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。
结果计费的前提不是结果,是可核验
按结果计费听起来最符合「为客户创造价值」的商业直觉:客户拿到结果才付钱,没拿到就不付。它把供应商和客户的利益绑在一起,理论上应该是最容易成交的结构。
实际落地时,难点从来不是「愿不愿意按结果收费」,而是「结果由谁定义、由谁核验」。一份合同审查完了,算不算「审完」?审出三条风险算结果,还是审出全部风险才算结果?客户说没审出来,供应商说审出来了,谁说了算?
没有可核验的结果定义,按结果计费就会退化成两种东西:要么是换了个名字的按件计费,要么是一场关于「什么算成功」的无休止争论。
所以结果计费的第一块基石不是定价,而是验收标准。标准必须满足三个条件:可观察、可复算、可争议时有第三方依据。可观察意味着结果能被客户看到;可复算意味着同样的输入能得到同样的判定;可争议时有依据意味着双方事先约定了判定规则,而不是事后各说各话。
ClausePilot 的两段式收入
ClausePilot 是一个面向保险经纪与律所的合同审查 AI。它没有采用纯结果计费,而是「平台费 + 按案件计费」的两段式结构:每家客户每月 2,400 美元平台费,每审查一个案件再收 180 美元,每个案件含一次人工复核。
这个结构值得拆开看。平台费覆盖的是「无论用不用都要发生的成本」:客户成功、系统接入、合规审计、模型维护。案件费覆盖的是「随交付发生的成本」:推理、人工复核、文档处理。两段收入对应两类成本,逻辑是清晰的。
ClausePilot 有 85 家企业客户,平均每客户每月 38 件案件,月度案件量是 85 × 38 = 3,230 件。平台费收入是 85 × 2,400 = 204,000 美元,案件收入是 3,230 × 180 = 581,400 美元,月度收入合计 785,400 美元,ARR 是 785,400 × 12 = 9,424,800 美元。
// file: src/pricing/03-3-outcome-based.ts
// tier: L1
// verify: node --test test/pricing/03-3-outcome-based.test.ts
// 平台费 + 按案件计费:收入锚在可核验的交付物上,人工复核是产能约束。
export type CasePlan = {
platformFeeCents: number;
casePriceCents: number;
casesPerCustomer: number;
customers: number;
};
export type CaseCost = {
inferenceCents: number;
reviewCents: number;
platformCents: number;
};
/** 月度案件总数。 */
export function monthlyCases(plan: CasePlan): number {
return plan.customers * plan.casesPerCustomer;
}
/** 月度收入 = 平台费收入 + 案件收入,单位美分。 */
export function monthlyRevenueCents(plan: CasePlan): number {
return plan.customers * plan.platformFeeCents + monthlyCases(plan) * plan.casePriceCents;
}
/** 单案件变动成本 = 推理 + 人工复核 + 平台。 */
export function caseCostCents(cost: CaseCost): number {
return cost.inferenceCents + cost.reviewCents + cost.platformCents;
}
/** 月度毛利,单位美分。 */
export function monthlyGrossCents(plan: CasePlan, cost: CaseCost): number {
return monthlyRevenueCents(plan) - monthlyCases(plan) * caseCostCents(cost);
}
/** 毛利率,单位基点。 */
export function grossMarginBps(plan: CasePlan, cost: CaseCost): number {
const revenue = monthlyRevenueCents(plan);
if (revenue <= 0) return 0;
return Math.round((monthlyGrossCents(plan, cost) / revenue) * 10_000);
}
/** 把平台费摊到每个案件后的有效单价,单位美分。 */
export function effectiveRevenuePerCaseCents(plan: CasePlan): number {
return Math.round(monthlyRevenueCents(plan) / monthlyCases(plan));
}
/** 只对核验通过的案件计费,单位美分。 */
export function verifiedCaseRevenueCents(
cases: number,
unitPriceCents: number,
verifiedBps: number,
): number {
const billable = Math.round((cases * verifiedBps) / 10_000);
return billable * unitPriceCents;
}
export const CLAUSEPILOT_PLAN: CasePlan = {
platformFeeCents: 240_000,
casePriceCents: 18_000,
casesPerCustomer: 38,
customers: 85,
};
export const CLAUSEPILOT_COST: CaseCost = {
inferenceCents: 2_200,
reviewCents: 3_500,
platformCents: 800,
};
这段代码把两段收入、单案成本和毛利率都做成可复算的函数。跑一遍可以核对:月度案件 3,230 件,月度收入 78,540,000 美分,单案成本 6,500 美分,月度毛利 57,545,000 美分,毛利率 7,327 个基点。
单案件成本 65 美元是怎么来的
单案件变动成本 65 美元,由三部分组成:推理 22 美元、人工复核 35 美元、平台 8 美元。
推理的 22 美元里,模型调用占 15.20 美元,OCR 与文档存储占 6.80 美元。模型调用是平均 80 次、每次 0.19 美元;OCR 与文档存储是每个案件固定摊 6.80 美元。
人工复核是 0.5 小时、每小时 70 美元,合计 35 美元。这一项最容易在定价时被忽略,因为它不是「AI 成本」,但它真实发生,而且随案件量线性增长。
平台 8 美元覆盖的是多租户基础设施、文档队列、审计日志等共享资源的单案分摊。它不是严格意义上的变动成本,但在单案口径里必须计入,否则毛利率会被高估。
三部分相加得到 65 美元,月度变动成本是 3,230 × 65 = 209,950 美元。月度毛利是 785,400 − 209,950 = 575,450 美元,毛利率是 575,450 ÷ 785,400 = 73.3%。
有效单价 243.16 美元与 73.3% 毛利
客户看到的案件单价是 180 美元,但公司实际从每个案件拿到的收入不止 180 美元,因为平台费也要摊到案件上。
有效单价 = 月度收入 ÷ 月度案件量 = 785,400 ÷ 3,230 = 243.16 美元。
这个数和 180 美元之间的差额 63.16 美元,就是平台费的单案分摊。它解释了一个定价上的常见困惑:为什么案件单价看起来不高,毛利率却有 73.3%?因为平台费提供了额外的 204,000 美元收入,而平台费对应的成本大部分是固定的,没有进入单案变动成本。
有效单价也解释了另一个现象:案件量越大,平台费摊得越薄,有效单价越低,但毛利率未必下降。因为平台费的成本是固定的,案件量增加时,平台费收入的绝对值不变,分摊到每案的比例下降,但整体毛利额仍在增长。
反过来,案件量下降时,有效单价上升,毛利率可能下降。因为平台费收入不变,案件收入减少,而平台相关的固定成本还在。这就是为什么两段式结构里,平台费不能定得太低:它必须在低案件量的月份也能覆盖固定成本。
人工复核:53.8% 的成本与线性产能
ClausePilot 的变动成本结构里,人工复核占 53.8%,推理占 33.8%,平台占 12.3%。最大的一项不是 AI,而是人。
这个结构决定了它的规模化路径和纯 AI 产品完全不同。纯 AI 产品的边际成本主要是推理,规模越大,单位成本越可能因为批量折扣、缓存、模型优化而下降。ClausePilot 的边际成本主要是人工复核,规模越大,需要的人越多,单位成本最多持平,很难下降。
人工复核的产能是线性的:0.5 小时/案件,一个全职复核员每月能处理的案件数有上限。案件量从 3,230 件涨到 6,000 件,复核工时从 1,615 小时涨到 3,000 小时,接近翻倍。如果不能同步增加复核员,交付会先崩,收入增长也接不住。
这就是结果计费的一个隐性约束:你承诺的结果,必须有人能交付。AI 可以处理大部分初筛,但只要合同里写了「含一次人工复核」,人工就是交付的一部分,不能只在成本表里出现,而在产能规划里消失。
核验通过率如何改变毛利
结果计费的收入取决于「核验通过」的案件数。如果所有案件都通过,案件收入是 581,400 美元;如果只有 80% 通过,案件收入变成 3,230 × 80% × 180 = 46,512,000 美分,也就是 465,120 美元。
注意这里的成本假设:即使只有 80% 的案件通过核验,另外 20% 的案件也已经完成了推理和人工复核,成本仍然发生。所以月度收入变成 204,000 + 465,120 = 669,120 美元,成本仍是 209,950 美元,毛利 459,170 美元,毛利率 68.6%。
通过率从 100% 降到 80%,收入降了 14.8%,毛利率降了 4.7 个百分点。这个敏感度不算剧烈,因为平台费提供了一层缓冲;如果换成纯结果计费,收入会直接降 20%,毛利率的跌幅会更大。
核验通过率不是一个可以事后调节的参数,它必须在定价时就被假设进去。合理的做法是:先用历史数据估计通过率,再按通过率调整单价,让「预期收入」而不是「名义单价」覆盖成本。如果通过率是 80%,名义单价 180 美元对应的预期单案收入只有 144 美元,只有 65 美元成本的 2.2 倍,毛利空间会被压缩。
结果计费的四条边界
结果计费不是所有 AI 产品都能用。它需要同时满足四个条件,缺一个就会变成争议源。
结果可定义。 什么叫「完成」必须能被写成规则。合同审查可以定义成「输出风险条款清单并通过复核」,客服对话很难定义成「解决了问题」,因为「解决」的标准因人而异。
结果可归因。 结果必须主要由产品产生,而不是客户配合产生。如果客户不提供完整文档,审查结果一定不好,这时按结果计费对供应商不公平。
结果可核验。 双方要能独立判断结果是否达成。核验成本不能太高,否则省下的争议成本还不够付核验成本。
结果可规模化。 交付结果需要的人力必须能随案件量扩展。如果每单都需要专家复核,规模化的瓶颈就是专家数量,而不是需求。
四条都满足,结果计费可以成立;只满足前三条,可以用「平台费 + 按件计费」的混合结构;只满足前两条,最好回到订阅或用量计费。
什么时候不该用结果计费
有三种情况,结果计费看起来很美,实际会伤害生意。
第一,结果的定义权在客户手里,且客户有动机压低通过率。客户可以说「这份合同没审出我关心的条款」,从而拒付。供应商没有申诉机制时,收入会被单方面压缩。
第二,结果的达成依赖客户输入的质量。客户给的文档缺页、扫描模糊、格式混乱,审查质量必然下降。这时按结果计费等于让供应商承担客户输入的风险。
第三,结果的边际成本不随规模下降,而客户又要求单价随规模下降。人工复核占 53.8% 的结构下,客户量越大,人工成本越高,降价空间越小。如果客户拿「量大」来压价,供应商会陷入「接单越多、毛利越薄」的困境。
三种情况的共同点是:结果计费把太多不可控变量放进了供应商的收入公式。定价结构越贴近结果,越需要先把不可控变量隔离出去。
与订阅、用量的组合
现实中的结果计费很少是纯的。ClausePilot 用的是「平台费 + 案件费」,平台费本质上是一层订阅,案件费才是结果计费。这种组合解决了纯结果计费的两个问题:收入底线和固定成本覆盖。
组合的顺序通常是:先用平台费覆盖固定成本与客户成功,再用案件费对齐交付价值,最后用超额或加急费处理异常需求。三层结构里,平台费提供可预测性,案件费提供价值对齐,异常费提供风险保护。
组合也会带来新的复杂度:客户会问「平台费到底买什么」。如果平台费只是「接入费」,客户会觉得不值;如果平台费包含一定案件量,它又变成了额度。平台费的价值必须能被说清楚:客户成功、合规审计、系统维护、优先支持,这些都要在合同里列明。
第 4 章会把席位、用量、结果三种计费单位放进同一个混合模型,讨论如何组合而不让账单变得不可解释。
定价谈判里的结果定义
结果计费的谈判,表面上谈的是单价,实际上谈的是结果定义。谁定义结果,谁就掌握了收入的解释权。
供应商在谈判中应该争取三件事:结果的定义要写成可执行的规则,而不是形容词;核验的流程要双方共同参与,而不是客户单方判定;争议的处理要有明确的时限和第三方依据。
客户在谈判中通常关心三件事:结果没达成时是否付费,结果达成的判定是否透明,单价是否随量下降。三件事都可以谈,但不能同时让步。如果供应商在结果定义上让步,就不能再在单价上让步;否则收入公式的两个变量同时松动,毛利会迅速失控。
一个好的结果是:双方对「什么算完成」有共同语言,对「怎么核验」有共同流程,对「没完成怎么办」有共同预期。价格只是这个共识的数字表达。
从按件到按结果的三级台阶
「按结果计费」经常被笼统地使用,实际上它有三层,风险和难度依次上升。
第一层是按件计费:交付一个案件收一份钱,不管结果好坏。它最接近用量计费,收入随交付量走,客户承担结果风险。
第二层是按通过计费:只有核验通过的案件才收费,未通过的不收费或只收成本价。ClausePilot 的结构接近这一层,案件费与复核结果挂钩,平台费保底。
第三层是按效果计费:收入与客户的业务结果绑定,比如「审出的风险条款帮客户减少了多少赔付」。这一层最贴近价值,但归因最难,通常只在少数高价值场景成立。
三层不是越往上越好。每上升一层,供应商承担的风险增加,需要的核验能力和数据能力也增加。多数 AI 产品停在第一层或第二层,是合理的商业选择,不是能力不足。
选择哪一层,取决于三个问题:结果能不能被低成本核验,失败的成本由谁承担,客户是否愿意为「确定性」支付溢价。三个问题都有明确答案,再往上走;有一个答不上来,就停在当前层。
结果计费对产品团队的反向要求
定价结构会反过来塑造产品。按结果计费一旦写进合同,产品团队就必须保证「结果可复现」,否则每一次失败都直接变成收入损失。
这会带来三个变化。
第一,评测集从「研发工具」变成「交付基础设施」。产品上线前要在评测集上跑通过率,上线后要持续监控通过率,因为通过率直接影响收入。评测不再是一次性的验收,而是持续的经营指标。
第二,失败案例要能被回溯。客户拒付时,团队要能拿出证据说明结果为什么算通过,或者承认失败并修正。没有完整的调用日志和判定记录,结果计费就无法运营。
第三,人工复核不能是黑盒。复核员的判定标准要统一,否则同一个案件换一个人复核,结果可能不同,通过率就会失真。复核标准需要培训、抽检和校准,这些成本要计入交付成本。
结果计费看起来是定价问题,实际是交付能力问题。定价可以改,交付能力不能临时补。
小结
- 结果计费的第一块基石不是定价,而是可观察、可复算、可争议时有依据的验收标准。
- ClausePilot 采用平台费 + 案件费的两段式结构,月度收入 785,400 美元,ARR 9,424,800 美元。
- 单案件变动成本 65 美元,由推理 22 美元、人工复核 35 美元、平台 8 美元组成。
- 平台费摊入后有效单价 243.16 美元,月度毛利率 73.3%。
- 人工复核占变动成本 53.8%,是最大成本项,也是规模化的线性约束。
- 核验通过率降到 80% 时,案件收入 465,120 美元,整体毛利率降到 68.6%。
- 结果计费需要结果可定义、可归因、可核验、可规模化,四条缺一不可。
- 现实中的结果计费通常与平台费组合,平台费提供收入底线,案件费对齐交付价值。
阅读导航:上一节:3.2 按用量计费:成本对齐与收入波动 · 下一节:4.1 席位 + 用量的混合模型 。
常见错误与边界
- 把「按结果收费」当成营销口号,却没有把结果写成可执行、可核验的规则。
- 只算 AI 推理成本,漏掉人工复核,导致毛利率被高估、产能规划缺失。
- 用名义案件单价 180 美元做单位经济,而不是用摊入平台费后的有效单价 243.16 美元。
- 假设核验通过率是 100%,没有为拒付、返工和争议预留收入折损。
- 在客户单方掌握结果定义权时接受纯结果计费,收入会被单方面压缩。
- 把平台费定得过低,低案件量月份无法覆盖固定成本,两段式结构失去缓冲作用。
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。