一种基于电商预售模式的产品折扣智能设置方法

摘要

本发明公开了一种基于电商预售模式的产品折扣智能设置方法，包含：征集若干与产品目标人群背景特征一致的被试者；采集每位被试者在进行预售购买决策时的行为数据；统计采集到的行为数据得到折扣价格和预售时间之间的关系式；确定产品的预售时间，并根据统计得到的关系式计算出折扣价格。本发明提供的基于电商预售模式的产品折扣智能设置方法，通过行为数据分析，得到某种产品的预售价格和折扣时间之间的关系，商家能够快速根据产品的预售时间确定一个比较合理的产品价格。

说明书

技术领域

本发明涉及一种基于电商预售模式的产品折扣智能设置方法。

背景技术

近年来，电商预售等模式以其锁定优质购买力流量的优势，逐渐受到各大电商企业青睐，广义上的预售模式不仅包括特定购物狂欢节中的预售活动，同时也包括电商平台中日常的促销，如淘宝的聚划算、京东秒杀等促销方式，虽然促销形式是团购，但究其本质也是要求消费者等待一段时间(一般为一天到两天左右)再进行购买折扣产品。这样类似预售的日常促销方式，以其降低企业库存成本、增加用户流量的优势，成为各电商企业的必备营销方式。

但是电商企业在推出预售营销模式的过程中，为了让消费者等待一定的时间，势必需要做出一定的让利，这就存在产品预售的折扣设置问题。如果折扣过大，会造成单品利润的显著下降，也不利于品牌维护和在消费者心目中的稳定形象；如果折扣过小，则难以吸引足够的流量，影响预售的效果。

发明内容

本发明提供了一种基于电商预售模式的产品折扣智能设置方法，解决了上述提出的问题。具体采用如下的技术方案：

一种基于电商预售模式的产品折扣智能设置方法，包含以下步骤：

征集若干与产品目标人群背景特征一致的被试者；

采集每位被试者在进行预售购买决策时的行为数据；

统计采集到的行为数据得到折扣价格和预售时间之间的关系式；

确定产品的预售时间，并根据统计得到的关系式计算出折扣价格。

进一步地，采集每位被试者在进行预售购买决策时的行为数据的具体方法为：

设置若干预售时间和若干折扣价格，使其两两组合形成多个跨期组合；

使产品原价和即时购买组成当期组合；

使被试者在当期组合和多个跨期组合之间进行选择从而得到被试者在每个预售时间下的愿意接受的折扣价格。

进一步地，预售时间设置在一天至一个月之间。

进一步地，折扣价格设置在最高临界值和最低临界值之间。

进一步地，最低临界值通过下述方法确定：

对征集的被试者进行调查问卷，在告知被试产品原价的基础上，询问其相比于立刻可以购买到目标产品，如果该产品要一个月以后才能发货，愿意出的最高价格是多少，根据被试者出价的平均值的a％确定最低临界值。

进一步地，其中，a大于等于60且小于等于70。

进一步地，a为66。

进一步地，最高临界值大于产品原价。

进一步地，统计采集到的行为数据得到折扣价格和预售时间之间的关系式的具体方法为通过双曲模型对行为数据进行统计，

其中，D为预售时间，v为被试者在每个预售时间下的愿意接收的折扣价格，通过行为数据拟合计算出V和k，从而得到折扣价格和预售时间之间的关系式。

进一步地，统计采集到的行为数据得到折扣价格和预售时间之间的关系式的具体方法为通过指数模型对行为数据进行统计，

v＝Ve

其中，D为预售时间，v为被试者在每个预售时间下的愿意接收的折扣价格，通过行为数据拟合计算出V和k，从而得到折扣价格和预售时间之间的关系式。

本发明的有益之处在于所提供的基于电商预售模式的产品折扣智能设置方法，通过行为数据分析，得到某种产品的预售价格和折扣时间之间的关系，商家能够快速根据产品的预售时间确定一个比较合理的产品价格。

附图说明

图1是本发明的基于电商预售模式的产品折扣智能设置方法的示意图。

具体实施方式

以下结合附图和具体实施例对本发明作具体的介绍。

如图1所示的为本发明的一种基于电商预售模式的产品折扣智能设置方法，主要包含以下步骤：S1：征集若干与产品目标人群背景特征一致的被试者。S2：采集每位被试者在进行预售购买决策时的行为数据。S3：统计采集到的行为数据得到折扣价格和预售时间之间的关系式。S4：确定产品的预售时间，并根据统计得到的关系式计算出折扣价格。通过上述的基于电商预售模式的产品折扣智能设置方法，对被试者的行为数据进行分析，得到某种产品的预售价格和折扣时间之间的关系，商家能够快速根据产品的预售时间确定一个比较合理的产品价格。

对于步骤S1：征集若干与产品目标人群背景特征一致的被试者。

首先，挑选与产品相对应的合适的被试者。可以理解的是，对于不同的产品，其所面对的消费人群是不同的，所以，挑选的被试者也是不同的。比如对于口红产品的调查，选择男性很明显是不合适的。所以需要根据产品的具体特性挑选适合的被试者。具体的，如何根据产品挑选适合的人群，是每个商家能够根据产品的定位总结出来的，此处不再赘述。

被试者的数量不能太少，否则采集到的数据会不够精确。一般，征集的被试者的数量大于20人，这个可以根据具体情况进行选择。优选的，在本发明中，被试者的数量选择为30人。

对于步骤S2：采集每位被试者在进行预售购买决策时的行为数据。

具体的，采集每位被试者在进行预售购买决策时的行为数据的具体方法为：

设置若干预售时间和若干折扣价格，使其两两组合形成多个跨期组合。

使产品原价和即时购买组成当期组合。

使被试者在当期组合和多个跨期组合之间进行选择从而得到被试者在每个预售时间下的愿意接受的折扣价格。

在本发明中，预售时间设置在一天至一个月之间。折扣价格设置在最高临界值和最低临界值之间。

最低临界值通过下述方法确定：

对征集的被试者进行调查问卷，在告知被试产品原价的基础上，询问其相比于立刻可以购买到目标产品，如果该产品要一个月以后才能发货，愿意出的最高价格是多少，根据被试者出价的平均值的a％确定最低临界值。优选的，a的取值范围大于等于60且小于等于70。在本发明中，a为66。

进一步地，为了保证后续的数据分析时拟合的曲线的完整性，最高临界值设置成大于产品原价。如果产品原价为M元，为了保证曲线的完整性，一般取值为1.05％*M元。

在本发明中，一种具体的测试方法如下：

商家设置预售时间类型，如一天、两天、三天、一周、两周、一个月等，共X种。

商家设置折扣价格类型，如原价为100元，折扣价格类型可以设置为105、100、95、90、85、80、75、70、65、60、55、50、45、40元等，共Y种。

预售时间与折扣价格类型共形成了X*Y种跨期组合，即共84种。

每位被试者在观看到产品介绍后，需要在跨期组合和当期组合中做出选择，共决策判断X*Y次。这样，可以得到被试者在每个预售时间下的愿意接受的折扣价格，即“无差别点”。

可以理解的是，预售时间的数量X和折扣价格的数量Y可以根据具体情况进行设定。

对于步骤S3：统计采集到的行为数据得到折扣价格和预售时间之间的关系式。

在本发明中，分别通过双曲模型和指数模型对上述行为数据进行拟合。

双曲模型的公式为：

指数模型的公式为：

v＝Ve

其中，D为预售时间，v为被试者在每个预售时间下的愿意接收的折扣价格，通过行为数据拟合计算出V和k，从而得到折扣价格和预售时间之间的关系式。其中，系数V为未折现值，意为在特定等待时间下的折现值，代表被试者的主观价值。k为折现率，表示随等待时间增加折现值的减少程度。

拟合的具体情况如下表所示。由此可见，人们所愿意接受的折扣价格随着等待时间的增加而逐渐减少，并且双曲模型的拟合效果优于指数模型。其中，AUC为拟合的曲线下面积，面积越小，曲线越陡峭，说明随预售时间增加折现值的减少程度高，即被试者更倾向于即时消费。

表1.双曲模型与指数模型的拟合情况

对于步骤S4：确定产品的预售时间，并根据统计得到的关系式计算出折扣价格。

在得到上述拟合的公式后，即得到了预售时间和折扣价格之间的关系，这样，商家在确定了产品的预售时间D后，将其选择性的代入到上述的两个公式中的一个，得到折扣价格。优选的，选择上述两个拟合效果更好的公式进行计算，在本发明中，选择双曲模型公式进行计算。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。