一、現況快照：SaaS 的損益表已經換了一張臉
SaaS 十年來的假設是「賣訂閱、邊際成本趨近於零」，AI 上線後破了。ICONIQ 2026 State of AI 調查約 300 位 AI 產品主管，AI 產品平均毛利率 2026 年預估約 52%（2024 年 41%、2025 年 45%），傳統 SaaS 則在 75–85%。Kyle Poyar 調查 230 家軟體與 AI 公司也顯示中位數目標 AI 毛利率只有 50%，僅 12% 敢設 80% 以上；最常見的抱怨是「擴張營收不足」——seat 賣不動，token 照燒。
二、四個該優先動手的場景
- Per-tenant 成本歸因：每次呼叫打上 tenant_id、feature、model 標籤，算出每個帳號每月燒多少錢。沒這張表，後面三件事都是猜的。
- 模型路由與快取工程：便宜模型當預設、信心不足才升級；重複問題走語意快取、系統提示走 prompt caching、非即時任務走 batch。ICONIQ 顯示業界平均已用 3.1 家模型供應商（半年前 2.8 家），主因正是成本。
- 重度用戶用量上限：Poyar 觀察前 10% 重度用戶吃掉 70% 以上 token。不設 soft／hard limit，等於讓 10% 的人決定毛利率。
- Hybrid 定價改版：平台費 + AI credits／outcome，是 230 家調查中最多人用的結構（37%，一年前 25%）。
三、真實案例：三家怎麼做、踩了什麼坑
案例 A：Clay 的雙軌制
Clay 2026 年 3 月推出 dual-track monetization，把「價值」（平台訂閱）與「成本」（token）拆成兩個桶：帳單看得懂、不必用平台費補貼重度用戶，代價是銷售話術變複雜。Poyar 調查也印證：hybrid 定價的公司整體最滿意，最大痛點卻是解釋不清楚。
案例 B：HubSpot／Fin 的 outcome 定價
HubSpot 2026 年 4 月為 Breeze AI agents 導入 outcome-based 定價，同時把 Fin 價格砍半。Fin 官方定價頁寫得很清楚：月費 US$49 含 50 次 resolution，超出每次 US$0.99，同一段對話只收一次，失敗嘗試與升級真人不收費。這解決了客戶最大的疑慮，卻把品質風險全數轉嫁回廠商。
案例 C：台灣某 B2B SaaS（匿名）
1,200 個付費帳號、月營收約 NT$180 萬。AI 摘要與草稿上線 5 個月後，月 LLM 帳單衝到 NT$31 萬（佔營收 17%），毛利率從 78% 掉到 60% 出頭。坑在「先送再說」：免費塞進既有方案，沒帶來新預算，續約時還被當既得權益。重建後帳單降到 NT$13.6 萬，第 5 個月回本。
四、工具堆疊：為什麼選這幾個
- LiteLLM（Gateway）：一個 OpenAI 相容端點打通 100+ 供應商，內建 per-key／per-user 成本追蹤與預算上限。改模型不用動應用程式碼，路由實驗才做得起來。
- Langfuse（可觀測性）：MIT 授權可自架，逐筆記錄 token、成本、延遲並依 tenant 聚合，是 per-tenant 毛利表的資料來源。
- Anthropic／OpenAI 的 prompt caching 與 batch API：長系統提示走快取、非即時任務走批次，投報率最高且不必改架構。
- Stripe Billing 或 OpenMeter：credits 的發放、扣抵與超額要有可稽核的帳。
五、ROI 模型（以案例 C 的規模試算）
| 項目 | 導入前 | 導入後 |
|---|---|---|
| 月營收 | NT$180 萬 | NT$187.2 萬 |
| 月 LLM 帳單 | NT$31 萬 | NT$13.6 萬 |
| Gateway／計費工具月費 | — | NT$2.7 萬 |
| AI 相關 COGS 佔營收 | 17.2% | 8.7% |
| 財務手工分攤工時 | 28 小時／月 | 8 小時／月 |
產出三筆：成本工程月省 NT$17.4 萬（降幅 56%，落在業界常見的 47–60% 區間）；前 10% 重度帳號（約 120 個）改加購 credits 包，月增收 NT$7.2 萬；財務省 20 工時約值 NT$1 萬。扣掉月運營 NT$2.7 萬，淨月效益 NT$22.9 萬。一次性投入 NT$110 萬（成本歸因、Gateway、快取與路由工程、credits 計量、合約重寫），回本約 4.8 個月，毛利率回升約 8.5 個百分點。
六、落地時程 Phase 1-4
- Phase 1（第 1–3 週）成本歸因：呼叫全改走 Gateway，打上 tenant／feature／model 標籤，產出每帳號成本表與重度用戶名單，此階段不改價格。
- Phase 2（第 4–8 週）成本工程：導入 prompt caching、語意快取、信心門檻路由與批次化，每項變更都跑 eval 迴歸，目標降幅 40–60%。
- Phase 3（第 9–14 週）定價改版：設計 hybrid 結構（平台費 + credits／outcome）、soft／hard limit、年約承諾與分級超額，先對新客做 A/B。
- Phase 4（第 15–22 週）遷移與治理：既有合約在續約點遷移，上線用量儀表板、每週毛利看板與異常告警。
七、常見失敗原因 × 怎麼避開
- 沒有 per-tenant 成本表就先改價：定價變成拍腦袋。解法是 Phase 1 不跳過，先看兩個完整帳期。
- 把 AI 當贈品塞進現有方案：Poyar 調查顯示 70% 的 AI 支出來自客戶既有軟體預算（SaaS 加 AI 功能更達 75%），送出去就收不回來。解法是一開始就設計成獨立加購或 credits。
- Credits 以 token 計價：客戶算不出買了什麼。解法是改用業務單位（一份摘要、一次 resolution、一張工單）。
- 只砍成本不看品質：路由到小模型後解決率悄悄掉 6 個百分點，客訴才發現。解法是 eval 套組接進 CI，路由變更視同程式碼變更。
- 沒有 hard limit：一個帳號的異常腳本就能吃掉整月毛利。解法是每帳號日／月上限加告警。
八、不適合現在動的場景
- 月 LLM 帳單低於 NT$3 萬：工程投入大於節省。
- 尚未 PMF 的早期產品：該追使用深度，不是毛利率。
- 單一客戶營收佔比超過 40%：改價的談判風險大於毛利收益。
- 需要逐字可重現輸出（金融報表、醫療紀錄）：語意快取與動態路由會破壞可稽核性。
九、ScriptWalker 對應方案
我們替 SaaS 團隊走的是「先算清楚、再動價格」：
- AI 單位經濟健檢（Phase 1）：NT$60,000 起，2–3 週交付 per-tenant 成本表與重度用戶分析。
- LLM Gateway 與成本工程（Phase 2）：NT$180,000 起，含路由、快取、eval 迴歸套組。
- Hybrid 定價與 credits 計量（Phase 3–4）：NT$250,000 起，含用量儀表板與計費整合。
- 月維運與毛利看板：NT$18,000／月起。
十、常見問題 FAQ
Q1：一定要改成 usage-based 才有救嗎？
不是。230 家調查中純 usage-based 並非主流，最多人用的是 hybrid（37%）。正解通常是保留可預測的平台費，把 AI 消耗放在上面當變動層，再用年約承諾與分級超額當安全網。
Q2：成本工程能砍到多少？
prompt caching、語意快取、模型路由疊加，業界常見降幅 40–60%。實測前先固定 eval 題庫，否則分不清是省錢還是變笨。
Q3：AI credits 是最終答案嗎？
短期是救生索，不是終局。credits 採用率約 29%，另有 33% 的公司說 6–12 個月內要導入；當客戶同時管理十幾套制度，反彈只是時間問題。
Q4：改定價會不會掉客戶？
風險集中在既有大客戶。做法是新客先上新價目表、既有客在續約點遷移，並給 3–6 個月過渡期與用量透明報表。
十一、決策清單與行動呼籲
- ☐ 能立刻說出哪個客戶帳號本月燒了多少 token 成本嗎？
- ☐ AI 相關 COGS 佔營收的比例，每週看得到嗎？
- ☐ 前 10% 重度用戶消耗了多少比例的 token？
- ☐ AI 功能是獨立收費，還是被送進既有方案？
- ☐ 有沒有每帳號的 soft limit 與 hard limit？
- ☐ 改模型或路由規則時，有 eval 迴歸把關嗎？
- ☐ 定價單位是客戶聽得懂的業務單位，還是 token？
- ☐ 既有合約在哪個時間點能遷移到新價目表？
- ☐ 解決率若掉 5 個百分點，營收會受多大影響？
- ☐ 產品、財務、工程三方有明確負責人嗎？
若有 4 題以上答不出來，你現在的 AI 毛利率是靠運氣撐著。先做一次 Phase 1 健檢，兩到三週把數字攤在桌上，再決定要不要動價格。
- Email：[email protected]
- 電話：0916-224-047
- LINE：@ufv9089p