雙11的白條還未還完，雙12的花唄又提額了，圣誕和元旦大促也即將到來(lái)。這就是現(xiàn)在電商的特色，一年365天頻繁的促銷。不光線上，線下零售也是這樣。無(wú)論科技如何發(fā)展、營(yíng)銷手段如何進(jìn)步，廠商薄利多銷和消費(fèi)者追逐降價(jià)的本質(zhì)仿佛從未改變（注意是追逐降價(jià)而非便宜）。

我們都知道，電商平臺(tái)交易的最小粒度是SKU，本文將從多SKU的組合促銷角度予以簡(jiǎn)單分析，期望能幫助大家了解電商平臺(tái)（線下也類似）應(yīng)該如何對(duì)多SKU設(shè)計(jì)組合促銷策略，本文也許不能明確地告訴大家應(yīng)該做什么，但求能啟發(fā)大家怎么做的思維！

一、什么是多SKU的組合促銷？

1. 概述

促銷一定是圍繞商品和消費(fèi)者的，我們假設(shè)某電商平臺(tái)有3個(gè)sku、5個(gè)注冊(cè)用戶，現(xiàn)需要在圣誕期間對(duì)這3個(gè)商品和5個(gè)用戶制定促銷，這個(gè)時(shí)候我們需要做什么呢？

首先，我們需要對(duì)每個(gè)商品設(shè)計(jì)特定的促銷策略，如降價(jià)多少、制作什么類型的廣告。根據(jù)促銷費(fèi)用和目標(biāo)利潤(rùn)的限制，確定每個(gè)商品的促銷策略。接下來(lái)要做的就是確定不同的商品推送給什么樣的用戶，也許你會(huì)問(wèn)：反正促銷策略都做好了，為什么不每個(gè)用戶都推送呢？

邊際成本和用戶稀缺的注意力使得我們不能這么做，促銷策略除了有固定成本外，每多推送一個(gè)用戶也會(huì)有邊際成本的增加；另外，用戶的注意力只有那么多，所有的商品都推送，他們反而不會(huì)選擇，因此將最能打動(dòng)用戶的商品和促銷推送給他們才是最優(yōu)選擇。

上面的這段話其實(shí)隱含了兩個(gè)重要概念，也是我們做促銷應(yīng)該考核的兩個(gè)關(guān)鍵指標(biāo)：

• 促銷活動(dòng)整體響應(yīng)率：促銷活動(dòng)后, 實(shí)際購(gòu)買的客戶占參加促銷活動(dòng)的總?cè)藬?shù)的比率，該值越高越好。
• 預(yù)期收益最大化：也就是獲得最大的利潤(rùn)（也可以是通過(guò)促銷與用戶建立穩(wěn)定關(guān)系以期在未來(lái)獲得更大的長(zhǎng)期利潤(rùn)）

這也就決定了企業(yè)不能投入大量資金與所有客戶建立長(zhǎng)期的關(guān)系，而應(yīng)該選擇那些高價(jià)值用戶。

2. 如何確定每個(gè)SKU對(duì)應(yīng)的高價(jià)值用戶？

不同的企業(yè)有不同的模型來(lái)確定自己的用戶等級(jí)，拿京東和淘寶舉例，分別用的是用戶行為成長(zhǎng)模型和RFM模型（不一定完全正確）：

還有諸如客戶生命期價(jià)值（客戶在整個(gè)生命周期內(nèi)能給企業(yè)帶來(lái)收益的期望凈現(xiàn)值）、優(yōu)度評(píng)價(jià)法等測(cè)算用戶價(jià)值的方式。本文以RFM模型為例，這也是傳統(tǒng)零售行業(yè)經(jīng)常用的模型。

3. 如何利用RFM模型給用戶打分？

RFM是根據(jù)美國(guó)數(shù)據(jù)庫(kù)營(yíng)銷研究所Arthur Hughes的研究得來(lái)的，它有三個(gè)基本的假設(shè)：

• 最近有過(guò)購(gòu)買行為的客戶再次購(gòu)買的可能性要高于最近沒(méi)有購(gòu)買行為的客戶
• 購(gòu)買頻率較高的客戶比購(gòu)買頻率較低的客戶更有可能再次購(gòu)買企業(yè)的產(chǎn)品
• 總的購(gòu)買金額較高的客戶再次購(gòu)買的可能性較高并且是價(jià)值較高的客戶

獲取RFM指標(biāo)數(shù)值的最簡(jiǎn)單方法就是查詢每個(gè)客戶最近一次購(gòu)買某個(gè)產(chǎn)品( 服務(wù)) 的時(shí)間, 并按照由近及遠(yuǎn)的排序, 排序后將整個(gè)客戶集分成N等份, 購(gòu)買時(shí)間離當(dāng)前時(shí)間最近的N分之一客戶標(biāo)記為分值N, 購(gòu)買時(shí)間離當(dāng)前時(shí)間最遠(yuǎn)的N分之一客戶標(biāo)記為分值1。按照類似的方法, 將客戶按照其購(gòu)買的頻率和總的購(gòu)買金額由高到低分別進(jìn)行打分。本文取N=5 。

回到第1部分概述中的“案例市場(chǎng)”，我們假設(shè)該市場(chǎng)中的5個(gè)用戶對(duì)三個(gè)SKU的RFM值分別為：

根據(jù)RFM的值可以得出用戶針對(duì)某SKU的總價(jià)值，經(jīng)驗(yàn)表明最近購(gòu)買時(shí)間R 、購(gòu)買總金額M比購(gòu)買頻率F 對(duì)于區(qū)分客戶對(duì)促銷活動(dòng)的響應(yīng)率效果更明顯，因此算總分時(shí)，按照”2×R+1×F+2×M“的公式計(jì)算總分為：

二、如何根據(jù)約束條件選擇促銷策略用戶群？

1. 約束條件

我們知道做任何事情都不是絕對(duì)自由的，都會(huì)面臨各種各樣的約束，在運(yùn)籌學(xué)中管這個(gè)叫約束條件。那么，做3個(gè)SKU、5個(gè)用戶的組合促銷策略會(huì)面臨哪些約束條件呢？通過(guò)對(duì)電商常見(jiàn)促銷的總結(jié)，主要有以下幾點(diǎn)：

• 有一個(gè)總的預(yù)算費(fèi)用，本次促銷成本不能超過(guò)它，假設(shè)為Cost；某個(gè)促銷活動(dòng)的成本為固定成本與邊際成本之和
• 每個(gè)客戶參加促銷活動(dòng)的總次數(shù)不能超過(guò)規(guī)定值，假設(shè)為N（max）
• 某個(gè)促銷活動(dòng)的規(guī)模必須滿足一定條件，即需滿足最小參加人數(shù)和最多參加人數(shù)（可通過(guò)發(fā)券控制），假設(shè)分別為L(zhǎng)和H

假設(shè)本”案例市場(chǎng)“的Cost=50、N（max）=3、L = 3、H = 6”。各促銷活動(dòng)的人均邊際成本為：c1= 10、c2 =1、 c3= 7，固定成本為0 。

需要滿足的約束條件用數(shù)學(xué)式子表示如下：

2. 促銷的目標(biāo)

說(shuō)了這么久，終于到了最重要的地方，做促銷不是為了玩，而是為了獲得最大的利潤(rùn)，那么該用一個(gè)什么樣的式子表示目標(biāo)呢？

我們需要根據(jù)約束條件和目標(biāo)函數(shù)來(lái)解這個(gè)模型，得出每一個(gè)Xij的最優(yōu)解，答案如下：

根據(jù)前面的RFM值，可以算出max【profit】=161 。我們應(yīng)該將SKU1的促銷活動(dòng)推送給用戶1,2,3,4；SKU2的促銷活動(dòng)推送給用戶1,2,3；SKU3的促銷活動(dòng)推送給用戶1 。

結(jié)語(yǔ)

電商平臺(tái)的促銷活動(dòng)是圍繞SKU的設(shè)計(jì)的，每個(gè)SKU所對(duì)應(yīng)的客戶價(jià)值有區(qū)別，我們可以根據(jù)促銷活動(dòng)的約束條件和客戶價(jià)值設(shè)計(jì)一個(gè)最優(yōu)的組合促銷策略模型，如上。但本文有一個(gè)地方可做進(jìn)一步研究：我是根據(jù)RFM模型計(jì)算的分值大小表示用戶對(duì)每一個(gè)SKU及促銷活動(dòng)的響應(yīng)率，我認(rèn)為分值越高響應(yīng)率越高。針對(duì)響應(yīng)系數(shù)Rij的設(shè)計(jì)，還可考慮用戶行為的影響，如對(duì)某個(gè)SKU的加購(gòu)行為，這將使模型更加精確。

參考文獻(xiàn)：

1. 《數(shù)據(jù)挖掘技術(shù)在CRM 中的應(yīng)用》，張吉吉、常桂然、 黃小原
2. 《基于RFM 分析的促銷組合策略優(yōu)化模型》，趙曉煜、黃小原、孫福權(quán)

#專欄作家#

平章大人，人人都是產(chǎn)品經(jīng)理專欄作家。專注電商行業(yè)、用戶增長(zhǎng)、營(yíng)銷科學(xué)化領(lǐng)域研究。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖由作者提供