作者：接地气的陈老师

来源：接地气学堂

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？

 1 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）

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？

 2 考虑商品属性

用户对购买率下降会受到以下因素影响：

l 价格锚定：锚定越模糊的，下降越少

l 刚需程度：刚需程度越高，下降越少

l 垄断程度：垄断度越高，下降越少

l 价格高低：价格越低，下降越少

l 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）

估计这就是为啥运营有底气提价的，疫情影响下，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？

 3 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。

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）。

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？

 4 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元套餐卖的少了，这种把图表又哔哔一遍的复读机水平上。

那么，考虑到这一层，是不是足够了呢？还少了什么？

 5 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 暗搓搓的改掉价格表

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。

 6 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，只是憨憨的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。

——热门课程推荐：

想学习PYTHON数据分析与金融数字化转型精英训练营，您可以点击>>>“人才转型”了解课程详情；

想从事业务型数据分析师，您可以点击>>>“数据分析师”了解课程详情；

想从事大数据分析师，您可以点击>>>“大数据就业”了解课程详情；

想成为人工智能工程师，您可以点击>>>“人工智能就业”了解课程详情；

想了解Python数据分析，您可以点击>>>“Python数据分析师”了解课程详情；

想咨询互联网运营，你可以点击>>>“互联网运营就业班”了解课程详情； 

想了解更多优质课程，请点击>>>