定价方法和定价策略是什么（定价的方法和策略分别是什么有哪几类）

企业定价是一门学问，涉及到定价的方法有许多，本文将为系统地介绍了定价背后的逻辑和方法。定价和**会涉及到企业的经营形态，精明的Boss可不会忽略这背后潜在的“商机”。

研究定价有什么作用吗？

有人认为**只是数字，有价意味着有收入。对商家而言，利用消费者对**的非理性认知，可以将**作为一种有力的竞争工具。定价手法和生活中常见的X.99元一样，是精通此道的商家在决定消费者的选择。

在这篇文章中，笔者将会介绍传统的**制定方法，以及如何进行面向用户的**研究。

**影响因素

传统领域有许多既定的定价策略和方法，基本思想与互联网产品可以共通，不同点可以对照参考。

互联网产品的关键性不同在于，商品的成本和收入结构相对复杂，和实物商品的“实物商品-赚取成本差价”不同，互联网可以创造出各种交叉补贴的盈利模式，不一定向用户收费，总体定价的重要性不如传统商品。此外是用户对**的决定性，产品价值受用户心理感受影响，定价灵活。但另一方面，人群对互联网产品的**极为敏感。

1. 内在因素

影响定价的因素可以分为内在因素和外在因素。例如：考虑目标人群和定位，产品的市场定位决定了**区间，以及财务上是否追求盈利。如果不以利润为目标，**可以低于成本。互联网产品大部分不以盈利而是圈住用户为首要目标，所以**没有底线。

2. 外在因素

外在因素中，首先考虑需求弹性，需求弹性=需求量变动的百分比/**变动的百分比。大部分互联网产品的需求弹性大，收费提价时用户会大量流失。

第二是市场情况，行业的发展水平越高，享受的**红利越小。最后是环境因素，整体社会经济水平、政策环境、宏观法律调控手段等。若产品要经过渠道销售，需要为中间商留出利润空间。

定价策略与方法

1. 新产品定价策略

按照对产品定价的高低，可以简单地将定价策略分为三种：撇脂定价、满意定价和渗透定价。

撇脂定价指新产品以高价销售，例如：iPhone这种有核心不可替代属性的产品。

• 优点是身价高，降价空间大。
• 缺点在于诱发竞争，空间有限。

互联网产品很少使用撇脂定价，少数例外比如有忠实粉丝的网红，变现**再高粉丝也会买单。再比如：直播间的高价火箭，是为了体现土豪的身价。

渗透定价与撇脂定价相反，以低价扩大市场占有率。因为获取用户效率高，在极度追求用户量的互联网被广泛采用，另外有用户量才形成规模经济效益的特点符合渗透定价的先决条件。缺点在于资金要求高，用户没有忠诚度，很多产品会一轮轮融资，坐拥用户也会着急赚钱。

满意定价介于前面两种定价策略之间，将**定在中等水平，在一定程度上避免二者的缺点。

不同导向的定价方法

按照不同的价值导向，有成本导向、需求导向和竞争导向三种类型，三者代表不同的角度。

成本导向最基本，将成本作为**依据，最为经典的成本加成定价法计算公式是：单价=单位成本×（1+目标利润率）。

重要问题是，如何计算产品的成本？互联网的服务产品没有实体，成本是否为0？

成本包括固定成本和变动成本，固定成本是必须的一次性投入，变动成本是每多生产一件商品随之增加的成本。以游戏为例：需要购买引擎这些固定成本，给玩家提供游戏道具或拷贝是变动成本。

互联网虚拟产品变动成本或者说边际成本接近于0，但固定成本是需要支出的。成本会不断变化，用户数每上升一个阶段需要更多固定成本，比如：扩充服务器。从这种意义上说，虚拟服务是有限资源。

需求导向定价法根据用户愿意支付的**来定价，用户的心理价值是愿意支付的**，产品**不高于预期就会有购买动机，这种思路适用于互联网定价。产品需要做的就是找出用户的心理价值，提高感知价值。

竞争导向定价法以同类竞品**为定价基本依据，常见于随行就市定价法。除此之外还有投标，拍卖定价法等，在互联网产品上更多用于营销，比如：一元拍卖网易黑猪。

基于用户的**研究

方法上文介绍的需求导向定价法是从用户心理价值出发的思路，那么实际工作中，我们如何知道用户对产品的心理**是多少？最高能接受多高？当前的**和调整的**对他有多大的吸引力？

这些问题都可以通过**研究方法来解决。

根据测试中是否考虑竞品的**，将**测试方法分为两类：

• 一类最为基本，考察产品**变化时用户的心理感受，包括Garbor Granger法和**敏感度测试（P**）。
• 另外一类加入了竞品作为参照，更符合实际情况，包括扩展的Garbor Granger法和品牌/**交替选择模型（BPTO）。联合分析法考察商品的多种因素对用户选择的影响，**经常会作为其中一个元素，因此可以应用于**研究。

**敏感度测试

**敏感度测试调查用户对产品不同**的接受程度，确定能够接受的**范围，找出用户意义上的“最优**”。

测试过程是，向用户呈现产品，随后给出**测试表，可以用卡片或者电子问卷形式呈现，让用户找出以下四个点：

• Q1：从哪个**开始觉得产品便宜；
• Q2：从哪个**开始觉得产品贵；
• Q3：从哪个**开始觉得产品太贵（以至于不会买）；
• Q4：从哪个**开始觉得产品太便宜（以至于不想买），其中Q3>Q2>Q1>Q4。

分析方法是计算不同**下四个**点的累计频率，即在每个**点下有百分之多少的人会觉得便宜，其中觉得便宜和贵的累计总和方向不同，例如：如果某个用户认为5元太贵了，那么他必定也会认为6元太贵，对于便宜则相反。

在坐标轴上画出四条随**变化的积累人数百分比曲线图，以P2点表示便宜和觉得贵的曲线交点，P1表示觉得太便宜和贵的曲线的交点，P3表示觉得便宜和太贵的曲线交点。

一般认为P2是最优可接受**，因为在该点上，既不觉得便宜也不觉得贵的人数最多，P1和P3所对应的**范围是可接受的范围。

在**敏感度测试中有以下注意点，在其他**测试中也是通用的。

用户样本的选择，根据测试目的，选择一定数量的普通样本、特殊样本或混合样本。例如：新产品测试可选择****或总体市场的代表性样本，产品线延伸的测试可选择原有用户，若目的是吸引竞品，则应包含竞品用户的样本。

测试材料：越接近实际产品越好，如果是实物最好选择实物，其次是**、照片、概念描述等。如果是非实物，可让用户试用；如果涉及到多种产品，呈现方式应相同。

**范围：**间距通常是当前**的3%~5%，选取6~12个点，上下限范围最好不要太大，可通过预测试来确定范围。

Gabor Granger法

Garbor Granger法用于研究产品**变化时，用户购买意愿的变化，又称**断裂点模型，可用于找出销售额最大的**点。

测试流程如下，首先向用户呈现产品，随后将准备好的一系列**水平由低到高依次向用户呈现，可以以卡片或电子问卷形式，询问用户在每个**点的购买意向。

如果这种产品的售价是____，您的购买兴趣是？

1. 一定会购买
2. 可能会购买
3. 说不好会不会购买
4. 可能不会购买
5. 一定不会购买

Garbor Granger法的第一种作用是找到最大收益点对应的**水平，统计每个**水平的肯定或可能购买人数百分比，在较高**下回答肯定或可能购买的用户，在更低的**水平也会回答肯定或可能购买，计算虚拟收益=**×肯定或可能购买的百分比。产品定低价时购买人数最多，但收益并不是最高的。

绘制可能或肯定会购买的人数占比随**变化的曲线，根据这条曲线可以了解两种信息：

• 一类是用户需求信息，当**处于最低点时，对应的值是最大潜在需求，一般在**最低点，表示的是即使**到最低，总有一部分人不会购买。
• 与此相反的是核心忠诚用户的比例，即使**再高，还会有一小部分刚需用户愿意购买，曲线的起伏程度反映需求弹性的大小。

另一方面，曲线还可以反映细分市场信息，例如：下图中的**需求曲线，与蓝色曲线不同，可能存在两个市场，在较低的**范围内，随着**上涨，需求上升，在某个点达到顶峰，在另一个**更高的范围内，消费者对**不太敏感，此处可能存在更高价的细分市场。

扩展的Gabor Granger法

现实中用户有多种选择，**敏感度测试和Garbor Granger法都没有考虑竞品**的影响。有人将Garbor Granger法进行扩展，以研究**对品牌和竞争品牌的影响。

扩展的Garbor Granger法有两种模式：

• 第一种模式较为简单，加入竞品但竞品的**不变化，即在Garbor Granger法中，向用户呈现**时，不仅呈现待测产品的**，还会告诉用户一系列竞品的**是多少，作为一种对照，竞品**不会变化，用户也不能选择竞品，分析方式与Garbor Granger法类似，可以了解当产品**变化时，用户流向了哪些竞品。
• 另一种模式是竞品**也会产生变化，用户也可以选择购买哪一个品牌，但实施起来会比较复杂，例如：有6个品牌，每个品牌有6种**水平，如果要让用户在所有可能的**情况下进行选择，那么一共要选6^6=46656次，这是不现实的。研究此类问题时，可以使用接下来要介绍的品牌/**交替选择模型。

品牌/**交替选择模型（BPTO）

该方法可用于测试竞品和待测产品**变化时，对用户选择的影响，不仅是**研究，同样是衡量品牌的相对价值。该方法有专用软件，也可使用准备好的卡片，或自行编写软件实现。

测试需要准备所有品牌的所有**水平，**水平可根据该品牌实际情况确定。

出示一组标价的，互为竞品的产品，从最低**开始询问选择，之后升高用户选中品牌的**水平，其余品牌的**维持不变，继续选择。

结束的条件有两个：

• 一是某品牌产品最高**已被选中，剔除该品牌，重复直至有产品被选中最高**，保证用户做出了偏好选择；
• 二是用户已选择20次，保证能够从每个用户收集到一定量的数据。

用下面这个案例来说明（案例和数据为虚构，与真实情况无联系），在这个虚拟的共享单车**研究中，选取了5个共享单车品牌，ofo、mobike、hellobike、****ming、qibei，假设所有品牌的**起点为0.5元/小时，**水平之间的间距均为0.5元，最高价为5元/小时。

向用户提问：假设你现在想借一辆共享单车，不考虑押金问题，这些是现有品牌和每小时的骑行**，你会选择哪个？

当用户选择某个品牌，比如：ofo，则提高ofo的**到下一**水平1.0元，其他品牌**不变，继续下一轮选择。如果某个单车品牌的**到了最高5元且被用户选中，则去掉该品牌只显示剩余4个品牌，持续选择到选择20次为止。

下方的gif图用于展示一次选择过程，如果选择了20次还没有品牌被选中最高**，则继续选择直到条件满足。

BPTO对用户样本量需求较大，根据品牌数量变化，一般样本量在200以上效果较好。

可以从以下几个角度进行分析，例如：品牌选择，初始条件下，用户第一选择的比例反映对品牌的喜爱程度，品牌忠诚度还会反映在**上，其他品牌在1元的水平，用户愿意为某品牌出价1.5元，其中的价差就是品牌溢价。同理还可以按照待测试品牌的当前**计算市场份额，或按照不同性别/年龄对用户分类，列出不同类型用户的品牌偏好。

另一个分析方法是绘制需求曲线，绘制出待测试品牌**变化，其他品牌**不变时，用户选择的变化。假设这样一个场景，例如：网易也要进入共享单车市场了，随着网易单车的**变化，用户会选择哪些品牌？

BPTO法的缺点可能在于对**过于强调，用户做选择不仅仅考虑品牌和**两个因素，也会包括商品的属性。这些属性对用户的选择有哪些影响，就可以用到联合分析法，下次有机会我们再进行介绍。

上面介绍了许多**研究方法，帮助我们了解用户的**感知，在此之外，我们还要探究原因是什么？用户为什么认为这样的**是高的，或者是低的？以及我们如何改变他的想法，让他觉得这样的**是值得的？

相信这些问题的答案是更有实际价值的。