可预测的非理性用户行为

首先声明这篇文章是看《怪诞行为学》中的某章节读后感想，不是什么个人想法的发表，只是陈述前人智慧罢了，核心内容整理自本人的一次分享。

首先，声明一下这里我定义的理性和非理性，理性行为在这里我们认为是用户行为结果与期望一致，而非理性相反，用户的最终选择与自身期望相反。这样说可能会比较晦涩，举个简单栗子：用户A期望买到价格在6元左右的粉苹果，水果店中D苹果是粉苹果，5.8元一斤，而E苹果是脆苹果正在促销，3.5元一斤。此时用户购买了D苹果我们认为是理性用户行为，购买E苹果是非理性用户行为。再进一步，我们来做个更简洁的定义。理性行为即用户期望行为，非理性是外界干扰后行为。很容易发现，用户行为受环境干扰死多么明显，这正是由于这一点，我们能看到玲琅满目的促销。

这样我们首先说清楚了标题的后半部分，可预测说的是我们可以通过环境干扰的方式去间接影响用户行为。可预测的可贵之处是我们可以引导用户行为，让用户行为（大部分用户）能够预期，减少用户行为的不稳定性。现在我们继续往下--

相对论

图一

图一中你看到的是什么？很难描述对不对？我的描述为亮黄色圆形。这个很像我们买苹果时只有一种苹果摆在货架上售价6元一斤的粉苹果。这时候用户的购买行为局限在买或者不买上。

图二

图二中我们引入对比，左右两个亮黄色圆形一模一样，单独看左侧让用户描述可以是最大的一个圆，而右侧却成为了最小的一个圆。描述不同只因参考系发生了变化。如果把这种情况类比到我们的水果店是什么情况？A苹果--3.8元一斤（粉的，每斤毛利），B苹果--4.3元一斤（不粉不脆），C苹果--7.1元一斤（脆的）。作为买水果的顾客，你倾向于购买A，B还是C呢？很多情况下我们会选择B苹果，就类似图二中的亮黄色原型，也许不是最好但不是最差的。

好，现在我们知道了我们是可以通过环境来影响用户，从而预测用户行为。下面的问题就是核心了--钱啊！要不要？钱啊！（嘲笑脸。。。）

假设：上述中A苹果（毛利0.5元/斤），B苹果（毛利1.2元/斤），C苹果（毛利1.1元/斤），100位用户来购买苹果，单独A苹果和C苹果摆在货架的情况下各有50人购买，那么把B苹果摆在货架上会怎么样？

A苹果 35人

B苹果 50人

C苹果 15人

那么毛利有多少差距呢？

只卖A和C的总毛利：0.5X50+1.1X50=80

买A，B和C的总毛利：0.5X35+1.2X50+1.1X15=94

在不知不觉中我们提高了总毛利。。。

理论来源

说了这么多，我们在退回去想一下。属性A是苹果的粉脆属性，B是价格属性。A苹果是价格最优，C苹果的脆是用户最喜欢的，但价格更高，B苹果居于中间。所以我们称B=-C,即在满足用户上略差于最优的选项。通过设置-C选项形成对比，尽可能提高-C的毛利，扩大盈利。

TIPS:整个东西说完了，但是这个-C的设置需要相当的注意，因为在多设置一个SKU时会变相增加管理库存等风险，所以-C定价要考虑到这些，不然不赚反赔。