top of page

「前端」及「後端」定價策略

Updated: Apr 28

你有沒有試過在網購的過程中,因為價格錯覺而有被欺騙的感覺?這現象在電子商務很普遍,從表面上看到的價格,到真正付款時候有很大落差,令人洩氣,例如我時常在Amazon買書,到結賬時才發現郵費比書本還要貴。很多時候電商平台定價決策是基於盈利的考慮:應該在什麼時候,以何種方式讓用戶知道有那些潛藏費用?其中之一是「前端 」定價策略,即在消費者首次看到的商品價格,就是等於包含所有費用的最終價格;相反的是「後端」定價策略,也就是消費者最初看到收取的價格,只有到了付款的時候,才會知道其他額外費用。

StubHub作為eBay旗下的門票轉售平台,賣家有權自行設定其門票的價格,這些價格可以高於或低於門票的面值。除了票價本身外,買家還需要支付運費及平台服務費。當平台團隊開始考慮在最初或是最後才顯示這些潛藏費用,他們做了為期10天的實驗,追蹤在「前端」及「後端」價格策略下的幾個主要指標,包括每個用戶最終是否購買了門票。實驗結果十分顯著,「後端模式」用戶的門票購買率相比「前端模式」用戶高出13%,而前者比後者消費也多出5.42%,這證明當費用被隱藏時,人們會傾向購買表面看似便宜,但實際價格更高的門票。

有關數據揭示在商品隱藏附加費用,可以提高顧客的購買意願(最低限度是短期),因此,似乎可以下定結論,在購買過程最後一步才顯示附加費用的做法,能夠誘使顧客花更多的錢──這顯然是公司所關心的結果,但在進行實驗時,我們還要仔細思考短暫結果和長遠利益之間的關係,例如隱藏的費用會否影響到用戶在未來使用該平台的回訪意欲。

在規劃一項實驗時(AB test),必須弄清楚如何將被研究的因變量(包括購買的可能性,每次購買的金額,客戶在未來繼續購買的可能性)影射到長期的盈利和增長上。

實驗的常態化是驅動業務的一種創新方式,以上所涉及的是互聯網迭代模式,也是產品經理必須擁有的技能。 國內有人把它稱之為「先開槍後瞄準」,邊學邊做,不要有所顧慮,勇於在錯誤中學習。

車品覺_紅杉資本中國專家合夥人、阿里巴巴商學院特聘教授暨學術委員會委員

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page