用大数据的方法，如何甄别某个消费者是不是促销敏感型呢？本文将带领大家了解如何量化消费者的促销敏感度。

在新零售的背景下，用户的消费观念逐渐开始重服务，更重品牌，但是仍然对促销有很大的依赖。各大电商平台频繁的促销活动，潜移默化的影响着消费者的购买决策。

什么是促销敏感型用户？在经济学理论中解释到，由于价格的波动引起消费者对商品需求量的变化，这部分消费者即为促销敏感型用户。消费者对价格的敏感范围越大，对促销敏感度越小，反之越大。

各大电商平台近年来频繁的促销活动，换来了业务的爆发式增长，养成了用户只看促销，仅买低价的消费观念。从年货节，超品日，618，双11和双12等网购节日来看，大多是通过低价折扣吸引用户消费。

2017年618年中购物节，京东的销售额达到了惊人的1199亿人民币，而第二季度的总GMV为2348亿元，大促时的销量明显较平时要多了近3倍。从中可以判断的是，部分消费者更加关注商品的促销力度，并且仅在促销时才会集中下单采购，而平时却较少下单，其中仅在促销时下单的用户可能就是敏感型用户。

                                                                                                           图片来源网络

对于平台而言，虽然狂轰滥炸式的投放和粗犷的促销会得到了不错的效果，但若想把销售额提升到另一个台阶，往往只能通过更加狂野的促销。这种方法适用于初创公司开拓市场，成熟型的公司则需对消费者进行更精细化的运营。如果可以不同促销敏感度的人群，进行精准的营销，促销效果必然会事半功倍。接下来我们聊一聊如何利用大数据，识别促销敏感型的用户群体。

模型准备阶段

衡量电商的消费者是否对促销敏感，主要是通过他的历史订单里促销优惠的比例来判断。一般我们认为，用户的含促销订单比例越高，敏感度越高；促销金额比例越大，敏感度越高。

时间范围：查询每个消费者的1年内的数据，敏感度具有时效性，随着年龄和收入的增长，敏感度也会发生变化，以一年为临界点更具代表性。

订单单量数据：提取用户订单数据，计算一年内的订单总数和用户参与优惠的订单数。这里的优惠可以是满减，满赠或者使用优惠券的订单。

订单价格数据：汇总用户所有订单未优惠前总价格，汇总用户所有订单参与优惠的总金额

结合消费者在某段时间在网站上的消费行为，能够从数据层面理性的探查出消费者的购买力情况和对促销敏感度。根据上述指标，就可以为用户建立模型了，再根据模型输出的结果，应用到各个实际的业务场景中。

敏感度建模过程

建模过程与上篇文章《电商购买力模型：用大数据解锁智慧营销的新姿势》方法类似，具体方法可以参考下面步骤：

人群标准界定

前面我们说过，消费者的促销订单比例越高，敏感度越高；促销金额比例越大，敏感度越高。但是具体的衡量标准，仍然需要通过业务数据挖掘判断，给出合理但范围。再根据用户近1年优惠订单占比，平均每单优惠金额占比，总优惠金额三个指标进行聚类划分，一般情况，可以把人群分为5类：

从《网络购物者趋势研究》报告显示，电商商品低价促销对网购的影响极其巨大，从前年的42%跃至去年的61%。其中敏感型用户量大占据了金字塔的最底端，只有部分用户不敏感。

极度敏感：含促销商品的订单量和金额占比非常高

较敏感：含促销商品的订单量和金额占比较高

一般敏感：含促销商品的订单量和金额占比中等

较不敏感：含促销商品的订单量和金额占比中等

极度不敏感：含促销商品的订单量和金额占比很小

上述的平均值是根据实际业务计算而拟定的数据，具体业务具体分析，没有具体的标准。层级之间应该非常明确，这样业务在操作的时候才能更加明确。给人群的敏感度界定了具体的指标数据之后，接下来就是把所有的用户根据指标来贴不同的标签。

数据加工过程

通常给用户分群打标签的模型都会使用聚类算法，它是数据分析中十分重要的分层算法，能够将相似的元素聚到一起，并且将不同的元素放到其他类别。从纷繁复杂的数据中，识别精简到人们能够理解的层次。

                                                                     题图来源网络

一般选用相似性度量，这种方法的关键点在于如何告知计算机数据到底哪里相似，相似的关联点在哪，不同的算法需要的相似性可能不同。就按照上述的敏感度模型，相似点是优惠订单占比，平均每单优惠金额占比和总优惠金额占比三个指标之和，三者之和越小，代表价格敏感度越低。然后根据每个用户的订单数据情况，每个指标我们都会得到一个预测值，这个值在［－1，1］之间，当预测值未负的时候，我们可以理解为对价格不敏感。然后我们就得到了以下的数据

大于0的数据都是敏感用户，具体的敏感指标还是需要业务自己去定，可以参考上文的指标套进来。比如认为【-0.1~0.3】为一般敏感用户，【0.3~1】为较为敏感用户，【>1】为极度敏感用户。然后我们就可以知道这一年内所有账户的敏感度情况

有了数据之后，就要考虑一下具体可以用在哪些场景中，数据结合场景才能产生更大的价值。上篇文章《电商购买力模型：用大数据解锁智慧营销的新姿势》简单的推荐了几个场景，例如千人千面的算法，精准的广告投放和会员营销方面，还可以结合购买力模型用到最近比较火的概念上“消费升级”

应用场景探索

消费升级是消费结构变化后最明显的特征，其核心在于人和场景的准确定位，消费需求的分层和细化。对于品牌来说，首先应找到哪些人才是可以升级的群体，但每个品牌都有自己的特征和管理运营方式。华为手机希望流量入口，低端机用户转为高端机用户；魅族希望提升自己的曝光度，拉升GMV等等。这些诉求都可以通过用户标签针对性的营销，

以华为为例，探查购买华为手机人群的时间节点，选出距离上个手机订单时间一年的用户群体，再筛选出低端机用户，然后从低端机用户群体中，探查其购买力和促销敏感度的情况，然后在针对性的触达营销，可以是专享价，也可以是优惠券等。

可以应用的场景很多，在实际业务中多多思考如何使用用户数据，做到数据取之于用户，用之于用户的产品之道。

结语

以上为价格敏感度的模型方法论，各位看官可以暂时了解一下。与购买力模型一致，输出的结果仍然需要在实践中打磨，通过干预人和未干预的人群进行数据的比对，然后调整到最忧解。