商业数据分析中定价策略分析

2020/12月/29BI 3.0, 大数据分析0 条评论

定价策略分析

对于有付费项目的产品,引导活跃用户转化为付费用户并且留住他们 ,是产品运营的一项重要内容,那么,用户会因为什么付费呢?为什么有些人不会付费呢?因此,我们需要对用户付费情况进行分析。

今天,我们以一款游戏产品为例,借助DataFocus系统了解一种在分析用户付费时的定价策略分析。

分析概述

1.1 PSM模型

本次,我们采用PSM价格敏感度分析方法,它是价格测试中较简单、实用的一中方法。其测试过程完全基于被访者的自然反应,没有任何竞争对手以及自身产品的信息。

1.2 问题调研

该方法需要进行用户调研。

首先对需要定价的项目,设计可以给出的价格档位,再根据该价格梯度表对用户进行调研,主要涉及四个问题:

A、什么样的价格认为太便宜,以至于您怀疑它的品质而不去购买?

B、什么样的价格比较便宜,并且是最能吸引您购买的促销价?

C、什么样的价格是您认为贵,但仍可接受的价格?

D、什么样的价格太高,以至于您不能接受?

1.3 注意事项

A、实际购买力:为避免只考虑用户接受力而忽视购买力,在调研时,需要强调用户自己是否会购买;

B、价格说谎:为了解用户对价格评价的真实性,需要增大样本量以减小误差;

C、系统缺陷:为避免价格变化导致销量变化,在对调研内容进行分析后,可以根据结果设计不同的价格方案,进行组间实验。

分析详情

2.1 价格梯度表设计

我们假定对一款游戏装备,设计价格梯度表为:100金币,200金币,300金币,400金币,500金币,600金币,700金币,800金币,900金币,1000金币。

2.2 调研结果

在对玩家进行调研后,可以从四个问题中得到4个价格,例如玩家A认为200金币太便宜不会买,400金币比较便宜会去买,600金币贵但可接受,800金币价格太高不会买。

2.3 结果处理

对调研结果进行统计分析时,

最低价格和较低价格的百分比进行向下累计统计,即玩家认为200金币太便宜,也会认为100金币太便宜 ;认为400金币比较便宜,也会认为300金币、200金币、100金币比较便宜;

最高价格、较高价格的百分比进行向上累计统计,即玩家认为600金币贵的话,同样会认为700金币、800金币、900金币、1000金币贵;认为800金币价格太高的话,同样会认为900金币、1000金币价格太高。

2.4 数据分析

在DataFocus搜索框中,对处理好的数据进行搜索 ,设置折线图,可以获得如下四条曲线。

  1. “便宜”与“贵”曲线交点,即无差异价格点。在该点上,“认为便宜而购买”产品的人数与“认为贵但购买”的人数相等。人们对这个价格的感觉较为平淡。
  2. “太便宜”与“太贵”曲线交点,即理想价格点。在该点上,因太贵而不购买的人数与因太便宜而不购买的人数相等。是追求市场最大化的理想价格点,但不是利润最大化的价格点,即销售规模最大。

C、“太便宜”和“贵”曲线交点,该点为合理定价区间的最低点,在该点上认为贵和太便宜的人数相等。

D、“便宜”和“太贵”曲线交点,该点为合理定价区间最高点,在该点上认为便宜和认为贵的人数相等。

2.5 价格确定

通过“太便宜”和“太贵”的交点确定出最优价格,因为在这种情况下,既不觉得“太贵”也不觉得“太便宜”的人数是最多的,对于企业而言,在该价格上,有最多的消费者可能去购买他的产品。同时,由“太便宜”和“贵”,“便宜 和“太贵”确定出可接受的价格区间。

因此这份数据中,定价区间在500金币到600金币。如果定价550金币,我们可以获得最大的销售量。

SAAS版DataFocus Cloud正在进行公测,大家都可以参与,一起来体验云时代的“搜索式数据分析”吧~

 

– 内容汇总 –

0条评论

递交一条评论

电子邮件地址不会被公开。 必填项已用*标注