YundaDesk签合同前谁都在看单价，但客服软件真正伤钱包的，是「按什么单位计费」。一次大促把对话量拉高两三倍，两种计费模型的账单曲线会彻底分岔——一种跟着流量陡增,一种照旧稳定。这篇把账算清楚。
按对话计费 vs 内含 AI credit：成本讨论先回到生产力基线
两种计费模型到底在算什么
市面上的 AI 客服报价，本质上分两条路。
按对话计费：每接入一次新对话（不管是网站挂件、WhatsApp、邮件还是社媒私信），单独计一次费用。对话量越大，账单越大,而且往往是线性甚至更陡的关系,因为很多平台在旺季还会加收峰值附加费。
内含 AI credit：套餐里预先包含一段可用的 AI 使用额度，AI 客服全渠道 7×24 接待都算在这段额度里,不按对话数、不按解决数二次计费。额度是可预测的固定成本,超出额度才涉及升级。
这两种模型看起来只是计价方式不同,但放到旺季场景里,差别会被急剧放大。
旺季对话量翻倍时,账单发生了什么
跨境卖家最熟悉的场景是:大促开始前一周,网站流量涨、社媒私信涨、物流咨询涨,同一批客户在多个渠道反复追问同一件事——包裹到哪了、能不能改地址、优惠码为什么用不了。
按对话计费下,这些新增对话每一条都要单独付费。日常月对话量的两三倍,直接体现成两三倍的客服账单,而且这笔涨幅往往发生在老板最没心情算细账的那几周。更麻烦的是,如果客户在网站挂件问完又转到 WhatsApp 追问,部分按对话计费的平台会把这算成两次独立对话,账单进一步叠加。
内含 credit 模式下,套餐额度本身是按预期使用规模设定的,AI 接待旺季新增的这批重复问题,只是消耗额度,而不是产生新账单。团队不需要在大促前重新算一遍「这批咨询到底要不要都开给 AI」。
把公式摊开算一遍
假设一个中型独立站团队,日常月咨询量在 3000 次左右,大促月能冲到 8000 次,其中网站挂件、WhatsApp、邮件、社媒私信各占一部分。
| 场景 | 按对话计费 | 内含 credit |
|---|---|---|
| 日常月(3000 次) | 单价 × 3000,账单随对话数浮动 | 落在套餐额度内,月费固定 |
| 大促月(8000 次) | 单价 × 8000,账单同步跳涨,部分平台叠加峰值附加费 | 消耗更多额度,超出部分才涉及升级,团队提前可预判 |
| 客户跨渠道追问同一问题 | 可能被计为多次独立对话 | 归入同一客户档案,仍在额度内接待 |
| 大促结束后 | 账单回落,但旺季那几周现金流压力已发生 | 全年成本曲线更平滑 |
这张表最该看的不是绝对数字,而是「谁在旺季替谁背了风险」。按对话计费,风险由商家一次性承担;内含 credit,风险被摊到套餐设计阶段,商家承担的是可预测的固定支出。
按对话计费还有一个隐藏成本:行为扭曲
除了账面数字,按对话计费还会悄悄改变团队的决策。客服主管看到账单跟着对话数涨,会本能地开始纠结:这类低风险咨询要不要先关掉 AI 自动接待?知识库要不要先别补太全,免得 AI 接得更多、账单更高?
这些顾虑单独看都合理,合起来就会削弱一个本该越用越聪明的系统。相关的定价陷阱在 /zh/blog/ai-support-pricing-models-compared/ 里有更系统的拆解,这里只强调一点:好的计费模型不该让团队在「省钱」和「让 AI 接得更多」之间反复拉扯。
内含 credit 不等于没有边界
内含 AI credit 说的是计费方式,不是说 AI 可以无边界地替商家做决定。YundaDesk 的边界很清楚:AI 客服面向客户,从知识库找依据自动回答,答不上、客户要求人工、或遇到退款/赔付/改价这类高风险场景,立刻转人工,人工审批永远是必须环节,不会因为「省额度」就跳过。
Yuna 作为面向商家的 AI 助手,可以帮你看数据、做配置、把经验教给 AI 客服,但同样不直接对客户执行任何高风险动作。这条边界详见 /zh/blog/ai-first-human-backed-boundary/。
旺季前该问供应商的几个问题
签合同前,建议把这几条写进采购清单,而不是只比单价:
- 计费单位是对话数、解决数,还是 AI credit?
- 客户跨渠道追问同一问题,会不会被计为多次对话?
- 大促月对话量翻倍时,账单是否有峰值附加费?
- 套餐额度是否覆盖全渠道(网站挂件、邮件、WhatsApp、社媒私信等),还是分渠道单独计费?
- 超出额度后,升级规则是否透明、可提前预判?
- 高风险动作(退款、赔付、改价)是否始终需要人工审批,不因计费方式而改变?
把这些问题问清楚,比在大促月中途盯着实时账单更有用。旺季支持节奏的具体铺排也可以参考 /zh/blog/peak-season-support-playbook/。
为什么这件事值得提前想清楚
跨境卖家的旺季从来不是「多接几个客户」这么简单——同一周涌进来的对话可能是平日的两三倍,渠道也更分散。一个好的定价模型,应该让团队在这种时刻更敢把常规问题交给 AI,而不是一边接待一边心算账单。
内含 AI credit 把这份不确定性提前锁定在套餐设计里,团队可以专心把知识库补全、把边界划清楚、把坐席纠正沉淀成可追溯、可测试、可回滚的学习建议,而不是在大促月临时决定「这批咨询要不要都开给 AI」。
按对话计费省的是账面单价,内含 credit 省的是旺季那几周的决策焦虑。对真正会经历流量尖峰的团队来说,后者往往才是那笔真正省下来的钱。