AI agent的收費模式，一直是產業界關注的核心問題。
基於價值創造的抽成模式來襲，或將主導AI agent定價。
近期 ServiceNow的CFO在參加巴克萊第22屆全球科技年會上透露出serviceNOW的AI agent收費模式：ServiceNow採用了價值驅動的定價策略，確保客戶獲得90%左右的價值，ServiceNow保留10%；這一策略幫助公司在與客戶的定價談判中保持強勢，並確保價格上漲符合預期。Gina提到，當前的Pro Plus和Now Assist SKU採用混合模式，基於座位數量和代幣消耗，這種方式簡化了定價，便於客戶預算和預測。
這個10%的價值抽成模式，是不是類似電商的GMV抽成模式？
近期OpenAI的發布會也表示公司即將推出2000 美元/月的 AI Agent 訂閱模式，這個定價又是chatGPT o1-pro 200美金定價的十倍漲幅。
大家都在疑惑，這個定價到底是如何界定的，2000美金一個月的天價C端訂閱到底該如何衡量其價值，其定價的基礎到底是什麼？
01 OpenAI與serviceNOW的AI Agent對比
OpenAI 即將推出的 2000 美元/月的 AI Agent 訂閱模式與 ServiceNow 定價模式之間有很強的相似性但也存在一定的差異：
OpenAI 的訂閱思路：據報道，OpenAI 計劃推出一款「AI Agent」，訂閱價格為 2000 美元/月。該產品定位於可替代人類高端智力勞動力（如擁有「博士級」智能的專家）來完成複雜任務（例如預定旅行、輔助科研、分析數據甚至策略決策）。其核心價值在於減少客戶對僱用高級專業人才的依賴，從而大幅降低成本或提高效率。
ServiceNow 的價值驅動定價（Value-Based Pricing）：ServiceNow 長期以來以提供企業級工作流自動化和數字化運營解決方案為主，通過 GenAI、Pro Plus SKU 等高級功能提升客戶組織內部的生產力、降低運營成本、提升客戶滿意度和業務效率。ServiceNow 的定價策略強調根據客戶獲得的實際價值來定價，並通過與客戶實際收益掛鉤（如保留 10%的增量價值）來達到雙贏的價值分配。
相似點：我認為主要都是基於價值的邏輯
第一，都是價值主導而非成本主導：二者皆非簡單按照功能數量或使用次數收費，而是強調「解決客戶實際問題」和「創造經濟價值」。
OpenAI 的 AI Agent 定位在高階智能和決策輔助層面，相當於提供一個「虛擬高級顧問」或「虛擬員工」。如果客戶購買該服務可替代一部分昂貴的人才成本，那麼2000美元/月的訂閱費對客戶來說可能是划算的。
ServiceNow 則透過自動化流程、減少人力重複工作、提升銷售轉化率、降低合規風險等方式，為客戶帶來數十萬、數百萬美元的經濟收益。
第二，將「人類角色」貨幣化為「機器智能服務」：ServiceNow 將 IT 服務、客戶支持、HR 流程這些傳統需要大量人力和流程管理的工作自動化，從而體現出從人力成本到軟件價值的轉化。OpenAI 的計劃更為直接地宣稱可替代僱用一位「高級人才」，這本質上也是一種「價值基準線」的設定：如果僱用一名專家顧問或具有博士學歷的專業人員每月成本遠高於2000美元，那麼客戶將可通過購買 AI Agent 服務實現經濟和效率上的雙贏。
第三，與客戶實際業務結果緊密掛鉤：ServiceNow 的模式中，經常通過 ROI 計算、KPI 改善和業務流程優化等指標來度量價值；OpenAI 的AI Agent雖然沒有明確披露具體如何量化客戶的收益，但從其定位看，客戶也會思考「我花2000美元/月能替代多少人力成本、節省多少時間、帶來多少業務提升」。換言之，這類 AI 產品的定價也會自然引導客戶思考投資回報率（ROI），而不只是功能列表的堆疊。
差異點：定價模式與實現路徑存在差異
第一，固定訂閱 vs. 動態分成：ServiceNow 在其價值定價的實現中，有些場景是根據客戶的實際使用量、產出改善來動態定價。例如其 GenAI Pro Plus SKU，定價可能組合了座位費（基礎成本）與代幣費（實際使用量），並強調根據客戶獲得的價值（如降低多少成本或提升多少收入）來證明價格合理性。相較之下，OpenAI 所公布的2000美元/月更像是一個基於產品定位和價值預期的固定訂閱價。儘管其背後邏輯仍是價值定價，但目前呈現的方式並非直接與客戶實現的經濟成果掛鉤，而是以「類替代人力專家」的市場參考價定位。
第二，價值衡量的透明度和可量化程度差異：ServiceNow 長期面向企業軟件市場，對 ROI 計算、績效指標提升等有成熟的一套顧問式銷售模式和衡量標準，客戶也已習慣根據量化績效來評估軟件的價值。而OpenAI對企業而言雖可提供「博士級智能」，但其價值衡量可能更具彈性和主觀性。不同客戶對「高端專家替代品」的定義、預期產出、運用場景和評估標準可能差異較大。缺乏明確的KPI或客觀量化標準下，OpenAI的價值定價更多地依賴客戶對AI的潛在產出想象和市場教育。
第三，市場成熟度與用戶接受度：ServiceNow 的客戶多為已成熟運用企業級SaaS和工作流自動化的公司，其採購部門、IT部門和業務部門都有能力對價值進行定量評估，對價值定價模式較易接受。
OpenAI 的AI Agent則進入了一個新市場：客戶需要適應將AI作為高端智力顧問的概念。這需要市場教育與認知轉變。儘管與 ServiceNow 類似的價值定價理念存在，但實際操作與客戶心智需要時間培育。
從戰略層面來看，這種定價模式的誕生對於軟件行業來說是TAM的一次巨大擴張：
第一，從人力替代到價值訂閱的趨勢：無論是ServiceNow還是OpenAI，都體現出軟件/AI市場從傳統許可銷售模式向基於價值和成果的模式轉變。企業客戶越來越關注投入與產出的匹配度，而非僅僅是功能列表。
第二，AI時代的價值定價挑戰與機遇：隨着AI能力不斷進化，衡量AI創造的價值變得更為複雜。企業需要從成本中心的思維轉向價值中心的思維。ServiceNow在這方面已有經驗，而OpenAI正在探索以「替代高端人力」作為定價錨點的模式。如果OpenAI未來能為客戶提供明確的價值量化工具（如多少小時人力節約、多少銷售額增長），則更能與ServiceNow的價值計價邏輯接軌。
第三，可擴展的生態與定價層次：ServiceNow通過其統一平台為企業提供跨部門的價值創造，在價值定價上可從多個維度衡量價值（IT、HR、CS、財務、銷售前台等）。OpenAI的AI Agent若要持續維持高訂閱價，也需不斷擴展可替代的人力範圍和應用場景。當AI在更多垂直領域深入（如法律、醫療、金融分析），則可以像ServiceNow在各業務條線深耕一樣，通過更加精細化的價值創造與客戶建立長期的價值分享模式。
因此，我認為OpenAI 的 2000 美元/月 AI Agent 與 ServiceNow 的價值定價模式在理念上有一定的相似性：兩者都不是簡單地賣功能，而是出售價值與產出，並嘗試讓價格與客戶獲得的經濟利益相關聯。然而，當前OpenAI的方案更偏向以一個相對固定的高訂閱價，將自身定位為「比僱用高端人才更划算」的替代方案，尚未明確或公開以客戶實際產出改進為基礎的動態定價機制。而ServiceNow在企業軟件市場已有較成熟的價值衡量和分成機制，更強調根據客戶現實的績效改善和ROI來設定價格。
因此，兩者有相似的價值定價思路和方向，但在定價方式的成熟度、量化維度和市場用戶成熟度上仍存在顯著差異。OpenAI未來若能像ServiceNow一樣，將客戶ROI量化並與定價緊密關聯，則其價值定價模式將更具說服力和可持續性。
02 AI agent 邁入GMV時代？
這部分，我核心展開探討分析一下serviceNOW AI agent的定價模式問題
ServiceNow採用了價值驅動的定價策略，確保客戶獲得90%左右的價值，ServiceNow保留10%。
10%的價值抽成模式，讓我想到了電商的GMV抽成模式：
在電子商務（電商）領域，GMV（Gross Merchandise Volume，商品交易總額）抽成模式是一種常見的盈利模式。GMV抽成指的是電商平台從在其平台上完成的每筆交易總額中提取一定比例的佣金作為收入。這種模式不僅為平台提供了穩定的收益來源，也為賣家和消費者創造了互利的生態系統。
GMV是衡量電商平台交易規模的重要指標，代表在一定時期內通過平台完成的所有訂單的總金額。GMV抽成模式即平台通過對每筆訂單總額按比例收取佣金，從而實現盈利。例如，如果一個平台的佣金率為5%，當一筆交易的GMV為1000元時，平台將收取50元作為佣金。
電商平台為賣家提供展示、交易和物流等服務，賣家在平台上開設店鋪，發布商品信息。交易產生：消費者在平台上瀏覽商品、下單購買，完成交易。佣金結算：交易完成後，平台根據預先約定的佣金比例，從交易總額中扣除佣金，剩餘部分支付給賣家。附加服務收費：除了基本的佣金，部分平台還會對廣告推廣、會員服務、增值服務等額外收費，進一步增加收入來源。
基於價值定價（Value-Based Pricing）模型與電商GMV（Gross Merchandise Value）抽成模式，從定價邏輯、實現方式、價值度量、客戶關係與風險承擔等方面來看，有什麼異同呢？
基於價值定價（Value-Based Pricing）：依據客戶實際獲得的經濟與業務價值來確定價格。當供應商的產品或服務為客戶創造可量化的經濟價值（如降低成本、增加收入、提高效率），定價與客戶從該價值中獲得的收益掛鉤。將價格與客戶所獲收益直接關聯，使供應商只在客戶真正受益的情況下獲取收入，從而實現雙方的利益一致。
電商GMV抽成模式（Commission on GMV）：在電商平台中，GMV指平台上成交的商品總價值，平台通常對商家銷售額進行一定比例的抽成（如5%-15%）。平台的收入與商家在平台上的成交額直接相關。平台通過抽成分享商家銷售的增值部分，從而形成緊密利益捆綁。
二者有何相似之處？
收益共享：兩者均體現了與客戶（或合作伙伴）共享收益的理念。基於價值定價：供應商從客戶的實際業務增量收益中提取一部分作為收入。GMV抽成：平台根據商家在平台上的銷售額獲取一部分抽成。
利益捆綁：在兩種模式下，提供方的收入都與客戶的成功緊密掛鉤。基於價值定價：客戶從解決方案中獲得的價值越大，供應商收入越高。GMV抽成：商家的銷售額越高，平台的收入也越高。
降低前期成本壓力：相較於一次性高額定價，這兩種模式往往能減少客戶的前期資金壓力。基於價值定價：客戶先獲得價值，再分享部分收益給供應商，降低了客戶在使用新方案時的前期投入顧慮。GMV抽成：商家無需支付高額入駐費，而是基於實際銷售額分享利潤，降低了前期不確定性。
激勵機制明確：兩者均通過分成模式形成共贏關係，激勵供應商/平台持續優化、提升服務質量，促進客戶/商家成長。
又有何巨大的差異點？
1. 價值的衡量對象不同
基於價值定價（Value-Based Pricing）：基於價值定價價值可體現為降低的成本、提高的生產率、增加的銷售額、節省的時間、降低的風險等。這些價值往往需要通過KPI、ROI計算、對比實施前後的績效差異來精確衡量。
GMV抽成：電商平台的衡量指標較為簡單直接，即交易總額（GMV）。成交額是直接的貨幣量化指標，無需複雜的ROI推算。
2. 價值鏈位置與業務模型差異
基於價值定價：通常適用於企業軟件、服務諮詢、專業服務等較長價值鏈條和複雜場景，衡量價值常涉及多個維度與環節。
GMV抽成：通常發生在平台經濟中，電商平台作為中間人連接買方與賣方，抽成的依據是終端成交額，對象清晰、交易瞬時完成、計價簡易。
3. 價值確定的難易程度
基於價值定價：需對客戶運營數據、使用情況、業務流程進行深入分析。價值計算較為複雜、定期校準，並需雙方協商認可。
GMV抽成：計算簡單明瞭，GMV來自平台訂單數據，基本無需爭議。
4. 風險與不確定性分配
基於價值定價：供應商需對客戶業務改善效果有一定信心。如果客戶未能實現期望的價值提升，供應商的收入也將受限。風險在於對價值實現的依賴。
GMV抽成：電商平台對商家銷售結果有不確定性，但這種不確定性往往受市場、促銷策略、流量分發等直接影響，平台可通過流量傾斜、活動策劃等較直接方式影響GMV。風險更易通過市場手段調控。
5. 客戶關係與角色定位
基於價值定價：供應商與客戶往往是合作共創價值的關係。雙方需要定期溝通、對賬、評估ROI和價值實現程度。
GMV抽成：電商平台與商家關係更類似於「渠道與入駐方」。平台提供基礎設施（流量、支付、物流支持），商家負責優化產品和營銷。二者關係雖共贏，但平台往往在交易數據和流量分配上掌控更大話語權。
6. 應用場景廣度不同
基於價值定價：常用於複雜B2B場景、高價值專業服務、AI解決方案、企業軟件訂閱升級等需要深度合作和定製化的場景。
GMV抽成：多用於B2C/B2B電商平台、在線零售、服務中介平台（如Airbnb對房東收入抽成、Uber對司機收入抽成）等大規模、高頻的交易場景。
對於戰略與運營產生的影響
對於採用基於價值定價的供應商而言，需要構建ROI模型、商業諮詢能力、數據分析和持續客戶成功管理的能力。
對於採用GMV抽成的電商平台而言，則需要聚焦流量引入、用戶體驗優化、供應商多元化和定價透明度，提高平台整體交易規模。
因此，從相似性角度來看，兩者都以共享價值增量為定價基礎，將自身收入與客戶（或商家）的成功緊密掛鉤，從而建立共贏關係，激勵提供方持續優化服務質量。
關鍵差異主要是以下兩個方面：
基於價值定價的複雜度與靈活性更高，需要精準衡量客戶業務價值與績效改善。
GMV抽成模型更為直觀簡潔，以最終成交額為基礎，無需複雜ROI評估。
因此，我認為基於價值定價與GMV抽成模式均體現了從傳統定價模式轉向「基於成果與價值」的趨勢，但二者在價值衡量難度、適用場景、客戶關係性質和風險分配方式上存在顯著差異。
03 AI agent 價值如何衡量？
這裏最關鍵的問題是AI agent產生的價值量如何衡量，我在前期的文章中仔細分析過salesforce的定價模式Salesforce：勞動力無限化與AI Agent模型，這裏serviceNOW的定價模式也類似。
在ServiceNow的價值定價策略中，確保客戶獲得約90%的價值，而ServiceNow保留10%的收益比例，是一種基於客戶實際業務增值的定價模式。為了有效地衡量和定價這一10%的抽成，必須系統地量化ServiceNow解決方案為客戶帶來的具體價值。
1. 價值衡量的基礎邏輯
價值定價的核心在於根據客戶從解決方案中獲得的實際淨收益來設定價格。ServiceNow通過其AI功能（如Pro Plus和Now Assist），為客戶帶來了以下可量化的增值：
運營成本降低
生產力提升
收入提升
風險與安全性改進
這些增值將被轉化為貨幣價值，進而確定ServiceNow的10%收益分成。
2. 明確定義價值範疇
首先，明確哪些指標構成了客戶所獲價值的範疇。選擇1-3個關鍵績效指標（KPI）作為價值評估的核心：
①運營成本降低，包括：IT運維成本節省；客服人力成本降低；工單處理時間減少。
②生產力提升，包括：重複勞動減少；工作流自動化水平提高；任務處理時間縮短。
③ 收入提升，包括：客戶滿意度提升帶來的留存率增加；銷售流程優化促進交叉銷售和追加銷售。
3. 建立基準線（Baseline）
為準確衡量增量價值，需建立「沒有ServiceNow解決方案」或「升級AI功能前」的基準表現水平：
IT工單處理時間
基準值：沒有AI助力前，人力處理一個IT工單平均需要30分鐘
實施後：引入AI後縮短至10分鐘
客戶滿意度
基準值：沒有智能客服前，客戶滿意度為80%
實施後：引入Now Assist後滿意度提升至90%
這些基準值將用於量化增量價值。
4. 將效率提升與改進轉換為貨幣價值
將KPI提升轉化為經濟價值是關鍵步驟。以下是我測試的具體的轉換方法：
5. 10%分成的執行方式
在明確了增量價值V後（例如每年創造額外價值V美元），ServiceNow以10%為基準收取費用，即V的10%。
靜態協議
合同周期：約定一個周期（如一年）對客戶ROI進行量化評估。
定價調整：在下一個付款周期根據真實實現的價值調整收費。
動態計費
座位數與代幣消耗：基於客戶使用量（座位數和代幣消耗）作為價值的間接度量代理。
相關性分析：通過分析客戶使用量與KPI改進的相關性，將定價與使用量掛鉤。
客戶使用量為 ????，核心就是AI agent能帶來的價值，可能是收入提升，也有可能是成本節約等方面，事實上就是部分原來人工的成本轉換+收入增長的部分轉換？
客戶的使用量 Q代表了 AI Agent 為客戶帶來的綜合價值，這包括收入提升 和成本節約 兩個主要方面。具體來說，這可以被視為部分原來人工成本的轉換 以及收入增長的部分轉換。下面將深入分析這一點，並對數學模型進行擴展和細化，以更準確地反映這種價值轉換。
使用量 Q與價值 V的關係
價值組成：客戶從 AI Agent 獲得的總價值 V可以拆分為兩個主要部分：
成本節約（Cost Savings）：
人工成本替代：AI Agent 代替部分人工任務，減少人力成本。
效率提升：通過自動化流程，減少時間和資源浪費，從而降低運營成本。
收入增長（Revenue Growth）：
銷售提升：AI Agent 通過優化銷售流程、提供智能推薦等功能，提升銷售額。
客戶滿意度提高：更高效的客戶服務提升客戶滿意度和忠誠度，間接促進收入增長。
ServiceNow 進一步完善其基於價值定價（Value-Based Pricing）模型，對於軟件服務行業具有深遠的影響。這不僅可能推動其自身業務的快速增長，還可能引發整個行業的變革，尤其是在總可尋址市場（Total Addressable Market, TAM）的擴展以及將勞動力支出AI化為軟件收入方面。
基於價值定價是一種定價策略，價格主要依據客戶從產品或服務中獲得的實際經濟價值，而非僅僅基於成本或競爭對手定價。ServiceNow通過這一策略，確保其產品和服務的定價與客戶獲得的價值直接掛鉤，實現雙贏。
對軟件服務行業的影響
1. 推動行業定價模式轉變
ServiceNow 的基於價值定價策略，可能會引領整個軟件服務行業從傳統的基於功能或用戶數量的定價模式，轉向更加註重實際業務價值和成果的定價方式。這種轉變將促使其他軟件服務提供商重新評估和優化其定價策略，以更好地匹配客戶需求和價值。
2. 加速AI在企業中的應用
基於價值定價的模型，特別是與AI功能相結合，能夠更好地展示AI在實際業務中的價值，如自動化流程、提高效率和降低成本等。這將進一步推動企業加速AI技術的採納和應用，提升整體行業的智能化水平。
3. 增強客戶關係與合作
通過價值定價，ServiceNow 與客戶之間的關係更加緊密，雙方共同關注業務成果和價值創造。這種合作模式將增強客戶的忠誠度，提升客戶滿意度，同時為ServiceNow帶來穩定和持續的收入增長。
總可尋址市場（TAM）的擴展
1. 拓展市場邊界
基於價值定價的模型，使得ServiceNow能夠進入更廣泛的市場領域，涵蓋更多需要高價值定製化解決方案的行業和企業。例如，醫療、金融、製造等行業，這些行業對高效、智能化的業務流程有着更高的需求。
2. 提高市場滲透率
通過展示其解決方案帶來的實際業務價值，ServiceNow 能夠更有效地說服潛在客戶，提升市場滲透率。高價值的定價策略不僅吸引大中型企業，還能吸引那些追求高效率和高回報的小型企業，進一步擴大其市場覆蓋範圍。
3. 激發新市場需求
基於價值定價的創新模式，可以激發市場對AI驅動解決方案的新需求。企業在尋求優化業務流程、提升生產力和降低運營成本的過程中，會更願意投資於能夠帶來顯著價值的高端軟件服務，從而推動整個市場的需求增長。
四、將勞動力支出AI化為軟件收入
1. 勞動力成本轉化
通過AI Agent等智能工具，ServiceNow 能夠幫助企業自動化部分人工任務，顯著降低勞動力成本。例如，自動化客服、智能IT運維和數據分析等功能，能夠替代部分高成本的人力資源。這種轉化不僅提升了企業的運營效率，還為ServiceNow帶來了穩定的訂閱收入。
2. 創造新的收入來源
AI Agent 不僅能夠替代人工，還能通過提升業務效率和創造新的收入渠道，為企業帶來額外的價值。ServiceNow 通過基於價值定價模型，從中抽取一定比例的收入，形成新的收入來源。這種模式使得軟件服務收入與客戶的業務增長緊密關聯，實現了收入的持續增長。
3. 提升軟件的戰略價值
將勞動力支出AI化，提升了軟件在企業戰略中的地位。AI Agent 不再只是輔助工具，而是成為企業核心運營的一部分。ServiceNow 通過提供高價值的AI解決方案，提升了其在企業中的戰略地位，增強了客戶的依賴性和粘性。
未來，隨着技術的不斷進步和市場需求的持續增長，基於價值定價的模型將成為軟件服務行業的重要發展方向。ServiceNow 通過這一策略，不僅能夠實現自身業務的持續增長，還能為客戶創造更大的價值，推動整個行業的智能化和高效化發展。
文章來源：貝葉斯之美，原文標題：《重磅！AI agent邁入價值GMV抽成新時代》
風險提示及免責條款
市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務狀況或需要。用戶應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。