本文出自

第一屆鼎革獎,全台數位轉型典範出列

第一屆鼎革獎,全台數位轉型典範出列

2021年10月號

定價演算法趕走我的客人?請小心,別讓品牌受傷害

The Pitfalls of Pricing Algorithms
馬可.貝迪尼 Marco Bertini , 奧德.柯尼斯堡 Oded Koenigsberg
瀏覽人數:2937
  • "定價演算法趕走我的客人?請小心,別讓品牌受傷害"

  • 字放大
  • 授課文章購買
    購買〈定價演算法趕走我的客人?請小心,別讓品牌受傷害〉文章
  • 個人收藏購買
    購買〈定價演算法趕走我的客人?請小心,別讓品牌受傷害〉PDF檔
    下載點數 10
插畫/齊利.潘恩斯(Tsilli Pines)手工製作的資訊圖表,探索數字在我們生活中的力量,以及金錢在人類意識中的形態。
愈來愈多企業使用定價演算法,以便能根據各種變數,及時調整產品或服務的定價。這導致顧客難以理解不斷浮動的價格,從而對企業品牌產生懷疑。領導人該怎麼做,才能避免趕跑客源並損害商譽,正確發揮演算法的效益?

2017年6月3日,英國警方接獲恐怖攻擊的通報,警車閃著藍燈飛馳前往倫敦橋。警車從數以千計的民眾身旁呼嘯而過,他們正在該區餐廳和酒吧裡享受週六夜晚。許多走在街頭的民眾,嗅到了危險的氣息,想趕緊叫輛優步(Uber)安全回家。但是,在第一通緊急電話於晚上10點7分通報之後的43分鐘內,優步的動態定價演算法,導致城裡那個地區的汽車費率飆漲超過200%。

那次倫敦事件,只是優步在集體焦慮時刻價格飆升的眾多不良案例之一。類似的費率突然升高情況,也發生在2016年紐約市爆炸案、2017年計程車司機罷工抗議美國反移民政策、2020年西雅圖大規模槍擊事件,而在西雅圖槍擊事件中,費率甚至飆漲500%。優步的演算法定價,一直招致這家共享汽車公司9,300萬活躍使用者的批評。在倫敦橋恐攻事件當晚,即使優步用人工方式停止倫敦橋附近的定價飆漲,但對倫敦市中心周邊地區的影響,依舊多持續了五十分鐘。

經濟學家可能會稱讚優步的定價引擎:當需求相對於供給增加,乘車價格也隨之攀升。但對顧客來說,使用這項服務的成本,似乎就像賭輪盤一樣難以預測。

優步不是唯一面臨這個問題的企業。許多產業的公司,包括廣告、電子商務、娛樂、保險、體育、旅遊和公用事業,都採用動態定價,而成功的程度不一。一個著名的經典例子是可口可樂(Coca-Cola),它在1990年代後期,實驗推出能感測溫度的自動販賣機,會在炎熱的天氣裡,提高飲料的銷售價格。在引發民眾怒火之後,該公司迅速放棄那個專案。

定價演算法的目的,是要幫助企業在近乎即時的基礎上,決定最佳價格。定價演算法使用人工智慧和機器學習,來衡量各種變數,像是供需、競爭對手定價,以及交貨時間。可惜,演算法偶爾會出錯,得出沒有人願意支付的數字,例如,Wayfair家具網站上列出一個14,000美元的衣櫃,以及亞馬遜(Amazon)上提供一本近2,400萬美元的教科書。但如果公司把決策過程交由電腦執行,這類失誤就只是要承擔的風險之一。

價格點的不斷變化,對那些需要受到適當管理的顧客釋放出強烈訊號。然而,許多組織沒有意識到這一點。他們知道價格會影響有關購買時間和購買什麼商品的決定,卻忽略了一個事實,就是價格持續漲跌,可能會引發消費者對產品產生負面看法,而且很重要的是,對公司本身產生負面看法。因此,品牌在運用演算法系統時需要考慮的,不只是簡單的數學問題。這些系統可能會在贏得顧客忠誠度和賺錢之間,造成令人不安的緊張關係。但如果實施得當,這些系統可以讓營收最大化,同時,也讓顧客感覺為這個產品或服務,支付了適當的價格。

在本文中,我們探討企業請顧客付費時,有哪些心理因素發揮作用。我們檢視演算法定價的真實例子,以及演算法會如何有利於或有害於使用它們的品牌。我們還詳細說明適當監督和管理的效益,包括:確定應由哪個事業單位負責這方面的做法,以及應設置哪些價格參數,來限制濫用的可能性。

本文觀念精粹

問題:許多公司用演算法為商品或服務訂價,並即時調整價格,以實現利潤最大化。但不斷變動的價格,會導致疏遠顧客,破壞顧客忠誠度,並傷害品牌聲譽。

成因:定價演算法仰賴人工智慧和機器學習,來權衡各種變數,像是供需狀況、競爭對手的定價,以及交貨時間。但這麼做,往往沒有考慮到頻繁的價格變化對顧客心理的影響,導致顧客質疑公司的動機,以及產品和服務的價值。

解決方案:若要更妥善控制動態定價對顧客傳達的訊息,以及如何影響顧客關係,公司就應該為演算法的實施,發展出適當的使用案例與敘事,指派負責人來進行管理、設置並監控定價的價格範圍,以及在必要時迅速採取行動,以推翻自動化的做法。

演算法定價的心理影響

我們首先來談談根源保險公司(Root Insurance)的案例,這家保險業者在美國三十個州銷售汽車保單。為了提升教育顧客、培養顧客關係的成效,該公司設計一個動態定價計畫,以個人化和透明的方式來對待每位駕駛。與競爭對手不同的是,根源保險公司不使用由人口統計資料產生的大型、相對匿名的風險池,來區隔定價,反而是為駕駛提供一個行動應用程式,用於衡量他們在駕駛時的日常行為。這些資料被輸入一個演算法,用以計算個人的安全分數。接著,該公司主要依據駕駛的表現來決定保險費,同時,也給予傳統因素一些權重,例如信用評分和保險詐欺統計等因素。為減少對資源不足的顧客產生偏見,根源保險公司避免考慮任何人的教育或職業(這是其他常見的產業因素),並承諾到2025年時,會排除信用評分的因素。此外,該公司只為通過安全測試的人提供保險。根源保險公司聲稱,篩選掉不良駕駛,可減少與事故有關的費用,並降低所有顧客的保險價格。

根源保險的模式是個有用的例子,可用來說明定價演算法及透明度,可以改善顧客關係。第一,顧客在看到根源保險單的價格之前,會知道公司有考量及未考量什麼因素。第二,顧客知道為什麼自己要支付的價格,可能會與其他人不同。第三,顧客知道根源保險為了盡量減少保險的最終成本,為自己做了什麼。

讓顧客了解演算法定價的互惠性質,是成功的關鍵。這是因為,為某樣東西多付錢,可能是很痛苦的。卡內基美隆大學(Carnegie Mellon University)、史丹福大學(Stanford University)和麻省理工學院(MIT)神經科學家攜手進行的研究指出,當人們看到價格過高的產品,人腦中的疼痛中心就會被啟動。

僅僅是要求付費這個行為,無論何時或如何提出要求,立刻就會把顧客關係的重點,從追求一致的利益,轉為調和彼此對立的利益。在最壞的情況下,公司要求付費可能會疏遠顧客。以顧客為中心的組織所面臨的挑戰,就是要在市場常態情況推動價格上漲,侵擾了原本良好的顧客關係時,如何盡可能地降低風險,並縮小可能的損害。

在定價演算法被廣泛使用之前,價格比較不會波動,而且不同賣家之間的差異很小。顧客的期望相對穩定,也不認為價格是個人化的。每當價格變化導致實際成本和預期成本有差異時,顧客更容易把價格上漲合理化,認為這是普遍實施的,而且是精心制定的企業策略的一環。

科技讓這些衝突變得更頻繁,看似更加沒有道理,規模也更驚人,顧客因此感到不安,覺得比以往更難將自己看到的與期望的事物相互調和。與此同時,很多企業開始認為,只要顧客對價格的預期是穩定的、干擾最小,就表示原本可以從顧客那裡賺取更多錢卻錯失了。為符合市場常態,企業愈來愈倚重利用演算法來實現獲利最大化。今日,即使是發展最慢的企業對企業(B2B)產業,也使用強大的演算法定價工具,來取代電子試算表。

科技讓企業能加深與顧客的關係,同時也可以更有效率、更熟練地從顧客手中獲取金錢。然而,這種組合常讓顧客想知道,自己應該怎麼想,以及應該信任哪些公司。隨著顧客的價格敏感度提高,他們會花更多時間設法了解價格的變化:這些波動對自己要購買的產品、服務品質或是否值得購買,有什麼影響?賣家的動機和價值是什麼?企業對自己的光顧,究竟有什麼看法?

如果價格變化達到平衡,這些問題的急迫性就會消退。但如果侵擾的頻率和程度始終不確定,這些問題就會揮之不去,最終迫使顧客在沒有賣方明確指引的情況下,得出自己的結論。這時,顧客會開始針對演算法的訊息,而不是針對公司的訊息做出反應;這對任何企業來說,都是個危險的主張。

為了更妥善控制演算法定價對顧客傳達的訊息,以及對顧客關係的影響,我們提出四個建議,以及一些說明案例,以協助闡明如何應用每個建議。

1. 決定合適的使用案例和敘事

2020年,瑞典家具零售商宜家家居(IKEA),在杜拜分店推出一項新計畫。在限定期間內,公司讓顧客能夠根據自己開車前來店裡所花費的時間,為產品支付不同的價格。每件商品,從餐廳的三明治到整套臥室用品,都有兩個單位的價格:當地貨幣和時間金額。例如,某個家庭開了45分鐘的車到達宜家商場,就能獲得與這段行程距離相關的一定價值。在結帳時,這個家庭可以向收銀員展示Google地圖時間軸的讀數(這是Google地圖手機應用程式的一項功能,可以追蹤和記錄使用者走過的所有路線)。收銀員會執行一個演算法,把花費的時間、行駛的距離,以及杜拜工人的平均時薪等因素納入考量,計算出這趟車程的貨幣價值。然後,商店以貨幣形式提供這個價值。車程時間愈長,家庭獲得的時間積分愈多,需要支付的錢就愈少。

購物者從宜家這項計畫中,得出明確的結論:這家零售商希望激勵他們長途跋涉到店裡。雖然不同的顧客,會為相同的商品支付不同價格,而且個別顧客每次到店裡時,可能會看到不同的價格(取決於他們的出發地點),但消費者仍然覺得,自己可以決定要支付多少錢。這與人們在價格飆漲期間常會經歷的無助感,形成鮮明對比。最重要的是,由於顧客要支付的費用,只會隨著車程距離增加而減少,並不是隨需求增加而增加,因此沒有人支付的價格,超過公司網站上宣傳的價格。換句話說,宜家使用以距離為基礎的演算法,來獎勵顧客,而非懲罰顧客。這麼做可能會損失一些可立即取得的營收:行車里程夠遠的購物者,可獲得大幅折扣,甚至可免費獲得一些產品。但是,宜家選擇合適的使用案例,搭配激勵消費者光顧商店的誘因,因而可能吸引到更多遠程顧客,並提高所有顧客的忠誠度(以及理論上的終生價值)。

像宜家這樣的模式相當少見。企業通常採取動態定價,來推進本身的短期財務目標,不太考慮顧客的觀感。然而,演算法進行如此大量和密集的價格變化,可以向買家發出明確的訊號,呈現了從企業使命和價值觀,到產品品質的所有面向。這些訊號,可能會排擠掉其他塑造品牌與顧客關係敘事的努力。在最壞的情況下,演算法會把「要求顧客付費」這個原本就很微妙的任務,變成一種驅趕他們離開的體驗。正因如此,企業不能把管理定價技術的工作,只交給數據科學家負責。

改進方法不只是技術上的,更是組織和心理上的。雖然聽起來有些矛盾,但更好的演算法,可能會讓事情變得更糟,因為演算法會利用環境情況來得利,並且激發怨恨,就像優步在倫敦橋恐攻期間發生的狀況。

若要克服組織上的挑戰,首先應體認到,演算法定價不只是一種產生價格、讓供需平衡的工具,其實,它是一個原則,這個原則必須與從上到下的整個組織保持一致方向。

當顧客認為,企業僅根據供需來決定價格,他們得出的推論可能是有害的。例如,某家創新企業提供高度差異化的產品。這家公司若是在自己的定價演算法中強調供需關係,基本上就是在告訴顧客,自己的產品價值,主要取決於是否有貨,而不是這項產品在解決顧客問題上的表現如何,或是相對於競爭對手的表現如何。此外,顧客可以學會操弄系統,在自己認為價格低廉的時刻購買。這會再次驅動產品變成大眾化商品。相比之下,宜家的動態定價模式,著重於吸引不太可能光顧的顧客,而不是因為供應不足,懲罰可能上門的顧客。

2. 指派定價演算法的負責人

2019年,美國聯合航空公司(United Airlines)取消經常搭乘的旅客,用來兌換獎勵點數的哩程表,取而代之的,是演算法定價模型。公司解釋有必要把獎勵哩程與供需掛鉤的理由,並強調顧客將如何受益(用更少的獎勵哩程,兌換離峰航班)。

不過,新系統確實導致兌換高需求航班的點數變得更高。這當然讓使用哩程數兌換的旅客感到沮喪,但該公司以一種容易理解的方式,溝通說明所有的改變,並把努力重點放在某個特定(且可能是忠誠的)顧客群身上。這種做法,讓公司能減輕重大的聲譽損害。此外,聯合航空將新演算法的管理工作,交給監督會員忠誠度計畫的團隊,這等於是把定價系統的明確所有權,交給對最忠誠顧客敏感度最高的部門。這項策略讓航空公司能監控且快速回應演算法的缺失,或是顧客關係的挑戰。

演算法失控時,很容易怪罪演算法本身,但問題的根源通常在其他領域,像是組織不夠關注顧客心理,或是沒能掌握顧客心態。大多數的企業並不完全了解,自己要求顧客付費時,到底發生了什麼事。它們過度關注數字,認為數字不過就是,形成供需關係的市場力量所造成的被動結果。用亞當.斯密(Adam Smith)的話來說,是「看不見的手」在運作,而不是公司本身。

這種短視,導致企業忽略價格傳達的所有其他資訊。即使組織確實體認到這些資訊的力量及影響,大多數企業仍無法有效地管理這些資訊,因為定價是組織裡的孤兒,沒有明確定義的領導、責任和問責制。

當企業興高采烈地把定價的繁重工作交給自動化時,切割出去給演算法的不僅是數學計算的控制權,也包括傳達訊息的工作。當數據科學家、數據分析師和定價專家,都專注在優化數字時,誰來確保傳遞的訊息是最佳訊息?很多組織的答案是,沒有人負責。

定價演算法本身有兩個弱點。第一,它缺乏必要的同理心,而需要這種同理心,才能預測和理解價格變化對顧客行為和心理造成的影響。第二,它缺乏長期觀點,而需要這種長期觀點,才能確保符合公司策略或總體目的。定價演算法只強調即時的供需波動,因此與行銷團隊想要建立長期關係和忠誠度的目標,是背道而馳的。長期思維和即時價格變化之間的這種衝突,不僅加劇贏得商譽和賺錢之間的衝突,也提高了在品牌遭受不可逆轉損害之前,找到解決方案的急迫性。

企業如果不主動地、有策略地管理價格設定和訊息傳遞,就有可能會提高價格敏感度、破壞價格與價值的關係,以及損害品牌聲譽,因而觸發、甚至加速旗下產品的大眾商品化。但是,公司若能賦予權力給一個團隊,讓他們規畫一些價格方案,並即時針對那些方案做決策,公司就可以在面臨困境時迅速轉向。

3. 設置和監控定價範圍

想想在主題樂園裡最典型的糟糕體驗。客人必須忍受排長長的隊等待使用遊樂設施、吃飯和上廁所的痛苦,再加上遊樂園工作人員分身乏術或訓練不足,因而顧不上服務你。這種令人不愉快的體驗,讓很多顧客懷疑,自己在門票、停車、餐點和住宿方面的大手筆投資,是否值得。如果遊客能享受更短的排隊和等待時間,並與遊樂園工作人員有更好的互動,應該會有更愉快的體驗。

為提高顧客滿意度,位於美國佛羅里達州奧蘭多的迪士尼世界(Disney World),在2018年將動態價格結構從人工作業,改為用演算法計算。新計畫提高多日票的整體價格,但降低淡季的門票價格,鼓勵顧客事前妥善規畫行程,或是在淡季預訂行程,以便享有較低價格。

迪士尼的計畫有幾個優點:第一,它顯示動態定價除了增加營收或銷量外,還可以達成其他目標。即使總營收和總遊客人數長期保持不變,但定價結構會讓客流變得更穩定,這意味迪士尼對員工和其他資源的需求波動較小。這可以大幅節省成本。第二,顧客體驗明顯改善,因為遊客可享受更多遊樂設施,參觀更多景點,更妥善利用自己在遊樂園裡的時間。第三,動態定價計畫可以用來明確宣傳,公司致力提高長期顧客滿意度(儘管總體價格提高了)。

迪士尼世界改用演算法系統時,也決定不再對個別主題樂園(魔術王國、未來世界、動物王國和好萊塢影城)的單日門票,採取動態定價,因為這才符合它的最佳利益。無論顧客選擇在一年中的什麼時間造訪這四個主題樂園,無論需求如何,這四個樂園的單日門票定價,都設為109到129美元。這個價格範圍限制了迪士尼對單日門票的收費,但也設定明確的價格參數,有助於顧客預測成本和規畫行程。迪士尼觀察遊客如何自行選擇行程,而得以加強有關遊樂園體驗的溝通宣傳,並設計額外的服務方案,來迎合不同的客群。

其他企業可用類似的方式運用價格範圍,不僅可保護顧客免受價格劇烈波動的影響,還可判斷定價如何影響組織的各個領域。在建立最初的價格範圍,以及持續設定價格範圍之際,企業應鼓勵不同業務線之間共享資訊。這是取得關鍵知識,好讓公司受益的最佳方式。我們認為,若要從演算法中收集見解,有三個主要領域需要進行更密切的跨職能協作:

實驗。

受到控制的定期價格測試,能協助企業衡量顧客對產品、服務或任何功能的重視程度,並了解在哪些情況條件下,可以在何時、如何取得那項價值。的確,定價實驗可能比傳統的市場研究強大得多,因為顧客是對實際產品做出反應,以及進行真正的交易。他們對價格變動的反應,有助於企業找出什麼是有效的做法,什麼是無效的做法,以及買家在什麼時候首次做出購買決定。

監控。

企業可制定新的關鍵績效指標,或是比較現有指標,以確保價格變化的頻率和幅度,不會削弱顧客忠誠度或品牌聲譽。沒有任何企業會希望被視為不公平、操縱或貪婪的公司。因此,重要的是採取措施,以約束和管理定價演算法的產出,而在事前考慮產出結果會傳達的訊息及後果,也極為重要。這讓企業能經由實施硬性的最低和最高價格範圍,來避免極端和自由浮動的價格,就像迪士尼設定的固定單日定價。

策略。

本質上,這是以長期的整合觀點來看待前兩個要素。企業的產品開發、品牌、定位和定價,是否合諧地一起運作,或是運作時摩擦最小,以實現企業的策略目標?企業必須努力直接或間接地確定,顧客如何看待公司的使命和目的,以及有關價格的行動究竟是強化,還是損害自己試圖建立的聲譽。顧客從價格中推斷出的訊息,應該契合企業透過非價格活動,來宣傳自家公司及產品時傳達的明確訊息。

當企業注意到,價格變化除了影響到顧客當下是否購買的決定,還可能用哪些方式改變顧客的想法和行為,那麼企業就能強化顧客關係,而不是削弱這層關係,即使提高價格也一樣。企業可以利用價格變化的力量來改善營運,同時為顧客創造更好的整體體驗。

4. 必要時,推翻演算法

與過去常見的「一勞永逸」定價方法不同,擁有動態策略的組織,必須採取更主動、更有創意的姿態,以實現想要達成的結果。對迪士尼、宜家家居和聯合航空公司來說,目標很簡單:即使在不太理想的情況下(在較不方便的日子,或是長途跋涉到實體店面),這些品牌也希望讓顧客的交易物有所值。這些公司也希望,妥善管理要用什麼方式,來溝通說明自家產品的定價如何、何時和為何改變,能讓自己從中受惠。

最佳的定價演算法,可分析顧客數據和其他資訊,以便在任何特定時刻,為任何特定顧客產生最理想的價格。但是從誰的角度來看,這些價格是最理想的?這個問題涉及贏得顧客好感和賺更多錢之間的衝突,並帶來複雜的組織挑戰,必要時,應明確指派負責人來監督和管理這個挑戰。有時可能需要調整演算法;其他時候,則可能需要暫停使用演算法。

你傳遞了什麼訊息?

倫敦橋恐攻事件發生的隔天,優步宣布,已退還所有在受影響地區乘車客人支付的費用。優步還吹噓說,自家的司機幫助數萬人逃離現場。如果沒有受到價格飆升造成使用者的立即反彈所影響,這兩項聲明都可能會提高該公司的聲譽。雖然很難量化這次價格飆漲,對優步顧客關係的持久負面影響,但顯然,若能更快地反應,或是採用更主動積極的機制來防止價格飆漲,應該能讓優步品牌和當晚的乘車客人受惠。

所有企業都應了解,自家的定價演算法向顧客傳達了什麼訊息,以及如何才能最妥善地掌控這個訊息。為了有效做到這一點,公司必須為實施演算法定價,制定適當的使用案例和敘事,指派負責人來監控定價的價格範圍,並賦予那名負責人權力,可在必要時管理或推翻自動化做法。如此一來,企業既能即時優化動態定價,又不會犧牲顧客忠誠度,也不會損害自己的聲譽。

(劉純佑譯自“The Pitfalls of Pricing Algorithms,”HBR, September-October 2021)



馬可.貝迪尼 Marco Bertini

位於西班牙巴塞隆納的拉曼魯爾大學艾薩德商學院(Esade–Universitat Ramon Llull)行銷學教授,以及哈佛商學院行銷系訪問學者。他也在波士頓顧問集團(Boston Consulting Group)擔任行銷、銷售和定價實務的資深顧問。


奧德.柯尼斯堡 Oded Koenigsberg

倫敦商學院(London Business School)行銷學教授。


本篇文章主題訂價