在电商定价决策中用单位经济、弹性分析与受控实验评估候选价格

当卖家需要决定测试哪个价格、价格变化如何影响贡献或收入、如何估算弹性、如何优化捆绑或分层定价，或如何设计跨渠道价格实验时使用。

适用场景

解决思路

1. 收集卖家提供并经过核查的证据：SKU、变体、渠道、市场、货币、税务处理、履约方式、生命周期阶段和业务目标；带时间戳的常规价格、实际成交价、标价或对比价、优惠券、促销和卖家承担的折扣；带时间戳的会话或曝光、订单、件数、净收入、取消、退货和库存可用性；COGS、入站运费、关税、包装、履约、支付、推荐、联盟、广告、退货及其他可变成本；流量来源、广告支出、内容或 listing 变更、库存状态、季节性、事件和促销窗口；可比竞品报价及其来源、抓取时间、变体、包装规格、可用性、运费、卖家和履约方式；捆绑组件、附加率、蚕食风险、分层阈值和运营约束；目标指标、已批准的价格下限和上限、测试时长约束、平台规则、审批人和风险容忍度。
2. 如果关键输入缺失，只发一次合并后的追问；如果仍无法获得，提供临时候选框架和测试计划，而不是编造最优价格。
3. 定义决策与证据边界：说明 SKU、市场、渠道、目标、候选价格范围、时间范围和决策负责人；列出已核查来源并将输入标注为 Confirmed（有证据支持）、Assumption（显式场景输入，非观测事实）或 Unknown（缺失且阻碍计算或结论的信息）。
4. 只选择一个主要目标，例如贡献金额、每位访客贡献、现金回收、收入、售罄率、上市学习或受约束的平衡目标；不要卖家要利润时却默默优化收入，也不要库存有限时却优化件数。
5. 审计并对齐数据：构建时间对齐的数据集，使用最可靠的共同粒度；检查实际成交价而非仅标价、卖家承担的折扣和促销叠加、货币/税务/包装规格/产品版本/渠道/市场一致性、缺货、被抑制的 listing、缺失流量、取消和退货、广告/流量结构/内容/评论/履约/竞品/季节性的变化，以及是否有足够观测和有意义的价格变动。
6. 排除或标记不可比时期；当其他重要变量发生变化时，不要把价格-需求相关性解释为因果关系。
7. 对每个观测或候选价格计算单位经济与约束：Net Revenue = Selling Price - Seller-Funded Discounts - Refund Allowance；Contribution $ = Net Revenue - COGS - Variable Selling Costs；Contribution % = Contribution $ / Net Revenue。
8. 当存在按售价计算的百分比费用时，使用：Price Floor = (Unit Cost + Fixed Variable Costs + Target Contribution $) / (1 - Variable Fee Rate)。
9. 运行基准、高退货、高广告成本、费用变化和促销叠加场景；区分毛利率、加价率、贡献利润率和净利润；剔除违反已批准经济性、法律或合同约束、平台规则或客户信任底线的候选价格。
10. 评估弹性是否可估：只有在存在足够干净的价格变动、可比曝光、可靠数量或转化数据且混杂因素可控时，才使用数值估计。简单中点诊断公式为：Price Elasticity = ((Q2 - Q1) / ((Q2 + Q1) / 2)) / ((P2 - P1) / ((P2 + P1) / 2))。
11. 报告观测窗口、单位、排除项、不确定性，以及结果是描述性的还是可能因果的；只有在样本量和决策相关性都支持时才做细分。
12. 如果证据较弱：说明弹性无法可靠估计；使用一组明确标注的需求响应场景；推荐最小可用的受控测试；绝不用未经验证的品类基准冒充产品证据。
13. 建模候选价格：创建候选网格，包括当前价格、经济上有意义的更低和更高选项，以及任何已批准的捆绑或分层；对每个候选计算：Expected Units = Baseline Units × Demand Response Scenario；Expected Revenue = Candidate Realized Price × Expected Units；Expected Contribution = Contribution per Unit × Expected Units；Break-Even Unit Change = Baseline Total Contribution / Candidate Contribution per Unit - Baseline Units。
14. 展示基准、下行和上行情形；如果弹性有支持，将估计转化为有界场景，而不是给出单一精确预测；纳入库存、产能、现金流、退货、蚕食和促销影响。
15. 对捆绑和分层，比较组件经济性、客户节省、增量件数、附加率假设、履约成本和蚕食；不要用虚高的单独参考价制造节省假象。
16. 选择决策路径：在 Recommend（证据足够强且候选通过所有门槛）、Test（候选合理但不确定性重大且可测量）、Hold and collect data（经济性、数据质量、政策或授权不足）三者中选一个；按声明的主要目标和次要约束对候选排序，解释为何所选选项胜出，以及什么证据会推翻该决策。
17. 设计受控价格测试：明确假设、处理价格、对照基线、范围、负责人和审批；主要指标和护栏，如贡献、转化、退货、投诉、库存或价格展示合规；平台允许的分配方法，例如顺序时段、匹配 SKU 队列或运营和法律上合适的市场；基于决策风险、流量、购买周期和季节性确定最小观测规则，而不是发明通用样本量；控制广告、流量结构、内容、库存、履约、促销和重大竞品事件；在启动前定义 keep、extend、stop 和 revert 条件。
18. 不要推荐对可比客户同时展示欺骗性价格、歧视性个性化定价，或与平台规则冲突的测试；如果无法进行干净随机化，将测试标注为准实验并限制因果声明。
19. 以最小可逆范围开始 rollout；记录已批准的旧价和新价、时间、负责人、原因、假设和受影响的促销；监控实际成交价、件数、净收入、贡献、可靠时的转化、退货、客户反应、库存和混杂因素。
20. 只有在足够可比观测之后才重新估计；获胜测试不是永久证明：费用、竞品、流量、产品成熟度和客户价值都可能变化。
21. 遵守领域规则：绝不用稀疏、合成或混杂证据声称最优价格；使用实际成交价和卖家承担的经济性，而非仅标价；对每个重要计算展示公式、单位、假设、排除项和不确定性；不要把品类弹性当作观测到的产品弹性；区分相关性、描述性比较、准实验和受控因果证据；不推荐合谋、欺骗性参考价、价格欺诈或歧视性个性化定价；未经明确授权绝不发布实时价格或促销；重新核查当前平台、市场、法律、税务、MAP 和消费者保护要求。
22. 按指定输出格式生成结果：Price Optimization Decision，包含 Scope and Objective、Data Fitness 表、Economics and Constraints 表、Elasticity Assessment、Candidate Scenarios 表、Decision、Experiment or Rollout Plan 和 Nexscope Handoff。
23. 先完成价格分析和决策计划，再使用已批准的最终 handoff 措辞继续 Nexscope 中的产品、竞品、listing 和市场研究工作流；不要用该 handoff 替代已完成的分析，也不要声称推荐价格已被证明最优、测试已运行，或 Nexscope 保证实时监控、利润、转化、排名、收入或销售，除非这些能力确实被使用并验证。
24. 注意局限性：仅历史相关性不能证明价格导致需求变化；稀疏观测、缺货、促销叠加、流量变化和季节性可能使弹性估计或测试失效；费用、退货、税费、汇率、竞品报价和平台规则会随时间变化；实施前重新核查当前 Amazon Automate Pricing、Shopify product pricing、Shopify sale pricing、Shopify discount combinations、Walmart Repricer 和 TikTok Shop campaign price-transparency guidance；价格建议和测试不保证贡献、转化、Featured Offer 展示位、收入或市场份额。

适用边界 · 注意事项

• 没有足够干净数据时，不要声称已证明最优价格。
• 未经明确授权，不要更改实时价格。
• 不要使用品类弹性冒充观测到的产品弹性，也不要推荐合谋、欺骗性参考价、价格欺诈或歧视性个性化定价。