从 YC "Build Something Agents Want" 到 Celoria 的 Agent 战略定位
YC 经典口号是 "Make something people want"。2025-2026 年，他们提出了 "Build something agents want"——这不是替换，而是一个推论：当 AI agent 成为用户和服务之间的主要中介时，你的产品的"客户"部分地从人变成了 agent。
YC 说的不是"给 OpenAI 的 agent 打工"，而是：未来的软件交互界面从 GUI 转向 agent 对话。你的产品要在这个新范式下依然能被发现、被使用、被选择。
当 YC 说"build something agents want"时，他们模糊了一个关键问题：这个 agent 替谁说话？
| Agent 归属 | 替谁优化 | 商户的位置 | 客户关系归谁 |
|---|---|---|---|
| OpenAI / Google | 用户（或平台自己的商业利益） | 后端供应商 | 平台的 |
| Apple Intelligence | Apple 生态用户 | App Intents 接入方 | Apple 的 |
| 商户自己的 | 商户的商业目标 | 主导者 | 商户的 |
如果你"build something OpenAI's agent wants"，本质上就是：OpenAI 的 agent 成为客户入口 → 你沦为一个 booking backend → 失去跟客人的直接关系。这跟餐厅被 UberEats 吃掉的故事一模一样。
2026 年，agentic commerce 有四个关键玩家在争夺定义权：
| 协议 | 推动者 | 定位 | 对 Celoria 的意义 |
|---|---|---|---|
| ACP (Agentic Commerce Protocol) | OpenAI + Stripe | 标准化 agent 购物结账 | Booking API 暴露为 ACP 端点 |
| UCP (Universal Commerce Protocol) | Google + Shopify | 标准化商业交易 schema | 预约/支付的标准数据格式 |
| MCP (Model Context Protocol) | Anthropic | Agent → Tools（纵向） | Booking API 变成 MCP tool |
| A2A (Agent-to-Agent) | Agent → Agent（横向） | Guest 的 agent 跟 salon 的 agent 对话 |
OpenAI 和 Stripe 联合开发的 ACP 定义了三方交易模型（Apache 2.0 开源）：
Guest（买家） ChatGPT（agent） Salon（商户）
│ │ │
│ "帮我约周六下午的美甲" │ │
├──────────────────────────────→│ │
│ │ POST /checkout (ACP 端点) │
│ ├──────────────────────────────→│
│ │ │
│ │ ← 返回可用时段、价格、政策 │
│ │←──────────────────────────────┤
│ │ │
│ "周六 2 点，选 Lisa" │ │
├──────────────────────────────→│ │
│ │ PUT /checkout (确认) │
│ ├──────────────────────────────→│
│ │ │
│ │ ← 商户验证、计算税费、确认 │
│ │←──────────────────────────────┤
│ │ │
│ ← "已预约！确认号 #1234" │ │
│←──────────────────────────────┤ │
"Businesses maintain their customer relationships as the merchant of record, retaining control over which products can be sold, how they're presented, and how orders are fulfilled." — ACP Documentation
翻译成人话：Agent 只是传话的，商户决定卖不卖、怎么卖、卖给谁。
ACP/UCP 这些协议是为实物电商设计的。对他们来说，"merchant of record" 很清晰：谁收钱、谁发货、谁处理退款。但美甲预约不是买衣服。
| 电商 | 服务预约 | |
|---|---|---|
| 产品 | 标准化商品 | 非标准化体验（Lisa 做的 ≠ Amy 做的） |
| 交付 | 物流 | 人到场 |
| 关系 | 品牌层（买 Nike 不需要认识仓库工人） | 个人层（客人认识 Lisa） |
| 复购驱动 | 品牌忠诚度 | 技师关系 |
| Agent 能替代的 | 发现 + 比价 + 下单（大部分价值） | 只有发现 + 时间匹配（小部分价值） |
对 Celoria 来说，"merchant of record" 不够——你需要的是 "relationship of record"。Stripe 保护了你的收款权，但没有保护你跟客人的关系。
OpenAI 现在收 4%。UberEats 最初也只收很少的佣金，现在是 15-30%。如果 ChatGPT 成为客人找美甲沙龙的主要方式，OpenAI 就有了定价权。
当 agent 帮客人"找一家沙龙"时，它优化的是客人的效用（价格、距离、评价），不是你的沙龙独有的价值。你的沙龙跟隔壁的沙龙变成了"可替换的供应商"。
ChatGPT 的逻辑： 你希望的逻辑：
搜索附近沙龙 这个客人上次在你这做的
→ 按评分/价格/距离排序 → Lisa 是她的固定技师
→ 推荐 top 3 → 直接约 Lisa
IBM 报告指出 41% 用户已在用 AI assistant 研究产品。如果客人偏好数据沉淀在 OpenAI 的 agent 里而不是你的系统里，你就丢失了个性化服务的能力。
不是没人试过。StyleSeat（新客抽 30%）、ClassPass（健身聚合）、Booksy（发现+预约）都做过。但没有一个成为"UberEats of beauty"。
餐饮: 食物可以离开餐厅 → 配送创造了新消费场景（在家吃）→ UberEats 解决了"最后一公里"
美甲: 服务不可能离开沙龙 → 没有"配送"可做 → 预约本身太简单（打电话就行）
UberEats 成功是因为它创造了一个新能力（规模化配送），而不是做了一个更好的菜单。服务业没有等价的未解决物流难题。
餐饮: 厨师是隐形的 → 你点的是"宫保鸡丁"不是"张师傅的宫保鸡丁"→ 可以标准化比较
美甲: 技师是产品本身 → 你约的是"Lisa"不是"一个 gel manicure"→ 无法用评分/距离标准化
餐饮: "今晚吃什么？" → 探索型需求（主动寻找新选择）→ 聚合器天然适配
美甲: "约 Lisa 下次" → 关系型需求（固定人选） → 聚合器毫无价值
人每天吃三顿饭，天然追求多样性。美甲 2-4 周做一次，绝大多数时候是回头客找固定技师。聚合器的核心价值（发现）只在第一次有用，之后就是纯抽税。StyleSeat 新客抽 30% 恰恰说明了这个问题——技师建立客户关系后，就会绕过平台直接联系客人。
餐饮: 厨房有余量 → 外卖订单 = 增量收入（不挤占堂食）→ 餐厅愿意交 15-30% 佣金
美甲: 技师一次只服务一人 → 平台订单 ≠ 增量，只是重新分配 → 为渠道替代交 30%？没人愿意
| 餐饮 | 美甲 | |
|---|---|---|
| 频次 | 每天 1-3 次 | 每 2-4 周 1 次 |
| 客单价 | $15-30 | $50-200 |
| 试错成本 | 低（不好吃下次换） | 高（做坏了要忍两周） |
| 平台黏性 | 高（高频=习惯形成） | 低（低频=不形成习惯） |
高频 + 低客单 + 低试错 = 用户愿意在平台上探索。低频 + 高客单 + 高试错 = 用户倾向于找信任的人。
能，但不是以 UberEats 的方式。
UberEats 模式失败在服务业，是因为它试图做发现+交易的中间商，但服务业的核心价值在关系，不在发现。AI agent 有可能成功，但前提是它增强关系，而不是替代关系。
UberEats 模式（失败）:
平台做发现 → 平台做匹配 → 平台做交易 → 平台拥有关系
价值创造: 物流 ✓ 关系: 平台的 ✗
Marketplace App 模式（半死不活）:
平台做发现 → 用户自己选 → 平台做交易 → 关系被稀释
价值创造: 很少 关系: 谁的都不是
Agent 增强关系模式（机会）:
Agent 管理关系 → Agent 主动协调 → 沙龙做交易 → 关系在沙龙
价值创造: 关系深化 ✓ 关系: 沙龙的 ✓
| 能力 | Marketplace | Agent |
|---|---|---|
| "Lisa 知道我指甲薄，每次都帮我用特定底胶" | 不能 | 能（记忆 + 个性化） |
| "你上次做的是 OPI Bubble Bath，要不要换一下？" | 不能 | 能（历史 + 推荐） |
| "你已经 3 周没来了，Lisa 周四下午有空" | 不能 | 能（主动触达） |
| "你的婚礼在 6 月，需要提前安排试妆和当天的" | 不能 | 能（上下文理解） |
这些不是"发现"价值，是"关系维护"价值。服务行业真正缺的东西不是帮客人找到沙龙，而是帮沙龙维护好跟客人的关系。
| 产品 | 做的事 | 本质 | 价格 |
|---|---|---|---|
| AgentZap | 24/7 接电话、帮客人约预约 | 自动接线员 | $79/月起 |
| OneAI | 电话 agent，Great Clips / Ulta 在用 | 自动接线员 | 按用量计费 |
| Emitrr | SMS agent，回复 FAQ、约预约 | 自动短信客服 | 按用量计费 |
| TalkerIQ | 处理 80-90% 前台任务 | 自动接线员 | 按用量计费 |
这些都是 "generic booking bot"——不认识客人，不了解技师，不维护关系。本质是 IVR（电话菜单）的 AI 升级版。
UberEats 对餐厅说: "我帮你获客" → 然后吃掉了客户关系
AgentZap 对沙龙说: "我帮你接电话" → 纯工具，不涉及关系
Celoria 应该说: "我帮你深化客户关系" → 关系越深，沙龙越离不开你
Celoria 的 agent 不是 UberEats（获客中间商），也不是 AgentZap（自动接线员），而是"关系基础设施"——把技师和客人之间的隐性关系变成可持续、可扩展、可留存的数字资产。
新客路径: ChatGPT / Google → ACP Protocol → Celoria Booking API → 首次预约
│
▼
关系数据沉淀到 Celoria
│
▼
老客路径: Guest ← SMS/WhatsApp → Lisa 的 Agent → Celoria 内部 API → 复购预约
（绕过 agent 平台，零中间费用）
新客走 agent 平台（付 4% 获客成本），老客走自己的 agent（零成本，关系锁定）。跟餐厅最佳实践一致：UberEats 获新客，但一定要把客人转化到自己的直接渠道。
"给每个员工配 AI 分身"听起来很美好，但存在利益冲突：
| 方向 | 受益者 | 逻辑 | 风险 |
|---|---|---|---|
| (A) 增强 Lisa 的 agent → 关系更强 | 技师 | Lisa 走了 agent 跟着走 | 沙龙失去客户 |
| (B) 增强 salon 的 agent → 关系沉淀在店 | 老板 | Lisa 走了客人还在 | 技师感觉被剥夺 |
这两个方向有张力。在美甲行业，很多技师是独立承包商（1099），他们的客户关系是个人"资产"。Celoria 必须选一个立场——或者找到两者兼顾的模型。
层级 1: Salon Agent（店铺级）
身份: 代表这家店
能力: 回答"你们几点开门"、"有没有周六的空位"、新客获取
数据: 店铺配置、可用时段、定价、促销
渠道: Google Business、店铺官网 chat、SMS 第一次联系
层级 2: Technician Agent（技师级）
身份: 代表 Lisa 个人
能力: 回答"Lisa 周六有空吗"、"上次做了什么颜色"、个性化推荐
数据: Lisa 的排班、Lisa 的客人历史、Lisa 的专长和风格偏好
渠道: 老客专属 SMS 线程、WhatsApp
层级 3: Guest Agent（客人侧，未来）
身份: 代表客人
能力: 帮客人在多家沙龙中比较、管理所有预约
不是你 build 的: 这是 Apple Intelligence / OpenAI 的事
但你需要: 暴露 protocol 让它能跟你的 Salon/Technician Agent 对话
| 消费者 | 渠道 | Celoria 提供什么 |
|---|---|---|
| Celoria 自己的 AI agent | SMS / WhatsApp / Web Chat | Booking protocol + 对话能力 |
| Apple Intelligence | Siri intent / App Intents | 同一套 protocol 的 structured schema |
| Google Assistant | Actions on Google | 同上 |
| 第三方 concierge | API 调用 | Public booking API（014 已有雏形） |
| Guest 自己 | Web UI / App | 传统 UI 消费同一套 protocol |
一套 protocol，多种消费者。这才是 "build something agents want" 的完整含义——agent 要的是一个好的协议，不是一个专门为它画的 UI。
一个 marketplace 能否成立，取决于它是否拥有一个"即使客人忠诚了也不得不经过你"的层。
| 平台 | 不可绕过层 | Marketplace 成立？ | 原因 |
|---|---|---|---|
| 美团外卖 | 配送网络（骑手） | ✅ | 客人忠诚了也得用骑手送 |
| Uber | 司机网络 | ✅ | 你没法直接叫到司机 |
| Airbnb | 信任层（担保+保险+评价） | ⚠️ 勉强 | 很多房东试图绕过，但房客需要担保 |
| Fresha | 没有 | ❌ | 客人忠诚后直接联系沙龙 |
美团敢做"商家会员"（帮商家留客），是因为：就算客人对某家餐厅忠诚了，她还是得通过美团叫外卖。忠诚度归商家，但物流归美团。
美团: 客人忠诚于餐厅 A → 但还是需要美团送 → 美团照收佣金 → 商家会员不威胁美团
Fresha: 客人忠诚于沙龙 B → 直接打电话/发短信预约 → 绕过 Fresha → Fresha 失去收入
核心原理：能不能做留客，取决于你有没有"即使客人忠诚了也不得不经过你"的层。美团有（配送），Fresha 没有。
不是。原因：
"用客人偏好数据做不可绕过层"经不住推敲。服务业的护城河不在 C 端（消费者侧），在 B 端（运营侧）——3 年的预约数据、payroll 配置、RBAC 权限体系、多店协调规则，这些才是真正的迁移成本。
这是整个分析中最底层的结论。
平台的权力来自于对交付物的控制。如果交付物不能从生产者身上分离出来，平台就没有东西可以控制。
能做平台的行业（交付物可分离）:
生产者 → [可分离的交付物] → 平台控制分发 → 消费者
厨师 → 食物 美团骑手送 客人收到
工厂 → 商品 亚马逊仓储配送 客人收到
平台在"生产"和"消费"之间插入自己，掌控中间的交付物
不能做平台的行业（交付物不可分离）:
生产 = 消费（同时同地发生）
Lisa 做指甲 = 客人坐在 Lisa 面前
没有东西可以被"拿走"再"送过去"
平台无处可插
| 行业 | 交付物可分离？ | 平台成立？ |
|---|---|---|
| 外卖 | 食物可分离 | 美团 ✅ |
| 堂食 | 体验不可分离 | 大众点评只能做发现 ⚠️ |
| 在线教育 | 视频课可分离 | Coursera ✅ |
| 线下家教 | 面授不可分离 | 只能做匹配 ⚠️ |
| 远程开发 | 代码可分离 | Upwork ✅ |
| 现场美甲 | 不可分离 | ❌ |
同一个行业，线上化（分离交付物）就能做平台，线下（不可分离）就做不了。
| 控制交付 | 控制发现 | 控制运营 | |
|---|---|---|---|
| 代表 | 美团外卖 / UberEats | 大众点评 / Yelp / Fresha | Zenoti / Celoria |
| 控制什么 | 配送物流 | 搜索排名 + 信任信号 | 管理工具 |
| 赚什么 | 每单抽佣 | 广告费 + 首单佣金 | 订阅费 |
| 对商家的价值 | "帮你送" | "帮你被找到" | "帮你管好店" |
| 持续性 | 每单都赚 ✅ | 只赚首次发现 ⚠️ | 持续订阅 ✅ |
| 前提条件 | 交付物可分离 | 信息不对称 | 管理复杂度 |
平台逻辑: 生产者 →[交付物]→ 平台 →[交付物]→ 消费者
"我控制中间，两边都离不开我"
SaaS 逻辑: 生产者 ←[工具]← SaaS
"我让你生产得更好，你愿意付我工具费"
消费者跟我无关，你直接服务他们
美甲行业交付物不可分离 → marketplace 不成立。发现只是一次性需求 → 广告模式不持续。正确的商业模式是赋能生产者的 SaaS，而非中间化交付的平台。
大众点评在美容美甲行业活了下来，但它做的事跟 UberEats 完全不同——它不控制交付，控制的是发现 + 信任信号。
| 收入来源 | 本质 | 持续性 |
|---|---|---|
| 搜索排名 / 推广通 | 广告费（按曝光/点击） | 商家持续付 |
| 团购/优惠券抽佣 | 首单获客成本 | 只赚第一次 |
| 商家会员/装修 | 增值服务 | 订阅 |
大众点评本质上不是 marketplace，是广告生意。它卖的是"曝光"和"信任背书"，不是"交付"。
新客通过大众点评发现沙龙 → 到店体验 → 满意
│
├→ 下次直接去（不经过大众点评）→ 大众点评赚不到钱
│
└→ 加了 Lisa 微信 → 以后在微信约 → 大众点评永久失去这个客人
沙龙做低价团购获客 → 吸引来"薅羊毛"客人
→ 这些客人下次找更便宜的团购 → 从不变成回头客
→ 沙龙不得不继续做团购 → 利润被压缩
→ 好沙龙最终把客人导到微信 → 脱离大众点评
好商家想逃离，差商家依赖团购续命。这不是健康的 SaaS 生态，这是广告流量生意。
Fresha（免费软件 + 新客抽佣 20%）跟大众点评是同一个逻辑——披着免费 SaaS 外衣的 marketplace / 广告生意。450,000 个专业人士不是 Fresha 的客户，是 Fresha 的供给侧。Fresha 的真正客户是在上面搜索预约的消费者。
获客 (Acquisition): Fresha / 大众点评在做（marketplace/广告模式）
管理 (Management): Zenoti / Boulevard 在做（企业 SaaS）
留客 (Retention): 没人专门在做 — 是运营做好了的自然结果
用别人的"发现"渠道获客（ACP/Google/大众点评），用自己的运营系统留客。获客是别人的生意，留客是运营系统自然产生的效果。
Celoria 作为运营 SaaS，拥有外部发现渠道所没有的深层数据：
| 数据层 | Google/Yelp 有的 | Celoria 独有的 |
|---|---|---|
| 基础信息 | 营业时间、地址、评分 | — |
| 可用性 | — | 实时技师级别空档（不是"店开着"而是"Lisa 2 点有空"） |
| 质量信号 | Yelp 评分（可刷） | 复购率、小费率、准时完成率（刷不了） |
| 运营洞察 | — | 高峰低谷模式、upsell 转化、技师服务时长 |
没有 Celoria 数据，ChatGPT 回答:
"这附近有 3 家评分不错的沙龙：A 4.5 星 · B 4.3 星 · C 4.6 星"
→ 跟 Google 搜索没区别
有 Celoria 数据，ChatGPT 回答:
"A 店周六 2:30 有一位 gel 专长技师空档，客人复购率 85%，
平均服务 45 分钟，首次到店享 10% off。要预约吗？[一键确认]"
→ 只有 Celoria 能提供这个体验
沙龙用 Celoria 管运营
→ Celoria 积累运营数据（排班、质量、客人行为）
→ 通过 ACP/MCP 暴露给外部 agent
→ 外部 agent 给 Celoria 沙龙更好的推荐（数据更丰富）
→ Celoria 沙龙获得更多预约
→ 更多沙龙想用 Celoria
→ 更多数据 → ...
这跟餐饮行业的 Toast 类似——Toast 是餐厅 POS 系统（运营工具），但因为掌握了真实交易和运营数据，Toast 餐厅在 DoorDash/UberEats 上获得更好的曝光和更精准的推荐。运营系统的数据反哺发现渠道。
| 数据层 | 开放给谁 | 竞争壁垒 |
|---|---|---|
| 基础层（营业时间、菜单、价格） | 所有 agent | 无（Google 也有） |
| 可用性层（实时技师空档） | ACP 接入的 agent | 中（需运营系统集成） |
| 质量层（复购率、小费率） | 选择性开放 | 高（只有运营 SaaS 有） |
| 智能层（"这个客人适合哪个技师"） | 只留给 Celoria 自己 | 最高（算法+数据双壁垒） |
外部 agent 帮你获客，但只有你自己的系统知道怎么让这个客人价值最大化。
这个数据优势是时间窗口优势，不是结构性垄断。Zenoti/Boulevard 同样有运营数据，先做 ACP 集成的人先跑起飞轮，后来者追赶成本更高。
"我们也是 SaaS 但更好"不是护城河。Zenoti 融了 $280M+，也能加 AI 功能。真正的区别是什么？
传统 SaaS (Zenoti/Boulevard):
店长打开电脑 → 登录 dashboard → 看预约列表 → 发现问题 → 手动处理 → 关电脑去做指甲
本质: 人驱动软件。软件等着你来操作。
Celoria Agent Mode:
事件发生 → agent 自动检测 → 推送 To-Do → 员工确认/调整 → 完成
本质: 软件驱动人。人只在需要判断时介入。
| 传统 SaaS | Celoria Agent Mode | |
|---|---|---|
| 驱动方式 | 人 → 操作软件 → 得到结果 | 事件发生 → agent 处理 → 人确认 |
| 发起者 | 人 | 系统 |
| AI 定位 | 螺丝拧上去的功能 | 整个系统的运行范式 |
| 类比 | Word + Copilot sidebar | Cursor（AI-native 编辑器） |
Zenoti 加 AI:
┌─────────────────────────────┐
│ 原有 Dashboard（10 年代码库）│
│ ┌──────────┐ │
│ │ AI 功能 │ ← 螺丝拧上去 │
│ └──────────┘ │
│ CRUD 表单、列表、报表... │
└─────────────────────────────┘
AI 只能读 dashboard 数据 → 给建议 → 执行还是要人回去点按钮
Celoria:
┌─────────────────────────────┐
│ Agent Layer (Inngest+AgentKit)│
│ 事件→路由→处理→To-Do 推送 │
├─────────────────────────────┤
│ 数据层（共享） │
├─────────────────────────────┤
│ Dashboard (Editor Mode) │
│ 跟 Agent Mode 读写同一份数据 │
└─────────────────────────────┘
Agent 直接操作业务数据，不是在 dashboard 上面贴一层
Zenoti 要做到同样的体验，需要的不是"加 AI 功能"，而是重写架构。一个 10 年代码库、服务几千家客户的系统，做底层重构的成本和风险极高。
| 层级 | 时间窗口 | 内容 | 可追赶性 |
|---|---|---|---|
| 第 1 层 | 1-2 年 | 架构优势：agent-native vs dashboard + AI bolt-on | 可追赶（但代价高） |
| 第 2 层 | 2-3 年 | 数据优势：SOP 决策数据积累 → 行业最佳实践 | 难追赶（需要规模） |
| 第 3 层 | 3-5 年 | 生态优势：ACP 先发 + SOP 模板市场 + 网络效应 | 极难追赶 |
今天讨论的所有战略点最终汇聚到一个核心洞察：
美甲行业的交付物不能从人身上分离（所以不能做平台），但"交付标准"可以从人的脑子里分离出来放进系统里。这就是 Celoria 的价值。
不可改变的行业特征:
交付物（做指甲）→ 依然绑定在人身上 → 无法平台化
Celoria 做的事:
交付标准（怎么做、什么时候做什么、出了问题怎么处理）→ 从人迁移到系统
传统做法:
SOP 写在纸上/Google Docs → 员工看一遍 → 忘了 → 没人遵守
Celoria:
SOP = agent 的运行逻辑 → 员工不需要"记住"SOP
→ agent 到点推送该做什么 → 不是"请遵守流程"，是"流程自动发生在你面前"
| 传统 | Celoria | |
|---|---|---|
| SOP 存在形式 | 文档（与软件分离） | Agent 的运行逻辑（就是软件本身） |
| 合规率取决于 | 人的自律 | 系统的保证 |
| 新员工上手 | 读 SOP 手册 → 靠记忆 | Agent 实时推送该做什么 |
| Lisa 离职时 | 她的经验一起走了 | SOP 还在系统里，新人跟着做 |
没有 SOP agent:
店的运营质量 = Lisa 的经验 + Amy 的经验 + 前台的记忆
Lisa 走了 → 经验走了 → 服务质量下降
开新店 → 需要找到同样好的人 → 扩张瓶颈
有 SOP agent:
店的运营质量 = 系统里的 SOP + agent 的执行
Lisa 走了 → SOP 还在 → 新人跟着 agent 提示做 → 质量基本不变
开新店 → SOP 复制过去 → 新人跟着做就行 → 扩张解锁
帮连锁沙龙把运营知识从人的脑子里迁移到系统里，让扩张不再受限于"找到足够好的人"。
第 1 家沙龙: agent 运行默认 SOP → 店长覆写某些决策 → 覆写被记录
第 100 家沙龙: agent 知道"80% 连锁 no-show 等 15 分钟再释放"
→ 新店入驻时 SOP 默认值已是行业最佳实践
第 1000 家沙龙: Celoria 拥有美甲行业最大的运营行为数据集
→ 开箱即用的行业最优运营模板
→ 传统 SaaS 记录"发生了什么"（交易数据）
→ Celoria 记录"该怎么做"（决策数据）
→ 决策数据只有让 agent 跑 SOP 的系统才能积累
Celoria 的收敛定位:
✅ 中大型连锁 → 运营 agent（034 路线继续深化）
✅ ACP protocol 兼容 → 外部 agent 能发现和预约（获客渠道）
✅ SOP 数据飞轮 → 越多店用，建议越准，新店体验越好
⚠️ 小店 WhatsApp 增强 → 有价值但太薄，可作为轻量入口
❌ 自建 marketplace → 结构性不成立（交付物不可分离）
❌ per-technician agent 独立产品 → 护城河不成立（数据太薄）
2025-2026 年，AI agent 领域出现了一个重要的定价范式转变："为结果付费，而非为软件本身付费"。
| 公司 | 创始人/背景 | 定价方式 | 传统对照 |
|---|---|---|---|
| Sierra | Bret Taylor（前 Salesforce 联席 CEO） | 每次 resolved conversation 收费，未解决不收费 | 传统客服 per-seat $39/月 |
| Intercom Fin AI | — | $0.99/resolved conversation | 原 $39/seat，转型后采用率提升 40% |
| Salesforce Agentforce | — | $0.10/action (Flex Credits) | 传统 per-seat 订阅 |
| Zendesk | — | $1.50-2.00/automated resolution | 传统 per-seat 订阅 |
行业数据：seat-based 定价从 21% 降到 15%，hybrid 定价从 27% 涨到 41%（2024→2025 一年内）。Gartner 预测 2026 年 40% 的企业 SaaS 合同会包含 outcome-based 成分。
Sierra/Intercom 的场景:
输入: 一个客户问题
输出: 解决了 / 没解决
→ 结果边界清晰，二元判定，天然适配 outcome pricing
Celoria 的场景:
输入: 持续的运营事件流
输出: 整体运营效率提升
→ 结果是弥散的，不是离散的"结果"
Outcome-based pricing 的前提是：结果必须是离散的、可计数的、可归因的。客服对话天然满足这三个条件，运营管理不完全满足。
| 场景 | 可否按结果计费 | 原因 |
|---|---|---|
| Agent 自动完成结账 | ✅ 可计数 | 每次结账是一个离散事件 |
| Agent 处理 no-show（发提醒、释放时段） | ⚠️ 可计数但难归因 | "预防"了一个 no-show 怎么证明？ |
| Agent 完成日结对账 | ✅ 可计数 | 每次对账是一个离散事件 |
| SOP 持续运行、排班、监控 | ❌ 无法按结果收 | 弥散性价值，无法切割成"一次" |
支付抽佣（每笔交易抽 X%）天然是 outcome-aligned 的定价——沙龙有交易你才赚钱，没交易你不赚。这比 Zenoti 的固定 $200+/月订阅费更符合"为结果付费"的理念。沙龙生意越好，Celoria 赚越多——利益天然对齐。
基础层: 支付抽佣（核心收入）
→ 每笔交易经过 Celoria 支付处理
→ 跟交易量挂钩，天然 outcome-aligned
→ Toast/Square 已验证的模式
运营层: 低月费或免费（获客+粘性载体）
→ 让沙龙所有业务跑在你的系统上
→ 类似 Toast 的 SaaS 部分
Agent 增值层: 按 action/outcome 收费（未来可选）
→ "agent 帮你自动对账 $X/次"
→ "agent 帮你预防 no-show $X/次"
→ 用了才付钱，没用不收
Agent 增值层的 per-action 定价是一个思考方向，尚未决定是否实施。当前核心收入模式是支付抽佣，这已经足够 outcome-aligned。Per-action 定价的风险包括：计费透明度（客户怕被"偷跑"action）、定义"一个 action"的边界争议、以及给客户造成"用多少付多少"的不确定感。
从"用技术赋能传统美业从业者"的视角看，Celoria 所处的赛道远不止 salon SaaS。以下是完整的竞争格局，按价值层分类。
| 价值层 | 做的事 | 代表公司 | 商业模式 | Celoria 关系 |
|---|---|---|---|---|
| 运营管理 | 帮你管好店 | Zenoti ($280M+) · Boulevard · Mangomint · Vagaro · Celoria | SaaS 订阅 / 支付抽佣 | 直接竞争 |
| 产品供应链 | 帮你卖/买产品 | Mayvenn ($76.5M) · SalonCentric (L'Oréal) · CosmoProf (Sally Beauty) | 产品差价 / 分销佣金 | 远期可能扩展 |
| 获客/流量 | 帮你找客人 | Fresha (450K+ 从业者) · StyleSeat · Booksy · ClassPass/Mindbody | 新客抽佣 / 广告费 | 不自建，接入外部渠道 |
| 支付/金融 | 帮你收钱 | Square · Toast (跨行业) · GlossGenius · Stripe | 支付抽佣 / 金融服务 | Celoria 核心收入层 |
| 员工赋能/AI | 帮你接电话/自动化 | AgentZap ($79/月) · OneAI · TalkerIQ · Emitrr | SaaS 订阅 / 按用量 | Celoria agent 包含此功能 |
Celoria 当前覆盖:
✅ 运营管理层 — 核心产品（Agent-native SaaS）
✅ 支付/金融层 — 核心收入（支付抽佣）
✅ 员工赋能层 — 034-agent-mode 自然覆盖
Celoria 的获客策略:
⚡ 获客/流量层 — 不自建 marketplace，通过 ACP protocol + 095 agent group
帮沙龙在外部渠道被发现（功能，不是商业模式）
Celoria 远期可能扩展:
🔮 产品供应链层 — 智能补货、集采撮合（需要规模支撑，现阶段不做）
🔮 硬件生态 — 适配设备（排号屏、智能手环等，现阶段不做）
| 公司 | 目标客户 | 定价 | 核心差异 |
|---|---|---|---|
| Zenoti | 企业级连锁 (50+ 店) | $200+/月 | 多店管理最成熟，$280M+ 融资 |
| Boulevard | 高端沙龙/Spa | $200+/月 | 高端市场定位，精美 UI |
| Mangomint | 成长型沙龙 | $165-375/月 | 现代设计，自动化强 |
| Vagaro | 中小型 | $25-85/月 | 功能全面，价格亲民 |
| GlossGenius | 个人/小型 | $24-48/月 | 移动优先，支付集成 |
| 公司 | 模式 | 规模 | 特点 |
|---|---|---|---|
| Mayvenn | 零库存分销：发型师不进货，Mayvenn 发货，师傅赚佣金 | 50,000+ 发型师，$76.5M 融资 | 赋能个人从业者，去除库存风险 |
| SalonCentric | L'Oréal 旗下专业美发产品分销 | 全美最大专业美发分销商 | 品牌直供，专业渠道 |
| CosmoProf | Sally Beauty 旗下，专业美容用品批发 | 1,300+ 门店 | 线下批发为主 |
| 公司 | 模式 | 定价 | 本质 |
|---|---|---|---|
| Fresha | 免费 SaaS + marketplace 新客抽佣 20% | $0-20/月 + 20% 首单 | 披着 SaaS 外衣的 marketplace |
| StyleSeat | 发型师 marketplace | 新客 30% 佣金 | 发现平台，师傅建立关系后倾向绕过 |
| Booksy | 预约 SaaS + marketplace | $29.99/月 | 订阅为主，marketplace 为辅 |
理解整个赛道有助于：(1) 避免误入已有玩家的强势领域；(2) 识别远期扩展机会；(3) 向 VC 清晰定位 Celoria 在生态中的位置。Celoria 的独特定位是同时覆盖运营+支付+AI 员工赋能三层，且以 agent-native 架构（SOP 即系统）为核心差异。
以下公司值得持续关注动态（融资、产品方向、定价变化）：
Toast 是 Celoria 最重要的跨行业参照——同样是 vertical SaaS + 支付抽佣模式，只是服务餐饮而非美业。
| 指标 | 数据 |
|---|---|
| 创立 | 2011 年，Boston，3 个 MIT/Endeca 背景创始人 |
| 关键转型 | 2013 年从消费者 app 转做 B 端 Android POS（嵌入支付） |
| 独角兽 | 2018 年 Series D $115M，估值 $1.4B |
| IPO | 2021 年 NYSE: TOST，市值 $20B |
| 当前规模 | 156,000 家店，ARR $2.0B，2024 年收入 $4.96B |
| 首次盈利 | 2024 年（创立 13 年后），净利润 $19M |
Toast 2024 年 $4.96B 收入:
支付处理: ~81% ($4.0B) ← 每笔交易抽 ~0.48%
SaaS 订阅: ~14% ($0.7B) ← 月费
硬件+服务: ~5% ($0.25B) ← 亏钱卖，用来获客
本质: Toast 不是 SaaS 公司，是支付公司
SaaS 是粘性载体，支付是利润引擎
| 功能需求 | 餐饮（Toast ✅） | 美甲（Celoria ✅） |
|---|---|---|
| POS / 支付 | ✅ | ✅ |
| 预约调度（技师×时段×服务×偏好） | ❌ 不需要 | ✅ 核心功能 |
| 技师-客人匹配 | ❌ 不需要 | ✅ 核心功能 |
| 会员体系（月卡/次卡/包月） | ❌ | ✅ |
| 礼品卡 | ✅（非核心） | ✅（重要收入） |
| 主动复购提醒 | ❌ | ✅ |
| 员工业绩/佣金/小费分配 | ⚠️ 基础 | ✅ 复杂 |
| SOP Agent | ❌ | ✅ |
Toast 的软件在客人付完钱那一刻基本用完了
Celoria 的软件在客人离开之后才真正开始工作
Toast: 交易 → 结束
Celoria: 交易 → 记录偏好 → 计算回访时间 → 到期提醒 → 管理会员 → 流失预警 → ...
Toast 进美业需要从零构建: 预约引擎、会员体系、客户关系管理、复杂佣金、主动留存营销、SOP 工作流。这不是"加功能"，是完全不同的业务逻辑。Toast 的架构为"一次性交易"设计，改成"持续关系管理"等于重写。
结论：技术渗透率极低。最大的连锁用的还是基础 POS，没有任何 agent-native 系统。
| 连锁 | 门店数 | 用什么软件 | 自研？ | AI/Agent？ |
|---|---|---|---|---|
| Regal Nails | ~1,000 | NailSoft（外采 POS） | ❌ | ❌ |
| DaVi Nails | 500+ | 未公开，FDD 无技术描述 | ❌ | ❌ |
| MiniLuxe | ~20 | 未公开 | 不确定 | ❌ |
| Frenchies | ~25 | 外采 POS + TrueLark AI 接线 | ❌ | ⚠️ 第三方 |
| PROSE | 12 州 | 未公开 | 不确定 | ❌ |
NailSoft（Regal Nails 的供应商）功能: POS 收银、预约、签到、短信营销、基础报表。没有 AI、没有 SOP、没有多店协调、没有决策数据记录。
最大的竞争对手不是 Zenoti（他们在美甲行业渗透率也很低），而是"Excel + 纸笔 + 打电话"这个现状。第一个敌人是惯性，不是其他软件。
| 指标 | 数据 |
|---|---|
| 美甲+蜡脱行业总收入 | $25.5B (2026) |
| 纯美甲行业收入 | $12.9B (2025) |
| 年增长率 | CAGR 9.7% |
| 沙龙总数 | ~118,000 家 |
| 属于"larger brands" | 17,172 家 (14.5%) |
| 正式加盟品牌 | ~15 个品牌，~1,200 家店 |
| 越南裔经营占比 | 40-60%（加州高达 80%） |
| 沙龙软件市场 | $840M → $1.29B (2025-2030) |
118,000 家美甲店:
独立单店 (~85%): ~100,000 家 → 不需要管理系统
小型多店 2-4 店 (~10%): ~12,000 家 → 开始有管理需求
中型连锁 5-9 店 (~3%): ~3,500 家 → 明确需要系统
规模化连锁 10+ 店 (~2%): ~2,500 家 → 刚需
没有任何公司占 >5% 市场份额
连锁化正在加速（Frenchies/PROSE/Townhouse 都在扩张）
"~100 个 10+ 店品牌"是基于正式加盟数据的估算。大量越南裔/华人家族经营的多店连锁不走加盟模式、不出现在任何公开数据库中。实际多店经营者数量可能是 4,000-6,000 个。这个市场的非正式多店经营者是一个巨大但不可见的群体。
纯美甲:
多店连锁门店 ~17,000 家 × $750/店/月（支付抽佣）× 12
SAM ≈ $108M/年
扩展到全美业（美发+Spa+美容+健身）:
多店连锁 100,000+ 家店
TAM ≈ $500M-$900M/年
参照: Zenoti 服务 30,000+ 门店，融资 $280M+
| # | 原因 | 数据 |
|---|---|---|
| 1 | 不需要（最根本） | 1-3 人店运营复杂度低到纸笔就够 |
| 2 | 太贵 | 47% 的小沙龙认为软件太贵 |
| 3 | 不会用 | 42% 的小店主有数字技能不足问题 |
| 4 | 现金偏好 | 软件意味着收入透明化，部分店主抗拒 |
| 5 | 切换成本 | 33% 表示从纸笔迁移到数字系统困难 |
| 6 | 没人卖给她 | SaaS 公司全英文营销，跳过了越南裔社区 |
| 7 | 供给侧缺失 | 没有越南/中文界面、免费+支付抽佣、极简操作的产品 |
小店不是"被忽略的金矿"——大部分真的不需要管理软件。但 2-10 店的小连锁是被价格和语言门槛挡住的真实需求。Celoria 的"免费 SaaS + 支付抽佣"模式可以穿透这个门槛。
Celoria 不应该扩展到 Toast 的领域（纯交易型：餐饮、零售），而应该扩展到所有"交付物跟人绑定 + 预约制 + 关系型"的服务行业。
| 行业 | 交付物绑定人？ | 需要预约？ | 有会员/套餐？ | 需要 SOP？ |
|---|---|---|---|---|
| 美甲 ← 现在 | ✅ | ✅ | ✅ | ✅ |
| 美发 | ✅ | ✅ | ✅ | ✅ |
| 美容 / Spa | ✅ | ✅ | ✅ | ✅ |
| Medical Spa | ✅ | ✅ | ✅ | ✅ |
| 宠物美容/寄养 | ✅ | ✅ | ⚠️ | ✅ |
| 健身私教 | ✅ | ✅ | ✅ | ✅ |
| 牙科诊所 | ✅ | ✅ | ⚠️ | ✅ |
正确的扩展路径:
❌ Celoria → 餐饮/零售（Toast 的地盘，交易型，非我所长）
✅ Celoria → 美发 → Spa → Medical Spa → 宠物 → 健身 → ...
叙事: "Toast 是交易型行业的运营系统
Celoria 是关系型行业的运营系统
两者不竞争，各有各的 TAM"
这把 TAM 从 118K 家美甲店扩展到了几百万家预约制服务门店
第一层: 自动化 + 标准化（单店价值）
→ SOP 编码到 agent → 员工跟着做就行
→ 80% 确定性规则自动处理
→ 20% 边界情况 agent 辅助判断
→ 一家店就有价值
第二层: 基于第一层，辅助规模化（多店价值）
→ SOP 一键复制到新店
→ 新员工零培训上手
→ 跨店数据对比
→ 店越多，数据飞轮越快
第一层是卖点，第二层是壁垒
弱验证（只证明自动化有用，Zenoti 也能做）:
"日结对账自动化了" → 一个 cron job 也行
强验证（证明 agent 做到了自动化做不到的事）:
"新员工第一天上班，agent 一步步教她做 checkout"
"客人要拆分支付+用礼品卡，agent 直接算出来了，不用叫经理"
"agent 的建议被采纳率 > 80%"
→ 验证重点: 边界情况处理能力，不是简单自动化
Step 1: QQ Nails 一家店部署 Agent Mode
Step 2: 聚焦 Appointment → Checkout 链路（含边界情况）
Step 3: 跑 2 周，收集 agent_decisions 数据
Step 4: 量化 before vs after
→ checkout 处理时间
→ 经理介入率
→ agent 建议 accept rate
Step 5: 拿着数据去融资
把预约制服务业的运营知识编码为 AI agent，单店标准化，多店一键复制规模化。
完整战略收敛:
行业: 预约制服务业（交付物与人绑定的行业）
切入: 美甲连锁
扩展: 美发 → Spa → Medical Spa → 所有预约制服务
产品: SOP 编码为 agent 执行逻辑
单店: 自动化 + 标准化（卖点）
多店: 一键复制 + 数据飞轮（壁垒）
收入: 支付抽佣（核心）+ SaaS 订阅（载体）
获客: 外部渠道（ACP protocol）= 功能，不是商业模式
不做: marketplace、纯交易型行业、经营建议、加盟匹配