作者：接地氣的陳老師

來源：接地氣學堂

總有做數據的新人抱怨，做的分析被挑刺，嫌棄考慮不全面，不深入。到底該咋做？今天直接上案例，開搞！

問題場景：

某視頻網站以包月會員形式收費，現了解到同行都準備漲價，準備一起漲。漲價以后要求數據分析師評估漲價效果，你是該公司的數據分析師，你會怎么評估？

 1 最基礎的漲價模型

收入=總用戶數*購買率*人均金額。這條公式大家都知道。那么問題是：漲價會帶來什么影響？答：漲價了購買率可能下降，人均金額上升。至于漲價后總收入是多了還是少了，就得看兩者的變化比例，這就是最基礎最基礎的價格變動評估模型了（如下圖）

價格的敏感性，是可以事先測試的。在事先可以以優惠券為杠桿，以抽獎的形式測試用戶的購買率，從而一定程度上推斷漲價/降價多少合適。但是這種方式更適合測降價，漲價的話，用戶本能的反感會比較強烈，所以不太適用。

那么，是不是到這里就結束了呢？還少了什么？

 2 考慮商品屬性

用戶對購買率下降會受到以下因素影響：

l 價格錨定：錨定越模糊的，下降越少

l 剛需程度：剛需程度越高，下降越少

l 壟斷程度：壟斷度越高，下降越少

l 價格高低：價格越低，下降越少

l 認知程度：認知程度越低，下降越少 

這五點要素，前四個都好直觀理解，第五個稍微解釋下：所謂認知程度，就是用戶有多care這件事。我們生活中有很多資費都是默默扣掉的，比如水電煤氣話費之類，除非某月突然暴增，或者商家主動推了營銷活動，可能這些票子都從人們指尖流走了。

那么問題來了：視頻會員的商品符合以上多少條？

幾乎全中（如下圖）

估計這就是為啥運營有底氣提價的，疫情影響下，人們線上娛樂明顯增多，可以從DAU，在線時長，連續播放率等數據輕易觀察到這點。既然剛需度在增加，認知度天生低、價格又不貴，那漲了就是穩賺呀。

那么，考慮到這一層，是不是足夠了呢？還少了什么？

 3 考慮漲價細節

視頻會員的價格和大米白面的最大區別是：這玩意價格錨定完全是人為做出來的。提供額外一個用戶服務的邊際成本幾乎為0，因此運營可以任意捏價格，制造出新的錨定點，從而模糊用戶的判斷。

比如，原本只有一個每月支付25元成為會員，現在推出一個20月自動開通連續包月的業務。咋一看，便宜5元，用戶很有可能開通?？煽紤]到實際使用率變化（比如我開會員就想追一個爆款劇，追完了就很少看了），很有可能到后續幾個月，用戶忘了取消付費，被自動付費扣掉額外的錢。這就是明降暗升的策略。

注意，用這個策略是有問題的，就是短期內收入會下降。因此也可以反向思維，定一個明升暗降的策略，通過犧牲后續月份的ARPU值，來短期內快速增加收入，收割一筆（如下圖）。

當然，還可以通過聯盟打包的方式，直接出一個新套餐，把價格錨定進一步模糊掉。比如拉上外賣平臺一起送會員，打包定價。不要掏手機，現在馬上問你美團或餓了嗎的會員一個月多少錢！八成以上的人答不上來，但是感覺：只花了四五十塊就拿兩家會員，好劃算哦，反正也要點外賣的。總之，價格錨定越模糊，用戶承擔漲價可能性越大。

所以，這個題目從一開始就不該這么問。如果在真實工作環境里，數據分析師要干的第一件事就是搞清楚：

1、到底是怎么漲的？

2、哪些具體的會員套餐組合在漲價？

3、是硬漲價，還是出新套餐軟漲價？

4、是明降暗升還是明升暗降?

知道了這些，才能對業務走勢有預判，才能知道哪些是業務意料之中的，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，這里還有問題，就是業務的如意算盤，消費者真的買單嗎？

 4 考慮用戶行為

注意，以上每一種策略，都是有前提的，比如：

明降暗升策略：無感用戶有足夠比例/取消率低
明升暗降策略：用戶對季度/年度套餐有足夠付費率
錨定模糊策略：聯營的產品得有足夠的用戶基礎

如果這些前提不成立，分分鐘策略會玩壞，或者是吸引不來足夠的用戶，或者是被人薅完一波走人。因此用戶的購買轉化率，復購率會直接影響漲價效果。

再進一步問：用戶購買轉化率，復購率又和啥有關？可能大家隨口能說出：有熱播劇看，別人家漲價更猛，新用戶對收費沒概念一類理由。但是注意：這些理由無法被數據量化。因此得找到能用數據驗證的，比如：在線頻次減少，單次在線時長下降，連續播放減少等等，區分新老用戶（如下圖）。這樣才能找到更深層原因，而不是停在：自從提價以后20元套餐賣的少了，這種把圖表又嗶嗶一遍的復讀機水平上。

那么，考慮到這一層，是不是足夠了呢？還少了什么？

 5 考慮業務動作

都是漲價

等對手先調價VS 我先漲為敬

把新包裝的套餐擺在前邊 VS 直勾勾把價格表改了

滿大街吆喝：我要漲價啦！VS 暗搓搓的改掉價格表

這些做法，都是已確定要調價的情況下，通過改變宣傳話術，宣傳節奏，宣傳時機，達到更不同的效果。特別是針對虛擬產品，在價格錨定模糊的時候，就更容易給消費者產生錯覺，從產生更強/更弱的效果。

作為數據分析，要了解這些具體細節，才能全面評估漲價動作的影響時間范圍，而不是憨憨的按最基礎模型，從調價一刻開始計算。

 6 小結

綜上，一個看似簡單的題目，看似簡單的業務邏輯，可結合具體行業特點，產品屬性，用戶習慣，業務動作以后，就衍生出各種可能性。

因此想做全面評估，就得對業務細節有深入了解，提前梳理清楚業務假設前提。這樣才能定義清楚到底影響周期從啥時候開始算，到底哪些用戶行為是自然演化，哪些是促銷帶動。否則，不做深入思考，只是憨憨的把每天付費數據擺出來，不但無法看到數據背后含義更是會在業務輪番攻擊中敗下陣來：

“你有沒有考慮宣傳影響！“

“你有沒有剔除外部因素！”

“你有沒有考慮長期效應！”

“你用舊產品體系模擬個屁！”

“轉化率低了所以呢？”

“我們要深層次的分析！”

一個都回答不上來。

——熱門課程推薦：

想學習PYTHON數據分析與金融數字化轉型精英訓練營，您可以點擊>>>“人才轉型”了解課程詳情；

想從事業務型數據分析師，您可以點擊>>>“數據分析師”了解課程詳情；

想從事大數據分析師，您可以點擊>>>“大數據就業”了解課程詳情；

想成為人工智能工程師，您可以點擊>>>“人工智能就業”了解課程詳情；

想了解Python數據分析，您可以點擊>>>“Python數據分析師”了解課程詳情；

想咨詢互聯網運營，你可以點擊>>>“互聯網運營就業班”了解課程詳情； 

想了解更多優質課程，請點擊>>>