Solo Unicorn怎么作为顾问卖 AI Agent 服务
怎么作为顾问卖 AI Agent 服务
2026 年，AI 咨询是我见过的增速最快的独立咨询细分领域。市场上 AI 顾问的日费率在 $600-$1,200 之间，高端专家可以到 $300-$500 时薪。Freelance retainer 从 $3K 到 $10K/月不等，项目制 $20K-$150K 是常见区间。
但定价不是最难的部分。最难的是：怎么让一个还不确定 AI 能给自己带来什么的客户，愿意掏钱让你来证明。
我从 2024 年开始做 AI 咨询，从最初的按小时收费到现在的项目制 + retainer 组合，踩过定价太低、范围没控好、客户期望管理失败等各种坑。这篇文章把我的 go-to-market 方法论整理出来，包括服务打包、定价策略、提案模板、和客户教育。
服务产品化：把咨询变成产品
大多数顾问犯的第一个错误是卖时间。客户问 "你的时薪多少"，你报一个数，然后按小时计费。问题是：你的交付物不清晰、范围不可控、客户不知道自己买了什么，而且你的收入上限被时间锁死了。
我的做法是把咨询服务打包成三个标准产品，每个产品有明确的交付物、时间线、和价格。
产品一：AI 就绪评估（AI Readiness Assessment）
交付物：
- 为期 2 周的评估
- 3-5 个部门的 AI 应用机会扫描
- 数据就绪度评估
- 优先级排序的用例路线图（推荐 top 3 个用例）
- 每个用例的 ROI 初步估算
- 30 页左右的评估报告 + 1 小时汇报会
定价： $8K-$15K，固定价格
适合客户： 知道自己应该做 AI 但不知道从哪开始的企业。这是最低门槛的入口产品。
为什么有效： 客户不需要做任何技术决策就能开始。评估本身的风险极低——最坏情况是你帮他确认了"现在还不是做 AI 的时候"，这也是有价值的结论。
产品二：Agent 概念验证（Agent PoC）
交付物：
- 基于评估报告推荐的 top 1 用例
- 4-6 周开发一个可运行的 Agent 原型
- 用真实数据跑通核心场景
- 性能基线（准确率、速度、成本）
- 生产化路线图和预算估算
定价： $20K-$50K，根据用例复杂度
适合客户： 做完评估后想继续推进的企业，或者已经有明确用例只缺执行能力的企业。
关键细节： PoC 的目标不是交付一个生产级系统，是证明这条路走得通。我在合同里明确写："PoC 交付物是可运行的原型和决策数据，不是生产级软件。生产化实施需要另签合同。"
把期望管理好，后面的麻烦会少很多。
产品三：持续优化 Retainer
交付物：
- 月度 10-20 小时的顾问时间
- Agent 性能监控和优化
- Prompt 调优和模型升级评估
- 月度性能报告
- 新用例探索和优先级建议
- Slack/微信群即时咨询
定价： $5K-$12K/月，6 个月起签
适合客户： Agent 已经在跑但内部没有持续优化能力的企业。
续签率是关键指标。 我目前的 retainer 续签率大约 75%。不续签的 25% 大多是因为客户内部建立了自己的 AI 团队——这不是坏事，是成功指标。
定价的底层逻辑
为什么不按小时收费
按小时收费有三个问题：
一，惩罚效率。 你越快解决问题，赚得越少。这激励你慢慢做，和客户利益矛盾。
二，客户心理不对。 客户会计算"这个小时他到底做了什么"，变成微观管理。你的注意力从交付价值变成证明自己在干活。
三，收入上限太低。 假设你时薪 $300，一天 8 小时，每月 20 天，月收入上限 $48K。但你不可能每天都有 8 小时的计费时间——实际上有 40-60% 的时间在做非计费工作（营销、提案、管理）。
所以： 评估和 PoC 用项目制（固定价格），长期合作用 retainer。时薪只在谈判时作为参考基准，不作为计费方式。
怎么定具体数字
项目定价 = 估算工时 x 内部时薪 x 2.5-3 倍系数
2.5-3 倍系数覆盖的是：非计费时间、工具成本、业务风险、和你的专业溢价。
示例：一个 AI Readiness Assessment 我估算需要 30 小时的实际工作。我的内部基准时薪 $200（这个数字是基于我的经验和市场定位）。
30 x $200 x 2.5 = $15,000
如果客户是大企业（>$1B 收入），系数用 3 倍。如果是 startup，系数用 2 倍或者降低交付范围。
按价值定价的进阶玩法
2026 年一个明显趋势：73% 的咨询客户更愿意接受和业务成果挂钩的定价模式。
我在两个 retainer 客户上试了这个模型：基础 retainer $5K/月 + 绩效奖金。绩效指标是 Agent 的月度成本节省。如果月度节省超过基线 20%，我拿超出部分的 15% 作为奖金。
实际效果：一个客户的基础 retainer 是 $5K/月，平均月度奖金 $2.8K，总收入 $7.8K/月。另一个客户的绩效奖金波动大，有的月 $0，有的月 $5K。
这个模式的好处是利益绑定——你有动力持续优化。坏处是收入不稳定，而且需要和客户就指标定义达成非常精确的共识。我建议在和客户建立信任之后再引入，不适合第一次合作就用。
提案模板
# AI Agent [用例名称] — 项目提案
## 当前痛点
[用客户自己的语言描述，最好引用他们在会议中说过的原话]
## 项目目标
- 核心指标：[X] 从 [当前值] 改善到 [目标值]
- 时间线：[X 周]
- 预算：$[X]
## 交付物
1. [具体交付物 1]
2. [具体交付物 2]
3. [具体交付物 3]
## 时间线
| 阶段 | 时间 | 交付 |
|------|------|------|
| 发现 | 第 1-2 周 | 需求确认 + 数据评估 |
| 开发 | 第 3-5 周 | Agent 原型 + 核心场景 |
| 验证 | 第 6 周 | 测试 + demo + 报告 |
## 投资
$[X]（固定价格，含全部人力和工具费用）
## 风险缓解
- 第 3 周 checkpoint：如核心场景无法跑通，双方讨论调整或终止
- 数据不足时的备选方案：[具体措施]
## 下一步
- [ ] 签署项目协议
- [ ] 安排 kickoff 会议（建议在签约后 5 个工作日内）
- [ ] 提供数据访问权限
几个提案技巧：
第一，痛点部分用客户自己的话。 在前期沟通中记下客户怎么描述自己的问题，原封不动地放在提案里。当客户读到自己说过的话，会立刻产生认同感。
第二，投资而不是成本。 措辞上用"投资"替换"费用"或"成本"。这不是文字游戏——$50K 作为成本很贵，作为 ROI 245% 的投资很便宜。
第三，永远给退出选项。 提案里有一个明确的 checkpoint 和终止条件，反而会降低客户的决策阻力。"最坏情况就是花 3 周时间确认这条路走不通"比"签了就要执行完"更容易获批。
客户教育：卖之前先教
我发现最有效的获客方式不是 cold outreach，是内容。
我在 LinkedIn 和一人独角兽俱乐部的社群里持续分享 AI Agent 的实战经验——不是理论，是具体的案例、数据、和踩坑记录。来找我咨询的客户，70% 以上是先看了我的内容，然后主动联系的。
内容的目的不是展示你多厉害，是帮潜在客户理解三件事：
一，AI Agent 能解决什么问题。 很多决策者对 AI 的认知还停在"chatbot"的阶段。你需要用具体案例帮他们理解 Agent 可以做工单分类、报告生成、数据分析这些实实在在的事。
二，做这件事需要什么条件。 数据要什么程度的 ready？团队需要投入多少？预算大概多少？把这些信息透明化，客户在找你之前就已经做了初步判断。
三，不做的代价是什么。 不是恐吓，是帮他算账。竞争对手在用 AI 把客服成本降了 40%，你不做，成本差距每月在拉大。
范围管理：最大的踩坑点
前面讲了怎么卖，但卖出去之后最容易出问题的是范围管理。
一个真实故事：2025 年我接了一个 $35K 的 PoC 项目，做客服 Agent。做到第 3 周，客户说 "能不能顺便把内部 HR 问答也做了"。我当时想，反正技术架构差不多，加上去不难，就同意了。
结果 HR 那边的数据格式和客服完全不同，知识库要重新整理，还多了一个利益相关方（HR 总监）。项目从 6 周延到 10 周，额外工时大约 50 小时，都是免费的。
从那以后我有一个铁规矩：任何超出原始 SOW（工作说明书）的需求，先走变更单。 变更单就三行：
变更描述：___
影响（时间/费用）：___
客户确认签字：___
简单，但有效。大部分时候客户看到变更意味着额外费用，会自己判断这个需求是不是真的必要。真正必要的，他们愿意付费。不必要的，他们自己就放弃了。
三条核心 Takeaway
第一，把咨询服务产品化。 不卖时间，卖明确的交付物。三个标准产品（评估、PoC、Retainer）覆盖客户从"不知道要不要做"到"做了需要人维护"的全生命周期。
第二，提案的核心是降低决策风险。 明确的交付物、固定的价格、退出机制——这三样东西让客户觉得"最坏情况也可以接受"，比你 PPT 里写的技术方案更能推动签约。
第三，内容是最好的销售漏斗。 持续分享实战经验，让客户先信任你的判断力，再信任你的交付能力。70% 的客户是被内容吸引来的，这个比例远高于 cold outreach。
你现在在做或者在考虑做 AI 咨询吗？最大的卡点是获客、定价、还是交付？