定价复盘:价格、转化、留存与退款的一张表
9 元、19 元、29 元三个定价版本,转化率从 9% 掉到 3%,但每 1000 个访客带来的毛利从 1782 元涨到 6127 元。定价复盘不能只看转化率,也不能只看单月收入,要把价格、转化、留存、退款与支持成本放进同一张表,用毛利而不是流水做决定。
tag
9 元、19 元、29 元三个定价版本,转化率从 9% 掉到 3%,但每 1000 个访客带来的毛利从 1782 元涨到 6127 元。定价复盘不能只看转化率,也不能只看单月收入,要把价格、转化、留存、退款与支持成本放进同一张表,用毛利而不是流水做决定。
想把付费转化从 3% 提到 4%,A/B 测试每组需要约 4600 人,月访问 800 的话要等一年。小流量产品不能用大厂的方法,改用按月序贯切换、报价测试、退出调查与分群对比四种替代方案,一次只改一个变量,同样能得到可用的判断。
100 个人到达定价页,最后只有 62 个付成功,中间掉的 38 个大多不是嫌贵,而是结账页本身在漏。七个要素决定这张页面的摩擦,币种与税费要提前显示,失败重试要按 1/3/5 天节奏,拒付率超过 1% 就得查原因。把漏斗按段拆开,才知道该修哪一格。
399 元终身买断,相当于提前收 21 个月的订阅费,听起来是一次漂亮的现金流,算上五年支持成本后净剩 27 元。折扣本身不是问题,问题是折扣换来了什么:换一次性曝光、换年付锁定还是换口碑。六类折扣逐条判断,以及 LTD 必须写进条款的三个限制。
19 元涨到 25 元,涨幅 31.6%,只要有 24% 以内的人离开,收入就是涨的。真正难的不是算术,是通知时点与老用户处理:提前 30 天通知、给老用户 12 个月过渡价、把新价格写进续费页,三件事做到,涨价的流失通常远低于临界值。
1000 个人点进试用,不要卡时 12% 付费,要卡时只剩 400 人但 25% 付费,净付费人数几乎一样。真正的差别在退款率与 30 天留存。试用期不是越长越好,要匹配用户第一次实现价值所需的时间;到期后的处理方式,比试用本身更影响口碑。
注册就收费,还是导出时才收费?付费墙的位置决定用户能不能先看到价值。功能门、数量门、时间门、结果门四种形态各有适用场景,而门放在「用户已经投入二十分钟」之后,转化率能从 3% 提到 8%;反过来,免费层每多一个用户都在花钱,得算清谁能养得起。
三档套餐不是把价格写三遍,是把三种用户分出来。横切维度只能有一个,默认档要能承接多数人,最高档负责当锚点。三档只差配额时,九成用户会选最低档,收入反而不如单档;按功能横切并写清「刚好够用」,50 个付费用户的收入能高出 15%。
买断 399 元还是订阅 19 元一个月?把价值是否持续、成本是否随用量增长、使用节奏、更新节奏与现金流需求五个维度打成分数,再用两年收入复算一遍:年流失超过 50% 时,买断反而比订阅更诚实,也更容易解释。
定价 19 元的工具,算完成本发现毛利只剩 56%;改成 9 元,毛利率掉到 17%,因为支持工时不会随价格一起降。把成本下限、替代方案、客户价值与支付意愿四个锚填出来,价格就从拍脑袋变成一个区间,而下限必须用扣完所有成本后的毛利来定。
10 篇讲个人产品怎么定价的实践:从成本下限、替代方案、客户价值与支付意愿四个锚推出价格区间,到买断、订阅、按量三种模型的选型判据,三档套餐的写法、付费墙的位置、试用要不要信用卡、涨价怎么通知老用户、折扣与终身买断的陷阱、结账页摩擦、低流量下的定价实验,最后用一张表复盘价格、转化、留存与退款。
两个产品,一个获客便宜但留不住,一个获客慢却回本快。本文给出个人版 LTV/CAC 口径、回本周期算法、四问复盘与三选一决策表,并用一组可复算的数字说明为什么「获客成本低」可能是陷阱。所有数字都是教学演示,口径写死才能横向比较。
月付续费率 92% 听起来很稳,按 12 次连乘折算,一年后只剩约 37%。本文给出按到期队列算续费率的口径、年付折扣的盈亏平衡月数、涨价的提前量,以及买断制大版本升级的三种选择与判断标准。两种口径的差异会直接改变你对现金的判断。
把召回信发给 800 个沉默用户,只回来 2 个却退订 30 个;只发给 60 个「用过但停了」的人,回来 11 个。沉默要按产品使用周期定义,召回要守频率上限、相关性与一键退订三条底线,并用净收益而不是回访数衡量,给出一套可复算的账。
一个人每天花两小时回工单,三个月后才发现六成是同一个问题,改一处文案就减半。把工单按 P0–P3 分级,用文档、应用内提示、产品修改三级消化重复问题,算清每周支持工时与一次性修改的回本周期,并把支持预算固定成每周两个时段。
一个月少掉 40 个付费用户,群发召回只回来 1 个、退订 12 个。把流失拆成主动取消、付款失败、沉默失效与从未激活四类,按「决策是否还来得及改变」排优先级,并给出付款失败的重试、通知、宽限期与降级的最小实现和一套可复算的分诊账。
D1、D7、D30 三个数字不足以判断留存好坏:区分指数衰减、幂律与带平台三种曲线的诊断与处方,读平台高度而不是单周高点,并复算 300 人与 120 人两组样本的 4 个百分点差异是否只是抽样噪声,再倒推所需样本量,避免把噪声当成结论。
把空白页改成 60 秒内看得到成品的入口:对照引导式、模板式、示例数据与导入四种写法,说明示例数据可一键清空、明确标注、不混入真实数据的三条边界,再按用户手头材料给三条导入路径排序,并用 200 个注册复算首次成功率从 35% 到 55% 能多留下多少人。
100 个注册里只有 22 个在 W1 内第二次回来,而开发者只看得见「注册了 100 个」。本文把首次使用拆成注册、空状态、第一步、第一次成功、第二次回来五个节点,给出每格掉队原因与当天可做的干预,用乘法复算每节点改善 10% 的真实增益。
两款产品注册量相同,一款 W4 留存 12%,另一款 31%,差距却主要来自分母:前者把注册当激活,后者把导出第一份报表当激活。本文给出三个候选激活事件的对照表、用「做过 X 的人是否更常留下」反推的方法与相关性陷阱,并用同一批 1,000 个注册复算两种定义下的有效用户。