Nick Saraev 說，他分析了 Maker School 會員發表的 900 多筆 AI 服務案，從 200 美元的小案到超過 60,000 美元的企業案都有。他整理出的差異不在使用哪個模型或自動化工具，而是服務跟營收的距離、收費能不能延續，以及合作從多大的案子開始。
第一個模式是「接近營收」。Nick 表示，與開發客戶、銷售和成交直接相關的系統，平均案值比只處理行政、人資、付款或文件的後端自動化高出 350%。像是開發潛在客戶、篩選名單、改善轉換率或自動追蹤，都比較容易用新增營收說明價值；節省工時或「提高效率」則較難直接換算成客戶願意支付的金額。這是 Nick 根據自家社群案例整理出的關係，不是經外部驗證的產業統計。
第二個模式是持續收費。影片用一筆 5,000 美元的一次性專案，對比每月 2,500 美元的合作：後者第一年累積為 30,000 美元。Nick 說，社群裡超過 20,000 美元的主要案例幾乎都包含某種持續收入；當顧問開始維護開發客戶、銷售或溝通系統，也會逐漸成為企業日常運作的一部分，後續擴充通常會先找原本的合作對象。
來源：影片畫面擷取自 YouTube／Nick Saraev（約 04:53）
第三個模式反而是先接小案。Nick 說，許多較大的合作都從不完美的 200 至 500 美元專案開始；他自己的案例中，也有一筆約 500 至 600 美元的 Upwork 工作，後來擴成月費服務，累積超過 16,000 美元。影片最後把三個模式排成四週行動：先把服務接到可衡量的營收結果，再加入持續收費項目，接著每天開發客戶，最後依真實回饋調整內容與價格。
留言區同時補上了這套說法的限制。一則高互動留言認為，多數老闆不在意流程多複雜，只在意能不能賺錢或省錢；也有人追問，開發客戶本來就很難，顧問怎麼保證成果，又要如何量化自己真正帶來的收入。影片沒有公開 900 多筆案例的原始資料，片尾也直接導向 Nick 自己經營的付費社群 Maker School 與顧問團隊，因此這些數字適合視為創作者根據自家客戶與會員資料提出的銷售觀察，而不是普遍適用的保證。
I Tested 900 AI Offers: Here's What Actually Worked ／ Nick Saraev · 在 YouTube 觀看 ↗