解读

面试官问“价格弹性”不是考经济学公式，而是想看你是否能把价格敏感度转化为可落地的用户分层模型，进而指导补贴、促销、定价策略。国内互联网场景下，价格弹性必须和大数据+实验+业务目标结合，否则就是纸上谈兵。回答时要体现三层能力：

1. 把经济学概念翻译成可计算的指标；
2. 用A/B实验+因果推断验证弹性，而不是拍脑袋；
3. 把弹性结果做成运营可直接调用的标签，与补贴系统、CRM、Push通道打通。

知识点

1. 价格弹性系数（PED）＝（ΔQ/Q）/（ΔP/P），国内常用7天或30天订单量做Q，用实付均价做P。
2. 分层阈值必须结合业务毛利率与补贴预算倒推，而不是统计学四分位；例如毛利率15%的品类，PED绝对值>3 即定义为“高敏感”，因为降价10%就要让利30%才能换量，ROI为负。
3. 工具链：Snowflake/MaxCompute做离线建模，Airflow调度，Kafka实时回流，最后写入用户标签宽表（UserProfile），字段统一为price_sensitivity: high|mid|low。
4. 因果推断：国内流量红利见顶，必须用双重差分（DID）+PSM剔除季节性和选品偏差，否则弹性会被“节日效应”严重高估。
5. 合规红线：2021年《价格法》修订后，大数据杀熟被明确处罚，分层结果只能用于普惠型优惠或会员权益差异，不能对同一商品做个体定价。

答案

我会用“四步法”把价格弹性变成可运营的分层：

第一步，数据准备。取近6个月成交数据，粒度到user-sku-day，过滤秒杀、直播、券叠加等异常订单；用用户-品类交叉维度聚合，避免“苹果用户买苹果手机”这种伪弹性。

第二步，弹性计算。在每个品类内做价格阶梯实验：随机选取20%流量，对同一sku打9.5折、9折、8.5折，跑14天；用**两阶段最小二乘（2SLS）**解决内生性问题，工具变量选“供应商临时调价通知时间差”。得到每个用户的PED系数。

第三步，阈值切割。把PED绝对值≥3标为高敏感，1.5~3为中敏感，<1.5为低敏感。阈值不是固定死的，每月随毛利率与预算动态调整：预算紧张时，把高敏感门槛收紧到2.5，保证补贴花在刀刃上。

第四步，标签落地。把结果写回UserProfile，同步到营销自动化平台。后续运营动作：高敏感用户发限时满减券，低敏感用户推会员升级礼包；同时在下发通道做弹性敏感度的实时校验，防止策略冲突。

整个流程上线后，我们曾在某头部电商快消品类试点：高敏感人群补贴率降低4.2%，GMV保持正增长，毛利率提升1.7个百分点，验证了模型的业务有效性。

拓展思考

1. 多品类弹性耦合：用户可能在生鲜高敏感、在3C低敏感，需要矩阵式标签（user×category），运营策略要支持品类级差异化触达。
2. 弹性生命周期：新客首次购的弹性往往虚高，30天后回落，建议把**“首次实验”与“复购实验”**拆分建模，否则会把大量新客误杀成“羊毛党”。
3. 与会员体系打通：低敏感用户其实对权益型价格不敏感，但对身份符号敏感，可把节省下来的补贴预算转做付费会员返现，实现利润与忠诚度双升。