T2V Velocity

定义

T2V Velocity（Token-to-Value Velocity）是衡量 AI 应用商业效率的指标，定义为：

T2V Velocity = 商业价值 / (Token 成本 × 闭环周期)

其中：

• 商业价值：可量化的经济产出（如收入、成本节省）
• Token 成本：完成任务消耗的 Token 数量
• 闭环周期：从 Token 消耗到价值验证的时间（天）

该指标描述的是：单位 Token 投入在单位时间内产生的商业价值。

问题背景

AI 行业普遍用 Token 消耗量作为衡量客户价值的指标。这个假设是：消耗越多，付费越多，客户价值越高。

但实践中我们观察到一个反常现象：

高 Token 消耗的客户，付费意愿往往低于低 Token 消耗的客户。

以我们实际运营的两个业务为例：

程序员客户使用 AI 编程，单次任务消耗数万甚至数十万 Token。营销客户使用 AI 生成短视频文案，单次任务仅消耗 100-200 Token。

按传统逻辑，程序员应该是更有价值的客户。但实际上，营销客户的付费意愿和续费率都显著高于程序员客户。

Token 消耗量与客户价值之间不是正相关，甚至可能是负相关。

理论解释

我们认为，决定客户付费意愿的不是 Token 消耗量，而是价值闭环的效率。

闭环周期的差异

程序员场景的价值闭环：

Token 消耗 → 代码生成 → 调试 → 集成测试 → 上线 → 用户反馈 → 价值验证

这个周期通常需要 30-60 天，中间任何环节出问题都可能导致价值无法实现。

营销场景的价值闭环：

Token 消耗 → 文案生成 → 发布 → 数据反馈 → 价值验证

这个周期通常只需要 2-4 小时。

闭环周期的差异是数百倍。

价值感知的差异

闭环周期短意味着：

• 客户能快速看到投入产出
• ROI 可以被清晰计算
• 付费决策有明确依据

闭环周期长意味着：

• 价值链条模糊
• 中间变量太多，难以归因
• 客户不确定 Token 花费是否值得

客户付费的不是 Token，是可验证的价值闭环。

数据验证

以下是四个典型场景的 T2V Velocity 对比：

短视频场景的 T2V Velocity 是代码重构的 16 万倍。

这不是线性差异，而是量级差异，足以解释为什么低 Token 消耗的客户反而有更强的付费意愿。

理论意义

对客户价值评估的修正

传统模型：客户价值 ∝ Token 消耗量

T2V 模型：客户价值 ∝ T2V Velocity

高 T2V 客户的特征：

• Token 消耗量可能较低
• 但每单位 Token 产生的价值高
• 价值验证周期短
• 付费意愿强，流失率低

低 T2V 客户的特征：

• Token 消耗量可能很高
• 但价值链条长，归因困难
• 对价格敏感，容易流失

对定价策略的启示

传统定价按 Token 计费，本质上是按成本定价。

T2V 视角建议按价值定价：高 T2V 场景可以承受更高的单位价格，因为客户能清晰计算 ROI。

对产品设计的启示

提升产品价值的方向不只是”让 AI 更聪明”，更重要的是缩短价值闭环周期：

• 减少从生成到应用的步骤
• 提供即时的效果反馈
• 让价值可量化、可追踪

相关概念

T2V Velocity 与以下概念有理论关联：

Time-to-Value（SaaS 领域）：衡量客户从购买到感知价值的时间。T2V 将这一概念扩展到 Token 经济。

Capital Velocity（金融领域）：资本周转速度。T2V 可以理解为”Token 资本”的周转效率。

Throughput（TOC 约束理论）：单位时间产出。T2V 是 AI 应用场景下的 Throughput 变体。

应用场景

T2V Velocity 可用于：

1. 客户分层：识别高价值客户群体
2. 市场选择：优先进入高 T2V 行业
3. 产品设计：优化价值闭环效率
4. 定价策略：基于价值而非成本定价

局限性

T2V Velocity 是一个简化模型，存在以下局限：

1. 商业价值难以精确量化：部分场景的价值是间接的
2. 闭环周期边界模糊：何时算”价值验证”需要定义
3. 忽略了客户生命周期价值：高 T2V 客户不一定有高 LTV

该指标更适合用于相对比较，而非绝对计算。

T2V Velocity 由 deepractice 提出，作为 AI 原生商业分析的理论工具。