清这一点。商机评分仪表盘一片绿色，合格销售管道覆盖率看起来比以往任何时候都更好，管理者则对那些被标记为问题的商机进行交易检查，而真正的风险却藏在这些绿色评分背后。CRO 往往要到季度末才以惨痛代价意识到这一点。AI 只是让这场表演整体上显得更有说服力。
“合规评分告诉你，这位推动者是否说了正确的话。它不会告诉你，到季度末时，这位推动者是否真的会为你据理力争。当你给资格认定材料打分，而不是给资格认定的真实情况打分时，你只是在教销售代表产出更漂亮的材料。”
—— Jack Rohrer
成果归因之战
当多个智能体和工具共同促成同一结果时，人人都声称成果归己，却无人能够清晰证明其中的因果关系。在一个横跨 CRM、ERP、计费、支持和数据基础设施的工作流程中，问题随之变成：已解决的工单、防止的客户流失、成功预约的会议，究竟该由谁获得报酬？用于回答这一问题的商业和合同基础设施尚不存在，而率先找到答案的公司将获得显著的定价与客户留存优势。
“当五个智能体共同作用于同一结果时，每家供应商都会声称功劳归自己。真正能够在多智能体工作流中证明因果关系的公司，将从根本上重塑 SaaS 的定价方式。”
—— Jared Brickman
“提示后祈祷”式实施
指通过输入提示词来使用 AI，并寄希望于其产出有价值的结果，却缺乏让结果变得可靠且可复现所需的训练、上下文、工作流程或系统。在个人层面上，“提示后祈祷”表现为反复试错式的提示词使用：不断提问、改写、重新生成，并希望下一次响应会比上一次更好。
在组织层面，这意味着把 AI 工具交到员工手中，却期待在不投入必要的工作流程、系统和知识共享机制的情况下实现转型，而这些恰恰是让 AI 能够大规模发挥效用所必需的。其结果是，AI 仍被困在个人层面：人们的效率提高了，但公司并没有变得更好。
“ 给每个人配上 AI 就称之为战略，无异于发给大家乐器就说这是一支管弦乐团。”
—— Charlene Chen
这些术语在五年前都不存在，因为这些问题当时根本还没有出现。这正是关键所在。如今大多数 SaaS 公司沿用的 GTM 打法，原本是为一个由人类负责采购、使用和流失的世界而写的。而那个世界消退的速度，正快于大多数团队调整的速度。你所使用的词汇，决定了你能识别并解决哪些问题；那些能清晰命名这片新地形的公司，将比仍在借用上一个时代语言的公司更善于穿越其中。
本文包含有关 AI 未来的前瞻性陈述和预测。这些陈述基于我们当前的预期和假设，实际结果可能与这些陈述中明示或暗示的内容存在重大差异。本文所提供的信息仅供参考，不构成任何财务、投资或专业建议。本文不应被视为买入、卖出或持有任何特定投资或证券的建议。对 AI 及相关技术的投资具有固有风险，过往表现并不代表未来结果。
