你公司楼下有两家馆子。老王快餐店，每盘菜先算买菜钱、房租、厨师工资，然后加20%就卖，一份宫保鸡丁15块，利润薄得像纸，只能靠走量，隔壁一降价他就心慌。而另一家“家味小厨”，同样的鸡丁卖58块，客人还排队。老板娘从不算“成本加几成”，她只会反问你三句话：这顿饭替你省了多少时间？帮你谈成了多少生意？让你在客户面前多有面子？然后她按你心里的答案收费。这就是价值定价——价格不是从你的成本表里长出来的，而是从客户的钱包里长出来的。 AI产品尤其适合这套玩法：研发成本高，但每多服务一个客户的边际成本几乎为零，真正的价格锚点不在服务器账单上，而在“这个AI替客户省下的工时、多赚的收入、避免的损失”上。这篇文章会用“家味小厨”的完整故事，带你走一遍价值定价的六个步骤：看清原理、量化价值、构建主张、探测意愿、划定区间、落地执行。

岗位关联

对AI从业者而言，掌握价值定价意味着你能把同样的产品卖出高出成本加成数倍的价格而客户依然觉得赚了——这是从“做技术”走向“做商业”的关键一跃。

目录
  1. 可视化演示
  2. 价值定价原理
  3. 量化价值维度
  4. 价值主张构建
  5. 支付意愿探索
  6. 价格区间设定
  7. 实施落地路径
  8. AI 应用场景
  9. Python 演示
  10. 常见误区
  11. 面试题

可视化演示

展示价值量化ROI计算、价格锚定效应和三种定价模式的收入曲线对比，交互切换探索定价核心机制。

本节配有交互动效（进入视口后自动加载，约 3KB）。

客户价值量化分析 时间节省+效率提升+收入创造三维价值叠加 成本线以下为亏损，以上为正ROI ROI = ΣValue / Cost 三维价值之和远超成本时定价空间充足

价值定价原理

家味小厨的老板娘从不算“成本加几成”。她心里有杆秤，秤的另一头不是买菜钱，而是客人端着盘子时心里的那句“这一顿值了”。老王快餐店每天盯着竞争对手的价目表，隔壁降五毛他整晚睡不着；而家味小厨的客人从不去比价，因为比价的前提是“两家东西一样”，可她在盘子里放的是省下的时间、谈成的生意、以及被款待的体面——这些没法在隔壁买到。

价值定价（Value-Based Pricing）就是把这杆秤变成方法论：先算出客户从你的产品中获得的全部可感知价值，再倒推出一个让双方都觉得划算的价格。它和成本加成定价（Cost-Plus Pricing）的根本区别在于出发点的方向——成本加成是从自己的账本向外推，价值定价是从客户的钱包向回拉。对AI产品而言，成本加成几乎必然导致定价灾难：你训练一个大模型的GPU账单可能是天价，但多服务一万个客户只多出一丁点电费，按成本定价要么卖太贵没人买，要么卖太便宜亏光研发。

价值定价的骨架可以用一个简洁的公式表达：

所以家味小厨的58元不是凭空定的：成本地板是18元，客户感知价值是100元，老板娘只取了价值空间的四成——客户觉得“太值了”，她也赚得比老王多几倍。价值定价的第一课，就是把目光从自己的成本表上移开，投向客户嘴里那句“这顿饭值多少”。

P∗=Cfloor+α×Vperceived\displaystyle P^{*} = C_{\text{floor}} + \alpha \times V_{\text{perceived}}
这个公式告诉你：价格不是“成本加利润”，而是“成本地板之上，从客户感知价值中按比例捕获一部分”。
  1. P^{*}（目标定价）最终卖给客户的那个数字，既不是拍脑袋，也不是成本翻倍，而是成本与价值之间的一次精确舞蹈。
    P∗\displaystyle P^{*}
  2. C_{\text{floor}}（成本地板）覆盖AI研发、算力、交付、支持的最低成本线，低于它卖一单亏一单，这是定价不可逾越的红线。
    Cfloor\displaystyle C_{\text{floor}}
  3. V_{\text{perceived}}（客户感知价值）客户心里“这个AI功能值多少”，是把节省的时间、多赚的收入、避免的损失全部量化后的总数字。
    Vperceived\displaystyle V_{\text{perceived}}
  4. \alpha（价值捕获系数）从客户价值中提取价格的比率。\alpha 太小等于把金子送给客户，太大则吃光对方甜头导致不买，通常落在0.3到0.7之间。
    α∈(0,1)\displaystyle \alpha \in (0,1)

量化价值维度

老板娘有个泛黄的账本，记满顾客的故事：楼上做外贸的张姐，以前每天花两小时写英文邮件，现在AI客服帮她半小时搞定，那省下的一小时半，按她的时薪算就是200块；楼下开网店的阿凯，AI生成的商品文案让转化率翻了一倍，每月多赚八千。老板娘把这些故事折算成数字，就明白了这道菜该往哪个方向定价——价值定价的第二个动作，就是把“客户觉得好”翻译成“客户赚了多少”。

量化客户价值，核心是抓住三个可计算的维度。第一是省时成本（Saved Time）：AI工具替代了原本的人工操作，节省的工时乘以客户单位时间价值（按时薪或团队人日成本折算）。第二是效率增益（Efficiency Gain）：同样的时间产出更多，比如客服响应速度从10分钟降到30秒，这背后的团队扩容成本就是价值。第三是增收贡献（Income Creation）：AI直接带来新收入，比如推荐算法让客单价提升15%，这部分增量利润也属于客户价值的构成。另外还有一条隐形维度——风险规避：AI质检避免了批量召回事故，这“没发生的损失”同样值得计入价值账本。

把这四个维度叠加，就得到客户感知价值的量化公式：

账本翻到最后一页，老板娘发现那盘58元的鸡丁，其实帮张姐每月省了4400元、帮阿凯多赚了8000元——他们付的58元连零头都算不上。这就是价值量化的魔力：当你把客户的账算得比他自己还清楚，定价就变成了一道数学题，而不是一场心理战。

Vperceived=Tsaved×Rhour+Iextra×Mmargin\displaystyle V_{\text{perceived}} = T_{\text{saved}} \times R_{\text{hour}} + I_{\text{extra}} \times M_{\text{margin}}
这个公式像老板娘的账本：左边是省下的时间值多少钱，右边是多赚的钱折算成多少利润，两边相加就是客户心里的价值总数。
  1. T_{\text{saved}}（节省工时）AI每月替客户省下的操作小时数，来自真实使用数据的统计或标杆客户实测。
    Tsaved\displaystyle T_{\text{saved}}
  2. R_{\text{hour}}（单位时间价值）客户每小时值多少钱，常用员工时薪、团队人日成本或外包市价来估算。
    Rhour\displaystyle R_{\text{hour}}
  3. I_{\text{extra}} \times M_{\text{margin}}（增收贡献）AI带来的销售收入增量乘以边际利润率，把“多赚的钱”折算成对客户的实际利润贡献。
    Iextra×Mmargin\displaystyle I_{\text{extra}} \times M_{\text{margin}}

价值主张构建

光在账本上算出价值还不够，顾客得“相信”这盘菜值58元。家味小厨怎么让人信？她把后厨改成明档，让客人看见鸡丁是现炒的；墙上挂着高级厨师证；门口放着张姐和阿凯的合影和手写好评。老板娘做的这一切，就是价值定价的第三课：构建价值主张——把你算出的价值，变成客户看得见、摸得着、算得出的证据。

价值主张由四个层次构成。功能价值（Functional Value）是产品的硬指标：准确率、响应速度、并发能力，相当于“180克鸡腿肉、现杀现炒”。经济价值（Economic Value）是把账本摊开给客户看：你用这个AI每年省20万、多赚40万，这组数字本身就是最强销售话术。情感价值（Emotional Value）是那些没法直接算钱但真实存在的东西：给客户的演示更有面子、让老板觉得团队跟上了AI时代、让员工不用再熬夜加班。最后是证据支撑（Evidence）：客户证言、基准测试报告、可复现的试点数据——光说不练的价值主张叫吹牛，有据可查的才叫定价依据。

验证价值主张是否成立，用一个朴素的ROI指标：

家味小厨的墙上那句话是最好的总结：“我们不是卖鸡丁的，我们是帮您把时间变回钱的。”价值主张做到极致，客户买的就不再是一盘菜、一个API调用，而是一笔算得清的投资——当客户用ROI的眼光看你时，价格战就已经输了。

ROI=Vperceived−PP×100%\displaystyle ROI = \frac{V_{\text{perceived}} - P}{P} \times 100\%
ROI是客户视角的“值不值”：投资回报率大于50%，客户才会毫不犹豫地掏钱；小于30%，他大概率会犹豫甚至流失。
  1. V_{\text{perceived}} - P（净剩余）客户获得的全部价值减去他付的价格，这部分是客户“赚到”的，也是他愿意持续续费的根本动力。
    Vperceived−P\displaystyle V_{\text{perceived}} - P
  2. P（价格投入）客户实际支付的金额，作为ROI的分母，衡量他拿出多少本钱来换取价值。
    P\displaystyle P
  3. \times 100\%（回报率）把净剩余除以投入再化成百分比，让客户一目了然地看到“每花1块钱能赚回多少”。
    ×100%\displaystyle \times 100\%

支付意愿探索

老板娘上新菜前有个习惯：免费请老顾客试吃，吃完假装不经意地问三个问题：“你觉得这菜值多少？”“如果收你58块，你还会来吗？”“要是隔壁卖35块，你是不是就转身走了？”这些问题看似闲聊，其实是在探测顾客的支付意愿（Willingness to Pay，WTP）——客户心里那个“我愿意付的最高价”。价值定价的第四个动作，就是把这套聊天技巧变成系统的市场探测。

探测WTP有四把尺子。第一把是客户访谈：不直接问“你愿意花多少钱”，而是让人讲使用场景，“你每天花几小时处理这个？如果有一半时间省出来你会用来干嘛？”——场景越具体，价值越真实。第二把是阶梯法：从高往低报价，“如果这个方案年费12万你怎么想？那8万呢？5万呢？”——客户在哪个价位从皱眉变点头，WTP就在那里。第三把是价格锚定：菜单上放一个88元的“主厨精选”，不是指望它卖出去，而是让58元的招牌菜显得理性又实惠。第四把是敏感度测试：小范围以不同价格卖给相似客户，观察转化率差异，用真实购买行为校准访谈结论。

这四把尺子的共同本质是：不要在办公室里猜客户，要走到客户的钱包旁边去听。家味小厨的菜单上，“主厨精选”永远存在，但它真正的价值不是被点单，而是让旁边的58元看起来像捡了便宜——锚定不是操纵，而是给客户一个比较的参照系，让他的价值判断有个落点。探测WTP的意义在于，它让你在正式定价前就摸清那条“客户愿意付”的曲线，而不是等价格发布后被市场打脸再狼狈调价。

价格区间设定

现在老板娘手里有了三组数字：买菜成本18元，顾客感知价值100元，隔壁老王卖15元。该定多少？她的直觉是“不能比成本低，不能让顾客觉得亏，最好别和老王正面刚”。这三句话翻译成定价术语，就是价格区间的三根线：成本地板（Cost Floor）是最低安全线，低于它每卖一单都是流血；竞争参照（Competitive Reference）是市场的坐标原点，它决定了客户眼中的“贵”和“便宜”；价值天花（Value Ceiling）是客户感知价值的上限，超过它客户就觉得“不划算了”。

最终定价的落点，就在成本地板与价值天花板构成的“价值区间”内，并且通常向天花板方向偏移——因为你赚的每一分钱，都来自你为客户创造的那部分价值。如果AI产品为客户创造了每年10万元的价值，你只收2000元，那不是厚道，是把利润白白扔进水里。但反过来，如果你试图把10万元全部装进口袋，客户算过账后会觉得“那我为什么不自己雇人干”。所以落点系数\beta通常取0.6到0.8，吃下价值空间的大头，同时给客户留下一份“我也赚了”的体面：

回到家味小厨：成本地板18元，竞争参照15元（老王的特价），价值天花板100元，取\beta=0.5时，定价是59元——和老板娘拍脑袋的58元几乎重合。这不是巧合，而是熟手在摸清三根线之后的直觉。对AI产品来说，这组数字的戏剧性更强：成本地板可能只有几百元，而价值天花板是数十万元，中间的定价空间大得惊人——前提是你真的把客户的账算明白了。

P∗=Cfloor+β×(Vperceived−Cfloor),β∈[0.6,0.8]\displaystyle P^{*} = C_{\text{floor}} + \beta \times (V_{\text{perceived}} - C_{\text{floor}}), \quad \beta \in [0.6, 0.8]
这个公式画出了定价的“黄金分割带”：既站在成本地板之上保证不亏，又贴着价值天花板之下让客户觉得占了便宜。
  1. V_{\text{perceived}} - C_{\text{floor}}（可捕获价值空间）扣除成本地板之后，剩余的价值增量就是你和客户之间可以分配的“蛋糕”。
    Vperceived−Cfloor\displaystyle V_{\text{perceived}} - C_{\text{floor}}
  2. \beta（落点系数）决定你在蛋糕上切多大一块。0.6意味着稳健留客，0.8意味着激进捕获，低于0.5则在给客户发福利。
    β∈[0.6,0.8]\displaystyle \beta \in [0.6, 0.8]
  3. C_{\text{floor}} + \beta \times (V - C)（最终定价）把成本地板和捕获的价值增量相加，得到最终落在区间内的价格。
    Cfloor+β×(Vperceived−Cfloor)\displaystyle C_{\text{floor}} + \beta \times (V_{\text{perceived}} - C_{\text{floor}})

实施落地路径

家味小厨的第二家分店要开业了，老板娘没有直接复制菜单，而是先做了四件事：把老顾客的账本数据做成一页纸的“价值计算表”，让新顾客自己填数字、自己算出这盘菜值多少；新店前两周只卖三道菜，小范围试探周边白领的口味和价格接受度；把菜单分成“工作午餐、商务宴请、家庭定制”三个档次；每道菜旁边用小字写明它“为什么值这个价”——选料、工艺、节省的时间。这套流程，就是价值定价从理论走向落地的完整路径。

对AI产品团队，对应的四个动作是：第一，做出一个价值计算器（Value Calculator），让潜在客户输入自己的参数（团队规模、工时成本、当前效率、月收入），几秒钟算出“这个AI每年为你创造多少价值”——这个工具本身就比任何销售话术都有说服力。第二，小范围试点（Pilot）：挑3到5家配合度高的标杆客户，以接近正式价格的水平提供服务，用真实使用数据校准价值公式，而不是关在办公室里拍脑袋。第三，版本分层（Versioning）：把产品切成基础版、专业版、旗舰版，让不同支付意愿的客户各取所需——旗舰版的使命不一定是卖最多，而是把专业版衬托得“性价比极高”。第四，价值沟通（Value Communication）：定价不是发一封报价邮件就结束，而是带着价值计算书、试点数据、客户证言，向客户完整讲述“你为什么会多赚/省下这些钱”。

这四步走完，价值定价就不再是一句口号，而是嵌入业务流程的定价引擎。老板娘的第二家店开业三个月后，客单价是老王快餐店的四倍，利润是六倍——因为她卖的从来不是鸡丁。她用同一套方法开了第三家、第四家店，每家店都先算客户账、再定菜单价。价值定价的真正威力，不是一次性的定价技巧，而是可复制的、以客户价值为中心的商业模式设计能力。

AI 应用场景

AI客服SaaS按“省下的工时”定价

阶段：商业模式设计（定价策略）

解决的问题：传统SaaS按坐席数、按调用次数收费，客户总觉得“每次调用都要花钱”，心理账很难算；而AI客服真正创造的价值是每次替企业客户拦截一个真实的人工客服需求，省下的是一线客服的工资与时薪。按价值定价按“省下的人工成本”收费，客户看到的不是成本，而是利润。

具体案例：某电商公司日咨询量2000单，人工客服人均日处理80单，需要25名客服，月人力成本约20万元。接入AI客服后，85%的重复咨询被自动解决，只需保留5名客服处理复杂工单，每月省下约16万元。AI服务商按“节省成本的30%”收费，月费4.8万元——客户觉得划算（一年省近200万），服务商的收入也远高于按调用次数的计费模式。

营销文案生成工具按“多赚的收入”定价

阶段：定价策略执行（价值量化与价值主张）

解决的问题：传统内容工具按订阅席位数卖，天花板极低；而AI营销文案工具的价值锚点不在“写了多少字”，而在“帮客户多赚了多少钱”。按客户收入的增量分成定价，把价格和客户最关心的数字绑定。

具体案例：某DTC品牌用AI批量生成商品详情页和社交媒体文案，产品上新速度从每周5款提升到30款，自然流量转化率提升22%，月增量营收约15万元。工具方按增量利润的10%收取服务费，月费约1万元——客户ROI高达15倍，续费率极难下降，因为离开工具收入立刻回落。

企业级定制AI按“ROI共享”定价

阶段：定价落地（试点迭代与价值沟通）

解决的问题：大型定制AI项目金额高、周期长，按人天收费客户总觉得里面水分多、风险全在自己身上；按价值共享收费则把双方绑到同一艘船上——AI公司赚的钱来自真实效果，客户付的钱来自增量收益。

具体案例：某制造企业引入AI质检系统，将缺陷漏检率从3%降到0.3%，每年避免客户索赔和返工损失约400万元。双方约定首年收费=实际避免损失×15%，最终成交价约55万元——相比传统“200万人天报价”，客户付得更少、效果承诺更强，AI公司也获得了远超成本的高利润。

Python 演示

python42 行
class ValuePricingCalculator:    """价值定价计算器：把AI产品为客户创造的价值翻译成价格区间。     借鉴家味小厨的算账本：先算顾客赚到多少，再决定收多少。    """     def __init__(self, cost_floor: float, margin_rate: float = 0.35):        self.cost_floor = cost_floor        self.margin_rate = margin_rate     def perceived_value(self, hours_saved_per_month: float,                        hourly_rate: float,                        extra_profit_per_month: float) -> float:        """年感知价值 = 年省时价值 + 年增收价值"""        time_value = hours_saved_per_month * hourly_rate * 12        income_value = extra_profit_per_month * 12        return time_value + income_value     def price_range(self, perceived_value: float):        """返回(成本地板价, 价值天花板价)"""        low = self.cost_floor * 1.2        high = perceived_value * 0.6        return (low, high)     def cost_plus_price(self) -> float:        """成本加成老办法，用于对照"""        return self.cost_floor * (1 + self.margin_rate)  if __name__ == "__main__":    calc = ValuePricingCalculator(cost_floor=2000, margin_rate=0.35)    yearly_value = calc.perceived_value(        hours_saved_per_month=25,        hourly_rate=80,        extra_profit_per_month=9000    )    low, high = calc.price_range(yearly_value)    old_price = calc.cost_plus_price()    print("AI客服机器人年价值:", round(yearly_value))    print("推荐年费区间:", round(low), "-", round(high))    print("成本加成定价:", round(old_price))    print("价值定价与成本加成差距:", round(high / old_price), "倍")
目的：把正文的“价值量化→价格区间”公式落成可运行的工具，输入客户的省时数据与增收数据，自动输出推荐年费区间，并与成本加成定价做对比。
  1. def perceived_value(self, hours_saved_per_month, hourly_rate, extra_profit_per_month)定义价值量化函数，入参正是正文中的三个关键维度：省时、时薪、增收。
  2. time_value = hours_saved_per_month * hourly_rate * 12每月省下的工时乘以时薪，再乘12换算成年价值，这是量化“节省时间”的标准做法。
  3. income_value = extra_profit_per_month * 12每月额外利润累计成年增收，作为价值账本的第二大项。
  4. low = self.cost_floor * 1.2成本地板基础上加20%安全垫，确保价格覆盖所有隐性交付成本。
  5. high = perceived_value * 0.6价值天花板只取客户价值的60%，把40%的盈余留给客户，让ROI故事成立。
  6. return self.cost_floor * (1 + self.margin_rate)复现老王的成本加成定价法，用于和推荐价格区间对照，让差距一目了然。

常见误区

误区定价的第一步永远是算成本——研发花了100万，分摊到每个客户头上，乘以1.5的利润系数，就是价格。成本都覆盖不了，还谈什么商业模式？

正解成本是地板，不是锚。家味小厨那盘鸡丁的成本是18元，如果按“成本×1.3”定价，只能卖23元，利润薄到撑不起第二家店。价值定价的逻辑是反向的：先算客户价值是100元，再倒推成本能不能控制在合理范围——如果成本太高，就去优化交付，而不是把高价甩给客户。AI产品边际成本极低，成本加成的结果通常是把一个价值10万元的产品卖给客户3000元，顺便把利润送给客户当红包。

为何常见：创业者习惯了制造业的“料工费+利润”思维，而且成本是内部数据、确定性高，价值是外部估计、不确定性高——人天然偏好确定性，于是顺手用成本把不确定性问题搪塞过去。

误区把价格定得低一点，客户决策门槛就低，转化率就高，先低价占领市场，以后再加价嘛。

正解对AI产品，过低的价格会触发客户的“质量怀疑”：这么便宜，是不是效果不行？数据安全能不能保证？你们公司会不会两年后倒闭？家味小厨如果卖15元，张姐会怀疑鸡丁是不是冷冻肉，阿凯会担心请客户吃饭没面子。价值定价的本质是让客户感到“物超所值”，而不是“便宜”。价格匹配感知价值时，客户付得安心、用得放心、续费心甘情愿；价格远低于价值时，客户反而会不断怀疑哪里有问题。

为何常见：消费者市场的“低价促销”经验被滥用到了企业级AI场景，但B端采购的决策逻辑是“投入产出比”而非“省一点算一点”，而且价格信号本身就在传递产品定位。

误区价值定价嘛，就是算算这个AI帮客户省了多少人工成本，然后从省下的钱里分一部分。

正解省钱只是价值的第一层。家味小厨的账本里，张姐的省时是省钱，阿凯的转化率翻倍是增收，而那位每周请客户吃饭的李总，他付的58元买的是“体面”——这种情感价值没法用公式算，但真实存在且愿意付高价。对AI产品来说，减少业务风险、加速上线周期、让团队跟上技术潮流、让公司在投资人面前更有想象空间，这些“无形资产”往往比亚军省下的那点人力成本更值钱。只算省钱，等于把价值空间做小了，价格自然上不去。

为何常见：省钱最容易量化，算出来有据可依，而增收、避险、情感价值需要更深度的客户洞察——人们习惯挑简单的算，结果把最有价值的蛋糕留在了桌上。

误区产品定价就是发布前定个价，写在报价单上，之后就是销售照着执行的事，改价就像打自己脸。

正解家味小厨的新菜都先试吃、再调整、才上正式菜单。AI产品的价值认知是动态的：发布早期客户对你的价值不熟悉，可能需要锚定促销；跑通标杆客户后，有真实数据，价格可以上探；竞争对手入场后，你的差异化价值又变了。定价是一个需要随客户认知、市场证据、竞品动作持续迭代的活。价值定价特别强调试点、反馈、复盘的循环——把价格当成一个可以随时校准的仪表盘，而不是刻在石碑上的法律。

为何常见：团队把定价当成一次性决策，缺乏“定价也是一种产品迭代”的认知；加上改价需要跨部门协同，销售怕丢单、客户成功怕流失，于是大家默契地“定完就不动”，直到市场用沉默给出惩罚。

面试题

Q1. 价值定价的核心出发点是？

单选题 · easy

  • A.按生产成本加利润率
  • B.按客户感知价值定价格← 正确答案
  • C.按竞争对手价格定价
  • D.按研发投入分摊定价

答案：B。价值定价的出发点是客户感知价值——先算客户赚到多少，再倒推价格。成本只是地板（A），竞争价格只是参照线（C），研发投入是成本的一种形式（D），它们都不是定价的锚点，只有客户价值才是。

Q2. 成本加成定价在AI产品上最大的问题是什么？

单选题 · easy

  • A.计算过程太复杂
  • B.无法覆盖研发成本
  • C.边际成本极低导致定价失真← 正确答案
  • D.客户不接受成本逻辑

答案：C。AI产品的边际成本趋近于零，按成本加成会把一个客户价值10万元的产品定出3000元的价格（C对）。成本加成并不复杂（A错），研发成本只是地板的一部分（B错），客户不是不接受成本逻辑而是根本不在意（D错），他们只在意自己获得的价值。

Q3. 客户感知价值的量化合法的构成是？

单选题 · mid

  • A.仅节省的工时价值
  • B.仅额外创造的收入
  • C.省时价值与增收贡献之和← 正确答案
  • D.服务器算力成本

答案：C。价值量化的核心公式是 V = 省时×时薪 + 增收×利润率，省时和增收两个维度缺一不可（C对）。只看省时会低估价值（A错），只看增收会漏掉效率维度（B错），算力成本属于成本地板而非客户价值（D错），两者方向完全不同。

Q4. 什么是支付意愿WTP？

单选题 · mid

  • A.客户愿意支付的最高价格← 正确答案
  • B.产品的生产成本
  • C.市场中同类产品的最低售价
  • D.客户愿意购买的产品数量

答案：A。WTP是客户心中那条“我愿意付的最高价”，超过它客户就觉得不划算（A对）。生产成本是地板（B错），同类最低价是竞争参照（C错），购买数量是需求弹性概念（D错）。探测WTP是价值定价的核心动作，摸清它就找到了价格区间的天花位置。

Q5. 价格锚定的作用有哪些？

多选题 · mid

  • A.让高价商品显得合理← 正确答案
  • B.促使客户选择中间档← 正确答案
  • C.直接降低产品成本
  • D.影响客户的参考价格← 正确答案

答案：ABD。锚定是通过一个参照价影响客户对价格的判断（D对）：88元的招牌菜让58元显得实惠（A对），典型的三段式菜单里，客户往往选择中间档（B对）。锚定是心理定价手法，与产品成本毫无关系（C错）。家味小厨的菜单就是活体教材。

Q6. 价值捕获系数α的含义是什么？

单选题 · mid

  • A.客户对产品的留存率
  • B.从客户价值中提取价格的比率← 正确答案
  • C.产品的毛利率
  • D.销售转化率

答案：B。α决定你把客户价值的多大比例装进价格里（B对），α太大会让客户失去购买动力，太小等于白送价值。留存率是客户成功指标（A错），毛利率是收入减成本的比率（C错），转化率是销售漏斗指标（D错），三者与“从价值中提取价格”是不同维度。

Q7. 价值定价需要哪些证据支撑？

多选题 · hard

  • A.客户节省工时的记录← 正确答案
  • B.ROI的量化测算← 正确答案
  • C.客户对WTP的反馈← 正确答案
  • D.公司办公室的租金

答案：ABC。价值定价需要“算得清”的证据：节省的工时记录（A）、ROI测算（B）、客户访谈中获得的WTP反馈（C），这些构成价值主张的证据链。办公室租金是公司成本而非客户价值证据（D错），它属于成本地板的一部分，不能证明客户愿意付多少钱。

Q8. 定价落点通常选在价值区间的什么位置？

单选题 · hard

  • A.紧贴成本地板
  • B.恰好等于价值天花
  • C.偏向价值天花板但留客户盈余← 正确答案
  • D.低于成本地板以抢占市场

答案：C。落点\beta通常在0.6到0.8，即向价值天花板倾斜，但留出20%-40%的盈余给客户（C对）。贴地板等于放弃利润（A错），吃光天花板客户失去购买动机（B错），低于地板是在做慈善或烧钱补贴（D错）。老板娘取八成价值、留两成给顾客，就是这个道理。

Q9. 为什么AI产品特别适合价值定价？

单选题 · easy

  • A.边际成本极低且价值差异巨大← 正确答案
  • B.客户完全不懂成本
  • C.市场上没有竞争对手
  • D.研发成本无法计算

答案：A。AI产品多服务一个客户的边际成本几乎为零，而不同客户获得的价值差异可以高达数百倍，这正好是价值定价的沃土（A对）。客户不懂成本不是定价依据（B错），AI市场竞争激烈（C错），研发成本能算、但不是定价的锚（D错）。价值差异大，才有巨大的定价空间可供挖掘。

Q10. 分层定价（基础版/专业版/旗舰版）的深层价值有哪些？

多选题 · extreme

  • A.覆盖不同支付意愿的客户← 正确答案
  • B.通过档位对比放大价值感知← 正确答案
  • C.让旗舰版为专业版做锚定← 正确答案
  • D.用低价版持续压低行业均价

答案：ABC。分层让WTP不同的客户各取所需（A对），档位间的价格差会强化中间档的“性价比感”（B对），旗舰版的存在让专业版显得实惠、加速下单决策（C对）。D是价格战逻辑，与价值定价背道而驰——价值定价的目标是提升价格感知而非压低行业均价（D错）。菜单上88元的“主厨精选”从不指望走量，它存在的意义是让58元变成理性之选。