钱是怎么在工地上流动的
要理解建筑软件定价难题,得先搞清楚总承包商是怎么花钱的。
这里有个关键认知差:软件供应商向总承包商整体开账单,但总承包商需要把这笔钱摊到每个具体项目上,然后从业主那里收回来。
想象一下,当软件公司和承包商签了一份300万的企业协议,覆盖未来两年的10个项目。现在问题来了:这300万怎么分摊到10个不同规模、不同客户的项目上?每个项目该承担多少?
承包商有两个选择。
第一个是把每个软件都单独列成一行。比如项目预算里写:A软件5万,B软件3万,C服务2万。这样很透明,但也很危险。客户会说,”不需要C服务,去掉这个”;或者说,”为什么你们用这么多软件?竞争对手只用一个”。
第二个办法更聪明——搞个技术费率。也就是,把所有软件成本打包成一个数字,塞进“通用条件”那一栏。业主看到的只是一个总数,不会逐项质疑。这是大多数总承包商的做法。
但这里有个陷阱:当技术费率比竞争对手高出20%时,总承包上会在比价时把你刷掉。这就是为什么定价不仅是个财务问题,更是个竞争策略问题。
三种主流定价模式的致命缺陷
现在建筑科技公司主要用三种主流定价方式。
第一种,按席位收费,这是最古老的玩法。逻辑很简单:一个账号一个价。但问题是,建筑项目需要所有人协作——设计师、工程师、分包商、现场工人。如果每增加一个人就多一笔钱,项目经理会本能地限制使用人数。结果就是花了钱买的软件,只有少数人在用,完全发挥不出价值。
第二种,根据项目或企业的大小(后者提供折扣),按收入收费。项目越大,收费越高,完美的价值匹配,这也是VC喜欢的模式之一。但这里面依然有很多重要的风险存在,会直接影响客户续约率和口碑。
比如通胀风险,2020年疫情期间,建材价格暴涨。一个预算1亿的项目,最后花了1.2亿才完工。但这多出的2000万纯粹是材料涨价,总承包商的利润率反而被压缩了——项目复杂度没变,只是成本结构变了。此时如果你按收入的0.5%收费,就意味着从50万涨到60万。客户的反应是,”软件功能没变,凭什么多收10万”。这种认知落差会让客户觉得你在趁火打劫。
还有市场波动风险,把定价变成赌博。建筑业是强周期行业,利率、政策、贸易摩擦都会影响项目数量。客户在签多年合同时,根本无法准确预测收入。这创造了一个扭曲的激励机制:假设客户预测两年做2.5亿收入,预付你25万软件费。结果第一年市场遇冷,两年只做了2亿。他们已经付了钱,却用不到预期的项目数量,造成实际单位成本上升了25%。但如果市场超预期做到3亿,你会在合同到期时追加”超额费”。客户很快学会了游戏规则:低报收入预测。反正超了你也不一定发现,发现了再补交。
这种不对称风险(向上调整但不向下退款)会严重损害信任关系。客户会觉得你只想多收钱,不愿共担市场风险。长此以往,续约时他们会极力压价,或者干脆换供应商。
第三种,按项目收费是最接地气的方式。要么统一价格,无论项目规模如何,都采用固定费用;要么按项目大小分档,基于项目收入范围定价。
这个模式最大的好处是灵活,能降低总承包商的风险敞口。但对初创公司来说,预测收入变得很难,投资人不喜欢这种不确定性。
软件行业不懂建筑业的钱包
说到底,所有定价问题都指向一个根本矛盾:软件行业习惯预付费,建筑业习惯后付费。在建筑业,不会在工作开始前就把钱全付了。分包商是干完活才结算,而且按实际完成量付钱。这是整个行业的支付文化。
建筑保险公司早就摸透了这个行业的脾气。
假设你是总承包商,找保险公司买了10亿的保额。保险公司不会让你一次性付清保费,而是这样算账:这10亿的额度决定了你能拿到什么价格档位,比如每亿保额收0.8%的保费。但实际付钱是按项目来的——每启动一个5000万的项目,就按那个项目的实际金额乘以0.8%收一次费。两年下来,如果你只做了8亿的项目,那就只收8亿的保费。没用到的2亿保额,不收钱。
听起来保险公司很吃亏?其实不然。合同里有两个保护条款:一是”最低保费”,比如规定至少要收到预估保费的70%,覆盖基本的管理成本;二是”年终对账”,如果实际业务量和预估差太多,保险公司会调整费率或要求补差价。
这才是建筑业习惯的付费方式:用多少付多少,风险双方分担。
给创始人的建议
如果你正在做建筑科技,别急着照抄Salesforce的定价策略。先花时间理解你的客户是怎么管钱的。跟项目经理聊聊他们怎么做预算,跟CFO了解他们怎么做项目核算,跟采购问问他们最头疼什么。
考虑用意向书(LOI)的方式。客户承诺未来会用你的产品覆盖多少项目,你们商定一个费率,但只在项目真正启动时才开账单。这不是法律约束,但给了你足够的信号去跟投资人讲故事,也给了客户足够的灵活度去管理风险。
最后,想想保险公司是怎么做的。他们已经在建筑业深耕了几十年,定价模式被市场充分验证。那种”按承保额定档,按实际使用付费”的智慧,值得建筑科技公司学习讨论。
本文来自投稿,不代表AI4ELAB立场,如若转载,请注明出处:https://ai4elab.com/6177.html