如何把一个海外 AI 客服 SaaS 做到 38 万美金 ARR？柏林 2 人账本

一位 32 岁的柏林独立开发者做了一门小生意，过去 14 个月把一款海外 AI 客服 SaaS 做到年化 38 万美金 ARR。这件事本身在 SaaS 圈子里已经不算稀奇，过去几年德国本地冒出来的 AI 客服工具已经能凑出一本小册子。值得拿出来说的是他踩过的几个坑，因为每一个都对应着一种很普遍但很少被人点破的失败路径。

他做的事情很简单，把一款 AI 客服插件卖给三类客户，跨境电商品牌、海外 SaaS 工具团队、独立站卖家。客户按月付费，月费从 49 美金到 399 美金分三档。他和一位合伙人两个人从产品到客服全是自己干，连个兼职都没请。起步那一年做到月均 1.2 万美金，到了第二年做到 3.2 万美金月利，这个爬坡曲线其实就是这门生意能不能做大的核心信号。

大部分做这门生意的人死在最初半年。为什么？因为他们把模型微调本身当成了全部工作。头 3 个月花在 prompt 调优上，到了第 4 个月开始接客户，进入第 5 个月之后突然发现客户问的问题根本不是模型问题，而是判断题。比如一个跨境电商品牌会问，客户在结账页停留超过 3 分钟到底是因为运费贵还是信任缺失？这个 AI 工具能帮我识别吗？一个独立站卖家会问，欧美客户跟东南亚客户的异议点完全不一样，AI 能不能分别给回复模板？这些都是判断题，不是事实题，而模型能回答事实题，回答不了判断题。

他真正的分水岭出现在做完半年之后。那时候他已经意识到模型本身不够用，开始在模型之外给客户补一份每周一次的人工诊断。比如客户发来一段客服对话，他看完之后告诉对方，这 20 条对话里其实有 8 条不是客服问题而是产品定价问题，你应该改的不是客服话术而是定价。这类诊断最开始是免费的，因为他自己也不知道能不能做对，做了两个月之后他才发现，这类诊断才是客户真正愿意付费的部分。从这时候开始他才把模型从主力位置退到辅助位置，把人工诊断放到了产品定义的第一位。这个顺序颠倒过来之后，他的客户留存立刻从月均 58% 涨到了 92% 以上。

这门生意第二年真正的考验是规模化和耗损之间的拉锯。他和合伙人两个人，所有的人工诊断都是自己做，每个客户每周要花他 3 到 4 个小时。这意味着他们最多同时服务 45 个付费客户，超过这个数字他就开始因为睡眠不足掉判断质量。做到第 8 个月的时候他曾经试图雇一个兼职分担诊断部分，结果发现诊断这件事不是培训出来的，是经验长在自己身上的，换一个人做客户马上能感觉到差别。这之后他放弃了靠雇人扩规模的想法，转而把诊断过程拆成几个清晰的小步骤，再用模型把其中能用规则替代的部分自动化掉。这个调整用了大概 3 个月，从第 11 个月开始他的单人产能从 45 个客户涨到了 90 个客户，没有增加工作时间，只是把诊断流程标准化了。

到了第二年他碰到的最难的问题反而是定价。他最初 49 美金到 399 美金的三档定价是模仿同行的，跟自己的真实成本结构完全对不上。后来他按照客户每周实际占用他时间的比例重新调整，新定价是 89 美金到 599 美金四档，调整之后客户数量掉了 22%，但总收入反而涨了 38%。这件事他事后复盘说，最大的教训是低价档位其实是在筛选最难伺候的客户，把这部分人筛掉之后，剩下的客户更愿意为质量付钱，他每周的工作时长反而没怎么涨。

创业找资源，上乌鸦部落。