定价不是预测而是与现实谈判——价格是买卖双方协商的行为结果而非数据的稳定输出

核心操作

定价迷思：默认假设「两辆相同的车应该卖相同价格」——这假设价格是产品属性的函数。但现实：一辆快速卖出，一辆滞销数周，一辆遇到喜欢稀有颜色的买家溢价成交。相同产品，不同结果。

心智转变：

预测范式：数据 → 模型 → 输出单一价格
谈判范式：数据 → 识别力量对比 → 输出价格区间 + 谈判策略

定价三角模型：

层次	内容	角色
产品现实	客观属性（里程/配置/车况）	定义价格「应该」是多少
市场动态	供需、季节、竞争	定义价格「可以」是多少
买家需求	偏好、紧迫度、支付意愿、情感	定义价格「实际」是多少

三层在每一笔交易中动态协商——最终成交价 = 三种力量的均衡点，不是模型预测值。

协商驱动定价引擎的三个组件：

1. 价值分解器——把价格拆成功能价值 + 情感价值 + 社会价值，分别建模
2. 协商模拟器——买家行为模型 × 卖家策略模型 × 市场反馈循环
3. 动态定价器——实时调整，个性化报价，时间敏感

💡 关键教训

预测模型脆弱的原因：它们试图定义一个拒绝被定义的世界。在交易量大的标准品类（机票、酒店）中，预测模型足够好——因为大数定律抹平了个体差异。在低频、高情感、高个体差异的品类（二手车、房产、艺术品）中，每一次定价都是一次谈判，预测模型的误差不是模型质量问题——是范式选择问题。

实用检查：你的品类中，同一件商品被不同买家买走的成交价差异有多大？差异 < 5% → 预测模型 OK。差异 > 20% → 谈判范式优于预测范式。

对抗分析的惯性：如果你的定价模型上线后，分析团队天天在问「为什么实际成交价偏离预测价」，而不是在问「今天的市场力量对比如何」——你的组织还困在预测范式里。