編輯導語：PSM模型在70年代被推出後就被廣泛應用，這一模型基於受訪者反應來進行產品價格測試，在一定程度上有效地兼顧了企業與受訪者雙方。本篇文章裏，作者就結合自身經歷，利用PSM模型進行實操，闡述了產品價格的制定過程。感興趣的話就繼續看下去吧。
2019年8月份，因為一直對開盤啦的競價打板很痴迷，正好產品線也缺少這一塊，所以提出了要做類似競價打板的產品，於是不斷改進並回測算法，最終產出了zpxgb，主打競價抓漲停的。
由於一開始對標的是開盤啦和換手率的高端競價選股，所以對這個產品的定位就是高價產品，年版價格3000以上，月版388元。
10月18號上線的時候，市場很配合，好幾天每天100%成功率，我還得瑟地發了朋友圈。上線一個月，自然用户存量就到2000個，用户的使用率達到85%，次日留存率達到88%，認可度很高。
但這個產品畢竟是高風險用於競價打板的產品，用户羣體偏向激進風格的。在市場行情轉冷，打板的賺錢效應持續變差時，客户的續費就下降，且出貨量也明顯下降。雖然每年都有360萬的收入，客户的認可度也不錯，但出貨還是沒有達到預期的目標，內部普遍認為這個產品的價格定過高了，經過一年多的糾結，終於決定對這個產品進行降價處理。
但，價格要定多少呢？這個可不是隨意定的啊，要保證降價的同時能保證收入不減反增，而且要最大化。
為了科學合理的確定最終價格，我們最終決定採用了PSM模型，通過問卷方式，去獲取一個合理的理論價格。
以下我介紹下如何利用PSM來確定zpxgb合理估價的過程。講之前，我簡單介紹下PSM。
二、什麼是PSMPSM（Price Sensitivity Measurement），價格敏感性測試，該模型是在70年代由Van Westendrop所創建，其目的在於衡量目標用户對不同價格的滿意及接受程度，瞭解其認為合適的產品價格，從而得到產品價格的可接受範圍。
PSM的定價是從消費者接受程度的角度來進行的，既考慮了消費者的主觀意願，又兼顧了企業追求最大利益的需求。
但，其價格測試過程完全基於所取購買對象的主觀自然反應，沒有涉及到任何競爭對手的信息。雖然缺少競品信息是PSM的缺陷所在，但我們已經是該行業市場最大的C端APP了，其他APP對我們的定價其實影響不是很大。或者不要臉的説，我們的降價完全有實力去影響市場其他競品的價格。
三、具體操作1. 設計價格梯度表和問卷題目設計出涵蓋產品價格區間的價格梯度表，因為我們是降價處理，所以直接確定從最低10元到400設計以下四個問題：
- 便宜的價格：對您而言什麼價格該產品是很划算，肯定會購買的？
- 太便宜的價格：低到什麼價格，您覺得該產品會因為大家都可以隨便用，而覺得這個產品會失效無用？
- 貴的價格：您覺得“有點高，但自己能接受”的價格是多少？
- 太貴的價格：價格高到什麼程度，您肯定會放棄購買？
清洗並整理數據，選出代表性的樣本，取被訪者在價格梯度表上做出四項選擇：有點低但可以接受的價格，太低而不會接受的價格，有點高但可以接受的價格，太高而不會接受的價格。處理後的數據如下：
對取出的樣本數據繪製累計百分比曲線圖，四條曲線的交點得出產品的合適價格區間以及最優定價點和次優定價點。
- P1（太便宜×有點高）=（71.4元/月，46.3%）
- P2（有點高×很划算）=（99.7元/月，62.1%）
- P3（太貴了×很划算）=（111.1元/月，42.4%）
- P4（太便宜×太貴了）=（92.8元/月，31.5%）
P1-P3區間內的價格（71.4元/月~111.1元/月）都是用户可以接受的價格，低於P1會因為太便宜而擔心產品策略失效，高於P3用户會覺得太貴，P2為最優價格點。在該價格點位下，用户覺得價格既不會太貴也不會太便宜。
4. 繪製模擬收益圖根據以上的樣本數據，繪製模擬收益圖。
其中，潛在用户比例是每個價格檔位下可能會願意購買的用户佔比，即：潛在用户比例 = （總體-覺得太貴不會買的用户人數）/總體。
另外，虛擬收益 = 對應檔位價格 × 潛在用户比例。
從圖瞭解到，價格在120和200元的收益最優。但結合之前的價格敏感測試曲線圖，120元的價格更為合理。
從以上的圖形可以看出，120元的模擬收益是360元的1.5倍，即120元的定價不僅不會帶來收入的減少，反而會使得收入提升。
當然，由於檔位不夠多，模擬收益的曲線變化過大，計算時會比潛在用户曲線計算的誤差大。我們從潛在用户的角度來測算。
價格在360元的轉化比例為11.61%，（388元的轉化比例≤11.61%)，我們暫定用11.61%來作為388元的轉化比例。而120元的轉化比例為52.26%，原來轉化率是原來的4.4倍。
由此可以計算，價格降為原來的31%，而模擬出貨量是原來的440%，整體的收益是原來的 31％ * 440% = 136%。從理論上來説，本次降價帶來的是收益正向增長，理論上預估可以帶來 36%的收入增量。
風險提示：以上的測算是來源於理論模型，並且樣本數只有200多條，並不是特別大，因此存在的誤差會大一些。並且上訴的潛在用户比例，也是用户答卷説的，真正在付費的時候，轉化率會低於上訴的潛在購買比例。
四、最後結論當然這個模型還是比較粗糙的，很多細節點，我這邊都沒有認真講。因為趕着早點發，就先這樣子發，後面有時間再來完善。
模型雖然粗糙，但我們還是大體得到一個有理論依據，至少不是拍腦袋瞎説的。
但是這個價格是不是有效，每個公司還要根據實際情況，進行實際的線上售賣測試，以驗證該價格的可靠性。
本文由 @新時代過客（韭菜） 原創發佈於人人都是產品經理。未經許可，禁止轉載。
題圖來自Unsplash，基於CC0協議。