2017年6月3日,警方接到报警称发生恐怖袭击,警车驶向伦敦桥。蓝色警灯闪烁,从数以千计的在该地区餐馆和酒吧享受周六夜晚的人们身边经过。街上的许多人感觉到了危险,试图用优步(Uber)叫车赶回安全的家。可是,晚上10点07分警方接到第一个报警电话后的43分钟内,优步的动态定价算法导致该地区的价格飙升了200%以上。
伦敦事件只是优步在集体焦虑时期价格飙升的众多令人忧心的例子之一。类似的价格猛涨还出现在2016年纽约市爆炸案、2017年出租车司机罢工抗议美国反移民政策以及2020年西雅图大规模枪击事件期间——最后的这一次枪击事件导致车费飞涨500%之多。优步的算法定价一直饱受其9300万活跃用户诟病。伦敦桥恐怖袭击之夜,优步手动停止伦敦桥附近的峰时定价之后,这一机制仍在伦敦市中心周边地区有效运作了50分钟。
经济学家可能会赞美优步的定价引擎:需求大于供给时,乘车的价格就会攀升。然而对于客户而言,使用这项服务的成本犹如轮盘赌一样不可预测。
优步并非唯一面临这一问题的企业。许多行业——包括广告、电子商务、娱乐、保险、体育、旅游和公用事业——的企业都已采用动态定价,并取得了不同程度的成功。一个众所周知的经典例子是可口可乐,该公司在20世纪90年代末尝试使用会在热天提高饮料价格的感温售货机,引起公愤之后很快放弃了这一项目。
定价算法旨在帮助企业近乎实时地确定最优价格。算法用人工智能和机器学习来权衡供需、竞争对手定价和交付时间等变量。不幸的是,算法偶尔会出现异常,得出无人会买单的数字——从Wayfair上标价1.4万美元的橱柜到亚马逊上标价近2400万美元的一本教科书。不过,企业将决策行为托付给电脑,风险还不止这一种。
价格不断变化,向客户发出了的强烈信号需要妥善管理。然而,许多企业未能意识到这一点。企业知道价格会影响何时买、买什么的决定,但却忽略了这样一个事实:频繁的价格起伏可能会影响客户对产品的看法,更重要的是还会波及公司本身。
因此,各品牌在使用算法系统时需要考虑的不仅仅是简单的数学。算法系统会在赢得客户忠诚度与赚钱之间制造一种令人不快的紧张关系。但如果应用得当,算法可以在实现最大收益的同时让客户觉得自己为某一产品或服务付出的金额合理。
在本文中,我们对企业向客户要钱时涉及的心理学原理进行了探究。我们调查了现实中算法定价的例子及其利弊,并详述适当监督与管理的好处。监管包括确定承担此项责任的业务部门,以及应该设置哪些参数来限制监管滥用。
算法定价的心理影响
先看看Root保险公司(Root Insurance)的例子,该公司在美国30个州销售汽车保险。为了更好地教育客户、培养更好的关系,Root设计了一个动态定价计划,以透明的个性化方式对待每一位司机。与竞争对手不同,Root不是用人口统计数据生成的千篇一律的巨大风险池来细分定价,而是为司机提供了一个智能手机应用,用以衡量他们的日常驾驶行为。这些数据被输入一个算法,计算每位司机的个人安全分数。Root将驾驶员表现作为保费的主要依据,同时赋予信用评分和保险欺诈统计资料等传统因素一定的权重。为了减少对资源不足的客户产生偏见,Root不评估任何人的教育背景和职业(其他保险公司常用的行业因素),并承诺到2025年将不再把信用分数列入其安全评级。而且,Root只为通过其安全测试的人提供保险。该公司表示,排除技术拙劣的司机,可以减少与事故相关的保险开支,降低所有客户的保险价格。
Root的模式是一个有效的例子,说明了定价算法——以及算法的透明度——如何能够改善客户关系。首先,客户在看到Root的保单价格之前就知晓该公司考虑和不考虑的因素。第二,客户明白为何给自己的报价与别人的价格不同。第三,客户知道Root为将最终的保险成本降到最低程度所做的事情。
让客户了解算法定价的互惠性质,是成功的关键。因为花冤枉钱买东西会令人痛苦——字面意义上的痛苦。卡内基梅隆大学、斯坦福大学和麻省理工学院的神经科学家进行的研究表明,看到标价过高的产品时,人脑中的疼痛中心就会被激活。
要钱这个行为——无论何时、以何种方式——会立刻让客户关系的焦点从追求一致的利益转变为协调对立的利益。在最坏的情况下,要钱可能会疏远客户。以客户为中心的企业所面临的挑战是,在市场规范推动价格上涨、对原本可以得到良好发展的关系造成干扰时,如何将风险降至最低并限制损害。
在定价算法得到广泛应用之前,价格更具黏性,不同卖家之间的价格差别不大。客户的期望相对稳定,而且不会将价格看成个性化的东西。当价格变动造成实际成本和预期成本之间的差异时,客户就更容易对涨价进行合理化解释,认为涨价是作为精心制定的公司战略的一部分普遍实施的。
技术使得冲突愈加频繁,更显武断,规模更触目惊心——这让客户心感不安,比以往更难调和现实和期望之间的差异。与此同时,许多企业开始相信,如果客户的价格预期稳定且连贯,公司就肯定会少赚很多钱。按照市场规范,企业越来越多地利用算法来实现利润最大化。今天,即便是行动最迟缓的企业间电子商务(B2B)行业也在用强大的算法定价工具取代Excel电子表格。
技术使企业得以加深与客户的关系,同时也提高了从客户那里获取资金的效率和熟练度。然而,这种结合通常令客户犹豫自己应该怎么看问题、应该信任哪些公司。随着价格敏感度的提高,他们加班加点,试图理解价格的变化。价格波动是否能说明自己所购买的产品或服务的质量或合意度高低?又说明了卖家怎样的动机和价值观?这家企业对顾客到底作何看法?
如果价格变化趋于安定,这些问题可能变得不再紧迫。但如果价格波动的频率和规模仍然不确定,这些问题就会一直萦绕在客户心中,最终迫使客户在没有卖方明确指导的情况下得出自己的结论。这个时候,客户开始对算法的信息而不是公司的信息做出反应——对任何企业来说,这都是一件危险的事情。
为更好地控制算法定价对客户传达的信息以及对客户关系的影响,我们提供了四条建议,并提供实例供参考。
确定合适的使用场景和叙事
2020年,瑞典家具零售商宜家(IKEA)在其迪拜门店推出了一项新举措:在有限的时间内,根据顾客开车到商店所花的时间提供不同的产品价格。每一件商品——从餐厅的三明治到整套卧室家具——的价格都用两个单位表示:货币和时间。比如,有一家人开车到宜家门店需要45分钟,就可以获得与这个行程时间相应的折扣。他们可以在结账时向收银员出示Google Maps Timeline上的读数(使用谷歌地图手机应用程序的一项功能,可以跟踪和记录行经路线),收银员会运行一个算法,综合所花的时间、距离和迪拜的平均时薪,计算出此次行程的金钱价值,换算为相应的货币金额抵扣商品售价。路上花的时间越长,这家人得到的时间补助就越多,需要支付的金额越少。
顾客很容易从这个计划中推测出,宜家希望激励他们不惜路途遥远前往门店。尽管不同的客户会为相同的商品支付不同的价格,而且每个客户每次到店时可能会看到不同的价格(取决于来自哪里),但他们仍然觉得自己在价格方面有决定权。这种感觉与人们在价格飞涨时通常会有的那种无可奈何形成鲜明对比。最重要的是,客户购物时现付的钱只会减少——与来店的路程长短相关联——而不是因需求增加而上涨,因此任何人支付的价格都不会高于宜家网站上广告宣传的价格。换言之,宜家使用依据距离的算法来奖励客户,而不是置他们于不利地位。这可能会损失一些直接收入:开车距离足够远的顾客可能会获得大幅折扣,甚至可以免费获得某些产品。可是,通过选择合适的使用场景,加上人们到访门店的内在诱因,宜家可能会吸引更多远道而来的客户,并提高所有客户的忠诚度(以及理论上的终身价值)。
宜家这样的模式极其少见。企业通常采用动态定价来推进短期财务目标,很少考虑客户的感受。然而,算法实行的价格变化过于剧烈和频繁,向买家发出了强烈的信号,影响买家对从公司使命、价值观到产品质量等一切的看法。这些信号可能会排挤其他旨在塑造品牌与客户关系的叙事。在最坏的情况下,算法会把“向客户要钱”这一本来已很微妙的任务变成一种驱使客户离开的体验。因此,企业不能将定价技术的管理完全丢给数据科学家。
改进的途径不仅涉及技术,还涉及组织和心理层面。听起来似乎自相矛盾:更好的算法可能会让事情变得更糟——趁人之危、激起不满,伦敦桥遇袭时优步公司就是这样。
克服组织层面的挑战首先要认识到,算法定价不仅仅是一种生成价格、促使供需平衡的手段。算法定价是一项原则,需要企业自上而下协调一致。
客户在认为一家企业的价格完全依据供求关系时,得出的推论可能是有害的。举例来说,一家拥有高度差异化产品的创新型公司,若在其定价算法中强调供求,实质上是在告知客户,其产品的价值主要与产品是否可以买到有关——与解决客户问题的能力或相对于竞争对手的性能无关。此外,客户可以学习利用系统规则,选择在认为价格走低的时候购买。这再次推动了廉价化。相比之下,宜家的动态定价模式将重点放在吸引可能性不大的客户上,而不是因为供应不足而置可能性大的客户于不利。
指定一个团队为定价算法负责
2019年,美国联合航空公司(United Airlines)取消了供常旅客兑换奖励积分的里程表,用一种算法定价模式取而代之,对将奖励旅程与供需关系挂钩的必要性进行了解释,并强调了客户会如何受益(通过减少在非高峰航班上使用奖励里程)。
不过,新系统的确导致高需求航班的奖励价格更高。这当然会让获得奖励的客户感到丧气,但该航空公司以一种易于理解的方式传达了所有的变化,并集中针对一个特定的(而且可能是忠诚的)客户群。这样就避免了重大的名誉损失。此外,美联航将新算法的管理权委托给了监督客户忠诚度计划的团队,相当于是把定价系统的明确所有权交给了一个高度熟悉最忠实客户敏感度的部门。这一策略使该航空公司能够监控算法的故障或客户关系中的问题,并快速做出响应。
在算法失控时怪罪算法很容易,但问题的根源通常在于其他方面——企业关注不足,或未能理解客户心理。多数企业在向客户要钱时并不完全了解情况。企业过于关注数字,但却认为数字不过是影响供求关系的市场力量的被动结果。用亚当·斯密(Adam Smith)的话说,发挥作用的是“看不见的手”,而不是公司本身。
这种短视导致企业忽视价格传递的其他所有信息。即使认识到这些信息的力量及其影响,多数企业也无法进行有效管理,因为定价在组织层面上是个孤儿,没有明确定义的领导地位、职责与责任。
企业愉快地将定价的重担交给自动化技术时,让渡给算法的不仅是数学控制权,还有信息传递的控制权。数据科学家、数据分析师和定价专家专注于优化数字,谁来确保传达出的信息是最合适的?在许多企业中,答案是无人可以确保。
定价算法本身有两个弱点。其一,缺乏同理心,无法预见和理解价格变化对客户的行为和心理产生的影响。其二,缺乏长远眼光,无法确保定价符合企业战略或总体目标。因只强调实时的供需波动,这种算法与营销团队建立长期关系和忠诚度的目标背道而驰。长期思维和实时价格变化之间的这一冲突不仅加剧了赢得商誉与赚钱之间的冲突,而且增加了在品牌遭受不可逆转的损害之前找到解决方案的紧迫性。
如果一家公司不主动从战略角度管理其定价和传递出的信息,可能会因提高价格敏感度、破坏价格与价值的关系以及败坏品牌声誉,引发甚至加速其产品的廉价化。不过,若能授权一个团队负责制定计划并做出相应的即时决策,公司可以在遇到困境时迅速调整方向。
设置并监控价格护栏
想想在主题公园里典型的糟糕经历。游客不得不排着长队去乘坐游乐设施、就餐和上厕所,外加不堪重负或缺乏培训的后勤人员无法照顾好每位游客。这种令人不快的体验让许多客户怀疑,自己在门票、停车、茶点和住宿方面的巨额付出是否值得。如果游客的排队和等待时间可以缩短,并与公园工作人员进行更好的互动,他们的游玩体验会更加愉快。
为了提高客户满意度,佛罗里达州奥兰多市的迪士尼乐园在2018年将其动态价格结构从手动模式改为算法模式。新计划提高了多日票的整体价格,但降低了非高峰日期的票价,鼓励客户早早提前计划行程或预订非高峰期的行程,以享受低价之利。
迪士尼的计划有几个优点:第一,表明动态定价除了增加收入或客流量外,还可以达到其他目的。即使一段时间之后的总收入和游客总数不变,定价结构也会使客流更加稳定,这意味着对员工和其他资源的需求波动性更小,可以大大节省成本。第二,顾客体验显著改善,因为可以享受更多的游乐设施、参观更多的景点,更好地利用在园内的时间。最后,动态定价计划可以作为致力于长期客户满意度的努力而进行明确宣传(尽管价格总体有所上涨)。
迪士尼乐园转向算法系统时也做出决定,不再为单一主题公园(魔幻王国、未来世界、动物王国和好莱坞影城)的单日门票进行动态定价符合其最佳利益。无论游客选择在一年中的哪个时间游玩,所有四个主题公园的单日票定价都在109美元到129美元之间,不受需求影响。这道护栏限制了迪士尼对单日门票能够收取的费用,但给出了明确的参数,帮助游客预测成本、制定游玩计划。通过观察游客如何自行选择行程,迪士尼可以加强公园体验方面的沟通,并设计额外的服务套餐来满足不同的细分客户群体。
其他企业可以使用类似的护栏——不仅是为了保护客户免受价格大幅波动的影响,而且可以判断定价如何对公司各方面产生影响。在建立最初的护栏并继续部署的过程中,企业应鼓励不同业务线共享信息。这是提取关键知识并利用其为公司谋利的最佳方式。我们看到了可以进行更密切的跨职能协作以便从算法中提取洞见的三个主要领域:
实验。受控的定期价格测试可以帮助企业衡量客户对某一产品、服务或其任何特性的估价程度,并了解他们得出该价值的时间和方式背景。事实上,定价实验可能远比传统的市场研究强大,因为客户是在对实际产品做出反应,进行真正的交易。他们对价格变化的反应有助于企业发现什么有效,什么无效,以及买家是在何时做出最初的购买决定。
监测。企业可以制定新的关键业绩指标或对比已有指标,确保价格变化的频率和幅度不会损害客户忠诚度或品牌声誉。没有一家公司希望被人看成不公平、玩弄顾客或贪婪的企业。因此,采取措施对定价算法给出的结果进行约束和管理十分重要,提前充分考虑定价传达出的信息及其后果也是必不可少的步骤。这使得公司能够通过实施硬性的价格底线和顶线来避免价格走极端和自由浮动,就像迪士尼制定固定的单日票价一样。
战略。这实质上是从长期角度综合前两个要素。企业的产品开发、品牌创建、定位和定价是否协调一致——或者冲突最小——有利于实现公司的战略目标?企业必须直接或间接地努力确定客户对本公司使命和宗旨的看法,以及其价格行为会加强还是会损害试图建立的声誉。应该让客户从价格中推断出的信息与公司通过非价格活动推销自身及产品的明确信息保持同步。
企业若能注意到价格变化影响客户信念和行为的各种方式——除了当机立断的买或不买的决定之外——就可以增强而非破坏客户关系,哪怕提高价格也不会带来负面影响。企业可以深入探索价格变化的力量,用于改善运营,同时为客户创造更好的整体体验。
必要时可以否决算法
与过去常见的“一劳永逸”的定价方法大相径庭的是,采用动态战略的企业必须采取更积极主动、更具创造性的立场,以实现理想的结果。对于迪士尼、宜家和美联航来说,目标十分简单:让客户感到即使环境不太理想(时间不太方便,或者往返实体店要花费很多时间),也值得交易。这些品牌还希望能够对传达定价变化的方式、时间和理由进行管理并获益。
最佳定价算法能够分析客户数据和其他信息,以期在任何特定时间为任何特定客户生成最优价格。不过,这些价格从谁的角度来看才是最优的?这个问题牵涉的是赢得客户好感与赚取更多金钱之间的冲突,带来了一个复杂的组织挑战,应该明确指定责任团队,并在必要时进行管理。有时算法可能需要微调,还有一些时候需要暂停使用算法。
伦敦桥袭击发生后的第二天,优步宣布已退还在受影响地区打车的所有乘客的费用,还夸口说优步司机帮助数以万计的人逃离了现场。若不是公司名誉已经因为价格飙升造成强烈反响而受损的话,这两项声明原本有可能提高公司声誉。虽然很难量化价格飞涨对优步客户关系造成的持续负面影响,但显而易见的是,假如当时应对更迅速,或者有更积极的价格飙升预防机制,该品牌和当晚接受服务的乘客原本都能受益。
所有企业都应该了解本公司的定价算法在向客户传达什么信息,以及如何妥善管理这些信息。为了有效做到这一点,企业必须制定适合使用算法定价的场景和叙事,指定责任团队监控价格护栏,并授权该团队在必要时管理或否决算法给出的结果。如此一来,企业将能够在不牺牲客户忠诚度、不损害自己声誉的情况下实时优化动态定价。
马尔科·贝尔蒂尼是巴塞罗那拉蒙柳利大学Esade商学院营销学教授、哈佛商学院营销学客座教授。他还在波士顿咨询公司担任营销、销售和定价工作的高级顾问。奥代德·柯尼希斯贝格是伦敦商学院营销学教授。
马尔科·贝尔蒂尼(Marco Bertini)
奥代德·柯尼希斯贝格(Oded Koenigsberg)| 文
永年 | 译 蒋荟蓉 | 校 时青靖 | 编辑
已有0人发表了评论
哈佛网友评论