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。這就是現在電商的特色，一年365天頻繁的促銷。不光線上，線下零售也是這樣。無論科技如何發展、營銷手段如何進步，廠商薄利多銷和消費者追逐降價的本質仿佛從未改變（注意是追逐降價而非便宜）。

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

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者的，我們假設某電商平臺有3個sku、5個注冊用戶，現需要在圣誕期間對這3個商品和5個用戶制定促銷，這個時候我們需要做什么呢？

首先，我們需要對每個商品設計特定的促銷策略，如降價多少、制作什么類型的廣告。根據促銷費用和目標利潤的限制，確定每個商品的促銷策略。接下來要做的就是確定不同的商品推送給什么樣的用戶，也許你會問：反正促銷策略都做好了，為什么不每個用戶都推送呢？

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，每多推送一個用戶也會有邊際成本的增加；另外，用戶的注意力只有那么多，所有的商品都推送，他們反而不會選擇，因此將最能打動用戶的商品和促銷推送給他們才是最優選擇。

上面的這段話其實隱含了兩個重要概念，也是我們做促銷應該考核的兩個關鍵指標：

• 促銷活動整體響應率：促銷活動后, 實際購買的客戶占參加促銷活動的總人數的比率，該值越高越好。
• 預期收益最大化：也就是獲得最大的利潤（也可以是通過促銷與用戶建立穩定關系以期在未來獲得更大的長期利潤）

這也就決定了企業不能投入大量資金與所有客戶建立長期的關系，而應該選擇那些高價值用戶。

2. 如何確定每個SKU對應的高價值用戶？

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

還有諸如客戶生命期價值（客戶在整個生命周期內能給企業帶來收益的期望凈現值）、優度評價法等測算用戶價值的方式。本文以RFM模型為例，這也是傳統零售行業經常用的模型。

3. 如何利用RFM模型給用戶打分？

RFM是根據美國數據庫營銷研究所Arthur Hughes的研究得來的，它有三個基本的假設：

• 最近有過購買行為的客戶再次購買的可能性要高于最近沒有購買行為的客戶
• 購買頻率較高的客戶比購買頻率較低的客戶更有可能再次購買企業的產品
• 總的購買金額較高的客戶再次購買的可能性較高并且是價值較高的客戶

獲取RFM指標數值的最簡單方法就是查詢每個客戶最近一次購買某個產品( 服務) 的時間, 并按照由近及遠的排序, 排序后將整個客戶集分成N等份, 購買時間離當前時間最近的N分之一客戶標記為分值N, 購買時間離當前時間最遠的N分之一客戶標記為分值1。按照類似的方法, 將客戶按照其購買的頻率和總的購買金額由高到低分別進行打分。本文取N=5 。

回到第1部分概述中的“案例市場”，我們假設該市場中的5個用戶對三個SKU的RFM值分別為：

根據RFM的值可以得出用戶針對某SKU的總價值，經驗表明最近購買時間R 、購買總金額M比購買頻率F 對于區分客戶對促銷活動的響應率效果更明顯，因此算總分時，按照”2×R+1×F+2×M“的公式計算總分為：

二、如何根據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自由的，都會面臨各種各樣的約束，在運籌學中管這個叫約束條件。那么，做3個SKU、5個用戶的組合促銷策略會面臨哪些約束條件呢？通過對電商常見促銷的總結，主要有以下幾點：

• 有一個總的預算費用，本次促銷成本不能超過它，假設為Cost；某個促銷活動的成本為固定成本與邊際成本之和
• 每個客戶參加促銷活動的總次數不能超過規定值，假設為N（max）
• 某個促銷活動的規模必須滿足一定條件，即需滿足最小參加人數和最多參加人數（可通過發券控制），假設分別為L和H

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

需要滿足的約束條件用數學式子表示如下：

2. 促銷的目標

說了這么久，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，那么該用一個什么樣的式子表示目標呢？

我們需要根據約束條件和目標函數來解這個模型，得出每一個Xij的最優解，答案如下：

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

結語

電商平臺的促銷活動是圍繞SKU的設計的，每個SKU所對應的客戶價值有區別，我們可以根據促銷活動的約束條件和客戶價值設計一個最優的組合促銷策略模型，如上。但本文有一個地方可做進一步研究：我是根據RFM模型計算的分值大小表示用戶對每一個SKU及促銷活動的響應率，我認為分值越高響應率越高。針對響應系數Rij的設計，還可考慮用戶行為的影響，如對某個SKU的加購行為，這將使模型更加精確。

參考文獻：

1. 《數據挖掘技術在CRM 中的應用》，張吉吉、常桂然、 黃小原
2. 《基于RFM 分析的促銷組合策略優化模型》，趙曉煜、黃小原、孫福權

#專欄作家#

平章大人，人人都是產品經理專欄作家。專注電商行業、用戶增長、營銷科學化領域研究。

本文原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖由作者提供