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。
漏斗的第一个问题是单位
讨论转化率之前,先要回答「转化的是什么单位」。三个案例的答案不一样。
Verba API 按账户计费,漏斗的起点是免费账户,终点是付费账户。LumenDesk 按席位订阅,漏斗的起点可能是试用席位,终点是付费席位,也可能是试用客户转付费客户。ClausePilot 按案件计费,试用的是案件,付费的也是案件,但合同签在客户层面。
三种单位混在一起,就会得到看似精确、实际无法解释的转化率。比如用「付费客户数 ÷ 免费账户数」算出 18.1%,再把它当成「账户转化率」,就把客户和账户两个口径粘在了一起。数字本身没错,解释错了。
所以漏斗分析的第一步不是算比例,而是写清楚每一段的分子和分母分别是什么单位。分子分母不同单位时,要么先换算,要么明确标注这是「混合口径」,不能直接拿去做决策。
存量比不是转化率
Verba 有 8,000 个免费账户和 1,450 个付费账户。把两者相除:
1,450 ÷ 8,000 = 18.1%
这个 18.1% 经常被写成「免费转付费转化率」,但它不是。它是一个存量比:在某个时点上,付费账户的数量是免费账户的 18.1%。它没有说明这些付费账户是什么时候注册的,也没有说明同期注册的免费账户后来怎么样了。
如果免费账户从不流失,存量比就是累计转化率的上界——因为所有历史上注册的账户都还留在分母里,付费账户只会从里面长出来。如果免费账户会流失,真实 cohort 转化率可能高于或低于这个数,取决于流失的是哪一批人。
用存量比做决策,最容易犯的错是把它当成「当前漏斗效率」。正确的做法是按注册月份分 cohort:每个月的注册账户作为分母,追踪他们在第 1、3、6、12 个月转为付费的比例。只有这样,才能看出漏斗是在变好还是变坏。
存量比仍然有用。它给出一个粗略的上界,也给出一个规模感:8,000 个免费账户最终只长出 1,450 个付费账户,说明免费层的「库存」远大于付费层,任何提高转化率的动作都会被这个基数放大。
覆盖免费层的最低转化率
6.1 算过 Verba 的免费层月成本是 1,411.20 美元,单个免费账户是 0.1764 美元;付费账户每月贡献毛利 110.07 美元。两者相除:
0.1764 ÷ 110.07 = 0.0016 = 0.16%
也就是说,每月只要有 0.16% 的免费账户转化为付费,免费层的变动成本就刚好被覆盖。8,000 × 0.16% = 12.82 个账户,和 1,411.20 ÷ 110.07 = 12.82 是同一件事。
这个 0.16% 是成本覆盖线,不是转化率目标。它回答的是「最低要多少才能不亏」,不回答「多少算健康」。一个免费层如果长期低于这条线,它就在持续消耗毛利;高于这条线,超出的部分才是获客贡献。
把这条线放到三个案例里,差异立刻显现。Verba 是 0.16%,LumenDesk 是 20.9%,ClausePilot 是 56.5%。前两个在正常漏斗范围内,第三个远高于任何现实转化率,说明 ClausePilot 的「免费案件」模式在结构上不成立——它不是转化问题,是单位经济问题。
免费层获客成本与 CAC
覆盖线回答「不亏」,CAC 回答「划算」。把免费层成本摊到每个付费账户上:
免费层获客成本 = 每免费账户月成本 ÷ 月转化率
代入 Verba 的数字,得到一张敏感度表。
| 月转化率 | 免费层获客成本 | 与 CAC 420 美元比较 |
|---|---|---|
| 1.0% | 17.64 美元 | 4.2% |
| 0.5% | 35.28 美元 | 8.4% |
| 0.16% | 110.25 美元 | 26.3% |
即使转化率低到刚好覆盖成本,免费层获客成本也只有 110.25 美元,是 CAC 420 美元的 26.3%。换算成打平线:
0.1764 ÷ 420 = 0.00042 = 0.042%
只要月转化率高于 0.042%,免费层获客就比付费投放便宜。这个门槛极低,说明 Verba 的免费层在经济上几乎必然划算——真正的约束不是成本,而是免费账户的规模、滥用控制和转化质量。
这也解释了一个常见现象:低单位成本的 API 产品特别喜欢免费层,因为数学上很难亏;高单位成本的垂直产品则倾向销售试用,因为每一单免费成本都太重。
把漏斗算成一个可复算的数
下面的代码把存量比、成本覆盖线、免费层获客成本和 CAC 打平线放在一起。所有比率用基点,金额用整数美分或 micro-USD。
// file: src/pricing/06-3-trial-conversion.ts
// tier: L1
// verify: node --test test/pricing/06-3-trial-conversion.test.ts
// 从试用到付费:把漏斗折算成「每个付费单位分摊多少试用成本」。
export type FunnelStep = {
name: string;
entered: number;
converted: number;
};
export type FreeTierEconomics = {
freeAccounts: number;
payingAccounts: number;
freeCostMicrosPerAccount: number;
grossProfitCentsPerPaying: number;
cacCents: number;
};
export function stepRateBps(step: FunnelStep): number {
if (step.entered === 0) return 0;
return Math.round((step.converted / step.entered) * 10_000);
}
/** 多段漏斗的复合转化率,单位基点。 */
export function compoundRateBps(steps: readonly FunnelStep[]): number {
return steps.reduce(
(acc, step) => Math.round((acc * stepRateBps(step)) / 10_000),
10_000,
);
}
/** 存量比:付费账户 ÷ 免费账户。它是累计转化率的上界,不是同期转化率。 */
export function stockRatioBps(econ: FreeTierEconomics): number {
if (econ.freeAccounts === 0) return 0;
return Math.round((econ.payingAccounts / econ.freeAccounts) * 10_000);
}
/** 覆盖免费层成本所需的月度转化率,单位基点。 */
export function breakevenConversionBps(econ: FreeTierEconomics): number {
const freeCostCents = econ.freeCostMicrosPerAccount / 10_000;
return Math.round((freeCostCents / econ.grossProfitCentsPerPaying) * 10_000);
}
/** 给定转化率时,每个付费账户分摊的免费层成本,单位 micro-USD。 */
export function freeTierCacMicros(
econ: FreeTierEconomics,
conversionBps: number,
): number {
if (conversionBps === 0) return 0;
return Math.round((econ.freeCostMicrosPerAccount * 10_000) / conversionBps);
}
/** 免费层获客成本占 CAC 的比例,单位基点。 */
export function freeTierCacBpsOfCac(
econ: FreeTierEconomics,
conversionBps: number,
): number {
return Math.round(freeTierCacMicros(econ, conversionBps) / econ.cacCents);
}
/** 与 CAC 打平时所需的最低转化率,单位基点。 */
export function conversionToMatchCacBps(econ: FreeTierEconomics): number {
return Math.round(econ.freeCostMicrosPerAccount / econ.cacCents);
}
export const VERBA_ECONOMICS: FreeTierEconomics = {
freeAccounts: 8_000,
payingAccounts: 1_450,
freeCostMicrosPerAccount: 176_400,
grossProfitCentsPerPaying: 11_007,
cacCents: 42_000,
};
测试可以核对:存量比 1,813 个基点,即 18.1%;成本覆盖线 16 个基点,即 0.16%;1% 转化率下免费层获客成本 17,640,000 micro-USD,即 17.64 美元,占 CAC 420 个基点;与 CAC 打平只需要 4 个基点,即 0.042%。
席位口径的陷阱
LumenDesk 的 CAC 是 1,800 美元/客户,不是 1,800 美元/席位。平均每个客户 6 个席位,折算成席位口径:
1,800 ÷ 6 = 300 美元/席位
免费试用一个席位的成本是 9.30 美元。如果分母用客户口径的 1,800 美元,得到 9.30 ÷ 1,800 = 0.5%;如果分母用席位口径的 300 美元,得到 9.30 ÷ 300 = 3.1%。两者相差六倍。
更麻烦的是,这两个数回答的是不同问题。3.1% 回答「试用成本占席位获客成本的比例」,用于判断试用预算是否合理;20.9% 回答「覆盖免费席位成本所需的转化率」,用于判断免费层是否亏钱。前者的分母是 CAC,后者的分母是每席位毛利 44.50 美元。两个比例都叫「转化率」,含义完全不同。
一个实用的检查方法是:写下比例的分子和分母,确认它们的单位一致。不一致就换算,换算不了就说明这个比例不能用来做决策。漏斗分析里大多数错误,不是算错,而是单位没对齐。
案件口径的盈亏平衡
ClausePilot 的试用成本按 30 天、38 个案件算是 2,470 美元,CAC 是 9,500 美元。试用成本占 CAC:
2,470 ÷ 9,500 = 26.0%
这意味着试用转付费率必须高于 26.0%,试用获客才比直接投放便宜。如果试用额度压到 14 个案件,成本是 910 美元:
910 ÷ 9,500 = 9.6%
盈亏平衡线从 26.0% 降到 9.6%,这才是额度设计的真正收益。它不是让试用「更便宜」,而是让试用「在更低的转化率下仍然划算」。
ClausePilot 的 LTV/CAC 是 118.8 倍,看起来完全付得起高 touch 的试用。但 LTV/CAC 只对已转化的客户成立。100 个试用客户如果只有 10 个转化,另外 90 个的试用成本是纯支出:
100 × 2,470 = 247,000 美元
这笔钱不会进入任何一个付费客户的 LTV,只会进入获客成本。所以高 LTV/CAC 给的是「可以多花」的空间,不是「可以不算」的理由。
四段漏斗与各自的杠杆
把漏斗拆成四段,比笼统地说「转化率」更有用。每一段有自己的分子、分母和改善杠杆。
触达。 分母是曝光或访问,分子是注册。杠杆是渠道选择和落地页,衡量指标是分渠道 CAC。这一段不消耗 AI 变动成本,但决定了后面所有成本的基数。
激活。 分母是注册,分子是完成第一次价值回路的用户。客服产品的一次回路是回答一个真实问题,转写产品是一场真实会议,合同审查是一份真实合同。杠杆是 onboarding 和默认配置,衡量指标是激活率。
习惯。 分母是激活,分子是第二周仍然产生用量的用户。杠杆是额度提醒、模板和使用场景嵌入,衡量指标是周留存。没有习惯的用户,即使转化了也会快速流失。
付费。 分母是试用或活跃免费用户,分子是首次付费。杠杆是额度耗尽时的升级路径、功能门控和销售跟进,衡量指标是试用转付费率与回本周期。
四段的复合转化率是各段相乘。任何一段接近零,后面的段再高也没有意义。所以优化顺序应该从最弱的一段开始,而不是从最容易改的一段开始。
用 LTV/CAC 收口
漏斗的终点不是「付费」,而是「付费后能回本」。把三个案例的 LTV 和 CAC 放在一起:
| 案例 | LTV | CAC | LTV/CAC | 回本周期 |
|---|---|---|---|---|
| Verba API | 5,240 美元 | 420 美元 | 12.5 倍 | 3.8 个月 |
| LumenDesk | 33,378 美元 | 1,800 美元 | 18.5 倍 | 6.7 个月 |
| ClausePilot | 1,128,204 美元 | 9,500 美元 | 118.8 倍 | 1.4 个月 |
三个比值都高于常见的 3 倍门槛,说明单位经济本身成立。但它们的含义不同。Verba 的 12.5 倍建立在 2.1% 的月流失率上,LTV 对流失率极其敏感;流失率从 2.1% 升到 3.0%,LTV 会降到 5,240 × 2.1 ÷ 3.0 = 3,668 美元,LTV/CAC 降到 8.7 倍。LumenDesk 的 18.5 倍建立在 0.8% 的低流失上,但它的回本周期是 6.7 个月,比 Verba 更长。ClausePilot 的 118.8 倍最高,回本也最快,但它的 LTV 依赖 0.6% 的极低流失和 118% 的 NRR,任何一个恶化都会让比值快速下降。
所以 LTV/CAC 不是「越高越好」的排行榜,而是一个用来判断「还能花多少获客成本」的工具。ClausePilot 的 118.8 倍意味着它可以承受 9,500 美元的 CAC,也可以承受 2,470 美元的试用成本;Verba 的 12.5 倍意味着它的获客必须保持轻量,免费层正好符合这个约束。
三个常见断点
注册后未激活。 用户来了,但没跑完第一次价值回路。原因通常是默认配置太重、需要导入数据、或者第一次任务太复杂。修法是缩短首次价值时间,而不是加大试用额度。
激活后未形成习惯。 用户用过一次,第二周不再回来。原因通常是产品没有进入工作流,或者额度提醒没有触达。修法是把产品嵌入现有流程,而不是降价。
用满额度未付费。 用户把额度用完了,但没有升级。原因通常是升级路径不清晰,或者付费后的价值增量不明显。修法是明确「付费后能多做什么」,而不是简单地提高额度。
三个断点对应三种不同的修法,不能用同一个「提高转化率」的口号覆盖。漏斗分析的价值,就是告诉你现在卡在哪一段,而不是给你一个笼统的转化率数字。
三个断点分开看,还有一个共同前提:漏斗的每一段都必须能被独立计量。如果注册、激活、付费三个事件共用同一个埋点,或者口径随版本变化,任何转化率都不可比,优化也就无从下手。
小结
- 漏斗分析的第一步是统一单位:账户、席位、案件不能混用,分子分母必须同口径。
- Verba 的 18.1% 是存量比,不是 cohort 转化率;它只能作为累计转化率的上界。
- 覆盖免费层成本的最低月转化率是 0.16%,对应 12.82 个付费账户;这是地板,不是目标。
- 免费层获客成本等于每账户成本除以转化率;Verba 在 0.042% 转化率时与 CAC 420 美元打平。
- LumenDesk 的 CAC 必须按席位折算成 300 美元,否则试用成本占比会被低估六倍。
- ClausePilot 的试用盈亏平衡线是 26.0%,额度压到 14 个案件后降到 9.6%。
- 漏斗分四段:触达、激活、习惯、付费;复合转化率是各段相乘,优化应从最弱的一段开始。
- LTV/CAC 回答「还能花多少获客成本」,不回答「转化率是否健康」;两者要一起看。
阅读导航:上一节:6.2 试用设计:时间、额度与功能边界 · 下一节:7.1 额度粒度:按请求、按 token、按结果 。
常见错误与边界
- 把存量比当 cohort 转化率。18.1% 是某一时点的账户数量比,不能说明同期注册用户的转化效率。
- 用客户口径的 CAC 除以席位口径的试用成本。LumenDesk 会把 3.1% 算成 0.5%,试用预算被低估。
- 只算覆盖线,不算 CAC 打平线。覆盖线回答「不亏」,打平线回答「比投放划算」,两个问题不能互相替代。
- 把 LTV/CAC 当成转化率的替代指标。LTV 只对已转化客户成立,未转化试用的成本不在分母里。
- 用复合转化率掩盖单段断点。四段相乘的结果很低时,必须先找出最弱的一段,而不是整体优化。
- 在漏斗分析里混用不同注册月份的账户。cohort 必须按注册时间分组,否则流失和转化会互相抵消。
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。