SaaS 2.5：AI、混血營收模型與企業軟體的新遊戲規則
前言：SaaS 不只升級版本，整個遊戲規則都變了
如果說前十年的企業軟體是在玩「上雲」與「訂閱制」，那 2025 之後的 SaaS 則是進入一個新階段：AI 原生、生成式 Copilot 滿天飛，PLG 與 Sales-led 共存，使用量計費與打包方案交錯。
多數趨勢文會告訴你：「AI 是未來」「PLG 是未來」「使用量計費是未來」。真正的內容缺口在於：當所有東西都被說成未來，C-Level 今天到底要做什麼決策？ 這篇試著從董事會與創辦人的角度，幫你把這些 buzzword 整理成三個務實問題。
一、從賣授權到賣成果：你的價值主張升級了嗎
AI 對 SaaS 最大的衝擊，不只是產品多了一個 Copilot，而是客戶對「價值」的期待被重置了。
過去：
- 你賣的是「一套系統」＋「使用者數」＋「實作服務」。
- 成功的衡量，多半停留在「系統導入上線」、「使用率」、「NPS」。
現在：
- 客戶會問：「這個 AI 具體幫我省了多少人力？多關了多少機會案？縮短多少處理時間？」
- 越來越多大型客戶希望看到「與成果掛鉤」的合約條款，或至少有清楚的業務案例。
對 C-Level 而言，這代表：
- 你的銷售與 CS 敘事，不能再只停在功能與 Roadmap，而是要能把「AI 邏輯」換算成「業務成果假設」。
- 你的產品分析與營收營運，要能追蹤「AI 功能使用情境」與「關鍵指標變化」之間的關聯。
二、PLG 2.0：不是把產品放上網就叫 Product-led
很多 B2B SaaS 在談「PLG 策略」時，其實做的是「免費試用加一點行銷自動化」。真正的 PLG 2.0，比較像是：
- 產品本身就內建 Acquisition、Activation 與 Expansion 的機制（例如協作、分享、工作流邀請）。
- AI 幫使用者更快達到「第一次 aha moment」──透過智慧預設、範本、引導式流程。
- 資料回流到 RevOps 與 Sales，讓團隊知道哪些帳戶已經在產品裡「快要成熟可以談錢」。
對 C-Level 來說，關鍵問題不是「要不要做 PLG」，而是：「在哪些客群上，我要用 PLG 當主要引擎；在哪些客群上，我還是以高接觸銷售為主？」
常見的混血做法包括：
- 用 PLG 捕捉長尾與中小型團隊，用 Sales-led 深耕大型企業與複雜情境。
- 用免費或便宜方案讓使用者在產品裡先完成幾個關鍵任務，再由 Sales 介入打包企業級方案。
三、營收模型混血時代的三個關鍵決策
當 AI、PLG 與傳統訂閱制混在一起時，你一定會面臨三個設計選擇：
決策一：你的主要價值指標，要綁在哪裡？
是使用者數？事件數？儲存容量？還是某種「AI 推薦次數」「處理交易量」？
選錯 value metric，很容易出現這種場景：
- 客戶明明從系統拿走巨大價值，但因為計價綁錯指標，你無法合理 capture 價值。
- 或反過來，客戶覺得被收得不合理，導致談續約時非常吃力。
決策二：AI 要做成基礎功能，還是獨立收費？
很多公司一開始把 AI 當成「高階附加功能」，但實際上：
- 有些 AI 能力（例如智慧預測、風險提示）很快會變成市場期待的標準配備。
- 真正可以額外收費的，往往是「高影響、可明確量化效益」的 AI 模組（例如節省人力、減少欺詐、提升成單率）。
你可以用一個簡單矩陣來判斷：
- 影響大且易量化：適合作為額外收費模組。
- 影響大但難量化：考慮納入高階方案，搭配成功案例敘事。
- 影響中低：視為提升競爭力的基本配備，融入整體價值主張。
決策三：你要把多少風險留在自己這一端？
AI 讓「成果導向」收費更有想像空間，但也放大了供應商端的風險。你需要評估：
- 模型成本與運算成本變動時，是否還有利潤空間？
- 客戶行為變化（例如使用量暴增或驟減）時，是否會讓你的營收與成本失衡？
- 是否需要為部分客戶設計「混合方案」，例如基礎訂閱＋成果 bonus，而不是完全綁在結果上？
四、董事會看 SaaS 的新儀表板：超越 ARR 成長曲線
在 AI 與混血營收模型的世界裡，董事會開始關注一些新的指標：
- AI 功能採用率： 有多少付費客戶實際啟用與穩定使用 AI 相關功能？
- 價值實現速度： 從簽約到達到關鍵業務成果（例如減少某流程時間 30%）的平均時間。
- 使用集中度： 收入是否過度依賴少數高用量客戶？若這些客戶縮減使用量，對營收的衝擊是什麼？
- 模型與數據風險： 你是否過度依賴單一外部模型或雲供應商？有沒有備援策略？
作為 C-Level，你可以提前把這些指標納入內部儀表板，讓董事會看到的是「一個可持續、可風險管理的 AI SaaS 模型」，而不是「一條很漂亮但很脆弱的成長線」。
五、從「轉型專案」到「連續實驗引擎」
最後一個常被忽略的內容缺口是：很多企業仍然把 SaaS 與 AI 導入，當成一次性的「Digital Transformation 專案」。
但在當前節奏下，更務實的思維是：把企業軟體與 SaaS，當成一個連續實驗引擎。
具體來說：
- 不再只規劃三年藍圖，而是滾動安排以季度為單位的實驗，明確列出要驗證的假設與指標。
- 在合約與 Roadmap 討論中，留下一段「共同實驗區域」，讓客戶知道他們參與的是一個會持續演化的產品，而不是一次性專案。
- 用較小、可測量的 AI 模組與流程優化堆疊，逐步改變組織的工作方式，而不是一次性重構。
結語：別只問「AI 會不會取代我們？」要先問「我們有沒有好好利用 SaaS 2.5 的槓桿」
與其擔心 AI 會不會取代行銷與營運團隊，不如先問：
「在 AI 原生、PLG 與混血營收模型的時代，我們有沒有重新設計產品、定價與營收架構，讓自己站在槓桿的一側？」
當你能清楚回答：
- 我們賣的是什麼「成果」，而不只是「授權」。
- 哪些客群走 PLG，哪些客群走高接觸銷售。
- AI 在我們產品裡扮演的是什麼價值角色，如何定價、如何被衡量。
那麼，不管 MarTech 與 SaaS 趨勢怎麼改版，你都不只是跟著版本號碼跑，而是有能力自己定義下一個版本的遊戲規則。