AI 修图的 ROI 怎么量

做过甲方 PM 的人，一听”给我一份论证这东西值不值的报告”，条件反射就是胃疼。轮到 AI 修图值不值，我的第一反应也一样——但不是去搭 PPT，是想着先把账列出来。报告能把简单的事说得很复杂，账不行，账只认收进来多少、花出去多少。

所以这篇不谈虚的，从一条最不含糊的定义起步，一步步往下推，最后给你一个能自己往里填数字的公式。要提前说清楚：下面用的那条 ROI 定义，是会计上通行的算法约定，不是什么藏在工具里的黑盒机制——它之所以能当推导的起点，恰恰因为它是被定义死的、不由谁的黑箱说了算。

从一条不含糊的定义起步

ROI 的定义就一句话：净收益除以投入。收益减去成本，是你净赚的；再拿它比上你投进去的，得到的比值就是回报率。

这条定义本身没有任何魔法，它只是规定了”怎么算”。它的好处在于逼你把两个大箩筐——收益和投入——各自装满、装准。多数关于”AI 修图到底值不值”的争论之所以吵不出结果，不是定义有歧义，是两边往箩筐里装的东西不一样：一个只算了工具费，一个把学习成本、返工成本全算上，那结论当然对不上。

所以真正的活不在这条定义上，在往下的两步：把”投入”拆干净，把”收益”拆诚实。定义是尺子，能不能量准，看你往两个箩筐里装了什么。

把投入拆开：钱只是最显眼那一小块

先拆投入。大多数人一算投入，眼睛只盯着工具那点钱——每月订阅、每张的算力开销。这块最显眼，也最容易算，但它常常不是大头。

真正吃成本的是人的时间，而且分好几段：学习成本，团队从不会到跑顺要搭进去的工时；操作成本，日常出图那部分人力；验收成本，逐张核色值、看边缘、挑毛病的工时；还有最容易被漏掉的返工成本，指令没写好、模型飘了，那些推倒重来的图。

把这四段时间折成钱，加上工具的直接开销，才是完整的投入。漏掉哪一段，ROI 都会被算得虚高——尤其返工那段，越是”以为一键就好”的团队漏得越狠。想把返工这段成本压到最低，最实在的办法是先在图叮AI 的 AI 修图里拿真实的图小批量试跑，把指令和流程调稳了再铺量，这一步省下的返工，往往比省下的订阅费多得多。而验收该盯哪些硬指标才不返工，这份 AI 修图质量判断指南给了可对照的标尺。

把收益拆开：有能算的，也有量不准的

再拆收益。这一侧更需要诚实，因为它天然分成两类：能算准的，和只能估个方向的。

能算准的那类，跟着投入侧走就行。省下的人力工时是最硬的一块——过去十个人的活现在几个人跑完，那省下的工时价值可以直接折成钱。另一块是产能带来的增量：出图快了、便宜了，就敢覆盖过去顾不上的长尾 SKU，这些新上架的商品带来的毛利，是笔能大致算出来的账。

难的是第二类：转化提升。理论上，图更好、上架更快，转化会更好，收益该更高。但这块最容易被硬塞进公式假装精确——一款商品卖得好，是图的功劳、价格的功劳、还是流量的功劳？归因干净不了。设想这样一个场景：一个团队把主图重做后，某个 SKU 的转化涨了，兴冲冲把这份增量全记到 AI 修图头上，可那阵子恰好赶上大促和降价。这么记账，ROI 是好看了，但经不起推敲。

诚实的做法是：能干净归因的收益，进公式；归因不清的转化提升，单独列成”预期方向”，写明它是估计、不是实测，别混进那个要拿去拍板的数里。至于图的价值到底该怎么定价，这篇讲价值定价的文章提供了另一个角度。

收成一个能自己填的公式

把两侧拼起来，就得到一个你能往里填数的框架：

ROI ≈（省下的人力工时价值 ＋ 增量 SKU 带来的毛利 － 工具开销 － 学习与返工成本）÷ 总投入

转化提升那块，我建议放在公式外面单独标注——作为”若成立还有额外上行空间”的备注，而不是分子里的一个精确数。这不是精确到小数点的模型，是个逼你把账算全、算诚实的脚手架。你把上面每一项换成自己类目的真实数字，得出的比值大于零、且明显跑赢你现有的方式，这投入就值；反过来，就该回去看是投入哪段太肥，还是收益哪段太虚。

不同类目填出来的数会差很远——工业品和快消的出图量、单张价值、返工率都不是一个量级，别拿别人的结论套自己的账。想往长看这行的投入产出会怎么变，这篇 AI 修图与手工的五年推演值得一读。

绕了一圈，回到开头那份让我胃疼的报告。ROI 这东西，写十页论证它值不值，不如把上面那个公式的每一格填上真数——报告救不了 ROI，填进去的数字才能。与其纠结要不要上，不如先跑两张图、记两笔账，让分子分母自己开口。这大概就是我一个不爱写报告的人，少数还愿意认真做的那份”报告”。