a16z 最新 AI 消费报告指出，最赚钱的 AI 产品正集中到编程、生产力和创作工具上。AI 婚恋产品「良配」把「为结果付费」搬到找对象上：上线两个多月，累计注册超 4.1 万人，千元及以上会员贡献了超过 75% 的收入。

在 a16z 刚发布的 AI 消费报告中，最让人感到意外的发现是最有流量的 AI 产品和最能让用户掏钱的 AI 产品，正在变成两张不同的榜单，而付费更集中的方向，则是编程、生产力和创作工具。

背后的逻辑并不复杂。相比聊天、搜索这类高频但替代成本低的需求，编程、设计和内容生产更容易让用户算清一笔账：AI 节省了多少时间、替代了多少人工、最终创造了多少价值。

当产品能够更直接地承诺一个结果，用户对价格的容忍度也会明显提高。这也带出了另一个问题 —— 这种“为结果付费”的逻辑，能不能脱离工作场景，进入更低频、但决策价值更高的生活服务？

找对象是一个极端案例。它几乎没有日活逻辑，用户也很难通过每天多使用几次获得更多价值；但一旦结果足够重要，传统婚恋市场早已证明，一部分用户愿意为筛选、撮合和陪伴支付数千甚至更高的费用。

据悉，AI 婚恋产品「良配」上线两个多月来已经收到了一批千元会员订单。按照公司提供的数据，截至 9 月 28 日，累计注册用户超过 4.1 万人，约 1.6 万人完成全部流程，进入匹配池。

良配给用户设了一道不轻的门槛：先认证，再和 AI 红娘聊约 20 分钟、补齐资料，才有机会获得推荐。双方互相接受后，同一时间只能维持一段 1V1 匹配；想认识下一个人，就要先结束眼前这一段。

约六成注册用户尚未走完流程，但愿意付费的人已经出现。公司披露的收入结构中，千元及以上方案贡献超过 75%，其中 2000 元方案贡献约 49%。

这些付费发生在长期关系结果还来不及显现的时候。用户已经买下服务，良配要继续回答的，是 AI 能替真人红娘完成多少工作，以及这套服务怎样在不同城市交付。

先筛出愿意认真的人

曾歆勋自己试过在交友软件上认真介绍自己。他写过两千多字，把性格、家庭、求学和创业经历、未来规划、生活习惯都放进去，收到的“喜欢”反而减少了。

同一段创业经历，有人看到不稳定，有人看到进取和事业心，标签很难解释这些差别。让他更在意的是，自己写了很长的资料，看到的其他人却只有几张照片和几个标签。他把这种感受形容为“认真是小丑”。

“过去的平台里，很多人会怕自己填得很多，但别人填得很少，感觉自己吃亏了，有一点‘自己先认真了’的感觉。”曾歆勋说。良配把建档放在匹配之前，要求双方先付出相近程度的时间。

他曾在微信、TikTok 从事搜索推荐，之后负责 Kimi AI 搜索。在他看来，找对象同样需要先理解一个人的需求，再理解另一个人，判断双方是否合适。

但择偶需求往往藏在条件后面。要求伴侣收入高，可能在意消费水平，也可能担心买房压力；坚持留在一座城市，可能出于职业选择，也可能受家庭安排影响。AI 访谈通过追问，试着把这些区别补进资料。

曾歆勋前后与 AI 红娘完整聊了数百次。团队反复调整什么时候追问、什么时候停下，如何把前面获得的信息用到后面的谈话里，以及怎样避免长对话中的重复、跑偏和冒犯。二十分钟的访谈既要让用户愿意说下去，也要得到后续匹配能用的信息。

公司数据显示，上线两个多月，约 2.1 万人完成了 AI 红娘对话，其中 53.7% 选择语音。语音用户平均回答约 2026 字，文字用户约 523 字，最终展示的个人资料平均约 510 字。访谈让用户说得更充分，再将这些材料整理成别人能读下去的介绍。

面对尚未完成流程的大量注册用户，良配没有缩短入口。“如果因为这个流失，那就流失，我也不太在乎。”曾歆勋说，意愿没那么强的人进入匹配池，对其他用户未必是好事。

完成建档后，良配从“我会不会喜欢对方”和“对方会不会喜欢我”两个方向给候选人评分，再据此排序。目前匹配仍主要依赖通用模型，尚未完成针对婚恋关系的后训练。

公司披露的分段数据呈现出一定梯度：“我会喜欢对方”的评分从最低档升至 90—100 分，用户实际发出“心动”的比例从约 1.5% 升至 18%；“对方会喜欢我”的评分从 0—19 分升至 90—100 分，实际接受率从 2.5% 升至 26.7%。分数可以帮助排序，但 90 分并不等于有九成概率建立关系，这里观察到的仍是双方愿不愿意迈出第一步。

“会喜欢我分”与实际接受率。图中分数用于候选人排序，非关系成功概率。（图：结合良配数据合成）

资料完整度也与匹配机会相关。按公司统计，填写 1—2 个板块的用户中，20.8% 进入过 1V1；填写 9—10 个板块的用户中，这一比例为 38.2%。其中既可能有信息增加的作用，也可能有用户积极程度的差异，不能只凭这组数据认定多填资料带来了更多匹配。

对匹配数量的限制，是团队做过几轮减法后的结果。内部最早允许一个人同时维持 9 个匹配，后来减到 6 个，正式上线时只留下 1 个。团队希望双方把注意力留给眼前的人，也将更多服务放在了一次匹配的前后。

接受候选人之前，用户可以匿名询问对方的 AI 分身，从生活习惯问到收入、彩礼和房贷。分身依据已有资料回答，答不了的问题再匿名转交本人，由本人决定是否补充。原本需要等到双方熟悉后再试探的问题，被提前放进了是否接受推荐的判断里。

接受候选人前，向 AI 分身了解对方的产品界面。（图：良配提供）

进入 1V1 后，AI 军师根据资料和聊天记录，提供话题、沟通复盘与见面建议，但不直接替用户发消息。公司披露，60.2% 进入匹配的用户使用过军师功能。分身帮助用户在接受前了解对方，军师则试着让已经开始的交流继续下去。

进入 1V1 后，AI 军师根据聊天记录提供建议的产品界面。（图：良配提供）

千元会员的长账

良配目前提供月费、季度和长期会员。按公司公布的方案，月费会员 100 元，季度会员 300 元，永久会员 1000 元，2000 元档名为“保结婚会员”。公司介绍，后者如果三年内没有领证，可以退款。

长期方案是早期收入的主体。公司提供的收费结构中，永久会员占营收 27.6%，“保结婚会员”占 49.0%；月费与季度会员分别占 7.2% 和 16.3%。这里的占比描述的是收入构成，并非购买人数。

良配会员方案及其收入占比，千元及以上两档合计超过 75%。（图：良配提供）

城市间的付费情况也已出现差别。按公司图表标注的 7 月 31 日至 9 月 28 日窗口，北上深付费人数为 451 人，窗口内上线人数为 4863 人，比例为 9.27%；广成杭对应为 151 人、2063 人和 7.32%。这一口径中的分母是窗口内上线人数，不能直接用全国累计注册量来理解。

截至 9 月 28 日的城市分组付费率。图示口径为 7 月 31 日至 9 月 28 日窗口内付费人数／上线人数。（图：良配提供）

公司数据显示，在已付费用户中，46.2% 在注册后 24 小时内付款。已付费用户的平均付费时间为 6.3 天。付款记录还不能回答，用户看重的是访谈与筛选过程，还是对未来匹配结果的期待。

曾歆勋用第一次创业时看到的电话订餐作比：饭店可以增加厨师和配送员，但午间一个小时能接多少通电话，仍受接线员的时间限制。真人红娘也类似，每天能深度了解和服务的客户数量有限。

AI 接过访谈、资料整理、初步筛选和部分沟通辅助，良配希望客户增加时，不必按相近比例增加人工。据曾歆勋介绍，单个用户注册阶段的 AI 交流，模型调用成本约 1 元；算上推荐、分身和军师等后续使用，他估计整个用户生命周期的模型成本可能达到几十元。

模型调用只是服务成本的一部分。获客、认证、客服和运营等费用也要计入。永久会员的一次付款，对应的服务可能持续很久；2000 元方案的退款责任，也延伸到了三年以后。

“大的方向都是希望我们的目标跟用户目标一致，就是用户走得越快，我们的收益越高。”曾歆勋的这句话，描述了长期会员收费背后的期待。如果用户更快找到合适的人，服务周期有机会缩短；迟迟没有结果，平台就要继续投入。

关系能否推进下去，已有一些早期记录。按照公司截至 9 月中旬的数据，良配记录到 4309 次 1V1，其中 22% 持续超过 7 天；公司另按首日消息数分组，首日没有消息的组合，7 日持续率为 6.4%，交流 1—5 条的为 15.4%，100 条以上的为 44.1%。

公司样本中的首日消息数与 7 天持续率；该图反映相关性，不能直接归因于 AI 辅助。（图：根据良配数据合成）

这些数字显示，早期交流与关系持续时间相关，尚不能把差别归因于 AI 军师。原本更有兴趣的双方，可能自然聊得更多；维持一段线上匹配，也还不是确认建立了恋爱关系。

平台还需要知道，人究竟为什么离开。良配正在观察两人进入 1V1 后同时长期不再登录的情况，并计划将持续超过两个月的状态，阶段性计入成功匹配。

不再登录可能是两个人已经走到一起，也可能只是都放弃了使用，需要回访才能确认。团队计划积累真实关系数据后再做后训练，而什么样的离开可以算作成功，会直接影响它能得到怎样的反馈。

城市里还要有足够的人

在采访时，北京、上海、深圳均超过 1500 人。曾歆勋说，早期用户主要来自媒体传播，“媒体能覆盖到哪里，用户就主要集中在哪里”。团队的阶段目标，是先让主要城市分别积累约 1 万名用户。

全国注册量还不能替代一座城市的候选人池。北京新增一万名用户，很难改善其他城市用户的体验；即使同在一座城市，年龄、择偶条件和双方意愿，也会继续缩小可以推荐的范围。

不同人获得匹配的机会也不一样。公司一组包含收入信息的样本中，年收入 5 万—10 万元的 1771 名用户，有 255 人进入过 1V1，比例为 14.4%；年收入 30 万—50 万元的 1779 人中，有 744 人进入过 1V1，比例为 41.8%。两组人数相近，匹配经历却有明显差别，城市和人群构成的影响仍有待进一步拆分。

公司包含收入信息的样本中，各收入区间进入过 1V1 的人数及比例。（图：良配提供）

这让入口的高门槛面临另一种考验。候选人充足时，平台可以筛选愿意投入时间的人；池子还小时，进一步减少参与者，可能让留下来的人更难等到合适的推荐。认真填写的资料，最终还要遇到一个愿意读它的人。

团队也在尝试让接触更早走到线下。近期测试的“四人下午茶”，由用户选择某个周末，系统按条件把四个人组成一组，约到咖啡店或奶茶店见面，聊得不错再继续联系。这给不擅长线上聊天的人增加了一种见面的方式，也把服务往真实接触再推了一步。

AI 访谈、排序和沟通辅助，可以随软件向更多地方提供，合适的对象却仍要在当地积累。良配已经收到了一批购买长期服务的订单，接下来，它需要在每座城市找到足够多的人，让买下会员的用户，等得到下一次合适的介绍。