Dev.to AI 🤖 Ai 👁 0

Linear 突破 1 亿美元 ARR:智能体、精简销售与混合定价

当智能体可以自动创建、分类和分派任务时,任务管理软件还应该提供什么价值? Linear 的回答是:从问题追踪工具,转向围绕智能体编排的产品开发系统。随之调整的,还有销售方式、定价和组织配置。 据 Linear 首席运营官 Cristina Cordova 介绍,公司已突破 1 亿美元年经常性收入(ARR),拥有超过 4 万家付费客户,净收入留存率达到 177%。但她讨论增长时,强调的并不是快速扩张销售团队,而是让产品、客户需求和商业

Linear 突破 1 亿美元 ARR:智能体、精简销售与混合定价

写好标智库

当智能体可以自动创建、分类和分派任务时,任务管理软件还应该提供什么价值?

Linear 的回答是:从问题追踪工具,转向围绕智能体编排的产品开发系统。随之调整的,还有销售方式、定价和组织配置。

据 Linear 首席运营官 Cristina Cordova 介绍,公司已突破 1 亿美元年经常性收入(ARR),拥有超过 4 万家付费客户,净收入留存率达到 177%。但她讨论增长时,强调的并不是快速扩张销售团队,而是让产品、客户需求和商业模式保持一致。

这也是写好标智库梳理这一案例的切入点:当智能体改变用户的工作方式,SaaS 的产品价值、收费单位和销售组织需要怎样调整?

1. 智能体创建了过半任务,应用本身还剩什么价值?

Cristina 表示,Linear 中由智能体创建的任务占比,已从此前的约 3% 上升到超过一半。

围绕这一变化,Linear 推出了 MCP 服务器、智能体开发平台,以及与 Codex、Cursor、GitHub Copilot 的集成,并开发了自己的 Linear Agent。

但她认为,SaaS 产品不能满足于成为一个接入 MCP 服务器的数据库。如果产品内部的智能体工作流不如外部工具,用户就缺少打开应用的理由。

因此,她同时观察两类指标:

  • 智能体使用量:自动化工作是否持续增长。
  • 应用使用量:用户是否仍会回来查看、理解和协调工作。

她的判断是,如果前者增长、后者停滞,产品就可能逐渐沦为可替代的基础组件。据她介绍,Linear 目前这两类使用量都在增长。

这也解释了 Linear 对“问题追踪已死”的理解:需要减少的是人工录入、打标签、分派和关闭任务,而不是取消团队对工作状态与协作过程的掌控。

2. 企业市场重要,但路线图不能忽略工作方式的变化

Cristina 曾在 Stripe 工作七年半,之后负责过 Notion 的平台与合作业务,也曾担任 First Round 合伙人。2023 年加入 Linear 时,公司约有 40 人,只有一名销售人员。

入职三周后,她就将“向大型企业市场扩张”从公司目标中划掉,转而聚焦需要替换现有工具的成长型企业。

到 2025 年,Linear 正式推进企业市场,并规划了一批面向大型组织的功能。但智能体需求改变了开发优先级:MCP 服务器、新的智能体 API 和编程工具集成占据了大量资源,一部分企业功能未能按计划完成。

据 Cristina 介绍,这些投入并未阻止大型企业考虑 Linear,反而让它开始进入更多企业采购候选名单。

这里值得关注的不是“企业功能不重要”,而是:既定路线图与客户工作方式发生冲突时,产品团队如何重新分配资源。

3. 不设 SDR,也不依赖前线部署工程师

Linear 从未招聘销售开发代表(SDR)。Cristina 认为,客户想看产品演示时,先安排一轮预算和采购资格筛选,会浪费客户时间。

因此,客户经理(AE)自行承担主动拓客,并借助工具保持沟通的个性化。

Linear 也不采用前线部署工程师(FDE)模式。其目标是让产品足够容易采用,不必依赖工程师深入客户系统才能落地。不过,公司仍配备解决方案工程师,与企业客户经理共同销售,必要时制作集成演示。

这不是取消技术支持,而是将支持重点放在验证产品和集成能力上,而非依赖长期驻场交付。

客服则坚持由内部团队负责:AI 可以起草回复,但不能独立决定发送给客户的内容。 最终答复仍由人工审核。

4. AI 预算加速采购,ARR 质量仍要看续约

Cristina 认为,一些企业新增了专门的 AI 工具预算。符合这一类别的产品,可以减少与传统软件支出争夺预算的压力,更快获得采购机会。

与此同时,客户更愿意签一年期合同或开展付费试点,而不是签三年长约,因为他们无法确定两年后需要什么。

她还提醒,一些短期内做到上亿美元 ARR 的公司,收入可能集中在少数金额达 3000 万至 4000 万美元的大合同上。这与拥有 4 万多家付费客户的 Linear,是不同的业务结构。

同样的 ARR,可能对应完全不同的客户集中度和续约风险。 对这类 AI 业务而言,一年期合同到期后的续约情况,是检验收入持续性的重要节点,不能只凭增长速度下结论。

5. 按结果收费很理想,但“结果”未必容易定义

Cristina 欣赏 Intercom Fin 按 AI 成功解决的客服对话收费的模式,但认为 Linear 很难直接照搬。

例如,把一个缺陷自动分派给正确团队,究竟值多少钱?不同企业对这项工作的职责归属和价值判断并不一致。

因此,Linear 采用混合定价:

功能或场景 收费方式
基础产品 保留按席位收费
Linear Agent 聊天 免费,尽管使用前沿模型
编程会话 用户选择模型及执行工具,按公开 API 价格加少量费用计费
Loops 使用 AI 积分计费

她还介绍,Linear 不会把过去免费的功能突然改成付费功能。新 AI 功能先以免费测试版推出,并提前告知未来会收费。价格策略也倾向于先高后低,而不是先以低价吸引用户,再逐步上调。

对开发者工具而言,这个案例呈现了一个具体难点:自动化可以创造价值,但价值未必能被归纳为一个统一、可计量的业务结果。

6. 增长不等于无限扩张销售团队

据 Cristina 介绍,Linear 团队约 170 人,人数约为同阶段、同收入规模公司的二分之一,高管层主要由创始人和她组成。

她担心,如果销售团队规模超过公司其他团队,会破坏工程团队对销售团队的信任。

在 Stripe 时,她接触过一条人员配置原则:工程、产品、设计和数据岗位至少占公司人数的 40%。Linear 没有将其照搬为硬性规定,但她一直追踪各职能的人数比例。

招聘同样强调克制。候选人需要围绕真实问题进行工作试做;她自己的试做任务,就是制定 Linear 未来六到十二个月的市场进入与增长计划。

给 SaaS 团队的四个讨论问题

Linear 的做法不是一套可以直接复制的增长模板,但它提出了几个值得持续验证的问题:

  1. 产品价值:当智能体承担更多操作时,用户为什么还需要打开你的应用?
  2. 收入质量:AI 带来的增长,来自分散客户的持续使用,还是少数大合同?
  3. 计费单位:自动化创造的价值,能否被清晰定义并用于收费?
  4. 组织配比:销售团队扩张后,产品和工程能力是否仍然跟得上?

对于正在引入智能体的 SaaS 团队,这些问题比单纯追逐 AI 功能数量或短期 ARR 增速,更值得持续检验。

📰 Read the original article on Dev.to AI

Originally published by Dev.to AI. Aggregated on AIWithGhost for educational purposes — full credit and traffic to the original publisher.