解读

面试官问的是“满减门槛”与“客单价弹性”之间的量化关系，本质想看三件事：

1. 能否把业务目标（提升客单价）拆成可实验指标；
2. 是否熟悉中国电商主流数据体系（GMV、客单价、UV、转化率、补贴率、ROI）；
3. 能否用最小成本实验快速验证门槛合理性，而不是拍脑袋。
   回答必须体现“数据驱动+用户生命周期”思维，且要给出可落地的AB实验框架。

知识点

1. 价格弹性模型：ε = (Δ客单价/客单价) ÷ (Δ门槛/门槛)，用于衡量门槛每提升1%带来客单价变化百分比。
2. 中国电商常用指标：
   • 补贴率 = 优惠金额 / 成交金额
   • ROI = 增量毛利 / 补贴成本
   • 跳失拐点：门槛过高导致支付转化明显下降的临界值。
3. 实验设计：
   • 分层随机：按用户历史客单价分层（低、中、高），每层再随机分实验组与对照组，避免辛普森悖论。
   • 最小样本量：用中国电商大盘转化率基准2%~5%估算，保证MDE（最小可检测效应）≥3%、显著性α=0.05、功效1-β=0.8。
   • 滚动实验：采用7天学习期+7天稳定期，覆盖中国用户**“发薪日”**（每月1号、15号）周期，降低外部波动。
4. 因果识别：
   • 双重差分（DID）：对比实验组与对照组在实验前后客单价变化，剔除大盘自然增长。
   • CUPED：用实验前30天用户客单价作为协变量，减少方差，提升灵敏度。
5. 业务边界：
   • 毛利红线：补贴后毛利率≥10%，否则即使客单价提升也需叫停。
   • 用户体验：监控**“凑单退货率”**，若>5%说明门槛伤害体验，需下调。

答案

我会用“四步法”在两周内完成评估，并给出可执行门槛区间。

第一步，指标拆解
把“客单价弹性”拆成两个子指标：

• 门槛提升带来的客单价涨幅（收入侧）
• 门槛提升带来的转化率跌幅（流量侧）
  用弹性系数ε量化：ε = (ΔAOV/AOV) ÷ (ΔT/T)，其中T为满减门槛金额。若ε>1，说明门槛杠杆效应显著；若ε<0.5，则弹性弱。

第二步，用户分层实验
取近30天有过支付的活跃买家（UV≥100万），按历史月均客单价切成三层：

• 低客单：<120元
• 中客单：120~300元
• 高客单：>300元
  每层再随机分三组：
• 对照组：无满减
• 实验A：门槛=历史客单价+20%
• 实验B：门槛=历史客单价+40%
  实验周期14天，覆盖完整支付周期与周末波动。

第三步，数据回收与测算
用DID+CUPED剔除大盘自然增长，计算每层用户的ε：

• 若低客单组ε=0.3且转化率-8%，则停止继续加高门槛，因为补贴ROI<1；
• 若中客单组ε=1.2且转化率-2%，则接受该门槛，并计算毛利率是否≥10%；
• 若高客单组ε=0.8但凑单退货率>5%，则下调门槛或更换权益形式（如赠品替代满减）。
  最终给出**“门槛-客单价-转化率”三维曲线**，找到跳失拐点与ROI=1的交点，即为最优门槛区间。

第四步，上线与监控
将最优门槛封装成规则引擎，接入实时数据看板，核心监控：

• 客单价日环比
• 补贴率实时值
• 凑单退货率
  任一指标触碰红线，自动回滚至上一版本，确保GMV与利润双达标。

拓展思考

1. 多权益组合弹性：下一步可把“满减”与**“N元N件”、“多件多折”做联合弹性实验**，用多元线性回归拟合ε1、ε2、ε3，找到补贴成本固定下的最优权益组合。
2. 生命周期差异化：对新客首次购买仅设低门槛高折扣，对老客采用阶梯满减，结合RFM模型动态调整，实现客单价与复购率双升。
3. 外部变量控制：中国电商大促密集，需用**“促销日历”做双重差分**，剔除618、双11、年货节流量洪峰，避免虚假弹性。