Intercom給自家AI銷售代理Fin定了個新規(guī)矩：客戶只為結(jié)果買單。不是對話次數(shù)，不是算力消耗，而是一個實實在在的數(shù)字——10美元換一個合格銷售線索。

這是AI Agent領(lǐng)域首個面向銷售場景的效果定價模型。Fin for Sales的工作流程很清晰：篩選線索、與潛在客戶互動、把高意向買家轉(zhuǎn)接給銷售團隊。它創(chuàng)造的價值不是解決客服問題，而是輸送可成交的銷售機會。

"合格"的定義權(quán)完全交給客戶。企業(yè)自己設(shè)定篩選標準，F(xiàn)in只負責執(zhí)行。這種設(shè)計把風險從買方轉(zhuǎn)移到了賣方——如果Fin找不到符合標準的線索，Intercom就收不到錢。

這個定價邏輯源于一年前的一項調(diào)研。Intercom的研究發(fā)現(xiàn)，沒有買家愿意為"活動量"付費，所有人都想為"結(jié)果"買單。這直接塑造了Fin在客服場景的定價：0.99美元解決一個完整問題，無需人工介入。如今這套邏輯延伸到銷售場景，只是價值單位從"解決率"變成了"線索質(zhì)量"。

銷售團隊的真實痛點是線索過載而非不足。官網(wǎng)表單和通用聊天機器人涌來的咨詢中，真正值得跟進的比例極低，銷售代表大量時間浪費在無效對話上。Fin試圖切入的正是這個環(huán)節(jié)：在訪客瀏覽網(wǎng)站時主動互動，通過問答識別意向，只把值得投入時間的商機遞交給人類同事。

按對話次數(shù)收費會懲罰那些好奇圍觀但無購買意愿的訪客流量；按token計費則是典型的供應(yīng)商保護條款。Intercom認為，"合格線索"是唯一能準確捕捉Fin在銷售場景中實際價值的計量單位。

他們也曾考慮過更激進的方案：按成交收入的百分比抽成。理論上這是最貼合價值的模型——Fin負責篩選，銷售代表負責關(guān)單，雙方共享收益。但這個方案在實操中遇到兩個死結(jié)。

第一是歸因難題。從線索合格到最終成交，中間隔著幾十種變量：人工演示的質(zhì)量、產(chǎn)品穩(wěn)定性、客戶預(yù)算變動。把Fin的價格綁定在終局結(jié)果上，等于讓它為完全不可控的因素負責。

第二是測量成本。要追蹤成交收入，Intercom需要深度接入每家客戶的CRM系統(tǒng)，跟蹤每個商機從合格到關(guān)單的全生命周期。這對客戶是沉重的集成負擔，對Intercom是復雜的工程投入。

10美元一個合格線索，是在理想模型與現(xiàn)實約束之間找到的折中點。它保留了效果定價的核心——只為可驗證的價值付費，同時規(guī)避了 revenue-share 模式的歸因混亂和系統(tǒng)對接成本。

這個定價實驗的更大背景是AI Agent商業(yè)化路徑的分化。當多數(shù)廠商仍在按調(diào)用量或訂閱席位收費時，Intercom試圖建立一種更激進的信任機制：產(chǎn)品表現(xiàn)不佳時，供應(yīng)商承擔風險。這種承諾背后是對自家模型轉(zhuǎn)化效率的自信，也是一種倒逼產(chǎn)品精進的內(nèi)部約束。

對于采購方來說，效果定價降低了試錯成本，但也提出了新的管理課題：如何定義"合格"才能既過濾噪音、又不漏掉潛在機會？這個標準的設(shè)定權(quán)完全開放給客戶，意味著定價模型的最終效率，很大程度上取決于買方的業(yè)務(wù)理解深度。

Intercom沒有公布Fin for Sales的早期客戶數(shù)據(jù)，但強調(diào)這是"第一個"面向銷售的AI Agent效果定價案例。這個"第一"的宣稱本身，暗示了市場對這類定價模式的謹慎——技術(shù)供應(yīng)商通常更愿意把風險轉(zhuǎn)移給買方，而非自己兜底。

從0.99美元的客服解決到10美元的銷售線索，F(xiàn)in的定價階梯反映了AI Agent在不同業(yè)務(wù)場景中價值密度的差異?？头鼍暗膬r值是成本節(jié)約，銷售場景的價值是收入創(chuàng)造，后者顯然更值得溢價。但10美元是否算貴，取決于客戶自身的線索獲取成本和成交轉(zhuǎn)化率——這正是效果定價的微妙之處：同一個價格，對不同客戶意味著完全不同的ROI。