加價購與滿額禮哪一種效果更有效？

如果觀察家覺得字體太小不易閱讀，不妨可以聽聽看

最近有觀察家詢問角度數據：「便利商店與藥妝百貨在結帳櫃台前面總是擺滿了各式各樣加價購的商品，究竟加價購有效嗎？」為了解加價購是否有效，觀察家需要先了解店家提供加價購想要達到的目標？如果線上的電商運用加價購的行銷手法，店家有機會增加每一單的客單價，尤其是當消費者還差 11 元就可以達到免運費時，多數的消費者在結帳前，會額外在選購百元以內的加價購商品，除了可以免運費外，消費者每一筆客單價也隨之提升。上述的購物情境，店家的行銷手法包含了加價購與滿額禮兩種組合技法，消費者在結帳前為了達到免運費的條件，額外購買的商品屬於加價購，而獲得免運費的獎勵屬於滿額禮，消費者滿足越多的條件，消費獲得的獎勵越多，店家可以收到的收益應該也會越高。因為加價購的效果會影響到消費者購買商品的種類數量與客單價，因此觀察家想要了解加價購是否有效，必須要關注消費者每一筆消費的客單價與商品的購買數量。

角度數據隨機挑選資料庫的 134,523 筆交易紀錄，找出每一單消費者的消費總金額與商品數量的關係，發現商品數量越多，消費者消費的總金額就會越高。從分析的數據資料圖表中，觀察家可以看到消費者消費的金額越高，不一定表示消費者購買商品的種類數量越多，當消費金額達到某一個程度，消費者購買商品的種類數量可能出現下降的現象，當消費者去精品商店買勞力士手錶時，因為手錶的單價較高造成客單價高，可是消費者卻僅僅只購買一隻手錶，圖表中出現客單價很高，商品的種類數量很低，這些資料可能就是屬於精品消費。角度數據如何找出每一單的消費總金額與商品數量的關係呢？又憑什麼可以告訴觀察家，商品數量越多，消費者花費的總金額越高，出現的機率也會變高呢？其實許多觀察家也經常會使用這樣的技巧對數據資料進行分析，使用迴歸分析的技巧，觀察家可以快速建立數據資料的模型與預測未來可能的趨勢，分析的數據資料越多觀察家可以得到的趨勢應該越準確，將角度數據隨機抽樣的客單價與商品數量數據資料進行迴歸分析，觀察家可以得到商品數量越多消費者花費的總金額就會越高的結果。

觀察家可以透過 Business Intelligence 軟體的協助分析數據資料，也可以透過大數據分析的技巧拆解手上擁有的線索。觀察家可以先進行簡單的假設，假設每一單訂單的消費總金額與商品的數量有關，每一筆客單價金額都等於每件商品的平均售價與商品的數量相乘，再加上消費者給的小費，利用觀察家手上的消費數據，找出每件商品的平均售價與消費者給的小費，目標就是讓每一筆客單價的預估金額與抽樣數據資料的客單價的金額越接近越好，換句話說，就是讓每一筆客單價的預估金額與抽樣數據資料的客單價的金額的差趨近於 0，角度數據進行了 10000 次的線性回歸，計算出 10000 種支付金額與商品數量可能的關係，最後第 10000 次的線性回歸模型，得到商品的平均價格為 265.1218 元，消費者給的小費為 125.7096 元，是否表示消費者最後結帳商品的平均價格為 265 元，消費者會願意加購 126 元的商品呢？因為角度數據隨機抽樣的資料不一定包含加價購商品，所以這 126 元只能代表這些抽樣消費者的最低消費金額，如果觀察家可以將數據資料鎖定在特定的線上通路或者實體通路，是否賣家有機會透過各種博弈的技巧，讓消費者願意付出更高的金額消費呢？加價購就是一種賣家與消費者的博弈，消費者不一定會購買賣家所提供加價購的商品，賣家是否有機會提升消費者購買加價購商品的機率呢？答案就在文章的一開始，賣家提供了滿額禮提升消費者購買加價購商品的機率，在特定的通路與特定商品的情況下，商品的賣家不希望輸掉任何的機會，銷售策略的設計與獲利金額的估算顯得格外重要，許多行消人員積極尋找加價購商品的單價與滿額禮平衡的較佳金額，以求得營收上的最佳效益。

商場上沒有一定會發生的事情，尋找加價購商品的單價與滿額禮平衡的較佳金額，需要滿足特定前提條件，因此任何觀察家都無法保證需要提供多少加價購商品，店家可以有最高的回報效益。有研究人員指出，超過 10 款加價購商品，會造成消費者資訊過載，讓消費者無法選擇加價購買的商品，因此觀察家看到便利商店代繳單列的優惠商品，大都不會超過 10 項，目的可能就是不希望造成消費者選擇障礙，提高消費者加購的意願。

資料來源：角度數據 2024 年消費者消費交易資料庫