跳至正文
MakerGain
← 返回项目

客服機器人開始替你查訂單,Chatwith 把「說話」和「動手」分開記帳

編輯:MakerGain

Chatwith 將客服回答與外部操作分開計費:訊息用 credits,經 MCP 成功執行的動作另計;9 美元起,額外 1,000 次 MCP 動作 6 美元。創辦人自述 2024 年把約 2.1 萬美元 AppSumo 收入投入 Google Ads,一度付不出帳單;TrustMRR 顯示 2026 年 11 月 MRR 3,622 美元、42 個活躍訂閱。

假設一個再普通不過的場景:顧客在聊天框裡問,「我上週訂的那雙鞋到哪了。」

這類問題總卡在同一個地方。如果一個機器人只讀過說明文件,它知道退貨怎麼算、運費誰出,卻不知道這位顧客的包裹此刻在哪個分揀中心;這時它只能請人提供訂單號再轉人工,或者給出一段聽起來很懂、其實沒查過的答案。

Chatwith 想讓機器人先去後台翻一眼再開口。官方首頁寫的是,把網站、說明文件、檔案、YouTube 影片和團隊已在用的應用接進來回答顧客;而 FAQ 裡「訓練」的清單更窄——網站、PDF、說明內容和純文字。應用不在這份清單裡,它們走另一條路:用 OAuth 或 API key 連上,讓機器人去做事,而不只是知道事。[1]

差別不在答得準不準,而在機器人有沒有資格碰你的業務系統。

圖:來源 Chatwith 官網引用的官方圖片[2],2026-11-11取得,保留原介面。

讀一個動作,寫一個動作

Chatwith 的說明文件把這條線畫得很清楚:查訂單狀態這類事,用 read actions;只有當代理真的需要建立、更新、傳送、取消或退款時,才啟用 write actions,並且應該把供應商的權限限制在必要的帳戶和資源上。[3]

同一份文件還有一句很樸素的話:動作可能改變外部資料,測試破壞性或面向顧客的操作要謹慎。這句警告在價格表上看不出來。

然後是帳。只有成功經 MCP 連接、由外部應用實際執行的呼叫,才計入每月的 MCP action 額度;內建動作、自訂 REST API 動作和 webhook 不計入。價格頁把這項額度單獨拿出來加購:額外 1,000 次 MCP action calls,$6/月。[4]

於是「查一次訂單」和「回一句話」,在這套帳上確實分屬兩個科目。$9 的 Starter 每月 250 message credits,價格頁把它示意成「約 50 次會話」,前提是每次會話 5 條 AI 回覆、每條消耗 1 credit,並註明實際用量隨模型和對話長度變化。同上[4] 它實際上在提醒:別拿訊息數當會話數,更別拿訊息數當動作數。

同一張價格頁上,2026-11-14 取得的版本從 Starter 月付 $9 起,按年付則是一次扣款、不含適用稅費;Hobby、Standard 和 Business 的套餐卡標了七天免費試用,Starter 的套餐卡沒標。

授權要一項項給,出事要有人接

讓代理「動手」之前,還有一段不體面的活。

連接一個應用要走 OAuth 或 API key;連上不等於開放該供應商的全部操作,你得從 Chatwith 的精選動作目錄裡挑出具體的那幾個。Skills marketplace and action catalog - Help Center - Chatwith[3] 換句話說,權限是你一項一項給的。把退款按鈕交出去之後,失敗和續授權該由誰接,文件沒有安排;這是權限細分帶來的營運負擔,也是從文件能推出的營運判斷,不是官方披露的流程。

想把自家介面接進來,還有個更硬的選項。REST API Actions 透過 OpenAPI 規範連接外部 API,可讓代理按使用者請求檢索資訊或執行規範允許的動作;官方說這是進階方式,通常需要 API 存取權和技術能力,而且目前只支援基於 header 的認證。文件裡那句「不可能做成即插即用」,寫得相當直白。[5]

這條限制把「這個產品能替你省多少事」的邊界畫了出來:省的是已經能連上的那幾個動作,不是所有後台。

那筆差點付不出的廣告帳單

要理解這家公司的經營方式,得回到 2024 年看一段。

那篇回顧文章的作者寫:年初有一筆約 $21k 的款項即將從 Chatwith 的 AppSumo 發布入帳,個人儲蓄的 runway 撐到 2024 年底。他決定把 AppSumo 來的錢激進地投進 Chatwith 的 Google Ads,目標列得很實際——學會投放、驗證能不能獲利、給落地頁做 A/B 測試。[6]

接下來幾個月,支出高於流入;到 11 月,帳戶一度觸到 $0,一筆 Google Ads 帳單付不出來。他自己寫,很長一段時間裡不確定這件事到底有沒有意義,還是純粹在燒錢。

這不是一段「熬過去就好了」的勵志材料。更像一個做產品的人承認,自己把現金流當了學費。後來他寫,MRR 緩升、獲客成本下降、試用轉換改善、流失減少,長期看每 $1 廣告支出帶來 $3 收入;Chatwith 達到了他自設的年底 $5k MRR 門檻(Black Friday 幫了忙),於是他決定繼續投入。[6]

同一篇裡他給 2025 年列的事,比「繼續投廣告」更能解釋今天的價格頁:他說要給 Chatwith 換一套定價,現在按量模式方向對了但不夠靈活,新定價要能更細地管成本,並且打開他的目標客戶——代理商。同上[6] 現在這張價目表是不是他說的「新定價」,材料沒交代;能看出來的是,訊息與動作分開計量,方向確實是往「更細」走,不是往「打包」走。

他還順帶承認,Chatwith 的自然搜尋流量「幾乎沒有」,儘管網站 DR 是 45,於是把 SEO 歸為表現不佳的管道。一個做工具的人這麼寫自己的分銷,比任何成長方法論都更接近實情。

42 個訂閱,和一個看不清的利潤

把時間撥到 2026-11-14 04:43,TrustMRR 頁面上 Chatwith 的 MRR 是 $3,622、42 個活躍訂閱、全週期收入 $116,936,收入透過 Paddle API key 驗證,排名 #588。[7]

這組數字和 2024 年那篇回顧裡的 $5k 門檻,時間、來源和驗證方式都不同,材料也沒給出中間發生了什麼。能確定的只有:MRR 不是利潤。頁面沒披露廣告支出、churn、模型與託管成本,所以這家公司賺不賺錢,仍然看不清。除 42 個活躍訂閱之外,也沒有客戶規模、行業分佈或套餐分佈,不能從 MRR 反推客戶數。

和 DocsBot 擺在一起,先別看標價

同類產品裡,DocsBot 的價格頁列 Personal 月付 $49,含 1 個 DocsBot、5,000 月度 AI credits、每機器人 3 個 actions,以及 remote MCP connections;腳註說 AI credit 從每條訊息 1x 起算,更大模型和 AI actions 可能消耗更多。它的 credit 加購寫覆蓋 chat、skills 和 API 用量,但同一頁沒寫清 MCP 連接怎麼算。[8]

所以要比「查一次訂單多少錢」,不能只按標價判斷誰更便宜。Chatwith 把成功的 MCP 調用單列額度、可另購 $6/1,000 次;DocsBot 把 chat、skills 和 API 用量收進同一個 credit 池,但每個機器人仍有動作數上限,MCP 連接怎麼計費在同一頁也沒寫清。

停在這裡的判斷

Chatwith 賣的不是「更聰明的回答」,是把原本只有人能點的那幾下,交給一個需要授權、需要額度的代理去點。

讀寫動作要分開選用,成功的 MCP 調用另計額度,REST API 和 webhook 動作不計入;這幾件事合起來,才是它實際在賣的東西。

繼續閱讀

AI 電商
48 小時做出的選品工具,以及一場用股權換來的分銷合作

Hasaam Bhatti 沒有電腦科學學位,先前做過 10 到 12 個產品,全都沒有進入正式環境。他經營亞馬遜品牌時,研究一個商品構想要花 20 到 30 小時,資料得靠複製貼上到試算表。他向 Legacy X 提議在 48 小時內做出 Launch Fast,把進貨前的市場及商品研究搬到亞馬遜搜尋頁,服務自有品牌賣家。合作上線時,他選擇用股權換取 Legacy X 現成的分銷通路,直接接觸它已有的數千名活躍賣家,省去從零累積受眾的過程。

AI 電商
\$500 先入帳,那個 AI 電話專員還沒寫出來

Setter AI 接手表單送出後的潛在客戶跟進:官網稱,十秒內透過 WhatsApp、簡訊或網頁聊天發出第一則訊息,持續跟進並寫入 Calendly 或 Google Calendar,再把結果交給 CRM。創辦人原想做冷電話自動化,卻在寫程式前,用已收錄網域、Ahrefs 關鍵字與 ElevenLabs 假電話專員示範,架起到達頁;按訪談自述收到 $500。同篇把這種驗證方法稱為「可退款訂金」框架,但未說明這筆錢是否退還或計入收入,用意是先看商家是否願意付費。

AI 客服
轉交真人不計費:Fini 把 AI 客服帳單押在「真的解決了」上

Fini 的 AI 客服代理在客戶現有 helpdesk 裡接手聊天工單,用行為樹和確定性執行器,依節點讀取方案與帳號狀態,呼叫客戶介面完成取消訂閱等動作;轉交真人不計費,預設只把端到端解決、沒有真人接手的工單算作計費單位。團隊曾清空首版產品,在 fintech 客服團隊駐點四週後重建,選擇不取代客戶現有客服系統,並把後台 AI 自行提出的知識修正置於真人審核之後,未經批准不發布。

AI 客服
先讓機器人說「我不知道」,這門副業每月帶來約 \$500

倫敦 HeyDeacon 的 Andy 與兩位共同創辦人開發 Deacon,供仍親自回客服信的創辦人和小團隊使用。它先由共同創辦人自用;答不上來時,承認不知道並請訪客留下電子郵件;對方實際留下後,對話才會被標為未讀,並寄信給擁有者,真人回覆可加入知識庫。團隊把重點放在模型外的流程;知識庫需手動重抓,或由發布腳本觸發更新,換模型不必重做產品。