沒有一款消費級應用知道單一免費用戶這個月燒了多少

總額你知道，裡面誰花了多少你不知道

在消費級應用裡加了聊天或語音功能的團隊，月底會收到一張帳單。總額是清楚的，這筆錢裡誰花了多少則不清楚。

Inworld按2026年7月7日的標價算過消費級AI應用的單位經濟，量級由此可見。按每個活躍日50則聊天或10分鐘語音計算，每日活躍用戶的月成本隨技術堆疊不同，落在0.09美元到18.24美元之間。語音這一端，級聯方案約為每月2.58美元，用OpenAI的gpt-realtime-2.1則約為每月18.24美元。再放進3%的付費轉換率，一個付費用戶大約要承擔33個人的AI帳單，而這份負擔必須裝進每月5到20美元的訂閱價裡，生意才成立(Inworld)。

這套算法裡埋著一個假設：免費用戶的用量差不多。現實幾乎不可能如此，可是關於免費方案的成本究竟向頭部集中到什麼程度，公開資料很難找到。這也說明團隊自己內部同樣沒在看這張分布圖。

於是應對方式變得粗糙。成本一嚇人就把免費額度對所有人一起下調，被砍掉的往往是還沒體會到產品價值的新用戶。在啟用之前撞牆的人不會回來，而真正在燒錢的那一小撮，額度降了照樣用到新的額度為止。

現有工具看的是別處。企業內部的LLM支出治理按員工和團隊切分，路由工具按請求挑更便宜的後端。這兩者都假設花錢的人屬於自己這邊。消費級應用裡花錢的是一個匿名帳號，要不要限制他，判斷依據不是成本而是轉換可能性。

單價降下來多少，團隊就把多重的功能免費開出去

token單價一直在降，消費級應用的成本問題反而更清楚了，因為省下來的部分被團隊拿去免費開放更重的功能。原本只走一行文字的位置換成了語音和長脈絡，單用戶月成本因此上升到與訂閱價同一個數量級。

與此同時消費級應用的付費轉換率沒有跟著變。轉換率不動而成本上升，一個付費用戶要養的免費人數就會增加，很快越過訂閱價能攤開的邊界。總額儀表板在這個位置什麼也說不出來，它只告訴你這個月多了30%，卻不區分這是新增流量帶來的，還是幾個重度用戶造成的。

每次呼叫都把使用者和功能名一起記下來

以SDK或代理的形式擋在LLM呼叫前面，每次呼叫都記錄用戶識別碼和功能名稱。到這一步和現有的觀測工具一樣。不同的是下一步：把每個用戶的累計成本，和這個用戶的轉換訊號放在同一塊螢幕上。註冊後的天數、是否完成了核心動作、再次打開的間隔。

免費用戶於是分成四塊。成本高但沒有轉換訊號的，成本高且接近轉換的，成本低也沒有訊號的，成本低但快要付費的。該設限制的只有第一塊。

quadrantChart
  title 免費用戶的位置
  x-axis 轉換訊號弱 --> 轉換訊號強
  y-axis 成本低 --> 成本高
  quadrant-1 現在就引導付費
  quadrant-2 該設限制的地方
  quadrant-3 保持原樣
  quadrant-4 再多展示價值

MVP一塊儀表板就夠：按用戶排的成本榜、旁邊是他們的轉換訊號，再加一個模擬，顯示砍掉成本頭部區間之後啟用指標會怎麼動。真正的攔截功能放在後面。等團隊開始照著這些數字自己定閾值，產品再接手去執行這些規則。

按節省下來的金額定價更容易談成。用這套工具的團隊本來就知道每月花多少，省下多少可以直接看到。

免費使用者的成本必須是偏斜分布才成立

核心假設只有一條：免費用戶的成本分布必須真的明顯偏斜。如果分布是均勻的，就沒有按人看的必要，調整整體額度即可。拿三四家早期客戶的日誌看幾週就能驗證。

第二個假設是，成本最高的那批用戶和轉換最好的那批用戶確實不是同一批人。如果用得多的人最後就是會付費的人，那麼這個產品建議的每一次限制都是在勸人砍收入。這一點要在導入初期就驗證，結果不同的話，產品方向要從限制工具轉向判斷付費提示時機的工具。