AI agent迈入价值GMV抽成新时期

AI agent的收费时势，一直是产业界关心的中枢问题。

基于价值创造的抽成时势来袭，或将主导AI agent订价。

近期serviceNOW的CFO在参加巴克莱第22届全球科技年会上表走漏serviceNOW的AI agent收费时势：ServiceNow取舍了价值运转的订价策略，确保客户取得90%独揽的价值，ServiceNow保留10%；这一策略匡助公司在与客户的订价谈判中保执强势，并确保价钱高涨相宜预期。Gina提到，现时的Pro Plus和Now Assist SKU取舍夹杂时势，基于座位数目和代币破钞，这种形貌简化了订价，便于客户预算和展望。

这个10%的价值抽成时势，是不是雷同电商的GMV抽成时势？

近期OpenAI的发布会也示意公司行将推出2000 好意思元/月的 AI Agent 订阅时势，这个订价又是chatGPT o1-pro 200好意思金订价的十倍涨幅。

宇宙都在疑忌，这个订价到底是怎样界定的，2000好意思金一个月的天价C端订阅到底该怎样计算其价值，其订价的基础到底是什么？

01 OpenAI与serviceNOW的AI Agent对比

OpenAI 行将推出的 2000 好意思元/月的 AI Agent 订阅时势与 ServiceNow 订价时势之间有很强的相似性但也存在一定的相反：

OpenAI 的订阅念念路：据报谈，OpenAI 贪图推出一款“AI Agent”，订阅价钱为 2000 好意思元/月。该家具定位于可替代东谈主类高端武艺劳能源（如领有“博士级”智能的大家）来完成复杂任务（举例预定旅行、辅助科研、分析数据甚而策略决策）。其中枢价值在于减少客户对雇用高档专科东谈主才的依赖，从而大幅造谣资本或提高效力。

ServiceNow 的价值运转订价（Value-Based Pricing）：ServiceNow 长期以来以提供企业级职责流自动化和数字化运营经管决策为主，通过 GenAI、Pro Plus SKU 等高档功能扶持客户组织里面的出产力、造谣运营资本、扶持客户悠然度和业务效力。ServiceNow 的订价策略强调左证客户取得的试验价值来订价，并通过与客户试验收益挂钩（如保留 10%的增量价值）来达到双赢的价值分派。

相似点：我以为主要都是基于价值的逻辑

第一，都是价值主导而非资本主导：二者齐非轻松按照功能数目或使用次数收费，而是强调“经管客户试验问题”和“创造经济价值”。

OpenAI 的 AI Agent 定位在高阶智能和决策辅助层面，额外于提供一个“虚构高档照料人”或“虚构职工”。若是客户购买该服务可替代一部分不菲的东谈主才资本，那么2000好意思元/月的订阅费对客户来说可能是合算的。

ServiceNow 则透过自动化历程、减少东谈主力叠加职责、扶持销售调动率、造谣合规风险等形貌，为客户带来数十万、数百万好意思元的经济收益。

第二，将“东谈主类变装”货币化为“机器智能服务”：ServiceNow 将 IT 服务、客户复旧、HR 历程这些传统需要大都东谈主力和历程经管的职责自动化，从而体现出从东谈主力资本到软件价值的调动。OpenAI 的贪图更为顺利地声称可替代雇用一位“高档东谈主才”，这实质上亦然一种“价值基准线”的树立：若是雇用别称大家照料人或具有博士学历的专科东谈主员每月资本远高于2000好意思元，那么客户将可通过购买 AI Agent 服求完了经济和效力上的双赢。

第三，与客户试验业务抑制紧密挂钩：ServiceNow 的时势中，频繁通过 ROI 狡计、KPI 改善和业务历程优化等谋略来度量价值；OpenAI 的AI Agent固然莫得明确线路具体怎样量化客户的收益，但从其定位看，客户也会念念考“我花2000好意思元/月能替代些许东谈主力资本、量入为主些许时期、带来些许业务扶持”。换言之，这类 AI 家具的订价也会当然设备客户念念考投资陈述率（ROI），而不单是功能列表的堆叠。

相反点：订价时势与完了旅途存在相反

第一，固定订阅 vs. 动态分红：ServiceNow 在其价值订价的完了中，有些场景是左证客户的试验使用量、产出改善来动态订价。举例其 GenAI Pro Plus SKU，订价可能组合了座位费（基础资本）与代币费（试验使用量），并强调左证客户取得的价值（如造谣些许资本或扶持些许收入）来讲授价钱合感性。相较之下，OpenAI 所公布的2000好意思元/月更像是一个基于家具定位和价值预期的固定订阅价。尽管其背后逻辑也曾价值订价，但现在呈现的形貌并非顺利与客户完了的经济后果挂钩，而所以“类替代东谈主力大家”的市集参考价定位。

第二，价值计算的透明度和可量化进程相反：ServiceNow 长期面向企业软件市集，对 ROI 狡计、绩效谋略扶持等有熟练的一套照料人式销售时势和计算圭臬，客户也已习气左证量化绩效来评估软件的价值。而OpenAI对企业而言虽可提供“博士级智能”，但其价值计算可能更具弹性和主不雅性。不同客户对“高端大家替代品”的界说、预期产出、独揽场景和评估圭臬可能相反较大。缺少明确的KPI或客不雅量化圭臬下，OpenAI的价值订价更多地依赖客户对AI的潜在产出联想和市集锻真金不怕火。

第三，市集熟练度与用户继承度：ServiceNow 的客户多为已熟练独揽企业级SaaS和职责流自动化的公司，其采购部门、IT部门和业务部门都有才调对价值进行定量评估，对价值订价时势较易继承。

OpenAI 的AI Agent则进入了一个新市集：客户需要顺应将AI行为高端武艺照料人的见解。这需要市集锻真金不怕火与默契改革。尽管与 ServiceNow 雷同的价值订价理念存在，但试验操作与客户心智需要时期培育。

从政策层面来看，这种订价时势的出生关于软件行业来说是TAM的一次巨大膨胀：

第一，从东谈主力替代到价值订阅的趋势：不管是ServiceNow照旧OpenAI，都体现出软件/AI市集从传统许可销售时势向基于价值和后果的时势改革。企业客户越来越关心干涉与产出的匹配度，而非只是是功能列表。

第二，AI时期的价值订价挑战与机遇：跟着AI才调不停进化，计算AI创造的价值变得更为复杂。企业需要从资本中心的念念维转向价值中心的念念维。ServiceNow在这方面已有教悔，而OpenAI正在探索以“替代高端东谈主力”行为订价锚点的时势。若是OpenAI异日能为客户提供明确的价值量化器用（如些许小时东谈主力省俭、些许销售额增长），则更能与ServiceNow的价值计价逻辑接轨。

第三，可扩展的生态与订价档次：ServiceNow通过其息争平台为企业提供跨部门的价值创造，在价值订价上可从多个维度计算价值（IT、HR、CS、财务、销售前台等）。OpenAI的AI Agent若要执续守护高订阅价，也需不停扩展可替代的东谈主力范围和应用场景。当AI在更多垂直领域深入（如法律、医疗、金融分析），则不错像ServiceNow在各业务条线深耕雷同，通过愈加细巧化的价值创造与客户扶持长期的价值分享时势。

因此，我以为OpenAI 的 2000 好意思元/月 AI Agent 与 ServiceNow 的价值订价时势在理念上有一定的相似性：两者都不是轻松地卖功能，而是出售价值与产出，并尝试让价钱与客户取得的经济利益联系联。然则，现时OpenAI的决策更偏向以一个相对固定的高订阅价，将本身定位为“比雇用高端东谈主才更合算”的替代决策，尚未明确或公开以客户试验产出改良为基础的动态订价机制。而ServiceNow在企业软件市集已有较熟练的价值计算和分红机制，更强调左证客户现实的绩效改善和ROI来设订价钱。

因此，两者有相似的价值订价念念路和标的，但在订价形貌的熟练度、量化维度和市集用户熟练度上仍存在权臣相反。OpenAI异日若能像ServiceNow雷同，将客户ROI量化并与订价紧密关联，则其价值订价时势将更具劝服力和可执续性。

02 AI agent 迈入GMV时期？

这部分，我中枢张开探讨分析一下serviceNOW AI agent的订价时势问题

ServiceNow取舍了价值运转的订价策略，确保客户取得90%独揽的价值，ServiceNow保留10%。10%的价值抽成时势，让我料到了电商的GMV抽成时势：

在电子商务（电商）领域，GMV（Gross Merchandise Volume，商品交游总数）抽成时势是一种常见的盈利时势。GMV抽成指的是电商平台从在其平台上完成的每笔交游总数中提真金不怕火一定比例的佣金行为收入。这种时势不仅为平台提供了踏实的收益起首，也为卖家和消费者创造了互利的生态系统。

GMV是计算电商平台交游规模的深广谋略，代表在一定时期内通过平台完成的所有订单的总金额。GMV抽成时势即平台通过对每笔订单总数按比例收取佣金，从而完了盈利。举例，若是一个平台的佣金率为5%，当一笔交游的GMV为1000元时，平台将收取50元行为佣金。

电商平台为卖家提供展示、交游和物流等服务，卖家在平台上开设店铺，发布商品信息。交游产生：消费者在平台上浏览商品、下单购买，完成交游。佣金结算：交游完成后，平台左证事先商定的佣金比例，从交游总数中扣除佣金，剩余部分支付给卖家。附加服务收费：除了基本的佣金，部分平台还会对告白引申、会员服务、升值服务等特殊收费，进一步增多收入起首。

基于价值订价（Value-Based Pricing）模子与电商GMV（Gross Merchandise Value）抽成时势，从订价逻辑、完了形貌、价值度量、客户关系与风险承担等方面来看，有什么异同呢？

基于价值订价（Value-Based Pricing）：依据客户试验取得的经济与业务价值来笃订价钱。当供应商的家具或服务为客户创造可量化的经济价值（如造谣资本、增多收入、提高效力），订价与客户从该价值中取得的收益挂钩。将价钱与客户所获收益顺利关联，使供应商只在客户果然受益的情况下获取收入，从而完了两边的利益一致。

电商GMV抽成时势（Commission on GMV）：在电商平台中，GMV指平台上成交的商品总价值，平台通常对商家销售额进行一定比例的抽成（如5%-15%）。平台的收入与商家在平台上的成交额顺利联系。平台通过抽因素享商家销售的升值部分，从而酿成紧密利益绑缚。

二者有何相似之处？

收益分享：两者均体现了与客户（或协作伙伴）分享收益的理念。基于价值订价：供应商从客户的试验业务增量收益中提真金不怕火一部分行为收入。GMV抽成：平台左证商家在平台上的销售额获取一部分抽成。

利益绑缚：在两种时势下，提供方的收入都与客户的获胜紧密挂钩。基于价值订价：客户从经管决策中取得的价值越大，供应商收入越高。GMV抽成：商家的销售额越高，平台的收入也越高。

造谣前期资本压力：相较于一次性高额订价，这两种时势时时能减少客户的前期资金压力。基于价值订价：客户先取得价值，再分享部分收益给供应商，造谣了客户在使用新决策时的前期干涉牵挂。GMV抽成：商家无需支付高额入驻费，而是基于试验销售额分享利润，造谣了前期不笃定性。

激励机制明确：两者均通过分红时势酿成共赢关系，激励供应商/平台执续优化、扶持服务质地，促进客户/商家成长。

又有何巨大的相反点？

1. 价值的计算对象不同

基于价值订价（Value-Based Pricing）：基于价值订价价值可体现为造谣的资本、提高的出产率、增多的销售额、量入为主的时期、造谣的风险等。这些价值时时需要通过KPI、ROI狡计、对比实施前后的绩效相反来精确计算。

GMV抽成：电商平台的计预谋略较为轻松顺利，即交游总数（GMV）。成交额是顺利的货币量化谋略，无需复杂的ROI推算。

2. 价值链位置与业务模子相反

基于价值订价：通常适用于企业软件、服务接头、专科服务等较长价值链条和复杂场景，计算价值常触及多个维度与弱点。

GMV抽成：通常发生在平台经济中，电商平台行为中间东谈主贯穿买方与卖方，抽成的依据是末端成交额，对象显明、交游瞬时完成、计价浮浅。

3. 价值笃定的难易进程

基于价值订价：需对客户运营数据、使用情况、业务历程进行深入分析。价值狡计较为复杂、按期校准，并需两边协商招供。

GMV抽成：狡计泛泛易懂，GMV来自平台订单数据，基本无需争议。

4. 风险与不笃定性分派

基于价值订价：供应商需对客户业务改善效果有一定信心。若是客户未能完了渴望的价值扶持，供应商的收入也将受限。风险在于对价值完了的依赖。

GMV抽成：电商平台对商家销售抑制有不笃定性，但这种不笃定性时时受市集、促销策略、流量分发等顺利影响，平台可通过流量歪斜、举止规划等较顺利形貌影响GMV。风险更易通过市集技能调控。

5. 客户关系与变装定位

基于价值订价：供应商与客户时时是协作共创价值的关系。两边需要按期交流、对账、评估ROI和价值完了进程。

GMV抽成：电商平台与商家关系更雷同于“渠谈与入驻方”。平台提供基础设施（流量、支付、物流复旧），商家安详优化家具和营销。二者关系虽共赢，但平台时时在交游数据和流量分派上掌控更大言语权。

6. 应用场景广度不同

基于价值订价：常用于复杂B2B场景、高价值专科服务、AI经管决策、企业软件订阅升级等需要深度协作和定制化的场景。

GMV抽成：多用于B2C/B2B电商平台、在线零卖、服务中介平台（如Airbnb对房主收入抽成、Uber对司机收入抽成）等大规模、高频的交游场景。

关于政策与运营产生的影响

关于取舍基于价值订价的供应商而言，需要构建ROI模子、生意接头才调、数据分析和执续客户获胜经管的才调。关于取舍GMV抽成的电商平台而言，则需要聚焦流量引入、用户体验优化、供应商多元化和订价透明度，提高平台全体交游规模。

因此，从相似性角度来看，两者都以分享价值增量为订价基础，将本身收入与客户（或商家）的获胜紧密挂钩，从而扶持共赢关系，激励提供方执续优化服务质地。

弱点相反主要所以下两个方面：

基于价值订价的复杂度与天真性更高，需要精确计算客户业务价值与绩效改善。GMV抽成模子更为直不雅爽直，以最终成交额为基础，无需复杂ROI评估。

因此，我以为基于价值订价与GMV抽成时势均体现了从传统订价时势转向“基于后果与价值”的趋势，但二者在价值计算难度、适用场景、客户关系性质和风险分派形貌上存在权臣相反。

03 AI agent 价值怎样计算？

这里最弱点的问题是AI agent产生的价值量怎样计算，我在前期的著作中仔细分析过salesforce的订价时势Salesforce：劳能源无穷化与AI Agent模子，这里serviceNOW的订价时势也雷同。

在ServiceNow的价值订价策略中，确保客户取得约90%的价值，而ServiceNow保留10%的收益比例，是一种基于客户试验业务升值的订价时势。为了灵验地计算和订价这一10%的抽成，必须系统地量化ServiceNow经管决策为客户带来的具体价值。

1. 价值计算的基础逻辑

价值订价的中枢在于左证客户从经管决策中取得的试验净收益来设订价钱。ServiceNow通过其AI功能（如Pro Plus和Now Assist），为客户带来了以下可量化的升值：

运营资本造谣出产力扶持收入扶持风险与安全性改良

这些升值将被调动为货币价值，进而笃定ServiceNow的10%收益分红。

2. 明确界说价值鸿沟

最初，明确哪些谋略组成了客户所获价值的鸿沟。取舍1-3个弱点绩效谋略（KPI）行为价值评估的中枢：

①运营资本造谣，包括：IT运维资本量入为主；客服东谈主力资本造谣；工单处理时期减少。

②出产力扶持，包括：叠加处事减少；职责流自动化水平提高；任务处理时期缩小。

③ 收入扶持，包括：客户悠然度扶持带来的留存率增多；销售历程优化促进交叉销售和追加销售。

3. 扶持基准线（Baseline）

为准确计算增量价值，需扶持“莫得ServiceNow经管决策”或“升级AI功能前”的基准分解水平：

IT工单处理时期

基准值：莫得AI助力前，东谈主力处理一个IT工单平均需要30分钟

实施后：引入AI后缩小至10分钟

客户悠然度

基准值：莫得智能客服前，客户悠然度为80%

实施后：引入Now Assist后悠然度扶持至90%

这些基准值将用于量化增量价值。

4. 将效力扶持与改良调整为货币价值

将KPI扶持调动为经济价值是弱点法子。以下是我测试的具体的调整行动：

5. 10%分红的实行形貌

在明确了增量价值V后（举例每年创造特殊价值V好意思元），ServiceNow以10%为基准收取用度，即V的10%。

静态契约

合同周期：商定一个周期（如一年）对客户ROI进行量化评估。订价调整：不才一个付款周期左证真实完了的价值调整收费。

动态计费

座位数与代币破钞：基于客户使用量（座位数和代币破钞）行为价值的迤逦度量代理。联系性分析：通过分析客户使用量与KPI改良的联系性，将订价与使用量挂钩。 

客户使用量为 ????，中枢即是AI agent能带来的价值，可能是收入扶持，也有可能是资本省俭等方面，事实上即是部分原本东谈主工的资本调整+收入增长的部分调整？

客户的使用量 Q代表了 AI Agent 为客户带来的抽象价值，这包括收入扶持 和资本省俭 两个主要方面。具体来说，这不错被视为部分原本东谈主工资本的调整 以及收入增长的部分调整。底下将深入分析这少量，并对数学模子进行扩展和细化，以更准确地反应这种价值调整。

使用量 Q与价值 V的关系

价值组成：客户从 AI Agent 取得的总价值 V不错拆分为两个主要部分：

资本省俭（Cost Savings）：

东谈主工资本替代：AI Agent 代替部分东谈主工任务，减少东谈主力资本。

效力扶持：通过自动化历程，减少时期和资源骤然，从而造谣运营资本。

收入增长（Revenue Growth）：

销售扶持：AI Agent 通过优化销售历程、提供智能推选等功能，扶持销售额。

客户悠然度提高：更高效的客户服务扶持客户悠然度和真心度，迤逦促进收入增长。

ServiceNow 进一步完善其基于价值订价（Value-Based Pricing）模子，关于软件服务行业具有潜入的影响。这不仅可能鼓舞其本身业务的快速增长，还可能引发通盘行业的变革，尤其是在总可寻址市集（Total Addressable Market, TAM）的扩展以及将劳能源支拨AI化为软件收入方面。

基于价值订价是一种订价策略，价钱主要依据客户从家具或服务中取得的试验经济价值，而非只是基于资本或竞争敌手订价。ServiceNow通过这一策略，确保其家具和服务的订价与客户取得的价值顺利挂钩，完了双赢。

对软件服务行业的影响

1. 鼓舞行业订价时势改革

ServiceNow 的基于价值订价策略，可能会引颈通盘软件服务行业从传统的基于功能或用户数目的订价时势，转向愈加驻扎试验业务价值和后果的订价形貌。这种改革将促使其他软件服务提供商重新评估和优化其订价策略，以更好地匹配客户需乞降价值。

2. 加快AI在企业中的应用

基于价值订价的模子，非常是与AI功能相集合，概况更好地展示AI在试验业务中的价值，如自动化历程、提高效力和造谣资本等。这将进一步鼓舞企业加快AI工夫的采纳和应用，扶持全体行业的智能化水平。

3. 增强客户关系与协作

通过价值订价，ServiceNow 与客户之间的关系愈加紧密，两边共同关心业务后果和价值创造。这种协作时势将增强客户的真心度，扶持客户悠然度，同期为ServiceNow带来踏实和执续的收入增长。

总可寻址市集（TAM）的扩展

1. 拓展市集界限

基于价值订价的模子，使得ServiceNow概况进入更闲居的市集领域，涵盖更多需要高价值定制化经管决策的行业和企业。举例，医疗、金融、制造等行业，这些行业对高效、智能化的业务历程有着更高的需求。

2. 提高市集浸透率

通过展示其经管决策带来的试验业务价值，ServiceNow 概况更灵验地劝服潜在客户，扶持市集浸透率。高价值的订价策略不仅眩惑大中型企业，还能眩惑那些追求高效力和高陈述的微型企业，进一步扩大其市集诡秘范围。

3. 激励新市集需求

基于价值订价的立异时势，不错激励市集对AI运转经管决策的新需求。企业在寻求优化业务历程、扶持出产力和造谣运营资本的过程中，会更惬心投资于概况带来权臣价值的高端软件服务，从而鼓舞通盘市集的需求增长。

四、将劳能源支拨AI化为软件收入

1. 劳能源资本调动

通过AI Agent等智能器用，ServiceNow 概况匡助企业自动化部分东谈主工任务，权臣造谣劳能源资本。举例，自动化客服、智能IT运维和数据分析等功能，概况替代部分高资本的东谈主力资源。这种调动不仅扶持了企业的运营效力，还为ServiceNow带来了踏实的订阅收入。

2. 创造新的收入起首

AI Agent 不仅概况替代东谈主工，还能通过扶持业务效力和创造新的收入渠谈，为企业带来特殊的价值。ServiceNow 通过基于价值订价模子，从中抽取一定比例的收入，酿成新的收入起首。这种时势使得软件服务收入与客户的业务增长紧密关联，完了了收入的执续增长。

3. 扶持软件的政策价值

将劳能源支拨AI化，扶持了软件在企业政策中的地位。AI Agent 不再只是辅助器用，而是成为企业中枢运营的一部分。ServiceNow 通过提供高价值的AI经管决策，扶持了其在企业中的政策地位，增强了客户的依赖性和粘性。

异日，跟着工夫的不停杰出和市集需求的执续增长，基于价值订价的模子将成为软件服务行业的深广发展标的。ServiceNow 通过这一策略，不仅概况完了本身业务的执续增长，还能为客户创造更大的价值，鼓舞通盘行业的智能化和高效化发展。

著作起首：贝叶斯之好意思，原文标题：《重磅！AI agent迈入价值GMV抽成新时期》

风险提醒及免责条目 市集有风险，投资需严慎。本文不组成个东谈主投资提议，也未筹商到个别用户特殊的投资办法、财务状态或需要。用户应试虑本文中的任何意见、不雅点或论断是否相宜其特定状态。据此投资，包袱餍足。