一文快速解锁:价格分析模型

大数据 数据分析
价格的敏感性,是可以事先测试的。在事先可以以优惠券为杠杆,以抽奖的形式测试用户的购买率,从而一定程度上推断涨价/降价多少合适。但是这种方式更适合测降价,涨价的话,用户本能的反感会比较强烈,所以不太适用。

总有做数据的新人抱怨,做的分析被挑刺,嫌弃考虑不全面,不深入。到底该咋做?今天直接上案例,开搞!

问题场景:

某视频网站以包月会员形式收费,现了解到同行都准备涨价,准备一起涨。涨价以后要求数据分析师评估涨价效果,你是该公司的数据分析师,你会怎么评估?

思考一分钟

一、最基础的涨价模型

收入=总用户数*购买率*人均金额。这条公式大家都知道。那么问题是:涨价会带来什么影响?答:涨价了购买率可能下降,人均金额上升。至于涨价后总收入是多了还是少了,就得看两者的变化比例,这就是最基础最基础的价格变动评估模型了(如下图)

图片图片

价格的敏感性,是可以事先测试的。在事先可以以优惠券为杠杆,以抽奖的形式测试用户的购买率,从而一定程度上推断涨价/降价多少合适。但是这种方式更适合测降价,涨价的话,用户本能的反感会比较强烈,所以不太适用。

那么,是不是到这里就结束了呢?

还少了什么?

二、考虑商品属性

用户对购买率下降会受到以下因素影响:

  • 价格锚定:锚定越模糊的,下降越少
  • 刚需程度:刚需程度越高,下降越少
  • 垄断程度:垄断度越高,下降越少
  • 价格高低:价格越低,下降越少
  • 认知程度:认知程度越低,下降越少 

这五点要素,前四个都好直观理解,第五个稍微解释下:所谓认知程度,就是用户有多care这件事。我们生活中有很多资费都是默默扣掉的,比如水电煤气话费之类,除非某月突然暴增,或者商家主动推了营销活动,可能这些票子都从人们指尖流走了。

那么问题来了:视频会员的商品符合以上多少条?

几乎全中(如下图)

图片图片

 

估计这就是为啥运营有底气提价的,这几年,人们线上娱乐明显增多,可以从DAU,在线时长,连续播放率等数据轻易观察到这点。既然刚需度在增加,认知度天生低、价格又不贵,那涨了就是稳赚呀。

那么,考虑到这一层,是不是足够了呢?

还少了什么?

三、考虑涨价细节

视频会员的价格和大米白面的最大区别是:这玩意价格锚定完全是人为做出来的。提供额外一个用户服务的边际成本几乎为0,因此运营可以任意捏价格,制造出新的锚定点,从而模糊用户的判断。

比如,原本只有一个每月支付25元成为会员,现在推出一个20月自动开通连续包月的业务。咋一看,便宜5元,用户很有可能开通。可考虑到实际使用率变化(比如我开会员就想追一个爆款剧,追完了就很少看了),很有可能到后续几个月,用户忘了取消付费,被自动付费扣掉额外的钱。这就是明降暗升的策略。

图片图片

 

注意,用这个策略是有问题的,就是短期内收入会下降。因此也可以反向思维,定一个明升暗降的策略,通过牺牲后续月份的ARPU值,来短期内快速增加收入,收割一笔(如下图)。

图片图片

 

当然,还可以通过联盟打包的方式,直接出一个新套餐,把价格锚定进一步模糊掉。比如拉上外卖平台一起送会员,打包定价。不要掏手机,现在马上问你美团或饿了吗的会员一个月多少钱!八成以上的人答不上来,但是感觉:只花了四五十块就拿两家会员,好划算哦,反正也要点外卖的。总之,价格锚定越模糊,用户承担涨价可能性越大。

所以,这个题目从一开始就不该这么问。如果在真实工作环境里,数据分析师要干的第一件事就是搞清楚:

1、到底是怎么涨的?

2、哪些具体的会员套餐组合在涨价?

3、是硬涨价,还是出新套餐软涨价?

4、是明降暗升还是明升暗降?

知道了这些,才能对业务走势有预判,才能知道哪些是业务意料之中的,哪些是意料之外的。不然很有可能忙活半天,只落得一句“早知道了呀”。

然而,这里还有问题,就是业务的如意算盘,消费者真的买单吗?

 四、考虑用户行为

注意,以上每一种策略,都是有前提的,比如:

明降暗升策略:无感用户有足够比例/取消率低明升暗降策略:用户对季度/年度套餐有足够付费率锚定模糊策略:联营的产品得有足够的用户基础

如果这些前提不成立,分分钟策略会玩坏,或者是吸引不来足够的用户,或者是被人薅完一波走人。因此用户的购买转化率,复购率会直接影响涨价效果。

再进一步问:用户购买转化率,复购率又和啥有关?可能大家随口能说出:有热播剧看,别人家涨价更猛,新用户对收费没概念一类理由。但是注意:这些理由无法被数据量化。

因此得找到能用数据验证的,比如:在线频次减少,单次在线时长下降,连续播放减少等等,区分新老用户(如下图)。这样才能找到更深层原因,而不是停在:自从提价以后20元套餐卖得少了,这种把图表又哔哔一遍的复读机水平上。

图片图片

 

那么,考虑到这一层,是不是足够了呢?

还少了什么?

五、考虑业务动作

都是涨价:

  • 等对手先调价VS 我先涨为敬
  • 把新包装的套餐摆在前边 VS 直勾勾把价格表改了
  • 满大街吆喝:我要涨价啦!VS 暗搓搓地改掉价格表

图片图片

 

这些做法,都是已确定要调价的情况下,通过改变宣传话术,宣传节奏,宣传时机,达到更不同的效果。特别是针对虚拟产品,在价格锚定模糊的时候,就更容易给消费者产生错觉,从产生更强/更弱的效果。

作为数据分析,要了解这些具体细节,才能全面评估涨价动作的影响时间范围,而不是憨憨的按最基础模型,从调价一刻开始计算。

 六、小结

综上,一个看似简单的题目,看似简单的业务逻辑,可结合具体行业特点,产品属性,用户习惯,业务动作以后,就衍生出各种可能性。

因此想做全面评估,就得对业务细节有深入了解,提前梳理清楚业务假设前提。这样才能定义清楚到底影响周期从啥时候开始算,到底哪些用户行为是自然演化,哪些是促销带动。否则,不做深入思考,只是憨憨地把每天付费数据摆出来,不但无法看到数据背后含义更是会在业务轮番攻击中败下阵来:

“你有没有考虑宣传影响!“

“你有没有剔除外部因素!”

“你有没有考虑长期效应!”

“你用旧产品体系模拟个屁!”

“转化率低了所以呢?”

“我们要深层次的分析!”

一个都回答不上来。

责任编辑:武晓燕 来源: 接地气的陈老师
相关推荐

2023-02-26 00:00:04

项目标签体系

2022-07-26 00:00:03

语言模型人工智能

2020-11-27 09:40:53

Rollup前端代码

2020-09-27 08:00:49

分库分表

2023-07-07 08:00:00

KafkaSpringBoo

2023-12-27 14:03:48

2023-04-10 11:35:31

评估模型业务流程

2022-10-27 07:21:47

Linux性能频率

2022-07-03 08:25:09

OSITCP/IP

2022-08-30 22:12:19

Nacos组件服务注册

2023-03-10 07:57:26

2024-01-12 07:14:52

AI应用架构

2023-09-17 23:09:24

Transforme深度学习

2022-04-26 06:36:09

渠道分析数据采集

2022-05-12 13:44:35

数据分析数据

2017-11-20 16:43:40

高斯混合模型算法K-means

2017-12-01 12:36:54

LDA模型机器

2023-12-26 07:40:34

2021-01-15 13:18:39

数据模型领域模型代码

2021-12-08 22:29:41

经营分析体系
点赞
收藏

51CTO技术栈公众号