AI产品定价：来自400+公司与50年研究的经验

摘要

Madhavan Ramanujan 是全球定价策略权威、Simon-Kucher 高级合伙人、《Monetizing Innovation》（《创新变现》）作者。他服务过超过 250 家公司、20 余家独角兽，客户包括 Uber、Asana、DoorDash、LinkedIn 等。在本期播客中，他从定价的底层逻辑出发，系统阐述了五大核心议题。第一，支付意愿（Willingness to Pay）是产品市场定价适配（Product Market Pricing Fit）的基石，创始人必须在产品设计阶段就启动支付意愿对话，而非等产品上线再定价——First Round 将其概括为"先定价，后产品"。第二，他提供了五种实操方法来获取真实支付意愿：相对比较法、可接受/昂贵/极贵三档法、购买概率量表、最重要/最不重要排序法、权衡实验法。第三，细分（Segmentation）必须基于需求与支付意愿而非人口统计画像，目标是对不同细分群体做出差异化产品，而非用同一产品去做差异化营销。第四，定价模式（How You Charge）远比价格水平（How Much You Charge）重要，他以米其林按里程收费、Segment 从 API 切换到月度追踪用户数为例，说明切换定价指标即可释放巨大商业价值。第五，行为定价（Behavioral Pricing）利用消费者决策中的非理性因素——妥协效应、每日几分钱效应、剃须刀模型、帕尼尼效应——在不改变产品的前提下显著提升收入。此外，他还分享了经济下行期的三条定价锦囊，以及即将出版的新书《Unlocking Growth》的核心框架。

正文

定价的本质：价值度量而非数字游戏

Madhavan Ramanujam 任职于 Simon-Kucher——全球最大的定价策略咨询公司，拥有约 2000 名员工、43 个办公室。他本人长驻湾区，15 年来专注于科技公司定价、变现与盈利增长，服务超过 250 家企业，其中包括 Uber、Asana、DoorDash、LinkedIn 等 20 余家独角兽。他所著的《Monetizing Innovation》出版六年仍居亚马逊多个品类前十，持续有读者反馈"周一就能落地"。

他对定价的理解始于一次尴尬的经历。在斯坦福商学院与工程学院就读期间，他曾负责创业团队的定价与变现策略。向 VC 路演时，他展示了一张塞满假设的电子表格，VC 只问了一句："你怎么知道这些假设是真的？"他坦承自己并不真正知道。同一周，Simon-Kucher 时任管理合伙人 Matt Johnson 邀请他加入，他由此从"猜测的艺术"转向"定价的科学"。

Madhavan 强调，大多数人在谈论定价时，立即跳到美元数字——那只是一个价格点。但价格的本质是一种度量衡：升是体积的度量，价格是价值的度量。理解了这一点，定价就不再是"该收多少钱"的算术问题，而是"人们是否真正想要并愿意购买你的产品"的验证问题。

《Monetizing Innovation》的写作动机正是由此而来。他反复目睹一种模式：公司投入数年打造创新产品，然后紧急来电寻求定价策略，被问及"你如何确定人们会为此付费"时，答案几乎总是"不知道"。数据显示，72% 的创新在变现层面失败，根本原因就是定价对话来得太迟。如果提前验证支付意愿，团队本可以调整产品方向，建造更有意义的东西。

关于定价职能在组织中的归属，Madhavan 的观点也在进化。十年前他主张定价归财务，以制衡销售团队的随意折扣。但过去十年，他坚定主张定价应归属产品侧。核心理由是：如果你真正相信应该围绕客户需求、价值与支付意愿来设计产品，那定价就是产品职能——因为产品团队需要依据这些信息来设计产品。《Monetizing Innovation》的副标题正是"聪明的公司如何围绕价格设计产品"。

支付意愿：先定价，后产品

产品市场定价适配

产品圈对"产品市场适配（Product Market Fit）"耳熟能详，但 Madhavan 指出，仅仅 PMF 是不够的，真正需要达成的是产品市场定价适配（Product Market Pricing Fit）。一个简单实验：问某人"你喜欢这款耳机吗？"答案是喜欢；再问"200 美元呢？"整个对话的性质就变了。如果你在验证产品市场适配时不包含价格，你往往只听到了自己想听的话。

支付意愿是对"人们是否真正重视并渴望你的产品"的代理度量。创始人需要尽早启动这一对话——如果在产品上线前六个月，你就用同样的销售话术向客户推介价值，然后问"你会为此付费吗"，对方说"不会"，那接下来六个月加再多功能也无济于事。而当对方说"不会"时，最重要的追问是"为什么"——你会听到大量可用于调整产品甚至重塑策略的信息。

First Round 将这一理念概括为四个字：先定价，后产品（Price Before Product）。Madhavan 强调，作为创业者，你没有选择"是否与客户进行定价对话"的自由，你唯一的选择是"何时"进行。你可以先建出产品再定价、祈祷能变现，也可以提前对话、围绕支付意愿设计产品、从而确保变现。这是测试与学习，产品人早已熟知的 test-and-learn 方法论——为何不对定价做测试与学习？

保时捷 Cayenne：蓝图之前就验证支付意愿

保时捷考虑推出 SUV 时，在画出任何蓝图之前，就先去市场验证：市场是否需要保时捷的 SUV？人们是否重视它？是否愿意付费？结果令他们惊喜——答案是肯定的。更关键的是后续做法：车辆中每一个功能、每项利益，都必须经过客户实打实的检验，产品和工程团队的说服力再强也不算数。大号杯架之所以进入车内，是因为客户需要、愿意付费；六速手动变速箱之所以被砍掉，是因为 SUV 客户不需要。他们甚至在所谓的"汽车诊所"中让客户试驾原型车，逐一验证。这种创新流程与经典的"建出来、标上价、丢出去"截然相反——它是围绕客户反馈与支付意愿来设计产品的。

结果？Cayenne 占保时捷利润的一半以上，成为汽车史上最成功的车型之一。

双边市场案例：内部最看好的功能竟无人愿意付费

某双边市场平台（已对卖方变现）决定为买方开发变现产品。产品团队按经典流程做了线下工作坊，产出上千张便签，筛选出 40 个创意上报 CEO。CEO 只问了一个问题："你怎么确定这能变现？"——和当年 VC 问 Madhavan 的一模一样。团队答不上来。

他们随后用线框图和产品概念去测试客户。结果令团队震惊：内部认为排名第一的功能——"Facebook 好友连接（Highlight Connections from Facebook）"——即买家在购买时能看到 Facebook 好友是否也从同一卖家买过，公司上下都觉得这是杀手功能。但测试反馈三重打击：一拨客户说"你告诉我不能看 200 条评论自己做判断？这毁了我做产品研究的乐趣"；另一拨说"功能不错，但我不付费"；还有一拨说"我根本不想让 Facebook 好友知道我在买这个东西"。没有一群客户说"我爱这功能，愿意付费"。

如果没做支付意愿测试，团队会围绕这个功能构建整个产品——那将是一场灾难。

20% 的功能驱动 80% 的支付意愿

这是 Madhavan 在数百家公司中反复观察到的规律：你构建的功能中，20% 驱动了 80% 的支付意愿。如果你不知道这 20% 是什么，你可能在不重要的事情上浪费大量资源。更糟的情况是，这 20% 恰好是最容易构建的，公司建出来后当作 MVP 免费送出，然后拼命追赶那驱动 80% 支付意愿的核心功能——仗还没打就输了。

因此，产品团队必须基于支付意愿对话来优先排序研发路线图，正如保时捷和那家双边市场平台所做的那样。你可以围绕目标价格点与支付意愿来产品化，也可以至少用支付意愿来优先排序要构建什么——两种路径都能让你走对。

获取支付意愿的五种方法

Madhavan 在书中用整整一章（第四章）阐述如何进行支付意愿对话。他警告：直接问"你觉得我该收多少钱"是最低效的方式，因为那是你的工作，没人该替你定价。但有多种精巧的方法可以在不直接对峙的情况下探出人们的真实支付意愿。

方法一：相对比较法

核心洞察是"人们对绝对值毫无感知，对相对值却极为敏锐"。如果你是 B2B SaaS 公司，可以问客户："你们在用 Salesforce 吗？如果把 Salesforce 的价值标为 100，你觉得我们的产品在其日常运营中带来的价值相当于多少？"客户能轻松给出 80、120 这样的数字。然后追问："如果 Salesforce 的定价标为 100，你觉得我们应该定在多少？"如果对方说 110，意味着你定得比 Salesforce 更高他们也愿付——你至少获得了有意义的基准信息。

方法二：可接受/昂贵/极贵三档法

先向客户完整推介产品价值——和上线后要做的销售话术一模一样——然后依次问三个问题：

1. "你认为可接受的价格是多少？"——客户不仅喜欢产品，也喜欢这个价格。如果你在增长模式，可以定在这里，零摩擦。
2. "你认为昂贵的价格是多少？"——客户不讨厌你也不热爱你，会付钱但反应中性。这通常是价值定价的基准。
3. "你认为极贵的价格是多少？"——客户会笑你出房间。

在数千个项目中，Simon-Kucher 发现需求曲线上存在悬崖——比如从 99 美元到 101 美元，突然 20-30% 的人认为"昂贵"或"极贵"。这就是心理阈值。Rahul Vohra 正是用此方法为 Superhuman 定出了 30 美元的月费。

方法三：购买概率量表

问"你会买吗"毫无意义。但如果在 1-5 分的量表上问——1="完全不感兴趣"，5="一定购买"，4="大概率购买"，3="中立"——你会发现：即使选了 5，实际购买概率也仅 30-50%；选 4 则为 10-20%；选 3 及以下基本不会买。在大规模数据下，你可以绘制不同价位的购买概率曲线，找到最优点，并测试降价是否能将"3 分"提升到"4-5 分"。

方法四：最重要/最不重要排序法

让客户对 10 个功能逐一排名是痛苦的，因为中间地带模糊不清。心理学表明，人们擅长识别极端值。做法是：从 10 个功能中每次取 6 个，让客户从中选出"最重要的（必须有，我愿意付费）"和"最不重要的（不需要，不愿付费）"，然后更换 6 个功能的组合再问。几轮下来，你可以在相对维度上排出完整的功能优先级，真正理解什么驱动支付意愿。

方法五：权衡实验法

这是最严谨的方法。让参与者面对真实的购买场景——不同功能组合、不同价格、不同方案层级——然后问"你会选哪个？还是全都不选？"更换参数后再次测试。这揭示的是人们做决策时的心智模型和规则。例如，增加某些功能并提高价格后，如果大量客户选择"不买任何方案"，说明那些新增功能的支付意愿不足以覆盖价格增幅。

不同方法适用于不同阶段：极早期只需问"你愿意付费吗"——不的话追问为什么，愿意的话追问为什么，后者的回答就是你该用的价值话术；中期可用购买概率等快速方法；接近上线、需要精确的定价包装策略时，权衡实验和最重要/最不重要法则变得至关重要。

此外，Madhavan 强调：你追问的问题中大约 50% 应该是"为什么"。客户给出的每个答案背后都藏着关键信息——要么修正你的产品方向，要么提炼你的价值话术。

关于样本量：B2C 公司拥有海量用户，1,000-2,000 份定量反馈即可达到统计显著性；B2B SaaS 公司如果 20-30 个客户贡献 80-90% 收入，尽量和这 20-30 家都谈——20 个人说想法糟糕，那就是糟糕，测再多也没用。至于迭代频率：至少每六个月暂停思考是否需要重新审视定价，12-18 个月内很可能有必要更新，产品推出新方案或新功能时也是自然时机。

细分：从需求出发的产品化

细分≠画像

Madhavan 指出，约 60% 的公司声称自己有细分策略，但其中真正有意义的可能只有 10%。问题出在定义：大多数公司把细分等同于人口统计或用户画像（Persona），这大错特错。他给了一个精妙的例子——想象一位 70 岁以上、住在城堡里、极其富有的英国人，你想到的是查尔斯国王，但这同样适用于 Ozzy Osbourne。两人的品味、需求、支付意愿天差地别。如果仅凭画像做细分，你会走进死胡同。

正确的细分必须基于客户的需求、价值观和支付意愿，然后据此对不同细分群体做出差异化的产品。核心判断标准是三个词：你能做出不同的行动（You Can Act Differently）——你的产品团队、销售团队、营销团队、财务团队，对不同的细分群体应该有不同的产品、商业论证、营销信息和销售策略。如果你对所有人的反应和处理方式都一样，你就没有真正的细分策略。

水：同一种产品的四种产品化

饮水处的水免费；瓶装水 2 美元；气泡水 2.5 美元；迷你吧里的水 5 美元。同一种水，因需求不同而产品化（Productize）为不同形态。价格敏感的人喝饮水处的水；想随身携带的买瓶装水；喜欢口感的选择气泡水；懒得下楼去大堂的掏 5 美元取迷你吧的水。如果你不理解这些需求，你就只会建一种产品、试图向不同需求的人推销——结果是满足不了任何人。

Madhavan 的结论犀利："One size fits all"实际上是"One size fits none"。 在他工作过的所有行业中，客户需求从未同质——总是异质的。承认这一点，才能进入细分的核心：需求在哪里不同？支付意愿在哪里不同？我可以为不同的细分群体构建什么不同的产品？

苹果 iPhone：产品化到不同价格点

如果苹果只造一款 iPhone 试图抢占整个市场，它不可能成为全球最赚钱的公司。实际上 iPhone 有 299 美元到 1499 美元的完整产品线。Madhavan 回忆 iPhone X 发布时，他不想花 1000 美元，检查了功能后发现自己并不需要视网膜显示等高端特性，于是选了 799 美元的 iPhone 8S。苹果不是简单地为 iPhone 定价，而是围绕不同价格点与支付意愿进行了产品化——这才是关键。

Eventbrite：从一刀切到三层产品

Eventbrite 在 IPO 前曾只有一款产品服务所有客户。经过细分分析后，他们推出了三个方案：入门方案只允许一种票型（如通用入场券），适合本地小型聚会；中间方案支持无限票型（通用、VIP 等），面向更专业的活动组织者；还有企业方案。三种方案对应三个细分群体，每个方案的价格也与交付的价值匹配。

Uber：动态细分的先锋

Uber 是细分的经典案例——不同车型对应不同细分：Uber Black、Uber X、Comfort、Pool。Comfort 和 Black 支持"安静优先"选项，这正是 Madhavan 选择它们的原因：他希望在车上安静工作，愿意为此多付钱。而日常通勤时他可能选 Pool。同一个人在不同场景下属于不同细分——这引出了比静态细分更前沿的动态细分（Dynamic Segmentation）。周五晚上的外卖订单和周二午间的订单，需求完全不同；技术让我们能够捕捉这种动态切换，并据此提供不同产品和服务。

早期创始人何时考虑细分？

初创团队常以"时间紧迫、资源有限"为由只做一个产品。Madhavan 的回应是：恰恰因为你理解了细分，才应该在做支付意愿对话时就弄清——谁愿意付费？他们需要什么？这个群体有多大？然后据此决定先服务哪个细分、构建什么产品、用什么价值话术。你不必同时为五个细分群体开发五款产品，但你应该聚焦正确的细分、优先为其打造产品。如果偷懒做一个产品标上一个价格丢向市场说"我能吸引所有人"——你将吸引不到任何人。

三大定价战略

Madhavan 指出，定价领域虽然充斥着各种术语，但本质上只有三种定价战略：

1. 撇脂战略（Skimming）——以苹果 iPhone 为代表。新一代产品以更高价格推出，上一代降价。价格是品质的信号，产品定位高端。
2. 渗透战略（Penetration）——以亚马逊为代表。薄利多销，走量游戏。但这比看起来难得多——你必须把成本、供应链全部理顺。很多创业者说"低价换增长"，但如果你的商业模式不像亚马逊那样支撑薄利，就不该走这条路。值得注意的是，同一家公司内部不同业务单元可以有不同战略——AWS 与亚马逊电商的定价战略截然不同。
3. 最大化战略（Maximization）——介于前两者之间，追求未来几年内的利润最大化。微软大致属于此类。

苹果、微软、亚马逊——这三家先后达到万亿美元市值的公司，定价战略迥异。关键不在于随便挑一种，而在于选定一种后，真正围绕它来构建产品、执行并贯彻你的商业模式。

包装与捆绑：领导者、填充物与杀手

细分策略的落地工具是包装（Packaging）与捆绑（Bundling）——根据客户需求、价值观和支付意愿来配置产品。Madhavan 提供了一个简洁框架：领导者、填充物与杀手（Leaders, Fillers and Killers）。

以麦当劳的开心乐园餐（Happy Meal）为例：

• 领导者（Leader）：巨无霸汉堡——这是人们来麦当劳的核心原因。
• 填充物（Filler）：薯条和可乐——多数人不会单买薯条或可乐，但"加一两美元就能得到"的提议让人难以拒绝。以边际价格提升售出多种产品，客户未必单独购买，但打包后愿意接受。
• 杀手（Killer）：咖啡——如果把它塞进汉堡套餐，会毁掉整个捆绑。没有人在吃汉堡时需要双重咖啡因。但像 Madhavan 这样的人就喜欢汉堡配咖啡——这些人是附加项（Add-on）的完美候选，咖啡因此单独列在菜单上。

经验法则：如果 10-20% 的客户强烈想要某样东西，它通常是附加项而非套餐的一部分（除非你有专门的高级方案）；如果超过 50% 的人想要，它就是领导者。识别了领导者、填充物和杀手，你就能围绕不同细分群体配置产品，释放最大价值。

这些分类的数据来源正是支付意愿对话：在"最重要/最不重要"排序中，"必须有、愿意付费"的是领导者，"还不错、可能会考虑"的是填充物，"不需要、不愿付费"的是杀手。

定价模式：怎么收比收多少更重要

米其林：从按条卖到按里程收费

米其林推出了一款寿命延长 20% 的新轮胎，用于卡车运输。轮胎市场极度价格敏感——走进轮胎店，所有产品看起来差不多但价格各异，消费者很难决策。如果米其林要求 20% 溢价，几乎不可能获得；如果不提价，新轮胎更长寿命反而蚕食自身 20% 的销量。

解决方案是切换定价模式：从按条计价改为按里程计价。卡车司机不仅喜欢按用量付费的灵活性，更重要的是——他们现在可以把轮胎费用按实际里程开给下游客户，将固定成本变为可变成本。更多人因此选择米其林，即使单条轮胎生命周期内实际收入更高。如果轮胎都能按用量收费，大多数产品——尤其是软件——更应探索这条路。

Segment：从 API 到月度追踪用户数

Segment 被 Twilio 收购前，定价基于 API 数量——使用越多 API，方案越贵。但公司开始向更多角色（而非仅技术团队）销售时，"什么是 API"都成了争论。他们与 Simon-Kucher 合作后发现，月度追踪用户数（Monthly Tracked Users）是更符合客户价值感知的指标：追踪越多用户，说明你获得的业务价值越大，自然愿意付更多。这与米其林按里程收费在逻辑上完全一致——只是 B2B SaaS 的版本。

何时选择订阅，何时选择按用量付费

Madhavan 警告，不要因为某种模式"当红"就盲目跟风。正确的做法是根据业务场景判断：

订阅模式适用的场景：
- 客户需要可预测的账单
- 用量月度间高度稳定（如洗衣凝珠，每月用量差不多）
- 用量间歇但价值持续——如 LifeLock 身份盗用防护，只在遭遇风险时才"使用"，但保护价值是持续的
- 简化定价对话有利可图——如 Spotify，按歌收费会让体验复杂化，订阅更合理

按用量付费适用的场景：
- 客户希望低承诺、低摩擦——如 AWS，先小规模试用，再随使用增长
- 客户要求透明与公平——"几个月不用还要付订阅费"就是公平性问题
- 用量间歇且价值也是间歇的——如买电影票、订航班
- 底层成本随用量缩放——如云基础设施
- 有可追踪、可归因、客户认同的清晰度量指标——这是最关键的前提

混合模式同样可行。HubSpot 就是混合典范：固定月费覆盖基础使用，超出配额后按用量计费。

价值矩阵：二维定价结构

对于追求全员渗透（Wall-to-Wall Adoption）的 B2B SaaS 公司，Madhavan 推荐价值矩阵（Value Matrix）：一个维度是席位数，另一个维度是部门数（HR、法务等）。用户数越多、覆盖部门越多，人均价格越低——这自动激励客户推动产品在组织内的扩散，实现产品驱动增长（Product-Led Growth）而非依赖销售谈判。

盈亏平衡法：测试定价模式的捷径

想测试客户偏好哪种定价模式？做盈亏平衡练习。例如，对于市集平台中 100 美元的商品，问卖家：

• 3% 交易费（= 3 美元）
• 1.5% 交易费 + 2 美元平台费（= 3.5 美元）
• 3 美元固定费

数学上几乎等价，商学院理论说理性人应该选"无差异"。但 Madhavan 做了上千次，"无差异"从未赢过——人们总是偏好某一端。B2B SaaS 同理：1000 美元平台费 + 10 美元/席位，对比 2000 美元固定费，对比 500 美元平台费 + 可变费用——总价相同，但客户总有明确偏好。这就是测试定价模式最简单的方法。

卖利益而非功能

功能与利益的区别

你作为产品人构建的是功能（Features），客户从中获得的是利益（Benefits）。功能回答"产品做什么"，利益回答"客户得到什么"。如果你对产品的每个细节都激动不已——看这个功能多酷、那个交互多精妙——你很可能在讲功能而非利益。另一个信号是市场牵引力不足——要么你做错了东西，要么客户不理解自己能得到什么。

SmugMug：从功能清单到利益表达

SmugMug 曾经的定价页面需要滚动三到四页才能看到价格——全是功能罗列。他们切换到利益表达后，最典型的改变是："在线销售照片的能力"是一个利益，背后可能由 15 个功能支撑，但客户只需要知道他获得了什么。结果：双位数收入提升，产品没有任何变化。

保时捷 Taycan：价值声明的典范

保时捷 Taycan 电动车的价值声明是这样的："Taycan 不是你最负担得起的电动车，但保时捷的目标从来不是做最便宜的——而是做一辆首先是保时捷的车。"这句话精准地与目标受众的价值取向共鸣。

Shopify：利益驱动的方案设计

Shopify 的方案页面以利益为核心。例如，不同方案对应不同的库存追踪地点数量——这是一个利益：你的供应链越复杂，需要追踪的地点越多，对应更高的方案。如果只看功能列表，客户无法快速理解哪个方案适合自己。Shopify Plus 的标语"公平定价，不公平的优势"更是利益表达的极致——简洁、有力、直击价值。

Madhavan 的行动建议：去看看你的网站，浏览自己的定价页面——你是在展示功能，还是在传达利益？

行为定价学

理性与非理性并存

行为定价（Behavioral Pricing）利用的是人们决策中的非理性维度。前述盈亏平衡练习中，"无差异"从未获胜——这本身就是行为定价的活证据：人们总有非理性的偏好。Dan Ariely 的《怪诞行为学（Predictably Irrational）》让这一概念广为人知，Madhavan 在此基础上发展了产品与定价策略层面的应用。

妥协效应（Compromise Effect）

Madhavan 走进一家公司，发现他们有三款产品定价 49 美元、79 美元、149 美元。CEO 说他在商学院学了"好-更好-最好"策略。但实际情况是：入门产品功能太多——"把农场送人了"——60-70% 的客户选择了 49 美元的产品，几乎没人升级。

解决方案：他们发现 79 到 99 美元之间价格无弹性，心理阈值在 99 而非 79。于是将中间产品提至 99 美元，高端产品提至 199 美元，再新增一款 299 美元的产品——它是纯粹的诱饵（Decoy），目的是让 99 美元的产品看起来极具吸引力。结果：客户组合向 99 美元倾斜，MRR（月度经常性收入）和 ARPU（每用户平均收入）提升超过 30%。产品没变，功能没变，只是重新框定了对话。

电影院的爆米花同理：小桶 7 美元，特大桶加黄油 8 美元。多数人觉得"多 1 美元就升级，值了"——但那 7 美元的小桶就是诱饵，没有它，人们会质疑"为什么要花 8 美元买爆米花"。

关键产品纪律：如果你的组合分布显示大多数人选择入门产品，你在入门级给得太多了。应从入门级划出一些价值到中间产品，利用妥协效应引导更多客户选择中间方案——预算敏感的选低端，品质敏感的选高端，大多数人折中。

每日几分钱效应（Pennies-a-Day）

30 美元/月与 1 美元/天，数字相同但感知不同。AWS 的起步价看起来极低（单位和用量都小），客户容易接受，但实际用量累积后数额不菲。对于同时提供月付和年付的 SaaS，应将年付价格以月费方式展示——"年付每月 29.99 美元，月付 40 美元"——而非说"年付 360 美元"。后者看起来远比前者昂贵。

剃须刀模型（Razor Blade Model）

吉列剃须刀柄便宜，但刀片消耗很快；HP 打印机便宜，但墨盒累积不菲。在 SaaS 中同理：如果你的产品有基础平台 + 消耗品，可以让平台价格具吸引力以获客，然后在消耗品上获利。大多数客户不会做总拥有成本（TCO）计算，他们关注的是前置支出——低门槛进场，后续用量递增。

帕尼尼效应（Panini Effect）

帕尼尼效应得名于童年收集的帕尼尼贴纸册。人类从小就在做拼图、收集全套——这种强迫完成感从未真正消失。在 SaaS 场景中，如果你只是列出所有产品，通常只有 20% 的人购买不止一款。但如果你将产品展示为一块拼图——"这是我们六款产品，你已经完成了这几块，这几块还是空的"——并把它作为客户进入产品后看到的第一样东西，附加率（Attach Rate）会飙升到 40-50%，因为人们感到"没完成"的强迫。

星巴克的宾果卡（Bingo Card）是同一原理的 B2C 版本：完成特定消费组合即可兑换奖励。骑手平台也可以设计"每周拼图"——每天傍晚叫一次车，完成即可获得奖励——客户为完成拼图而改变行为。

心理阈值

在 B2B SaaS 和消费产品中，一些阈值反复出现：29 美元通常被等价于"每天一美元"，30 美元就是一个常见阈值；9.99 的尾数定价早已广为人知。但超出这些普遍规律，每个产品和品类的阈值需要自行测试——前述"可接受/昂贵/极贵"三档法就是发现心理阈值的标准方法。而且测试不能只看单一产品：加上附加项后阈值如何变化？价格结构改变后阈值如何移动？平台+用量混合模式下阈值在哪里？——这些只有通过测试和学习才能回答，没有通用公式。

经济下行期的定价策略

面对经济放缓，Madhavan 给出三条建议：

第一：准备一款低配替代品

从现有产品中去掉部分功能，创造一个更便宜的替代方案，放在口袋里备用。当客户说"我承担不起了"时，不是直接降价——因为六个月后那个折扣价就会变成你的新价格——而是给出低配版，以价值交换来合理化价格折扣。保持价格诚信（Price Integrity）至关重要。

第二：三条非定价行动

在降价之前，先尝试：
- 多给产品，保住价格——"时局艰难，你是忠实客户，升级到专业版，原价不变。"来年续约时，你的价格基数更高。
- 改变合同条款——从一年合同转为两年或三年，以期限换价格。
- 调整付款条件——从 15 天账期改为 30 天，缓解客户现金流，而不动价格。

第三：趁机切换定价模式

经济下行正是引入按用量付费的好时机。客户说"我们用得少了"，你回应"那按用量付费吧，用多少付多少"。客户乐意接受，因为短期内支出更少。但经济回暖时，用量上升，按用量模式反而可能比固定模式回收更多。一个极端案例：疫情期间，某美发沙龙软件公司从按席位收费切换到按理发次数收费——沙龙停业时客户付得更少，但恢复后每次理发都在产生收入，远比固定席位费更能捕捉价值。

新书预告与推荐资源

Madhavan 正在撰写新书《Unlocking Growth》（《解锁增长》），副标题为"获客、变现与留存客户的突破性策略"。这本书从《Monetizing Innovation》停下的地方接续——假设你已经围绕客户需求、价值和支付意愿构建了优秀产品，然后呢？你需要获客、变现和留存。书中核心发现是：大多数公司都有团队分别负责这三件事，但它们之间的交互效应常被忽视——90% 声称有"先进入再扩展（Land and Expand）"策略的公司其实只有"进入"，没有"扩展"，因为在进入阶段就把农场送人了。新书将于 Q2-Q3 出版，可在亚马逊预购。

推荐资源：
- Herman Simon（Simon-Kucher 创始人）所著《Confessions of the Pricing Man》（《定价人的自白》）——Madhavan 认为这本书甚至比《Monetizing Innovation》更好。
- Herman Simon 与 Adam Echter 合著的通胀时代定价书——当前经济环境下的实用参考。
- Kyle Poyar（OpenView，Simon-Kucher 校友）——产品驱动增长定价方面的优质内容与 SaaS 定价指南。
- First Round Review——定期发布定价与产品相关的高质量文章。