M4. 定价策略与谈判决策¶

案例来源: Pricing-Negotiation-Intelligence
决策类型: 价格制定与调整
方法论: 协商感知 ML + 价值分解 + 均衡建模
预计阅读时间: 13 分钟

1. 决策背景¶

业务场景¶

某 B2B SaaS 公司面临定价挑战： - 客户类型：企业/中小/初创 - 销售模式：谈判定价 (非标价) - 问题：价格差异大/利润流失/成交率低 - 平均折扣：35% (过高)

决策目标¶

科学定价基准
谈判底线建议
提升成交价格
维持成交率

2. 方法论：谈判博弈模型¶

定价框架¶

客户支付意愿 estimation → 谈判区间确定 → 动态报价策略 → 成交优化

价值分解¶

产品价值 = 基础价值 + 增量价值 + 战略价值

基础价值：功能对标竞品
增量价值：独特优势量化
战略价值：长期合作价值

3. 决策实施¶

支付意愿预测¶

from sklearn.ensemble import RandomForestRegressor

# 特征
features = [
    'company_size', 'industry', 'revenue', 
    'current_solution', 'pain_point_score',
    'competitor_price', 'urgency_score'
]

# 训练
model = RandomForestRegressor()
model.fit(X_train, y_train)  # y=历史成交价

# 预测
wtp = model.predict(new_customer)  # 支付意愿

谈判区间¶

# 定价策略
cost = 5000  # 成本
wtp = 25000  # 支付意愿预测
competitor = 20000  # 竞品价格

# 谈判区间
reservation_price = max(cost * 1.2, competitor * 0.9)  # ¥18,000
target_price = wtp * 0.8  # ¥20,000
list_price = wtp * 1.2  # ¥30,000

# 建议
print(f"挂牌价：¥{list_price:,.0f}")
print(f"目标价：¥{target_price:,.0f}")
print(f"底价：¥{reservation_price:,.0f}")

4. 决策结果¶

业务影响¶

指标	实施前	实施后	改善
平均成交价	¥15,000	¥19,500	+30%
平均折扣	35%	22%	-37%
成交率	42%	45%	+7%
销售周期	45 天	38 天	-16%

财务价值¶

年度收益: - 价格提升：¥4,500 × 500 单 = ¥2.25M - 折扣减少：¥1.5M - 总收益: ¥3.75M/年

5. 谈判支持¶

实时建议系统¶

销售输入客户信息
  ↓
系统计算支付意愿
  ↓
生成谈判策略
  - 挂牌价
  - 目标价
  - 底线价
  - 让步策略
  ↓
实时谈判支持

案例版本: v1.0 | 最后更新: 2026-06-03