《為什麼他的商品可以翻倍賣?》:快思還是慢想?顧客深受行為的捷思法和偏誤影響
我們想讓你知道的是
《哈佛商業評論》研究發現,提高定價對公司的影響,幾乎是銷售成長的四倍!麥肯錫(MicKinsey)也發現,每增加1%的售價,可以使EBITDA表現提升22%,股價上漲25%!本書作者是華頓商學院MBA,將全面解答你對訂價的各種問題。
文:大衛・法爾扎尼(David Falzani)
管理科學、心理學和行為經濟學中,有些精彩論述涉及認知偏誤,還有人們在做決策時會受這些因素影響的情況。
這是一個重大又趣味的議題,迅速了解這一點能幫助我們更理解推動訂價和一般購買行為的因素。這個學科是B2C市場中,實體做決策的「命脈」,也在B2B市場裡占有一席之地。
此外,身為消費者的你,也能利用其中的要點來抵禦某些常見的招數,並藉此獲得更好的交易條件。
提醒一下,前面提到長期訂價過低,主要是因為認知偏誤作祟,而認知偏誤有好幾種,其中有好一部分涉及框架效應和促發。我想強調這一部分,幫助理解顧客看待價格的觀點,因為我們能從中了解公司制定和調高價格的情況。
好幾個認知偏誤之所以存在,是因為人類演化造成,尤其是我們的祖先需要能快速、反射性地做出決策。
康納曼在著作《快思慢想》中提供精闢的說明,提到人腦是以系統一和系統二做決策的原理。系統一的速度快,藉由運用經驗法則,並取用深層經歷的捷徑來做出多數決策。
系統二的速度較慢又更有邏輯,但卻受到強勢的系統一牽制。這兩套系統在人類演化的歷史裡發揮正向作用,現在卻被政客、媒體及行銷人員操縱,用以放大自身利益,而不見得真正回饋到消費者身上。雖然多半決策是由系統一主導,但是系統二卻誤以為一切在掌控之下,可以說人類的意識心理會在回溯時為決策找理由,但由於原先是潛意識心理做出的選擇,所以找到的理由往往不正確。長期以來,可以見到許多顧客無法充分解釋自己購買的原因和模式,他們表明的理由也禁不起推敲。
顧客深受行為的捷思法和偏誤影響
數十年來,許多測試顯示消費者的決策異常不理性。然而,他們自己卻不這麼認為。這一點格外重要,多數人被詢問時,總是會說自己是好好想過才做出購買決策,但是所有證據卻顯示,多數人的實際情況正好相反。
因此,可總結到以下所說的內容屬於大多數購買者「忽略沒注意到的」,他們受到下述因子左右而不自知,除非特別經過訓練才能察覺。
促發偏誤
促發是指無意識中認為最先接受的資訊,遠比後來獲得的資訊更重要。換句話說,最初資訊會改變對後續資訊的認知,第一個資訊比第二個資訊來得重要,第二個資訊又比第三個或第四個資訊更重要,以此類推。
菲利普.葛雷夫(Phillip Grave)在著作《顧客心理戰》(Consumer.ology)中,提出簡單例子闡述這個道理。請你快速瀏覽以下兩人的描述後,回答較喜歡約翰或馬克?
- 約翰:聰穎、勤勉、直來直往、好批評、固執且嫉妒心強。
- 馬克:嫉妒心強、固執、好批評、直來直往、勤勉且聰穎。
儘管兩者的描述只有陳述文字順序的差別,但是多數人都會回答約翰。因為人們不是忙碌,就是懶惰,或是由於我們的祖先需要處理資訊並迅速做出決策,所以我們會在看了前半部的敘述就心裡有底,之後也不想要變更。
稍微理解這一點後,就能明顯看出,只要調整提供資訊的順序,就能影響他人的認知。這種資訊編排的方式會為提案加分或扣分,現在就試試把這一點套用到虛構的休旅車範例中:
- 一號休旅車:尊榮版、寬敞、舒適、玩樂專用、可越野、抓地力不佳、高油耗、不好停車又不環保。
- 二號休旅車:不環保、不好停車、高油耗、抓地力不佳、可越野、玩樂專用、舒適、寬敞及尊榮版。
雖然兩者的描述一模一樣,但是哪個吸引力高一看便分曉。
再舉一個促發偏誤的例子,���是節錄自康納曼著作的內容:
球棒和球要花費1.10美元。
球棒比球貴1美元。
請問球的價格是多少?
你覺得答案是什麼?
多數人會回答0.10美元(即10美分)。
正確答案是0.05美元(即5美分)。
這個問題有兩種解法:一種是憑直覺作答;另一種是花時間仔細思考。憑直覺回答法大幅受到促發的影響,大腦很難不看到1.10美元和1美元,並計算出差值為10美分,然後給出錯誤答案。
另一種作答方式則是使用代數。我們一起來計算,以數學來看球和球棒加起來是1.10美元,因此,一顆球的價格是0.05美元(即5美分),而不是大腦直覺想到的10美分。
以下再舉康納曼的另一個範例,配合字卡展示的效果最好,不過先姑且這樣一試。
在五秒內,用猜測或大略抓出以下兩個算式的答案:
- 1×2×3×4×5×6×7×8=?
- 8×7×6×5×4×3×2×1=?
有數學概念的人馬上就知道兩個算式答案一樣,不過讓一群學生作答時,他們的平均猜測如下:
- 1×2×3×4×5×6×7×8=? 平均猜測=512
- 8×7×6×5×4×3×2×1=? 平均猜測=2,250
再次看見把大的數目放在前面,結果會有差別。
因此可知促發的強大威力,還有大眾多麼深受影響。你該想的關鍵提問是:在自己的企業裡,要怎麼運用促發來促進資訊效果,尤其是在訂價時提升知覺的觀感?
敏感度遞減偏誤
我說過多數消費者自認為理性決策者,但是就很多情況來說,這並不正確。敏感度遞減偏誤(diminishing sensitivity bias)表示,同樣價值的決策會因為情境變化而受到極為不同的對待。
例如,比起多走十分鐘的路程,購買600美元商品,省下10美元,一般人寧可多走十分鐘的路程,購買25美元的商品,省下10美元。這時候在兩個例子裡,10美元的金額一樣,要節省所需付出的代價也一樣,照理說10美元對省下花費心力的吸引力相同。不過撇開邏輯,這10美元在總價格中所占的比例會影響其價值。這分明不理性,因為10美元就是10美元,而省下這些錢要付出的心力都一樣。
損失規避
損失規避是一個常見偏誤,是指我們看待損失和獲利的態度不同。一般而言,損失比起獲利更有感。
1979年,心理學家康納曼和阿摩司.特沃斯基(Amos Tversky)提出損失規避的概念。康納曼接著用經濟決策研究認知過程,並在2002年獲頒諾貝爾經濟學獎。
我們來檢視這個社會科學的知名案例,稱為「救災難題」(disease problem)。
試想有一場疫情爆發,你要選擇兩種方案之一來處理會影響600人的疫情。
你會選擇以下哪一個方案?
- A:確定200人存活。
- B: 三分之一的機率600人全數獲救,三分之二的機率無一倖免。
現在換一個方式提問:
你會選擇以下哪一個方案?
- C:確定400人死亡。
- D: 三分之一的機率無人罹難,三分之二的機率600人全數死亡。
多數人(原樣本中72%的受試者)在第一題選A,第二題選D(78%)。然而,A和C一樣,且B和D也一樣。多數先選A而後選D的人是因為(完全相同)結果的描述方式而改變選擇。因為人們對損失的不適反應遠大於獲利,選擇B和C都表示必定會有損失,清楚表達這種偏誤,才會讓人做出如此選擇。
同理,如果某個投資機會有50%的機率能讓投資基金翻倍,50%的機率會損失全部基金,多數人會不願意投資。這是因為潛在損失或比潛在獲利更令人難以忍受,即使平均而言這是一個制勝策略6。
我們注意到投資人較想留著會賠錢的股票,而會賣出能賺錢的股票,不過相反過來的情況才合乎理性。
利用損失規避的商業例子,包含免費樣品和免費試用期,如免費訂閱。一旦人們持有某樣東西後,損失的情緒成本會高於將其留下的成本。公司有時候會把適用訂閱期限到期塑造成一種損失,訴諸顧客心中的損失規避偏誤。
來源偏誤
來源偏誤(source bias)是指在不同情境下,對相同物品賦予不同價值。簡單的例子是一罐可樂,大家願意在超市裡為一罐可樂支付的金額,遠低於在豪華飯店大廳願意為一罐可樂支付的金額,這罐可樂是一樣的,但價格卻天差地遠。
可以說販售的場景也會被納入產品的一環,然而理性的大腦會知道,這是用巨大價差販賣完全相同的產品。在這個例子裡,理性做法是到附近的超市買一罐可樂回飯店喝。
定錨效應
定錨是商業中常被拿出來達成非凡效果的強力概念,現在以協商理論(theory of negotiation)來舉例,回想第二章提到在市場買毯子的例子。這是常見的議價情境。你看見一條想要的毯子,上面沒有標價,這條毯子要賣多少錢?
你詢問價格,老闆出了一個高價,而你回應一個低價。
有可能買賣雙方折衷而成交,也可能談不��價格,所以你換到別家購買。這就是經典的議價,價格未知,所以協商過程主要是為了訂出價格。
先出價與否是一個經典問題,你要先出價,還是先詢問對方價格?先出價的那一方會在協商中「定錨」。
之所以稱為定錨,是因為就像船錨一樣,一旦擺放下去,就很難挪動到新位置。
在定錨情況中,人們往往會以第一個接收到的資訊,當作後續決策或行動的指引。
日常定錨的例子是商店中的價格標籤,把物品標價後,店家便決定難以移動的錨點。注意:困難是困難,卻並非絕對不可能。我通常會叫學生到百貨公司殺價買東西,當成個人成長挑戰(聽起來很出人意表,但是確實有效)。
參考價位的框架效應和促發
商家很懂得這一點─為類似產品設定高低不同的價位,這麼做可以說是為了提供符合形形色色品味的產品,但是在觀看最高價位產品時,問問自己:它們真正賣出的情況有多常發生?或者只是擺放出來,讓其他產品看起來更有價值?分階層的價格,使用多重價位,是一個非常強大的做法。
市中心的店家通常會展示價格極為昂貴的產品,最後購物者習慣高價,稍低一點的價位就會覺得很有價值,或是至少在某個時刻,會讓購物者感覺夠值得。
同樣地,還有一種偏誤被我稱為「商場效應」(emporium effect)。你是否逛過一種集結眾多共同主題的商店,販賣類似產品的商場?一旦踏入其中,就表示你是潛在顧客,而商場效應是指你看到選擇太多,所以需要有人幫忙提供建議才好選擇。所幸,商場中有很多專家願意給你「最佳選擇」建議。
同樣地,價格之多也會產生定錨效應。如果在家中或辦公室裡,理性一點來看某產品的價格,得到的看法會和置身滿滿高價堆疊的環境中截然不同。就像上述提到的手錶例子,在貴得離譜的產品面前,普通貴就會讓人覺得很有價值。
順帶一提,也可以注意到,如果你想快速觀看眾多購物���項,特別是如果想多了解可得選項的廣度與多樣性,商場可能是絕佳選擇(簡直無可匹敵),因為不在商場很難有這樣的機會,或是會耗費時間,這也解釋商場會這麼受歡迎的原因。
書籍介紹
本文摘錄自《為什麼他的商品可以翻倍賣?華頓商學院MBA打破成本迷思的訂價學》,商周出版
作者:大衛・法爾扎尼(David Falzani)
譯者:陳依萍
- momo網路書店
- Readmoo讀墨電子書
- Pubu電子書城結帳時輸入TNL83,可享全站83折優惠(部分商品除外,如實體、成人及指定優惠商品,不得與其他優惠併用)
- 透過以上連結購書,《關鍵評論網》將由此獲得分潤收益。
「任何考慮為產品訂價的人必讀本書。」
——Booking.com共同創辦人,安迪・菲利普斯(Andy Phillipps)博士
不靠賣得多,不靠亂漲價,這樣的定價策略最有效
解決你賺不到錢的獲利指南!
你知道:要價20元和100元的礦泉水,有什麼不同嗎?
許多倒閉的企業經過證實,只要售價增加1%左右就可以不必慘賠!
但是我們經常認為漲價是大事,會影響銷售、帶來負面觀感,
極少隨時因應環境改變,重新審視定價結構。
你可能覺得……
「我怕訂價太高,就沒人會買了。」
「我們賣得比競爭對手都貴耶!」
「客戶一定都選便宜的……」
學會訂價,不等於漫天開價!
鎖定正確的成長結構,才能找出讓企業長久營運的獲利模式!
《哈佛商業評論》研究發現,
提高定價對公司的影響,幾乎是銷售成長的四倍!
麥肯錫(MicKinsey)也發現,每增加1%的售價,
可以使EBITDA表現提升22%,股價上漲25%!
正確的訂價策略,可以讓公司保持成長、持續研發,
同時讓客戶和股東保持滿意!
本書作者是華頓商學院MBA,
將全面解答你對訂價的各種問題,包括:
如何運用心理效應提高定價?
1. 用不同價位販售根本上相同的產品。
大眾願意為專門用途付出更高的金額,就像平平是止痛藥,背痛藥、經痛藥、偏頭痛藥就是可以賣得更貴!
2. 提供中間選項。
《經濟學人》提供了三種訂購方案:
- 僅網站版,60美元(16%的人購買)
- 僅紙本版,120美元 0%
- 網站版+紙本版,120美元(84%的人購買)
每名顧客的平均花費為114美元,而中間選項看起來很多餘。
然而把看似多餘的中間選項去除掉,再做一次實驗,結果如下:
- 僅網站版,60美元(68%的人購買)
- 網站版+紙本版,120美元(32%的人選)
結果每名顧客的平均花費為降到80美元,對公司的利潤是一大打擊!
如何測試漲價,又不會激怒顧客?
- 進入新市場
- 推出新產品
- 創造平行產品
- 讓顧客難以比價
另外還有:
- 如何檢視自家產品在價格與績效上的市場定位?
- 怎麼從損益表中計算合理利潤?
- 14種常見的價格設定模型?
- 客戶在怎樣的情況下願意買貴的?
懂得定價科學,才能讓公司賣得輕鬆、賺得有餘裕,��長得無憂無慮!
【加入關鍵評論網會員】每天精彩好文直送你的信箱,每週獨享編輯精選、時事精選、藝文週報等特製電子報。還可留言與作者、記者、編輯討論文章內容。立刻點擊免費加入會員!
責任編輯:翁世航
核稿編輯:馮冠維
Tags:
《台灣產業 AI 準備度調查》凸顯「數據力、運算力」重要性,Google Cloud 提供 10 個步驟建議實現生成式 AI 應用
我們想讓你知道的是
過去兩年生成式 AI 的快速崛起,讓我們見證到 AI 如何以驚人速度影響著世界!不少企業對 AI 懷抱美好想像,但當實際著手導入 AI 專案,才驚覺內部 IT 基礎架構與資料策略存在許多缺漏。對此,Google Cloud 與人工智慧科技基金會(AIF)公布《台灣產業 AI 準備度調查》,作為企業經營者擘劃 AI 藍圖的參考,同時也為資訊長、IT 主管提供內部資源盤點指引。
前瞻技術能否發揮影響力,可藉助其應用產值加以觀察。根據麥肯錫 2023 年發布《生成式人工智慧的經濟潛力》報告,指出生成式 AI 每年可為全球經濟增加數兆美元的價值。另外,PwC 的 2023《全球人工智慧研究:發掘 AI 革命》預測到 2030 年,AI 將為全球 GDP 創造高達 15.7 兆美元價值。
AI 紅利大家都想分一杯羹,而究竟台灣企業普遍在擁抱 AI 機會的準備度現況又是如何? Google Cloud 攜手 AIF 製作《台灣產業 AI 準備度調查》,評估的面向涵蓋:數據力、創新力、技術力、治理力、運算力,結果發現,2024 年台灣企業整體 AI 準備度指數平均 54.08。其中,「數據力、運算力」與 IT、資訊工作最相關的指標,在這份報告提供深具價值的關鍵洞察。
企業 IT 部門最該關注「數據力、運算力」兩大指標,關鍵仍在企業策略
首先是「數據力」,對於計畫導入 AI的企業,數據的準備度至關重要。企業必須能快速蒐集、處理多個數據來源的資料庫,例如要跨部門合作打通ERP、CRM系統資訊,以整合不同來源的資料餵養企業 AI 模型、幫助企業各部門同仁從日常工作更輕鬆從資料獲取價值。
不過《台灣產業 AI 準備度調查》點出,目前僅 17.8% 的台灣企業有能力整合並快速處理不同來源資料。多數企業尚未打造一個資料存取的整合平台(如資料湖、資料倉儲),內部各類數據散落在不同單位,導致數據孤島 (Data Silos)情況普遍存在。除了業務單位無法快速、自主運用資料,當然也無法訓練 AI 模型洞察營運全貌,找出企業第二成長曲線的可能性。
至於該如何解此困境?根據《Google Cloud 如何協助機構運用生成式 AI 實現創新》白皮書,提出策略建議:善用雲端平台整合企業資料,同時在雲端環境訓練 AI 模型來深入分析營運資訊。像是 BigQuery、Cloud Spanner、Looker、乃至於 Vertex AI 相關解決方案,都已涵蓋在雲端的整合式智慧資料平台,不僅解決數據孤島還有效管理資料生命週期各個階段。
《台灣產業 AI 準備度調查》另一個值得科技人注意的是「運算力」,因深度學習訓練、圖像生成、自然語言處理等任務,皆需大量而複雜的計算,算力架構的規劃更應納入 IT 決策進行整體評估。從報告可以發現,目前 AI 模型所仰賴的 GPU 運算環境部署,混和雲、公有雲及私有雲,各有約 2 成的企業支持。
不過,進一步調查企業的運算資源策略,發現達 51.5% 企業仍處於不清楚規劃或沒有需求的狀況,若想要充分發揮生成式 AI 的潛力,構建兼具性能、敏捷和可擴展的基礎設施及運算資源是至關重要的。Google Cloud 台灣技術總監安玟宇提到,「當企業在評估運算資源,可先考量是否需要發展自己的大型語言模型,或是把 AI 視為驅動企業成長的工具之一,借助第三方 AI 方案對應企業的使用場景。」
評估算力資源的方式,目前有兩大模式為主流。其一是企業準備投入人力撰寫程式碼,希望部署專為 AI 訓練優化的特殊加速器,如 Google 提供的 Tensor Processing Unit(TPU),利用更進階的硬體進行更高效益的訓練運算;另一則是使用通用型 GPU 執行,把資源投資在其他優先處理相關業務場景。
從 0 到 1 打造生成式 AI,Google Cloud 分享 10 大步驟
有鑒於眼下 AI 的快速發展,企業資訊長或 IT 主管往往肩負起高層的期望:在公司內部快速導入生成式 AI 工具,幫助各部門成員提高生產力。至於該如何從實驗階段進展到加速階段,最終走向規模化?Google Cloud 在《給高階主管的生成式 AI 指南》白皮書當中,分享「30 天內推出第一個應用實例的 10 個步驟」,幫助企業快速展開 AI 旅程。
這 10 個步驟參考上圖所示,可粗略區分為幾大環節,第一階段是準備期(步驟 1 ~步驟 3),確認 AI 要解決哪個業務領域,或關注哪項需要 AI 輔助的工作職務。並且決定資料來源,減少幻覺回應並改善 AI 的可解釋性。
到了第二階段(步驟4~步驟7)則是展開期,包含選定專門團隊人才;確定意圖、目標和期望達到的成果;與專門團隊攜手設計提示;打造容易使用的操作體驗與介面。有了上述累積的基礎之後,到了第三階段(步驟8~步驟 10)則是擴展期,包含向團隊其他人員開放模型的使用;擬訂計畫監管 AI 模型輸出內容;以及將應用範疇拓展至其他應用實例。
當企業期待透過生成式 AI 來加快業務流程,甚至進一步為組織帶動成長,從《台灣產業 AI 準備度調查》發現,企業掌握資料搜集與應用能力的下一步,想要持續發揮 AI 價值綜效,必須在數據整合及運算工具資源繼續耕耘,尋找合適的雲端合作夥伴,AI 才會成為推動企業轉型的真正驅力。
本文章內容由「Google Cloud」提供。