指标 | 衡量用户的“优惠敏感度”

先从一个问题开始—— 如果一个用户对优惠敏感，那么TA会有什么行为？

为便于理解，本文将“优惠”定义为让利给用户，或者补贴金钱或金钱等价物(可以用于付款的虚拟币、实物赠送等)等能让用户比非活动场景下更“ 省钱 ”的促销形式。简而言之——就是和“钱”挂钩的活动。

理论上讲(假设)，一个优惠敏感的用户会积极参加对其有利的优惠活动，同时尽可能让获益(优惠)最大化。

注意：本文所述的指标都是针对单个用户而言。

活动参与率

活动参与率

也可以称为“活动响应率”。

注意：

1. 对于分子，定义“用户参与”可以用领券、用券等直接和活动挂钩的行为，也可以考虑收藏、添加购物车等活动准备行为(e.g.优惠活动针对特定的SKU时)。

2. 参照Fogg行为模型

   ，用户对优惠券的使用会受到以下因素影响：

• 推送的优惠是否能激发对方的兴趣，或者说相关联的商品或服务是否和用户需求相关；

• 优惠力度是否有足够的说服力让我现在就购买或者在这家店铺购买？或者商品具有稀缺性等，e.g.限量款手办；

• 优惠券的使用门槛如何，e.g.在某店铺的均单价一般就是300左右，然后推送满1000减150的活动，那么用户可能因为无法达到优惠条件而放弃优惠；

因为这里讨论的是“优惠敏感度”，实际上除了由运营人员手动触发的活动外，还有产品自身的优惠券发放机制，比如京东PLUS会员可以通过专属积分去兑换优惠券，如果但从“活动”去看，这种情形就会被忽略掉。

这里“活动参与度”是针对单个用户而言的，对单次活动而言也可以计算“参与率”——某活动推送了N个人，有k个人参与，比如多少人访问了活动页，多少人领券、用券、以及用户状态的变化等， 那么该活动 参与率就是k /N， 这些指标可以用来衡量活动本身的质量。

活动参与频次

即在一段时间内参与活动的次数。计数单元可以考虑活动个数、支付次数、订单个数；

• 一次活动可以对应多次支付，比如天猫双11期间做每满300减40的跨店活动，在活动期间会有多次支付下单行为；

• 一次支付可以对应多个订单，比如上述跨店铺满减优惠中，一次支付的可能对应多家店铺多个订单的商品金额；

优惠订单数

优惠订单数量

某段时间内优惠金额>0的有效订单数量。

select user_id

    ,count(distinct order_id) ord_fav_cnt

from order_info

where fav_amt >0 -- 优惠金额>0

    and substr(order_time,1,7) = '2020-06' -- 时间限定

    and order_status = 'S' -- 有效订单

group by user_id

优惠订单数占比

• 使

  用

  了

  优

  惠

  的

  订

  单

  数

  历

  史

  累

  计

  或

  一

  段

  时

  期

  内

  的

  总

  订

  单

  数

对于类似天猫跨店铺满减这类活动，还可以考虑

• 优惠支付订单数 ，某段时间内用户享受了支付优惠的 支付订单 数量，1个支付单号可以对应多个订单；

• 优惠支付订单数占比 ，分子分母都是对支付订单计数；

优惠金额

平均每单优惠金额

• 某

  段

  时

  期

  内

  使

  用

  的

  总

  优

  惠

  金

  额

  一

  段

  时

  期

  内

  的

  总

  订

  单

  数

优惠金额占比

• 实

  际

  使

  用

  的

  优

  惠

  金

  额

  一

  段

  时

  期

  内

  的

  总

  订

  单

  金

  额

  优

  惠

  前

倾向行为

前面提到的基本都是“结果型”指标，就是用户成功地使用了优惠，并最终有订单生成。

实际上，在订单生成之前，用户可能有其他“尝试”使用优惠的行为，比如凑单、拆单、比价等，经过“尝试”之后可能用户最终放弃(也没有订单生成)，尤其是商品对用户而言可有可无的时候。

这里简要讨论凑单、拆单、比价这3类行为，一般来说用户做这些操作的目的都是尽量以最低的价格购买商品，尽可能让优惠效果最大化。

• 凑单 ，一般会出现有金额或者件数等门槛的情形，比如满300减100的优惠券，那么就可能增减商品以达到优惠门槛；

• 拆单 ，比如现在有2张券，一张满300-100，一张满200-50，券不能叠加使用，这时候购物车有超过500元的商品，那么可能就分成两次下单把两张券用掉；

• 比价 ，这里和"凑单"的情形有点相似，常出现在互斥优惠的时候，比如满500减80，还是不限金额直接8折(和满减互斥，只能用一次)；

最后，还需要注意：

• 对于不同品类，优惠偏好有差异，e.g. 米面粮油这类刚需消耗品，价格波动不大(和有优惠相比)，有没有优惠可能就不那么重要；

• 不同品类价格存在差异，优惠金额有差异(门槛也不同)，e.g.服饰类商品满400减60，手机类满1500减200，对于可以囤货的品类则可能是N件优惠；

• 本文谈及主要是较高频次付费行为的业务场景，对于其他业务场景，文中指标不一定适用。

本文仅做抛砖引玉，欢迎留言补充其他可以衡量用户“优惠敏感度”的指标。