重新考虑下长尾.
通常关注的是基数.
因为隐含的假设是单位价值细微.
比如千次几毛的PV价值.
但换个角度,实际上考量的还是如何提高总量收益.
千次PV几毛跟单品交易几百的区别大概是7~8个零的数量级差异.
换算回来的话就是同等的交易单元/用户数.
这里基于的是个体贡献的价值或者说付费意愿和能力约等于零.
那么考虑,如果付费能力提高几个数量级的话,相应的需求用户基数就没那么大.
就PV而言,从千次几毛到每次几块,那么这里就是5个零的数量级.
对应的需求PV/付费用户就可以从千万到百的级别.
这个是什么呢.
比如某B站的新番承包机制.
或者有如现在喜欢谈的订阅或者说打赏.
又比如早已在网游中成熟下来的免费模式的VIP制度.
这里的一个动机可以理解为对某个概率分布区间的用户价值的一个提升作用.
一个直白的理解就是,原来没千次的PV贡献价值之所以低是因为并没有给出更高的用户价值投入方式.
所以这个思路推广一下的话,就是对给定各种区间/阶级用户的一个成本投入提升.
某种程度上来说,就是一种价格歧视的重新应用.
所不同的是,价格歧视基于的是一种信息不对称关系.
而在这种长尾总量提升的情况下,可能更多的反而是来自于信息透明或者共享.
就像B站赞助和打赏赞赏等,可能有相当一部分动机是在于付费是为了服务的持续性考虑.
即使这种长久运营需求并不是一种必需的契约关系,而完全是自愿的行为.
所以,这里可能是某种所谓定价权的反转变化的思路.
即价格由卖方提供转变为买方根据个体价值体系做定夺.
也就是老话题,private valuation.
综合一下的话,就是
value = w_1seller_side_valuation + w_2buyer_side_valuation.
传统的讨价还价就是sv(seller_side_valuation)和bv(buyer side valuation) 就趋近于市场价格,也就是w_1和w_2接近1/2的情况.
一般长尾则是w_1放大,而w_2为零.而sv和bv为何并不太有定性意义.
而买方反转定价的情况就是w_2为1的情况.
也就是在一般长尾的基础上兑现了溢价买方的价值.
那么,存不存在或者说w_2跟w_1类似放大的情况呢.
大概就是把bv做阶级拆分的\sum_i w_2_i*bv_i的形式了.
于是类似的,把价格歧视考虑进来就有
value = \sum_j w_1_jsv_j + \sum_j \sum_i w^j_2_ibv_i
简单化描述就是
value = w_1sv + \sum_i w_2_ibv_i.
这里跟讨价还价的区别在于,前者针对的是有公允价值或者说容易有相当客观定价的情况.
而svbv针对的则是一种没有客观定价,或者说客观定价没有意义的情况.
考虑下最大化的问题.
像赞助形式,如果sv提高到一定程度,那么就有可能bv 全为零.
一个例子就是会员限定的制度.
所以这里的bv_i应该是sv 相关的一个函数.
从图形上来说,\sum_i w_2_i*bv_i应该是一个类似于以sv 为横坐标,人数为纵坐标的密度曲线.
借鉴供需/边际曲线的思路的话,就存在一个均衡点时的左侧过零点的sv曲线,与bv曲线交点所构成的面积最大.
从拟合的角度来说,其实就是i+1维的linear equation.
只不过实际情况是bv_i 也是未知的.
或者简单点把w抹去.
value = sv + \sum_i bv_i + adjusted.
网友评论