[转] 微观经济学之定价策略(下):两部分定价与捆绑销售

2023-10-16 21:40

本文主要是介绍[转] 微观经济学之定价策略(下):两部分定价与捆绑销售,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

微观经济学之定价策略(下):两部分定价与捆 绑销售
icon2 Brain Storm | icon4 2010-02-10 12:11| icon3 22 Comments | 本文内容遵从 CC版权协议 转载请注明出自matrix67.com

    为了榨干消费者的每一分钱,除了价格歧视以外,商家还想出了各种招数。一种看上去似乎与此无关的定价策略叫做“两部分定价”。游乐 园、酒吧之类的地方广泛存在两部分定价的现象,即在消费者消费之前必须先一次性支出一定数量的“入场费”,入场之后才可以按单价支付你所消费的商品。为什 么商家要把费用分成这么两层呢?其实,根本目的还是在于从消费者手中赚到更多的钱。
    为了说明为什么两部分定价能赚到更多,我们不妨以游乐园来举例。为了简便起见,我们假设游乐园里只有一个游乐项目,比方说过山车。去游乐园的人只 有一个目的,就是去玩儿过山车。不过,过山车老玩儿也没意思,随着玩儿的次数增加,游客获得的“爽感”将逐渐减小,具体地说坐第 n 次过山车只能给他带来相当于 100-10n 元的价值(这也就是他第 n 次乘坐过山车愿意支付的最高价格)。我们再假设,运营过山车的成本是平均每人次 60 元。那么,游乐园应该怎样定价才能从消费者手中赚到最多呢?


 

    首先注意到,传统定价策略依旧有前面已经讨论过的缺陷——无论怎么也不能赚到消费者愿意支付的全部金额。例如,把价格定到 p ,则消费者只愿意玩 q 次过山车(再玩的话还能获得的收益就不抵还需支付的费用了),他需要支付的就是图中面积 A+C 所代表的金额。而面积 C 是运行 q 次过山车的成本,因此商家最终只能赚到一个面积 A 的钱。而事实上,为了坐这 q 次过山车,消费者愿意支付的价格是面积 A+C 再加上 A 上方的一个小三角形 F ,那块面积 F 怎么能白白便宜了消费者呢?于是,商家想到,何不把那块小三角形面积以“门票”的形式一次性收入囊中呢?
    于是,我们有了收费的新方法:坐一次过山车的单价仍然是 p ,但不管你坐多少次,你都需要事先缴纳面积 F 那么多钱作为门票。这样,你总共支付的价格就是面积 A+C+F ,除去成本 C 后,商家赚到的部分就是面积 A+F 。这就比刚才的定价方法多赚了一个三角形 F 的面积。

 
 

    然而,这种方法仍然不是最好的。为了继续赚到区域 A 右边的那块面积,商家还可以降低过山车单价,让消费者再多坐几次过山车。最佳的两部分定价方案就是,把过山车的单价定得和成本一样,然后直接收取成本线以 上的整个大三角形面积 F' 的门票费。这样,消费者愿意坐 q' 次过山车,总共支付 F'+C' 的钱,除去成本后商家净赚 F' ,理论上把消费者榨取得一干二净。
    细心观察你会发现,在生活中,两部分定价的例子还有很多。会员入会费、信用卡年费、手机月租费都属于两部分定价的典型例子。

 
    另一个常见的定价技巧叫做捆绑销售。例如,购买电视频道时,你会发现很多电视频道都不单卖,都必须要和其它的频道一起买才行。这就有些奇怪了:为 什么不简单地按需求给每个频道订个价,而偏要费尽周折设计那么多频道包呢?难道打包了卖会赚得更多一些吗?事实上还真是这样——绑定销售会使得商家获得更 高的利润。商家一切诡异的行为其动机都是唯一的——赚尽可能多的钱。
    为了解释这一现象,我们不妨从最简单的情况开始说起。假设有甲、乙两个人,以及 A 和 B 两个频道。甲愿意以 120 元购买 A 频道,愿意以 30 元购买 B 频道;乙只愿意以 100 元购买 A 频道,却愿意用 40 元购买 B 频道。如果对 A 、 B 两个频道分别定价,则显然应该为 A 频道定价 100 元,给 B 频道定价 30 元,此时商家收入 260 元。但若把 A 、 B 两个频道捆绑在一起销售,则可以给这个包的价格订到 140 元,这能让商家收入到 280 元。可见,捆绑销售确实能够给商家带来更多的利润。
    但捆绑销售不见得总有效。如果把上面的数据稍稍更改一下,甲对两个频道的估值分别为 120 和 40 ,乙对两个频道的估值分别为 100 和 30 ,则单独定价和捆绑销售都只能收入 260 元,这之间并无差异。由此可见,不是随便两样东西捆绑起来就能带给商家更多利润的,这背后还隐藏有一些条件。
    仔细观察你会发现核心问题所在——若捆绑销售能让商家赚更多,则一定是出现了这样的情况:这些频道的最低估价来自于不同的买家,即买家对频道的评 价不能是“都很好”或者“都不好”,对两个频道的评价呈现负相关。换句话说,对于某一系列商品,若消费者往往只偏爱于其中一个,并且不同人的偏爱不同,则 捆绑销售可以带来更多的利润。最经典的例子就是微软办公套件——为什么要把 Word 、 Excel 、 PowerPoint 捆绑销售,而不单卖呢?原因就在于,一个普通消费者并不会用到里面所有的软件,不同人对这几款软件的评价不同。虽然很多人觉得 Word 是最常用的,但财务人员则觉得 Excel 更加有用,而教师则觉得 PowerPoint 的价值更高。在这种情形下,捆绑销售将让商家赚得更多的钱。重庆数字电视的特选节目包包含 DOXTV 、世界地理、发现之旅、第一剧场、风云音乐、英语辅导、风云足球、老故事这 8 个频道,频道内容覆盖面很宽,基本上满足上述条件。影剧院、游乐园的套票,颜色、款式不同但不单卖的成套商品,都是典型的捆绑销售。

 
    运用这些基本的数学知识,我们还可以得出很多其它的定价方案,解释各种有趣的经济学现象。其实经济学并不仅仅是关于经济的学问,它是一种思考问题 的方式,旨在用简单的数学推导描述人们的行为。稍后我还想写一写微观经济学中一个同样有趣的结论——公有地悲剧。它和囚徒困境一样,是一种在日常生活中普 遍存在的现象,给人们带来的启发远远大于其本身的经济学意义。

这篇关于[转] 微观经济学之定价策略(下):两部分定价与捆绑销售的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/220957

相关文章

android一键分享功能部分实现

为什么叫做部分实现呢,其实是我只实现一部分的分享。如新浪微博,那还有没去实现的是微信分享。还有一部分奇怪的问题:我QQ分享跟QQ空间的分享功能,我都没配置key那些都是原本集成就有的key也可以实现分享,谁清楚的麻烦详解下。 实现分享功能我们可以去www.mob.com这个网站集成。免费的,而且还有短信验证功能。等这分享研究完后就研究下短信验证功能。 开始实现步骤(新浪分享,以下是本人自己实现

服务器雪崩的应对策略之----SQL优化

SQL语句的优化是数据库性能优化的重要方面,特别是在处理大规模数据或高频访问时。作为一个C++程序员,理解SQL优化不仅有助于编写高效的数据库操作代码,还能增强对系统性能瓶颈的整体把握。以下是详细的SQL语句优化技巧和策略: SQL优化 1. 选择合适的数据类型2. 使用索引3. 优化查询4. 范式化和反范式化5. 查询重写6. 使用缓存7. 优化数据库设计8. 分析和监控9. 调整配置1、

如何用外呼工具和CRM管理系统形成销售闭环

使用外呼工具和CRM管理系统形成销售闭环是一个系统性的过程,它涉及客户数据的整合、个性化的营销活动、销售与市场活动的协作、顾客行为的追踪与理解以及营销成效的评估与优化等多个环节。 以下是如何将外呼工具和CRM管理系统有效结合以形成销售闭环的步骤: 1. 客户数据的整合与分析    - 外呼工具在与客户进行初步沟通时,会收集到客户的基本信息和初步需求。    - 这些信息随后被输入到CRM管

设置Nginx缓存策略

详细信息 Nginx服务器的缓存策略设置方法有两种:add_header或者expires。 1. add_header 1)语法:add_header name value。 2)默认值:none。 3)使用范围:http、server、location。 配置示例如下: add_header cache-control "max-age=86400";#设置缓存时间为1天。add

【计算机组成原理】部分题目汇总

计算机组成原理 部分题目汇总 一. 简答题 RISC和CICS 简要说明,比较异同 RISC(精简指令集)注重简单快速的指令执行,使用少量通用寄存器,固定长度指令,优化硬件性能,依赖软件(如编译器)来提升效率。 CISC(复杂指令集)包含多样复杂的指令,能一条指令完成多步操作,采用变长指令,减少指令数但可能增加执行时间,倾向于硬件直接支持复杂功能减轻软件负担。 两者均追求高性能,但RISC

Go 三色标记法:一种高效的垃圾回收策略

💝💝💝欢迎莅临我的博客,很高兴能够在这里和您见面!希望您在这里可以感受到一份轻松愉快的氛围,不仅可以获得有趣的内容和知识,也可以畅所欲言、分享您的想法和见解。 推荐:「stormsha的主页」👈,持续学习,不断总结,共同进步,为了踏实,做好当下事儿~ 专栏导航 Python系列: Python面试题合集,剑指大厂Git系列: Git操作技巧GO系列: 记录博主学习GO语言的笔

文华财经T8自动化交易程序策略模型指标公式源码

文华财经T8自动化交易程序策略模型指标公式源码: //定义变量 //资金管理与仓位控制 8CS:=INITMONEY;//初始资金 8QY:=MONEYTOT;//实际权益 8QY1:=MIN(MA(8QY,5*R),MA(8QY,2*R)); FXBL:=N1; DBKS:8QY1*N1;//计算单笔允许亏损额度 BZDKS:=MAX(AA-BB,N*1T)*UNIT; SZDKS:=MAX(

【智能优化算法改进策略之局部搜索算子(五)—自适应Rosenbrock坐标轮换法】

1、原理介绍 作为一种有效的直接搜索技术,Rosenbrock坐标轮换法[1,2]是根据Rosenbrock著名的“香蕉函数”的特点量身定制的,该函数的最小值位于曲线狭窄的山谷中。此外,该方法是一种典型的基于自适应搜索方向集的无导数局部搜索技术。此法于1960年由Rosenbrock提出,它与Hooke-Jeeves模式搜索法有些类似,但比模式搜索更为有效。每次迭代运算分为两部分[3]: 1)

网络攻击有哪些新兴的威胁和防御策略

最新网络攻击威胁 近期,网络攻击的威胁呈现出新的趋势和特点。DDoS攻击仍然是一种严重的威胁,其次数和规模在过去一年中显著增长,攻击者技术不断升级,攻击成本逐渐降低。此外,攻击者的手段越来越多样化,包括传统的UDP flood攻击到更复杂的TCP反射、SYN小包等新型攻击手法。攻击目标也趋向于具有针对性,金融、互联网、医疗保健等关键领域成为攻击的重灾区。 防御策略 面对这些新的网络攻击威胁,

智能优化算法改进策略之局部搜索算子(六)--进化梯度搜索

1、原理介绍     进化梯度搜索(Evolutionary Gradient Search, EGS)[1]是兼顾进化计算与梯度搜索的一种混合算法,具有较强的局部搜索能力。在每次迭代过程中,EGS方法首先用受进化启发的形式估计梯度方向,然后以最陡下降的方式执行实际的迭代步骤,其中还包括步长的自适应,这一过程的总体方案如下图所示:     文献[1]