先把错误的框架扔掉
最常见的错误框架是把商业化和体验看成零和博弈：多收一分钱，用户就难受一分。这个框架在产品上是错的。真实的关系是：收费本身可以是体验的一部分——付费墙卡的位置如果恰好是「轻度用户够用、重度用户想要更多」的边界，付费用户觉得值，免费用户也没被恶心到。Canva、Notion、ChatGPT 的免费层都是这个状态：没人骂它们吃相难看，但付费转化率都不差。
真正伤体验的不是收费，是三种动作：把本来免费的核心能力突然收走（背叛感）、用打断式的方式要钱（弹窗、倒计时、制造焦虑）、免费体验差到失去参考价值（用户还没体会到价值就被要求付钱）。所以好的商业化设计的问题不是「要不要收」，而是「在哪收、怎么收」。
AI 产品的特殊性：免费在数学上有边界
传统互联网产品可以把商业化推得很晚，因为多服务一个免费用户几乎不花钱，先做大再说。AI 产品不行——每个免费用户每天都在烧推理成本，没有收入覆盖，规模越大亏得越快。这意味着 AI 产品的商业化不是「体验 vs 收入」的权衡题，是生存题：你必须让免费层的成本和它带来的转化、数据价值匹配。
所以 AI 产品的平衡术有一个很实的抓手：成本分层。让免费用户用便宜模型、短上下文、基础功能，把体验做到「够用且偶尔惊艳」；把贵的能力（顶级模型、长文档、agent 模式）留给付费层。这样免费用户烧的钱可控，付费墙卡的又是真实成本高的东西，用户付得心服口服——你多给的是真贵的东西，不是人为阉割。这是比传统 SaaS 的「功能开关式」付费墙更道德也更可持续的设计。
付费墙卡在哪：三个不该卡、三个可以卡
不该卡的：核心价值的首次体验（用户还没「啊哈」就碰壁，转化率反而低）、已经承诺免费的能力（失信的代价比收入大）、基础的安全和隐私（拿安全做付费点会摧毁信任）。
可以卡的：用量（用得多付得多，最公平）、能力上限（更强模型、更长上下文、更高并发）、效率功能（批量、导出、API、团队协作）。注意这三类有个共同点：付费触发点是用户自己「长到」那里的——他用得多了、需求重了，付费是顺其自然，不是你逼的。Cursor 的设计很典型：免费额度够你感受到 Tab 补全的魔力，但正经干活一天就用完，程序员付 20 美元时几乎没有心理阻力，因为他清楚这工具一天帮他省多少时间。
冲突时的决策框架
真遇到「这个月收入指标」和「体验」硬碰硬，我的权衡顺序是：
先看可逆性。商业化动作大多可逆（涨价可以降回来、广告可以撤），信任损伤不可逆。同样一笔收入，靠新付费点赚到的可以做，靠透支信任赚到的（诱导续费、默认勾选、把取消入口藏起来）坚决不做——后者的长期成本远超账面收入，而且这种动作一旦开了头，团队会路径依赖。
再看伤害的是谁。商业化动作如果只影响非目标用户（羊毛党、永不可能付费的用户），大胆做；如果误伤高价值用户和口碑传播者，再算算账。一个实用工具是分群上线：商业化实验先对新增低活用户组跑，看转化和流失的净效应，别一上来全量。
最后用一个长期公式兜底：这个动作带来的当期收入，和它对留存的影响折算成 LTV 损失，哪个大？PM 要有意识逼团队算这笔账。很多「商业化压倒体验」的决策，一算 LTV 就露馅了——多收的月费还抵不上流失率涨一个点的损失。
广告模式要格外谨慎
很多人问 AI 产品能不能接广告。我的判断是：对话式 AI 里插广告要极其小心。用户对 AI 的信任建立在「它为我说话」上，一旦回答里有商业倾向，信任崩得比搜索时代快得多——搜索引擎的广告好歹有位置区隔，AI 的回答是混在内容里的。ChatGPT 到目前都不敢在回答里加广告，宁可做订阅，这不是巧合，是对信任资产定价的结果。如果一定要做，只在明确的推荐场景（用户主动问「买什么」）做标注清楚的商业内容，别在答案里埋。