[系列文6] 從 Demo 到成交：AI 產品如何設計試用、報價與第一筆訂單

第 6 篇承接第一批客戶外展：當有人願意訪談或看 Demo，下一步不是把所有功能介紹完，而是用對方的真實情境證明一個結果，設計低風險試用或試點，清楚報價、處理異議，最後取得第一筆訂單或明確的下一步承諾。

重點整理：

• Demo 的目的不是把功能講完，而是讓客戶看到一個他真的在意的結果。
• 試用或試點不能只丟帳號給對方，要先定義時間、資料範圍、成功標準與下一步。
• 早期報價不要複雜到像企業價目表，先用一個清楚的小方案取得承諾。
• 客戶說太貴、不準、資安有疑慮、要再想想，都是要整理的異議，不是單純失敗。
• 第一筆訂單不一定是大合約；付費試點、月繳小方案或一次性導入費，都可能是有效成交。

成交不是硬推，而是取得下一步承諾

第 5 篇談的是第一批客戶從哪裡來。當你開始有人願意回覆、願意訪談、願意看 Demo，下一個問題就是：怎麼讓對方真的試用、付費，或至少給你一個明確的下一步。

很多新手一聽到「成交」，會以為就是把話術練得更強，或把折扣開得更大。但早期 AI 產品的成交，通常不是靠硬推，而是靠三件事：

1. 你是否真的理解他的工作問題。
2. 你是否能用他的情境展示一個可見結果。
3. 你是否讓下一步變得清楚、低風險、值得嘗試。

以 AI 客服工具為例，客戶不會因為你說「我們用了最新 AI 模型」就立刻刷卡。他比較在意的是：客服高峰時段能不能先自動整理問題？AI 草稿是否可複查？真人客服會不會更快回覆？主管能不能看出哪些 FAQ 需要補？錯誤回答的風險怎麼控？

以 AI 報表工具為例，客戶也不會只因為你能連接資料庫就付費。他真正想知道的是：每週營運報表能不能少花半天？資料來源是否可信？主管會不會看得懂？異常數字能不能追蹤？報表能不能準時交？

Paul Graham 的 Do Things that Don't Scale 適合放在這裡理解：早期創辦人要親自做很多不可規模化的事。Demo、試點、逐一跟進、手動整理客戶問題，看起來都不夠自動化，但它們會讓你知道客戶到底為什麼付錢。

Demo 前先確認需求，不要一上來就展示功能

新手最常犯的錯，是一開會就打開產品，從登入頁、左側選單、設定頁、功能列表一路講到結尾。這種 Demo 很像產品導覽，但不一定能讓客戶想買。

好的 Demo 之前，要先做需求確認。你要先知道對方要解決什麼、現在怎麼做、誰會用、誰會決定、什麼結果才算有價值。

Demo 前至少問這幾題：

如果你做 AI 報表工具，也可以問：

• 你們現在每週要做哪些報表？
• 資料從哪裡來？Google Sheet、CRM、資料庫、廣告平台，還是人工匯出？
• 報表最常出錯的是資料清理、口徑不一致，還是主管看不懂？
• 如果 AI 幫你整理摘要，誰會確認數字正確？
• 你希望試用後看到什麼結果？

這些問題會決定 Demo 內容。你不是展示你最喜歡的功能，而是展示對方最可能付錢的結果。

Demo 怎麼設計：一場只證明一個重要結果

Demo 最好不要貪心。一場 Demo 如果想同時證明自動化、資安、報表、團隊協作、權限、API、AI 模型、管理後台，客戶很容易聽完沒有重點。

早期 Demo 可以用這個順序：

AI 客服工具 Demo 的重點，不是「AI 很會聊天」，而是「客服不用從空白開始寫回覆」。你可以展示一批客服對話如何被分類、AI 如何產生草稿、哪些問題需要人工升級、主管如何看到 FAQ 缺口。

AI 報表工具 Demo 的重點，也不是「AI 會產生漂亮圖表」，而是「每週報表不用從匯出資料和複製貼上開始」。你可以展示原始資料如何被整理、異常數字如何被標記、AI 摘要如何附上資料來源、主管如何看到重點。

好的 Demo 會讓客戶說：「這剛好是我們現在卡住的地方。」不是讓客戶說：「功能很多，看起來很厲害。」

試用與試點怎麼設計

試用不是把帳號開給客戶，然後等他自己發現價值。早期 AI 產品如果這樣做，常常會發生三件事：客戶沒時間用、資料不知道怎麼放、用完不知道下一步。

比較好的做法，是把試用設計成小型實驗。

試用和試點差在哪裡？

對 AI 客服工具來說，付費試點可以是：「用 500 則去識別化客服對話，7 天內建立分類、回覆草稿與 FAQ 缺口報告，試點費 10,000 元，若轉正式方案可折抵第一個月。」

對 AI 報表工具來說，付費試點可以是：「用一個部門的週報流程測 14 天，完成資料串接、報表摘要與異常提醒，試點費 15,000 元，試點後決定是否轉月繳。」

重點不是價格一定要這樣開，而是你要讓試點有邊界、有結果、有下一步。

報價與第一筆訂單怎麼開

新手常卡在報價：太便宜怕不賺，太貴怕客戶跑掉，不公開又怕客戶覺得不透明。

早期報價可以先遵守三個原則：

1. 先讓價格對應一個清楚範圍。
2. 先用簡單方案，不要一開始設計太多層級。
3. 先確認 AI 成本、人工導入成本與客戶可感受到的價值。

Stripe Billing 的公開資料提醒一件事：SaaS 可以有訂閱、用量型、分級、混合方案、免費試用、發票與付款流程。對 AI 產品來說，這尤其重要，因為你的成本可能和模型用量、文件量、訊息量、座席數或資料處理量有關。

新手可以先從這幾種報價方式選一種：

報價不是只丟一個數字。你至少要寫清楚：

• 方案包含什麼。
• 不包含什麼。
• 試用或試點多久。
• 客戶需要提供什麼資料。
• 你會提供什麼支援。
• 成功標準是什麼。
• 付款方式與下一步是什麼。

第一筆訂單可以很小，但要是真的。客戶願意付一筆小額試點費，通常比口頭說「這很有趣」更有價值。

異議處理：不要只把拒絕當失敗

異議就是客戶暫時不買、猶豫或卡住的理由。早期 AI 產品一定會遇到異議，尤其是資料安全、準確率、導入成本和預算。

異議處理不是辯論。你不是要證明客戶錯，而是要找出他卡住的真正原因。

如果客戶說太貴，你可以問：

• 你是跟哪個替代方案比較？
• 你們現在處理這件事大概花多少人力？
• 如果先測一個小範圍，哪個流程最值得測？

如果客戶說擔心準確率，你可以問：

• 哪一類錯誤最不能接受？
• 如果 AI 只做草稿，人來確認，是否比較可行？
• 你希望報告裡標出信心程度、來源或待確認項嗎？

這些問題會把「拒絕」變成產品、頁面、Demo 和試點設計的資料。

成交後做什麼：交付、成功標準與案例

第一筆成交不是終點。對早期 AI 產品來說，第一筆成交後的交付，會決定你能不能拿到續約、案例、轉介紹與下一批客戶。

成交後要立刻做四件事：

你也要開始整理案例素材，但要誠實。早期可以先整理匿名案例：

• 某電商客服團隊用 7 天測試 300 則客服對話。
• AI 先分類常見問題，再產生客服草稿。
• 團隊發現退款與配送問題占比最高。
• 客服主管用結果更新 FAQ。
• 客戶決定把試點延長到正式月繳。

不要偽造 logo，不要誇大節省比例，不要把試點結果說成普遍保證。你要累積的是可信任的學習。

把 Demo、試用、報價放進管線與指標

HubSpot 對 sales pipeline 的說明適合新手理解：你需要知道每個潛在客戶在哪個階段、下一步是什麼、哪裡卡住。

第 6 篇可以把管線細化成這樣：

早期要看的指標不需要太多：

不要一開始就拿網路 benchmark 嚇自己。產業、客單價、客群、渠道、試用長度都會影響數字。早期更重要的是比較自己的版本：哪一種 Demo、哪一種試點、哪一種報價，能帶來更高品質的下一步。

常見錯誤

錯誤一：Demo 變成功能巡禮。
客戶不是來聽你介紹所有按鈕。先確認痛點，再展示一個對方在意的結果。

錯誤二：試用沒有成功標準。
如果一開始沒有定義什麼算成功，試用結束後就很容易變成「感覺不錯，但再看看」。

錯誤三：永遠免費。
早期可以免費研究，但如果客戶需要大量導入、設定和陪跑，長期免費會讓你變成免費顧問。

錯誤四：客戶一說太貴就降價。
先問他跟什麼比、預算在哪裡、哪個範圍最值得測。降價不是唯一工具。

錯誤五：不問採購流程。
使用者喜歡不代表能付款。你要知道誰能決定、誰會阻擋、付款需要什麼文件。

錯誤六：成交後沒有交付節奏。
第一筆訂單如果沒有成功標準和下一次會議，很容易變成一次性試用，無法轉成案例或續約。

錯誤七：只記錄成交，不記錄沒成交。
沒成交的異議，是你下一版 Landing Page、FAQ、Demo、試點方案和定價的材料。

後續研究怎麼擴展

第 6 篇做完後，你可以把研究拆成幾條線。

如果要繼續查最新資料，建議看 SaaS pricing、usage-based billing、PLG activation、B2B sales pipeline、AI product onboarding、資安問卷與競品價格頁。這些資料會隨平台、產業與 AI 成本改變，不能只看一年前的範例。

白話術語表

資料查證：2026-06-17。本文參考 Paul Graham 對早期手動服務客戶的創業觀點、HubSpot 對 sales pipeline 的階段整理、Customer Development 對需求與購買承諾的基本概念、Strategyzer Value Proposition Canvas，以及 Stripe Billing 對訂閱、用量型、混合定價、免費試用與付款流程的公開說明；SaaS benchmark、AI 模型成本、付款工具功能、資安要求與競品定價會隨時間變動，後續研究仍應查最新資料。