作者:千里之外

相信大多数经过高考折磨的童鞋都还记得马克思政治经济学中说到:价格是价值的货币表现,价值是凝结在商品中无差别的人类劳动。价值决定价格,同时价格受市场供求关系的影响而围绕价值波动。(佩服一下自己的记忆力)

软件开发成本:

理论上,无论是价值(成本)还是价格,都有复杂的计算模型和策略。这里不去说复杂的软件工程计算模型COCOMO、SLIM,只谈谈简单粗暴的计算方法,仅供参考。

这里不谈以自娱自乐为目的的编码高手,也不谈不计回报的开源贡献者,只说说最俗的,写代码赚钱。个人写小软件去卖或者公司组织软件开发项目,价值成本应该如何计算呢?

这里以软件外包为例,软件开发成本与工作量、商务成本、税收和利润等项有关。

软件开发价格 = 开发工作量 X (人员工资+办公+税收+利润)/人·月 X 系数

开发工作量: 软件开发测试的工作量(人月计算)
人员工资:一个员工的所有支出,包括工资、社保、奖金
办公:公司运营的商务成本,一般是人员工资的1/3
税收和利润:一般是人员工资的1/3,上不封顶
系数:风险系数、管理系数、复用系数、优质系数
综上所述:
软件开发价格 = A × Q × T × B × λ
A:估算工作量经验值
B:软件企业的平均工资/人·月
Q:风险系数l ≤ Q ≤ 1.5
T:复用系数0.25 ≤ τ ≤ 1
λ:综合系数2.7 ≤ λ ≤ 3.09

以笔者开发过的一个小工具外包为例,1个月兼职,每天4小时,工资2w/人月,无风险,无复用,无管理,无税收,综合系数2.7,成本是
0.5 X 2 X 1 X 1 X 2.7 = 2.7w
当时我以2万成交,差不多就是成本价了。

另外一个例子是公司内部开发一个软件,内部使用。10名有相关经验的攻城狮,半年时间,工资平均2w/人月,无风险, 复用75%,综合系数2.7
60 x 2 x 1 x 0.25 x 2.7 = 81w
也就是说如果购买同类型的商业软件的费用超过了80万,可以考虑自己开发了。前提是10个相关经验的工程师已经就位了,有时候人才才是最难得的。
这样的计算对于软件企业还是很初略,还要加上包装成本、宣传成本、营销成本、管理提摊、附加利润、售后服务等。

软件价格

生产者和消费者在价格上是矛盾的。对于生产者,当软件的成本计算出来了,下面就是如何定价了。产品的定价策略又和产品的市场策略息息相关,自由度更大了。根据许可证不同,目标客户不同,同类产品竞争力不同,销售策略不同,折扣的不同,定价也在不断的变化。但总的目标是收回成本,赚取利润。比如某硬件厂商的云管理软件的定价是8000人民币/服务器,比同类的VMWare便宜了很多。但是厂商的目的是充硬件上赚取更多的利润而降低了软件的价格。所以对于纯软件公司,投入了大量人力物力开发的VMware软件,价格自然上涨很多。

当企业和各种商业软件公司为成本和价格争执不休的时候,开源软件扮演了搅局者。不仅许多预算不足的客户尝试开源软件,而且一些有技术实力的企业也放弃了购买商业软件,自信的玩起了开源。事实上开源软件的使用成本并不低,比商业软件需要投入更多的人力、承担更大的生产风险。但是毕竟开源之风越来越盛,玩开源的企业越还是来越多。

作为应对,软件厂商们与时俱进的玩起了商业+开源的组合,基于开源软件推出了低价的商业软件。比如最流行的Openstack开源云管理软件,IBM、HP、Dell、Cisco都推出了商业版的解决方案,挽回了部分打算投奔开源的企业。同时,玩开源的企业也祭出了开源+服务的组合,利用专业的培训和服务,降低了使用开源软件的风险,还培养的人才队伍,一举两得。此时,软件成本和价格已经不是矛盾的关键因素了,如何使双方的利益最大化,达到共赢才是最有效的解决办法。自然而然,服务便成了生产者和消费者矛盾的关键点。

服务的成本

当软件或硬件产品的差异化越来越小的时候,服务的作用显得越来越重要。对于IT行业,服务包括售前方案服务,售后实施服务,技术支持服务,培训服务,外包服务等能够解决客户问题的所有服务。服务的主体是能够解决问题的人,所以在国外服务价格很高(以人为本);相反在国内服务费用很难被客户承认(以物为本)。然而服务往往是客户最需要的(除了少数很牛X的啥事都亲历亲为的公司)。服务是一个长期的, 认可客户的业务,与客户共同成长,最终双赢的过程。

关于售后服务,这里有一些大概的价格区间供参考,实际上具体项目具体分析。
假设项目的总金额为100%, 那么:
售后服务价格: 5% – 15%, 或者按照人天收费
集成实施价格: 6% – 18%
售前方案价格: 1% – 3.6%

总结

总的来说,客户最终需要的是软件和服务。甚至于只购买服务,用开源软件。所以企业要转变思路,以服务为主,产品为辅。当客户充分信任你的时候,还关心你用什么产品来实满足他的需求么?

发表评论

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据