HubSpot Breeze / Salesforce Agentforce / Zendesk 改 outcome-based pricing：中小企業 AI 客服 SaaS 採購邏輯洗牌與 6 條合約紅線

月初你打開 HubSpot 帳單，發現 Breeze Customer Agent 那一欄變成「$0.50 × 472 resolutions」，總共 236 美元。然後你打開 Salesforce 帳單，看到 Agentforce「$2.00 × 184 conversations」，又是 368 美元。同一個月，兩個 AI 客服 agent，計費邏輯完全不一樣，結果一個落到地板、一個還在天花板。

這不是 BUG。這是 2026 年第二季 SaaS 廠商集體拋棄月費、轉向「按結果計費」的 outcome-based pricing 新世界——而你公司去年簽的那張 AI 客服合約，可能已經是錯的。

HubSpot 在 4 月 14 日宣布 Breeze Customer Agent 改成 $0.50/resolution、Prospecting Agent 改成 $1/qualified lead；Salesforce Agentforce 推出 $0.10/action 的 Flex Credits 與 $2/conversation 的消耗型方案，並維持 $125+/月/座 的 AELA 模式三軌並行；Zendesk 緊跟著推 $1.50/resolution（承諾量）與 $2.00（隨用隨付）。

這場洗牌的訊號很清楚——MarTech 的整理指出 HubSpot 是大型 SaaS 廠商裡第一家把核心 AI agent 整條 SKU 全部翻成「沒解決就不收錢」的廠商；同期SaaStr 的分析拆解 Salesforce 為什麼決定三種計費模式同時跑——5,000 個 Agentforce deal 裡只有 3,000 個付費，per-seat 模式說服不了想試試看的客戶。

換成台灣中小企業老闆的視角——你去年買 HubSpot Service Hub Pro 一個月 $90/座，今年要不要切換到 Customer Agent $0.50/resolution？答案是要先看清楚這場計費改革背後的三件事：廠商為什麼這時候動手、你公司哪些流程適合切、合約上有哪些以前沒見過的條款會把錢吃光，「便宜就切」或「習慣就留」都不是正確的判斷。

outcome-based pricing 為什麼在 2026 第二季集體爆發

先說結論：這是廠商被逼的，沒有佛心的成分。

Gartner 2025 年 8 月公開預測，到 2026 年底會有 40% 的企業應用程式內建 task-specific AI agent，從 2025 年的「不到 5%」往上跳了 8 倍。問題是這場跳躍不是線性的——大部分企業老闆面對 AI agent 不像面對 SaaS：SaaS 「我先用一個月看看」就先付 $90，AI agent 「我先用一個月看看」可能直接被廠商按使用量扣 $3,000。風險不對等，導致 Salesforce 自己的數據揭露——前兩季 5,000 個 deal 只有 3,000 個落地。沒落地的那 2,000 個，多半就是卡在「沒人敢按下訂購」這一關。

廠商面對這個僵局，動的是定價模型，不是產品。Bain 2025 年的 SaaS pricing benchmark 顯示，超過 60% 的 enterprise SaaS 廠商正在重新設計 AI feature 的計費——其中「按結果計費」（outcome-based）與「按使用量計費」（usage-based）的比例首次超過「按座位計費」（per-seat）。HubSpot 把 Breeze 直接押在 outcome-based，是要告訴所有觀望客戶：你不用怕買錯，因為沒解決問題我不收錢。

三大廠商計費邏輯完整拆解：價格不是重點，計費觸發點才是

先把三家的計費邏輯攤平來看。價格 PK 是表面，真正會影響你公司每月帳單的，是「什麼動作觸發計費」這一條。

看完表格你會發現一個關鍵——Salesforce「per action」與 HubSpot「per resolution」聽起來只差一個字，實際上是兩個世界。Salesforce 一次 action 是 AI 內部一個動作（查資料庫、寫 email、call API），可能一次對話跑 10 個 action 就是 $1；HubSpot 一次 resolution 是「整段對話有沒有解決問題」的最終判定，不解決一毛不收。對需要透明預算的中小企業老闆，per resolution 風險最低。

這跟我們上個月寫的中小企業 SaaS 採購評估框架裡提到的「費用結構透明度」是同一個道理——廠商敢用 outcome-based 計費，意味著他們對自己 AI 的成功率有把握。Salesforce 三軌並行是在保留所有客戶選擇權；HubSpot 一刀切到 outcome-based 是在「賭」自家 AI 的 resolution rate。哪一個更激進一目了然。

HubSpot Breeze 的賭注：$0.50/resolution 背後的三個經濟學

把 HubSpot 切到 outcome-based 拆開看，會發現他們真正押的是「可預測」，「便宜」反而不是重點。

第一個經濟學是消費者剩餘。一個 SaaS 月費 $90，如果你公司只用了 30% 的功能，剩下 70% 就是「廠商賺走的盈餘」。把計費單位切細到 resolution，等於把消費者剩餘還給客戶——你用多少、付多少。Vantage Point 在四月底的分析裡算過，一個典型中小企業客服月解單量約 480 件，按 $0.50 算是 $240/月，比原本 Service Hub Pro $90/座 × 3 座 = $270 還便宜，更別說省下的人力時間。

第二個經濟學是 AI 廠商的成本曲線。LLM 推理成本下降速度比想像中快——光看Liquid AI LFM2.5 的數據就知道，2026 上半年同等任務的推理成本比 2025 年下降約 70%。HubSpot 之所以敢承諾 $0.50/resolution，背後是他們算出來這個價位下還有 4-5 倍毛利，AI 越用越便宜，他們未來只會更賺。

第三個經濟學是 churn 風險。SaaS 廠商最怕的是你買了用一年覺得不值再退訂，比起不買更頭痛。outcome-based 把退訂風險前置——你用第一個月就知道值不值得，廠商也不用花業務成本去「教育」客戶 ROI。eWeek 的訪談裡 HubSpot 高層直接說，他們預期 outcome-based 上線後新客戶試用轉付費率會從原本的 24% 拉到 38%。

Salesforce 三軌並行的兩面性：彈性最高，但合約風險也最雜

Salesforce 跟 HubSpot 走完全相反路線——同時養三套定價：Flex Credits（每 action $0.10）、per Conversation（每對話 $2）、AELA per Seat（每座 $125+/月），完全沒有切一刀的意思。三條同時跑，理論上「客戶想怎麼買都可以」，實際上對採購方來說，這是一個地雷區。

這三軌的真正風險不在價格本身，而在「Salesforce 業務會勸你買哪一軌」。SaaStr 4 月底的分析提到 Salesforce 內部 sales playbook 的傾向——對新客戶推 Flex Credits（門檻最低、轉換最快），對已經導入 Service Cloud 的舊客戶推 AELA（綁定最深、長期 ARR 最高）。換成你採購方視角，業務推什麼不代表你該買什麼，要看自家業務週期。

一個踩雷的真實例子。台北一家 60 人 B2B SaaS 去年底簽了 Salesforce AELA 10 座 = $1,250/月，當時業務告訴他們「無限使用最划算」。結果半年下來一查使用紀錄，10 座裡只有 3 座每天開超過 2 小時，剩下 7 座平均一週用不到 5 次。換算下來那 7 座等於每次對話付了 $20+，比 per Conversation 還貴 10 倍。今年 5 月要續約時果斷砍掉 7 座、改買 Flex Credits 套餐——這就是 SaaS 老闆視角必懂的「為什麼業務推的方案常常不是最划算」。

從 per-seat 切到 outcome-based 之前的 4 題自我檢測

不是每家公司都應該追著新計費模式跑。切換前先過這 4 題自我檢測，分數 0-4，3 分以上才該行動。

• Q1：你公司客服月解單量是否穩定在 200 件以上？（穩定 = 1 分；波動極大或 < 200 件 = 0 分）

• Q2：你目前 SaaS 月費裡有沒有超過 50% 是「在付不會用到的功能」？（是 = 1 分；不確定 = 0 分）

• Q3：你願意每月對著 outcome metric（解決率、qualified lead 數）做決策嗎？（願意 = 1 分；只看月費總額 = 0 分）

• Q4：你的 IT 或客服主管能在 2 週內提供「過去 6 個月每月對話 / 解單 / 升級為真人」的完整數據嗎？（能 = 1 分；要 IT 從頭抓 = 0 分）

3-4 分：直接動手評估切換、要求廠商給你 3 個月 pilot。2 分：先把第 4 題的數據整理好再回來看。0-1 分：暫時別動，現有 SaaS 月費對你可能反而更划算——因為換成 outcome-based 後你會被 metric 反噬。

6 條 outcome-based 採購合約必看紅線

計費邏輯改了，合約條款也要跟著改。以前簽 per-seat SaaS 看 SLA、Renewal terms 就差不多，現在 outcome-based 要看的東西完全不一樣。列 6 條紅線給採購方參考——這些條款廠商如果不主動寫，要求他們補。

紅線 1：resolution / qualified lead 的定義要寫死

「客戶沒再回話」算不算 resolution？AI agent 把 ticket 標成 resolved 但客戶 7 天後 reopen 算不算？這些定義一旦模糊，廠商可以任意調整、把你帳單做大。

Zendesk 的合約範本是目前業界做得最清楚的——明確寫「7 天內 customer reopen 該 resolution 不計費」。HubSpot 比較鬆，只寫「conversation ended by AI without escalation to human」，留有解釋空間。簽約前要求廠商把「reopen window」「escalation rule」「ambiguous case」三條寫進 SOW。

紅線 2：unit price 變動的上限與通知期

outcome-based 不像 per-seat 月費鎖死。$0.50/resolution 隨時可能被廠商調成 $0.65/resolution。合約上必須要求「unit price 調整需提前 90 天通知，且年度漲幅不得超過 10%」。沒這條等於把錢交給廠商心情決定。

紅線 3：月度與年度封頂

這是 outcome-based 最大的隱性風險——usage spike。某天你網站被推到 Dcard 熱門，當天客服量暴增 30 倍，按 $0.50/resolution 帳單直接翻倍。合約要寫月度封頂（例：月解單量超過 5,000 件後降階 $0.30/resolution）或年度封頂（例：年度 spend 不得超過 $20,000）。HubSpot 預設不給封頂，要主動 negotiate。

紅線 4：data ownership 與訓練資料用途

你公司客服對話、潛在客戶資料，廠商會不會拿去訓練他們的 base model？AI 廠商的標準 ToS 通常默認可以。合約上要明確列「customer data shall not be used for model training without explicit opt-in」並要求 audit log。

紅線 5：退場數據遷移

這條跟我們之前寫的 SaaS 退場成本是同一條邏輯，但在 outcome-based 時代風險加倍——你過去半年累積的 conversation training data、knowledge base、AI fine-tune 結果，廠商有沒有義務在 30 天內以可機讀格式交還？沒寫清楚就是 vendor lock-in。

紅線 6：performance SLA 與計費關聯

舊版 SaaS SLA 通常寫「99.9% uptime，否則扣月費 5%」。outcome-based 時代 SLA 要寫「resolution rate 不得低於 70%，否則該月帳單 outcome 部分減半」。把廠商 AI 表現直接綁進帳單，這才是 outcome-based 該有的雙向保護。

切換決策流程圖

把前面的拆解收斂成一張決策流程圖，方便採購會議直接用。

台灣中小企業最容易踩的 3 個坑

坑 1：用美國 benchmark 預估台灣解單成本

HubSpot 美國定價 $0.50/resolution 換算台幣 NT$16，比台灣請外包客服每件 NT$30-50 便宜很多——但這只看到一半。台灣的 ticket 平均文字量更高（中文簡訊式對話）、邏輯更複雜（要懂台灣物流、超商取貨、發票），AI resolution rate 通常比美國低 15-20%。實際每件「成功解決」的有效成本可能是 NT$20-25，差距沒想像中大。導入前用真實對話樣本跑 pilot，不要用廠商提供的美國 benchmark。

坑 2：把 AI 客服全部丟給 outcome-based，沒留 fallback

把所有客服流量導去 AI agent，看似最省成本，實際上會炸。AI 不擅長處理客訴情緒、退換貨爭議、新產品教學。建議「AI 80% / 真人 20%」的混合模式——FAQ、訂單追蹤、會員資料這類高頻低情緒的丟 AI，其他流量仍要保留真人客服。outcome-based 計費下，AI 越笨你付得越少，看似省，但客戶體驗下滑造成的留存損失通常比省下的 SaaS 月費高 10 倍。

坑 3：採購決策只看單月帳單

outcome-based 上線第一個月通常會比 per-seat 便宜 40-60%——廠商故意這樣設計，讓你以為賺到。實際年化要看「月解單量成長曲線」乘以「unit price」。如果你公司業務 6 個月後解單量翻倍，per-seat 還是 $90/座，outcome-based 可能變 $0.50 × 1000 件 = $500/月。簽約前用未來 12 個月成長預估去模擬，不要只看當下。

三家廠商挑選的決策口訣

最後給一個簡單的判斷口訣，套自家情境就能挑：

做完選擇後，回頭把6 條合約紅線逐條問廠商。願意全部寫進 SOW 的就簽，少於 4 條的換廠商。這套採購節奏跟我們在企業 AI 廠商資安紅線指南講的是同一套邏輯——把對廠商的要求寫到合約裡，不要相信業務口頭承諾。

總結

2026 第二季 SaaS AI agent 計費邏輯洗牌的本質——把「沒解決就不收錢」的風險從買方轉回賣方，並非廠商降價。對中小企業老闆，這是十年難得的議價窗口。

但 outcome-based 不是無風險。usage spike 沒封頂、定義模糊被廠商擴大解釋、退場數據被綁架——這些坑都在合約細節裡。簽約前用 4 題自我檢測判斷該不該動、用 6 條紅線把合約逐條改清楚，這樣的採購流程才對得起你公司的預算。