YundaDeskAI 客服价格表里，最容易被低估的一行，不是单价，而是「按什么计费」。
按解决计费听起来很顺：AI 真把问题解决了，商家才付钱；没解决，不收。问题是，客服系统不是广告投放。你按什么收费，团队就会朝什么方向调整行为。按解决收费久了，坐席、主管、甚至 AI 规则都会被推向一个尴尬方向：少让 AI 解决、少把边界放开、少把经验教给系统。
计费模型会改写团队行为
一个好的 AI support pricing model，不只回答「这月多少钱」，还要回答「它会鼓励团队怎么做」。
如果每次 AI 独立解决都变成新增费用，客服主管很自然会开始算账：这类问题要不要先让人工接？知识库要不要先别补太全？大促月要不要临时关掉一部分自动接待？
这些选择单看都合理，合在一起就会伤害客服质量。客户等得更久，坐席重新陷入重复问答，AI 也少了从真实接待里变准的机会。
按解决计费的反向激励：AI 越好，账单越高
per resolution pricing 的核心问题很简单：AI 越能解决问题，你越多付钱。
这会制造一个奇怪的心理账本。你整理知识库、纠正错误答案、训练高频场景，结果 AI 真的更准了，账单也跟着上涨。于是团队开始犹豫：到底要不要把更多场景交给 AI？
按解决计费下，旺季账单压力会跟着解决量放大
| 被影响的事 | 正常做法 | 按解决计费下容易变成 |
|---|---|---|
| 知识库 | 补齐高频问题 | 只补最低限度 |
| AI 边界 | 低风险 AI 先答，高风险转人工 | 低风险也进人工队列 |
| 复盘学习 | 把人工补答沉淀为技能 | 先看成本，不愿扩大覆盖 |
这不是团队小气，而是人会响应账单压力。一个模型只要让「AI 变强」和「账单变高」绑在一起，就会削弱持续优化的动力。
它还会扭曲坐席判断
坐席本来应该判断：知识库有没有依据？客户是否需要人工？退款、赔付、改价这种高风险动作是否必须审批？
但如果团队每周都盯着「本月解决数用了多少」，注意力就会偏掉。该自动接的物流、发货、尺码问题被人工拦下；该沉淀的好答案不愿进知识库；大家开始争论「这算不算解决」，而不是客户有没有拿到准确答案。
内含 credit：把 AI 当产能，而不是罚单
YundaDesk 的口径更直接：套餐内含 AI credit，不按对话、不按解决二次计费。你买的是一段可预测的 AI 使用额度，而不是每次 AI 成功后的追加账单。
这会带来一个关键差异：客服主管不用在每条咨询前做心算。常规问题可以放心让 AI 先接；知识库该补就补；坐席纠正 AI 后，系统生成待确认学习建议，老板评审采纳后才生效。AI 越用越聪明，但账单不会因为某个问题「被解决了」就额外跳一下。
这也符合 YundaDesk 的边界：AI 客服面向客户，7×24 从知识库找依据自动回答；答不上、客户要求人工、或遇到高风险问题就转人工。Yuna 面向商家，帮助看数据、做配置、把经验教给 AI 客服，但不直接接触客户。更多边界拆法见 /zh/blog/ai-first-human-backed-boundary/。
好价格模型要让质量变好
对跨境卖家来说，AI 客服的目标不是「无人值守」，而是把重复、低风险、可依据的问题先接住，让人工处理退款、赔付、投诉、改价这类需要判断和审批的事。
所以计费模型至少要满足三点：
- 可预测：旺季来了，老板知道预算大概怎么走。
- 不惩罚优化：知识库变好、AI 更准，不应变成财务惩罚。
- 不诱导越界：退款、赔付、改价永远需要人工审批。
内含 credit 把成本放在使用额度上，而不是放在「AI 是否解决」这个容易被定义扭曲的结果上。团队可以专心补知识库、调边界、复盘没接住的问题，把经验沉淀为可追溯、可测试、可回滚的能力。
看报价单时，别只问单价
选 AI 客服平台时，价格表上最该追问的不是「便宜多少」，而是「这个模型会让团队怎么用它」。
建议把这几个问题写进采购清单：
- 费用是按坐席、对话、AI credit，还是按解决数？
- 套餐里是否已含 AI credit？超出后单价是否清楚？
- AI 解决更多问题时，账单会不会同步上涨？
- 大促月咨询量翻倍时，是否有可预测规则？
- 高风险动作是否必须人工审批？
- 学习建议是否需老板确认后才生效，是否可追溯、可测试、可回滚？
也可以结合 /zh/blog/choosing-ai-support-platform/ 的选型框架一起看，把账单可预测性放在功能演示之前确认。
YundaDesk 为什么不按解决收费
YundaDesk 面向中国出海和跨境电商团队。你们的客服压力往往不是一个复杂大案，而是同一周涌进来的成百上千个重复问题：物流、发货、尺码、优惠码、换货政策、社媒私信、多语言追问。AI 应该先接住这些量，而不是让团队一边接待一边担心「这条算不算又多收一次」。
当然，内含 credit 不等于没有边界。高风险动作仍走人工审批；AI 没答上会转人工；坐席纠正 AI 后，也只是生成待确认学习建议，老板确认后才会生效。我们希望 AI 越用越聪明，但这个聪明必须受控、可追溯、可回滚。
按解决计费最大的问题，不是贵，而是它把「AI 解决得更多」变成一件需要犹豫的事。对真正想扩产能的团队来说，更健康的模型应该让 AI 接得越准，团队越敢用，而不是越心疼账单。