在会员服务的极简公式：收入=付费用户数*客单价，上面玩来玩去也绕不开客单价的问题。今天就近期的有效实战经验来分享下调整会员定价提高客单价的几个关键。

一、准备调价策略—新价格框架搭建

1. 为什么要调价？

如果你产品的会员服务价格已经运行了很久，看起来一起都自然而然，但很可能还不在最佳定价上！

为什么？来看看下面但分析图谱：

上图是一个我在做定价实验时的回收数据，通过不同定价策略，购买用户数量和实际收益会有对应变化。

• 当价格最低的时候，付费人数因价格冲动达到最大化，但收入也到了最低（客单价低）
• 当价格最高当时候，付费人数最低，收入也到了较低值（客单价高，但购买人数少）
• 当价格达到某一个最佳值，付费人数趋于理性值，收益最大化（客单价与购买人数的最佳契合点）

通过连续的测试，摸查收入和定价以及付费人数之间的关系，不但能找到收入最大化的定价，还可以知道你的用户对于价格的接受程度，和潜在的消费人群天花板～

所以让我们以可靠的实验方法和有序的数据支撑，来推进早就想动但不知道如何下手的“会员定价”吧！

2. 策略制定

如果收入压力不大，那么可选“局部微调”的方式，通过较小的改动和影响来撬动第一步；

如果收入压力较大，可以在进行过“局部微调”的实验后，基于数据，进行整体会员定价重构。

红字是我这次选定的策略，由于事后总结，客观的说，会员中心的改造应该往后压一压到会员框架整体改造到时候做。

另，这里只是个人经验接触到到一些策略，欢迎探讨补充。

3. 行动方案

先制定根据前两部策略制定了以下提价方案：

三个提价实验，分别尝试提到18，20，25三个档位，制定最佳定价方案。

目标是：收入高于原定价的总收入，即为可行（排除定价之外，例如新增，日活等其他变量影响，后面会讲如何单一变量）。

可以看到这个行动方案和近期的“某视频会员”的定价变化类似，只调整了最低档位套餐价格，其他中高档位套餐价格不变，这背后并非是因为只想改低档位。

而是套餐之间存在微妙的挤压关系。牵一发而动全身，即使至调整低档位，也会导致整体的付费构成和客单价有整体变化（后文会提及）。

所以上面的提升预估是粗放式或者说式基线式的。实际上调价后各个套餐的付费人数，客单价都会有变化，面对如此多变量的时候，我们需要找到一个简化量化的方案，制定最低提升预估，如果达不到基线，那说明策略需要调整。

二、开始调价——关键指标回收效果

1. 制定衡量收入是否提升的关键指标

那么是不是收入就是衡量提价的唯一指标呢？

不是，为什么？再看回来核心公式：收入=付费人数*客单价

客单价受到多重因素影响：套餐价格，用户属性，套餐特权变动：

• 客单价变量控制——同样的渠道确保用户属性一致，套餐特权在改版前后不变（提价需要给到的特权升级在调价前夕就上线），仅仅保留套餐价格一个变量。

付费人数受到多重因素影响：新增，主动，营销活动带动…

• 付费人数变量控制——提价的实验数据排除掉营销活动的时间段；而新增和主动这个不受控制，也不可能去控制，应该如何控制？

要把付费人数的变量控制下来，这里提供一个行之有效的指标——会员中心的”曝光arpu值“。

• 会员中心曝光arpu值=会员中心进入人数/总收入

通过进入人数与收入的比值，来去除掉付费人数受到新增和主动等因素的影响。进入的流量不会影响这个比值的变化，因为进入的人越多，收入虽然涨了，但理论上比值不会变。除非会员中心的引导-套餐，界面有变化，才会导致进入的用户购买的套餐变化，致使曝光arpu升高或降低。

这里有一个前提：就是所有付费路径最后都会收敛到会员中心。如果不是，那么需要把其他付费路径拆开分别来看。

2. 关键指标背后的数据上报建设

确定了这个指标之后，需要回顾看下数据上报是否能支持到：

尽可能保障在开始实验之前，每一步都上报都已经预埋好。

3. 曝光arpu值数据分析

• 单月提价到则18：有明显上涨
• 单月提价到¥20：继续上涨
• 双11活动上线：涨到峰值，但应该排除掉活动期间数据
• 双11活动下线：保留提价¥20，仍高于定价¥18时的曝光arpu值，排除变量后，提价证明切实有效。

这个过程也需要思维模式的改变：

实际上，我们看到提价到¥18以后，已经有较好的效果了，为什么不收手，就保留¥18呢？万一再提高用户就不高兴了呢？

这里是否当前定价已经合理了，应该有更理性的判断，而不是来自于“见好就收，或者来用户的压力”

那么这个判断的依据是什么呢？

接下来引入第三个概念：

三、调价的上限——用户价格敏感度

除了曝光arpu衡量提价效果外，是否还能往上提应该如何思考？

先提上去试一试？这样可能会被用户反弹，同时得不偿失，有没有合理的预测方案？

引入价格敏感度测试，用户对于不同价位有不同是选择倾向，通过他们但选择来感知用户对于“太贵，贵，合理，便宜”的感知。

1. 分析价格敏感度的基础数据

实际可以操作的方案：价格敏感度数据——套餐点击率，付费转化率。

和第二步的漏斗类似，拆分出不同套餐的点击率和付费率，用以观察调价后，不同套餐的用户选择意愿，和购买意愿

在这里，用没有感性色彩的数据说话，是最可靠的决策方式。

2. 价格敏感度数据分析

单月提价到¥18后：

• 付费率：单月略有下跌，年费小幅度小碟，但6个月有增长，说明——数据表示，用户感知到了“有点贵”，但还是有使用需求，所以有部分嫌贵但用户，挤压去购买了半年套餐。

• 曝光arpu值：对比初始价位¥15有明显提升
• 结论——用户对于提价到¥18有敏感度，但收益为正向，可以继续尝试下一个提价实验。

单月提价到¥20后：

购买率：1个月付费人数降低，其他套餐无明显增益。说明——用户觉得”贵“，而且这部分觉得贵但已经流失没有选择其他套餐。这时定价已经趋向于饱和。

• 整体曝光arpu值：对比提价到¥18有所提升，但提升比例降低
• 结论：用户对于提价到¥20后感知加强，有部分用户流失，增益效果有，但在减弱。

单月提价到¥25后：

• 购买率：几个套餐普遍下跌，用户明显感知“太贵”。不但影响了单月用户流失，其他套单也有下跌，用户可能对产品整体定价已经有“不满”

• 整体曝光arpu值：对比提价到¥20持平，没有增益
• 结论：定价到¥25对比定价到¥20，收入无增益，用户感知“太贵”，对于产品目前的用户群不适用。不使用该档位定价，且不再往上实验更高定价。

注：不同平台，例如andriod与iOS由于画像差异大，需要分开来看，不可以所有用户画像笼统用同一套标准来看。

3. 数据背后的用户心理

作为一个死运营，听用户怎么说还是有必要的。

为什么涨价来收入能增加，除了数据告诉我们的答案，用户心理的微妙也可以深入一线去感受，进一步把握：

“单月变贵之后，还是买年的划算”

注：本文不倡导直接提价，配合价值能力提升，向价值变现的方向才是持续可行获得用户认可的正和博弈。