《AI 产品的商业化·成本、毛利与收入运营》4.2 客户级毛利与组合毛利

公司毛利率是客户毛利的加权结果,不是客户毛利率的平均值。本节用 LumenDesk 的 P50/P95/P99 演示:三个客户合计毛利 −76.25 美元、组合毛利率 −29.5%,而简单平均只有 −0.8%;并对比 Verba 的线性结构与 ClausePilot 的平台费结构。

以下三家公司与全部数字均为教学假设,用于演示商业化计算,不代表任何真实企业。

公司毛利率是客户毛利的加权结果

上一节把毛利率拆成了公司层、产品层、客户层、渠道层。公司层数字最容易被看到,客户层数字最接近行动。原因很简单:定价、折扣、额度、续约、清退,这些动作都发生在客户身上,而不是发生在公司报表上。

但客户层和公司层不是同一个口径。公司毛利率是「所有客户毛利之和 ÷ 所有客户收入之和」,客户毛利率是「这个客户的毛利 ÷ 这个客户的收入」。前者是加权结果,后者是单点观察。把客户毛利率平均一下,不会得到公司毛利率,除非每个客户的收入完全相同。

这个差别在分布均匀时很小,在分布右偏时会非常大。AI 产品的用量分布通常右偏:多数客户在均值附近,少数客户用量极高,成本也极高。右偏分布里,少数客户的负毛利可以把多数客户的正毛利吃掉,而简单平均会把这个信号稀释掉。

单客户毛利怎么算

单客户毛利的公式和公司层完全一样,只是范围缩小到一个客户:

客户毛利 = 客户收入 - 客户变动成本
客户毛利率 = 客户毛利 / 客户收入

客户收入包括席位费、平台费、用量费、超额费、一次性实施费中按月确认的部分。客户变动成本包括这个客户产生的推理、检索、存储、带宽、支付通道、人工复核。固定成本不摊到客户身上,否则客户毛利会随着分摊规则变化,失去可比性。

这个口径有一个重要的边界:客户专属的固定投入,比如专属部署、专属模型微调、专属客服,算不算变动成本?本书的处理是,只要它随客户数量变化,就按客户专属变动成本处理;如果它是一次性投入,就单独摊销,不进入毛利率。口径必须在客户之间一致,否则高投入客户会被低估,低投入客户会被高估。

用 LumenDesk 三个分位做一次组合

LumenDesk 的单席位月收入与月成本按分位数给出。P50 客户每月 540 次对话、单次成本 0.015 美元,单席位成本 8.10 美元,单席位收入 50.60 美元;P95 客户每月 1,450 次、单次成本 0.035 美元,成本 50.75 美元,收入 87.00 美元;P99 客户每月 2,300 次、单次成本 0.120 美元,成本 276.00 美元,收入 121.00 美元。

把这三个分位各取一个客户,组成一个三客户组合:

客户月收入月变动成本月毛利客户毛利率
P5050.60 美元8.10 美元42.50 美元84.0%
P9587.00 美元50.75 美元36.25 美元41.7%
P99121.00 美元276.00 美元−155.00 美元−128.1%
合计258.60 美元334.85 美元−76.25 美元−29.5%

组合毛利率的计算是:

组合毛利 = 42.50 + 36.25 - 155.00 = -76.25 美元
组合毛利率 = -76.25 / 258.60 = -29.5%

这个结果说明一件很具体的事:一个 P99 客户的亏损,超过了 P50 与 P95 两个客户毛利之和。P50 与 P95 合计赚 78.75 美元,P99 亏 155.00 美元,净亏 76.25 美元。多数客户在补贴少数客户,补贴额已经超过了补贴能力。

如果去掉 P99 客户,组合毛利变成 78.75 美元,收入变成 137.60 美元,毛利率是 57.2%。从 −29.5% 到 57.2%,只差一个客户。这就是为什么客户级毛利必须单独看:公司层看到的可能是一个正常的毛利率,客户层看到的却是一个正在失血的合同。

为什么简单平均会给出相反结论

把三个客户的毛利率做算术平均:

(84.0% + 41.7% - 128.1%) / 3 = -2.4% / 3 = -0.8%

简单平均得到 −0.8%,加权组合得到 −29.5%,两个数差了 28.7 个百分点。简单平均把每个客户当成同等重要,但三个客户的收入并不相同:P50 占组合收入 19.6%,P95 占 33.6%,P99 占 46.8%。P99 的收入权重最高,亏损也最大,加权后自然把组合毛利率拉得更低。

这不是数学游戏,而是管理口径问题。如果团队用「客户毛利率的平均值」汇报,会得到「只亏一点点」的印象;如果用「组合毛利率」汇报,会得到「这个组合整体亏损」的结论。后者才是公司实际承担的结果,因为收入与成本是按金额相加的,不是按客户数量平均的。

正确的组合口径只有一个:

组合毛利率 = Σ客户毛利 / Σ客户收入

任何按客户数量、按席位数、按合同数做的平均,都只能作为辅助观察,不能替代金额加权。汇报时要把分子分母写出来,避免读者误以为「平均」就是「组合」。

组合毛利的三种形态

三家公司的客户毛利分布,正好对应三种不同的组合形态。

形态代表分位毛利率组合风险
补贴型LumenDesk84.0% / 41.7% / −128.1%长尾负毛利吃掉多数客户利润
线性型Verba API47.5% / 47.5% / 47.5%单客户不亏,但整体流失与单价下行
平台费型ClausePilot77.5% / 69.3% / 67.5%客户越大毛利率越低,人工产能吃紧

Verba 的线性结构最容易被误解。它的 P50、P95、P99 毛利率都是 47.5%,因为成本与用量严格成比例,收入也严格成比例。单客户永远不亏,但公司仍然可能亏损,因为固定成本、获客成本、免费层成本不在客户毛利里。线性结构的风险不在单客户,而在整体:一旦单价下行或流失率上升,47.5% 的毛利撑不住固定成本。

ClausePilot 的平台费结构则相反。每个客户都付 2,400 美元平台费,再按案件付费。P50 客户 22 件,收入 6,360 美元,毛利率 77.5%;P95 客户 75 件,收入 15,900 美元,毛利率 69.3%;P99 客户 120 件,收入 24,000 美元,毛利率 67.5%。客户越大,案件收入占比越高,毛利率越接近单案件毛利 (180 - 65) / 180 = 63.9%。平台费抬高了小客户的毛利率,但大客户的毛利率仍然稳定,不会出现负值。它的风险不是毛利,而是人工复核产能:案件量越大,0.5 小时/案件的人工需求越大。

LumenDesk 是唯一出现负毛利的形态。原因不是客户数量多,而是成本曲线在长尾处变陡:P99 客户的上下文长度是均值的 16.7 倍,单次成本从 0.015 美元涨到 0.120 美元,而超额单价仍然是 0.04 美元。收入线性增长,成本指数增长,两条线在某个点交叉,交叉点之后每多一次对话都在扩大亏损。

客户毛利要按毛利额排序,不是按毛利率排序

一个常见错误是只按毛利率排序,然后去处理毛利率最低的客户。毛利率低不等于问题大,还要看毛利额和收入权重。

P99 客户的毛利率是 −128.1%,毛利额是 −155.00 美元,收入是 121.00 美元。它是组合里唯一亏钱的客户,也是收入占比最高的客户。如果只看毛利率,会把它排在第一;如果只看毛利额,也会把它排在第一;但如果只看收入,会把它当成最重要的客户。三个视角指向同一个客户,但动作完全不同:按毛利率看要清退,按毛利额看要止损,按收入看要保住。

正确的排序应该是二维的:先按毛利额排序,找出绝对亏损最大的客户;再按毛利率排序,找出相对亏损最严重的客户;最后按收入权重排序,判断这个客户值不值得救。三个排序结合,才能决定是调价、升级、限量还是清退。

一个实用的判断表:

毛利额毛利率判断动作
正高健康客户维护,寻找扩张
正低走量客户观察成本结构,防止恶化
负低补贴客户调价、升级或限量
负极低失血客户限期整改,否则清退

P99 落在最后一行:毛利额为负,毛利率极低,且收入权重高。它不是「可以慢慢观察」的客户,而是需要在下一个续约周期前给出明确方案。方案可以是专属报价、上下文限制、缓存优化,也可以是分流到更便宜的模型;唯一不能做的是继续按当前价格无限供给。

组合毛利要按 cohort 看,不要只看总数

客户级毛利是一个时点数字,组合毛利是一个结构数字。只看总数,会看不到结构变化。这个月组合毛利率 67.0%,下个月还是 67.0%,但结构可能已经变了:老客户在扩张,新客户在亏损,长尾在变长。

按 cohort 看,至少分三组:

  • 新客 cohort。 按月看新签客户的首月毛利率。新客毛利率通常低于老客,因为用量还在爬坡、折扣还在生效。新客毛利率持续下降,说明获客质量在恶化。
  • 老客 cohort。 按月看同一批客户一年后的毛利率变化。老客毛利率上升,说明扩张与成本优化在起作用;下降,说明用量结构在恶化。
  • 长尾 cohort。 按月看 P95 以上客户的毛利率与收入占比。长尾收入占比上升、毛利率下降,是最危险的组合,因为它意味着公司越来越依赖不赚钱的客户。

三组 cohort 的权重不同,不能简单相加。新客看趋势,老客看稳定性,长尾看风险。三个视角合起来,才能判断组合毛利是在改善还是在恶化。

cohort 的划分口径也要固定。按首月付费时间划分,还是按合同签署时间划分,会得到不同的 cohort;按自然月划分,还是按账期划分,也会影响跨月客户归属。口径一旦确定,就不要中途更换,否则趋势线会被口径变化切断,看起来像业务改善,实际只是分组方式变了。

用代码把客户毛利与组合毛利算清楚

下面的代码把客户收入与变动成本统一成整数美分,提供单客户毛利、单客户毛利率、负毛利判断、组合毛利与稀释度五个函数。组合毛利严格按金额加权,不会退化成客户毛利率的平均值。

// file: src/ops/04-2-customer-margin.ts
// tier: L1
// verify: node --test test/ops/04-2-customer-margin.test.ts

// 客户级毛利:先算单个客户的毛利额,再按收入加权汇总成组合毛利。
import { type Cents } from "../core/money.ts";
import { type Bps, divide } from "../core/rate.ts";

export type CustomerMargin = {
  id: string;
  revenueCents: Cents;
  variableCostCents: Cents;
};

export type PortfolioMargin = {
  revenueCents: Cents;
  variableCostCents: Cents;
  grossProfitCents: Cents;
  marginBps: Bps;
  payingCustomers: number;
  negativeCustomers: number;
};

/** 客户毛利额 = 客户收入 − 客户变动成本。 */
export function customerGrossProfitCents(customer: CustomerMargin): Cents {
  return customer.revenueCents - customer.variableCostCents;
}

/** 客户毛利率,以基点表示;收入为零时返回 0。 */
export function customerMarginBps(customer: CustomerMargin): Bps {
  return divide(customerGrossProfitCents(customer), customer.revenueCents);
}

export function isNegativeMargin(customer: CustomerMargin): boolean {
  return customerGrossProfitCents(customer) < 0;
}

/** 组合毛利 = Σ毛利 ÷ Σ收入,不是各客户毛利率的算术平均。 */
export function portfolioMargin(customers: readonly CustomerMargin[]): PortfolioMargin {
  const revenueCents = customers.reduce((sum, customer) => sum + customer.revenueCents, 0);
  const variableCostCents = customers.reduce(
    (sum, customer) => sum + customer.variableCostCents,
    0,
  );
  const grossProfitCents = revenueCents - variableCostCents;
  return {
    revenueCents,
    variableCostCents,
    grossProfitCents,
    marginBps: divide(grossProfitCents, revenueCents),
    payingCustomers: customers.length,
    negativeCustomers: customers.filter(isNegativeMargin).length,
  };
}

/** 客户毛利率相对组合毛利率的差;负值表示该客户在稀释组合毛利。 */
export function dilutionBps(customer: CustomerMargin, portfolioBps: Bps): Bps {
  return customerMarginBps(customer) - portfolioBps;
}

/** LumenDesk 单席位 P50/P95/P99 的月收入与月成本,单位美分。 */
export const LUMENDESK_PERCENTILES: readonly CustomerMargin[] = [
  { id: "P50", revenueCents: 5_060, variableCostCents: 810 },
  { id: "P95", revenueCents: 8_700, variableCostCents: 5_075 },
  { id: "P99", revenueCents: 12_100, variableCostCents: 27_600 },
];

测试会验证四个关键值:P50 毛利 4,250 美分、毛利率 8,399 个基点;P95 毛利率 4,167 个基点;P99 毛利率 −12,810 个基点;三客户组合毛利 −7,625 美分、组合毛利率 −2,949 个基点。最后一个数和正文的 −29.5% 是同一个数,只是单位不同。

代码里没有「客户毛利率平均值」这个函数,是故意的。平均值在这个场景里没有管理意义,留着它只会被误用。需要看分布时,应该输出分位数,而不是把分位数再平均一次。

还有一个细节:divide 会对基点做四舍五入,所以负毛利客户可能出现 −12,810 这样的整数。展示时可以写成 −128.1%,但计算下一层指标时要用未舍入的毛利额,不要拿舍入后的基点反推金额,否则组合毛利会出现几分钱的漂移。

四类客户,四套动作

客户级毛利算出来之后,动作要按客户类型分开,不能用一套策略覆盖所有人。

健康客户(正毛利、高毛利率)。 动作是维护与扩张。不要因为毛利率高就涨价,高毛利率通常说明客户用量在额度内,涨价会破坏这种稳定性。扩张应该从增加席位、增加用例、增加集成入手,而不是从提高单价入手。

走量客户(正毛利、低毛利率)。 动作是观察成本结构。低毛利率可能是正常的规模折扣,也可能是用量结构开始偏离。要区分「价格低但成本也低」和「价格低且成本高」两种情况,前者可以保留,后者要调整。

补贴客户(负毛利、可修复)。 动作是调价、升级或限量。P99 客户如果只是上下文长,可以通过上下文上限、缓存、模型路由把成本降下来;如果客户愿意为高用量付专属价,可以升级到企业档。关键是给出明确的修复路径和时间表。

失血客户(负毛利、不可修复)。 动作是限期整改,否则清退。不可修复通常意味着收入上限低于成本下限,比如超额单价低于单次成本,且客户没有升级意愿。这类客户每多留一个月,就多亏一个月,清退是止损,不是失败。

四类动作的分界线不是毛利率的正负,而是「修复后的毛利能否转正」。一个负毛利客户如果有明确的修复路径,仍然值得投入;一个正毛利客户如果成本结构在恶化,也可能在几个月后变成负毛利。客户级毛利要动态看,不能只看当期。

这条分界线还要求销售与财务使用同一套客户定义。销售按合同主体看客户,财务按账单主体看客户,两者在集团客户、子公司、代理商场景下经常对不上。客户级毛利必须先把客户主数据对齐,否则同一个集团会被拆成几个「健康客户」,负毛利被分散到不同账单里,谁也看不见。

小结

  • 公司毛利率是客户毛利的金额加权结果,不是客户毛利率的算术平均。
  • 单客户毛利 = 客户收入 − 客户变动成本,固定成本不摊到客户,保持口径可比。
  • LumenDesk 的 P50/P95/P99 毛利率分别是 84.0%、41.7%、−128.1%,三客户组合毛利率是 −29.5%。
  • 简单平均得到 −0.8%,加权组合得到 −29.5%,差 28.7 个百分点,说明权重决定结论。
  • 去掉 P99 后组合毛利率回到 57.2%,但会失去 46.8% 的收入,处置要看修复路径而不是直接删除。
  • 组合毛利有三种形态:LumenDesk 补贴型、Verba 线性型、ClausePilot 平台费型,风险来源各不相同。
  • 客户要按毛利额、毛利率、收入权重三个维度排序,不能只看其中一个。
  • 组合毛利要按新客、老客、长尾三组 cohort 观察,结构变化比总数变化更早暴露问题。

阅读导航:上一节:4.1 毛利率的目标与分层 · 下一节:4.3 毛利侵蚀的五个信号 。

常见错误与边界

  • 用客户毛利率的算术平均代替金额加权组合毛利率,忽略客户收入权重差异。
  • 把固定成本按客户数平均分摊,导致大客户被低估、小客户被高估,口径不可比。
  • 只按毛利率排序处理客户,不看毛利额与收入权重,误判优先级。
  • 看到负毛利客户就直接清退,不先判断是否有调价、升级或限量的修复路径。
  • 只看组合毛利总额,不按新客、老客、长尾 cohort 拆开,结构恶化被总数掩盖。
  • 把线性结构当成没有风险,Verba 单客户都盈利,但整体仍可能被固定成本与流失拖垮。

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图