5D Library › 选择架构、累积前景理论与销售界面价格锚定的计算行为学 · English
序:选项、参照与时间
注
用途与风险提示,请先读这一段。 本书是教学与研究用的数学模型,不是营销、定价、法律、合规或投资建议。书中的定价页面、价格历史、成交记录、实验数据与人物都是虚构或程序模拟的,不是任何真实企业、商品或顾客的数据。书中讨论的价格标示规则只用于说明数学与证据的边界,不是对任何司法辖区法律的解释;涉及真实商业决策时请咨询当地合格的专业人士。本书不提供任何「保证提升转化率」「提升 X% 成交」或「必胜定价」的方法。用选择设计误导顾客(虚构原价、伪造倒计时、隐藏退出路径、预先勾选附加费用)可能违法,也违背本书的立场;书中分析这些手法,是为了识别与约束它们。
一个定价页面上放几档套餐?中间那一档旁边要不要摆一个「看起来不划算」的选项?原价要不要划掉写在旁边?结账按钮上写「立即省下 10 美元」还是「离开就会失去 10 美元优惠」?注册表单分成三步还是七步?这些问题每天都在无数页面上被回答,回答的依据常常是一些流传很广的说法:「选项越多转化越高」,或者反过来,「选项一多顾客就不买了」;「划掉一个高价,顾客就愿意多付」;「人对损失的敏感是收益的 2.25 倍,所以损失框架一定更有效」;「加一个诱饵,中间档的销量就会上去」。这本书问的是:这些说法中,哪些有数学与证据的支撑,在什么条件下成立,哪些需要限定,哪些是错的?
回答需要四层工具。第一层是证据的规模:一个在单次实验中观察到的效应,在梅塔分析与大规模现场试验中还剩多少。第二层是价值与概率:累积前景理论怎样描述人对收益、损失与概率的主观处理,它的参数从哪里来,又能说明什么、不能说明什么。第三层是选项集合:一个新增的选项能否改变人们对原有选项的偏好,标准的离散选择模型为什么做不到,什么样的模型可以做到。第四层是时间:为什么人们一再推迟只需几分钟就能完成的事,表单的每一步摩擦怎样被放大。
本书的内容
第一章讨论选择过载:果酱研究的原始数字、两项梅塔分析的结论与一个说明「选项数量何时有利、何时有害」的作者的模型,以及助推效应在发表筛选下怎样被放大;第二章讨论划线价与参照价格:交易效用、参照价格可信度的上限,以及美国与欧盟关于「原价」「此前价格」的标示规则;第三章讨论累积前景理论的价值函数与两种概率权重函数,以及累积(秩依赖)权重与逐项加权的区别;第四章讨论损失厌恶系数的证据与识别问题,以及从个体选择模型到「转化率差」之间缺失的连接函数;第五章讨论多项 Logit 的无关选项独立性、随机效用模型的正则性定理、特沃斯基—西蒙森情境依赖模型与多属性决策场理论,以及诱饵效应的生效边界;第六章讨论指数贴现、准双曲贴现与双曲贴现,天真与老练的拖延,以及一个分步表单的作者的模型;第七章与《管子·国蓄》《管子·轻重乙》和《史记·货殖列传》中的计然之策并读;第八章给出四步核查表与一项预注册的在线随机实验方案。
本书与 5D Library 的几本书相邻,重叠处只作简短回顾并注明出处,不重复其程序:第 6 本《注意力的经济学》把转化漏斗写成吸收马尔可夫链,讨论过平台、机构与创作者之间的定价(本书只讨论单个页面上的选择设计);第 14 本讨论过多巴胺奖励预测误差与即时奖励(第六章只回顾);第 19 本《非遍历性财富动力学、凯利准则与波动率税》讨论过对数效用、时间平均与《史记·货殖列传》中的计然(第三章、第七章只回顾);第 26 本讨论过概率判断与校准(第三章的概率权重与之相关但不同:前者是对已知概率的加权,后者是对未知概率的估计);第 27 本讨论过机制设计、议价与 BATNA(第二章的参照价格只回顾议价中的锚);第 33 本《科学方法论、可证伪性与可重复性危机的数理统计》讨论过预注册、赢家诅咒、把握度与判定规则(第一章与第八章沿用);第 42 本讨论过最优停止与沉没成本(第六章的拖延模型与之相邻)。本书的风险提示、披露与第八章体例照第 45 本的写法。
核对后修正的说法
作者给出的框架中,有以下几处经核对需要修正、补充或限定。各章遇到时如实说明,并汇总在随书的《编辑说明》中。
- 选择过载的两个极端。 「选项越多转化越高」不成立,「选项一多顾客就不买」也不是普遍规律。艾扬格与莱珀的果酱研究中,24 种果酱的摊位前停留的人更多(60% 对 40%),但停留者中只有 2.8% 购买,6 种果酱为 29.8%;常被引作「3% 对 30%」的是停留者中的比例,按路过者计算是 1.7% 对 11.9% (Iyengar and Lepper 2000)。舍伊本黑内等人汇总 50 项实验、63 个条件,平均效应「几乎为零」,研究之间差异很大 (Scheibehenne et al. 2010);切尔涅夫等人随后找到四个调节变量(选项集的复杂性、任务难度、偏好不确定性与省力目标)(Chernev et al. 2015)。作者的模型显示,选项数量的效应可正可负,取决于比较成本与偏好不确定性(第一章)。
- 「划掉原价即可无限抬高支付意愿」。 参照价格的效应存在,但夸大的参照价格可信度下降 (Urbany et al. 1988; Compeau and Grewal 1998; Krishna et al. 2002);在作者的模型中,支付意愿的增量有明确的上限,加入「怀疑」之后,过高的划线价反而降低支付意愿。美国联邦贸易委员会的《反欺骗性定价指南》要求「原价」是在相当长时间内真实、经常向公众报出的价格 (U.S. Federal Trade Commission 1964);欧盟第 98/6/EC 号指令第 6a 条(由第 2019/2161 号指令加入)要求降价公告中的「此前价格」是降价前不少于 30 天内的最低价 (European Parliament and Council of the European Union 1998, 2019),欧盟法院在 C-330/23 号案中确认了这一点 (Court of Justice of the European Union 2024)。马来西亚的相关规定本轮未能核实,不予引用(第二章)。
- 「TK1992 + Prelec」与概率权重。 特沃斯基与卡尼曼 1992 年的累积前景理论使用的概率权重函数是 ,中位数估计在收益域 、损失域 (Tversky and Kahneman 1992);普雷莱克 1998 年的 是另一个由公理推出的函数形式 (Prelec 1998),0.65 是他在图示中使用的值,不是估计值。把 1992 年的价值函数与普雷莱克权重组合起来是可以的,但应写明是组合,不应称为「TK1992」。程序显示,用普雷莱克单参数函数拟合 1992 年的收益域曲线,最优参数为 0.501(第三章)。
- 逐项加权与累积权重。 累积前景理论不对每个结果的概率分别加权,而是对「至少这么好」的累积概率加权再取差分(秩依赖)。逐项加权的 会违反一阶随机占优:程序中它偏好一个被占优的彩票(确定性等价 53.73 对 37.38),把同一个结果拆成 50 份可以把确定性等价抬到 316.63;累积权重不会(第三章)。
- 参数不是常数。 、 是 25 名研究生在不按选择付酬的实验中得到的中位数 (Tversky and Kahneman 1992)。布朗等人对 1992—2017 年 150 篇文献中 607 个估计的梅塔分析得到损失厌恶系数的均值 1.955(95% 区间 1.820 至 2.102)(Brown et al. 2024);加尔与拉克则认为现有证据不支持损失普遍比收益影响更大 (Gal and Rucker 2018)。程序显示,同一位虚构决策者(真值 )在小、中、大三档赌注下的模拟选择,用同一个线性模型估计,分别得到 1.43、1.13 与 0.88 三个「损失厌恶系数」(第三、四章)。
- 「损失框架与收益框架的转化率差」。 累积前景理论描述个体在彩票之间的选择,不直接给出结账页面的转化率。要从价值得到比例,必须加上一个连接函数及其尺度参数,「框架差」的大小几乎完全由这个尺度参数决定;程序中同一个折扣在两种框架下的差别可以是 4.3 到 26.7 个百分点。框架效应可靠但在梅塔分析中为小到中等 (Kühberger 1998)。书中的数值都标为示意(第四章)。
- 「纯 MNL 无法产生诱饵效应」。 结论正确但范围太窄。在任何随机效用模型中,新增一个选项都不能提高原有选项的被选概率(正则性)(Block and Marschak 1960),所以诱饵效应(吸引效应)违反的是所有随机效用模型,包括概率单位模型、嵌套 Logit 与混合 Logit,不只是多项 Logit;程序显示误差相关只能抵消诱饵带走的份额,不能使目标档上升(第五章)。
- 诱饵效应与折中效应的生效边界。 特沃斯基与西蒙森 1993 年的模型是「情境依赖偏好」模型:相对优势加上对劣势的损失厌恶式加权 (Tversky and Simonson 1993);程序显示,吸引效应要在相对优势权重 超过一个阈值后才出现(示例中在 0.01 与 0.03 之间;阈值小于它时,诱饵的稀释作用占上风),折中效应则还需要劣势函数是凸的。在多属性决策场理论中,吸引效应与折中效应都依赖侧抑制,去掉侧抑制两者都消失 (Roe et al. 2001);本书程序在示意参数下发现,折中效应只在侧抑制较宽较强时出现。弗雷德里克等人在 38 项研究中发现,属性以知觉或体验方式呈现时吸引效应基本消失,偶有反向的「排斥效应」(Frederick et al. 2014);电商现场数据中只有 11%—25% 的顾客察觉到占优关系 (Wu and Cosguner 2020)(第五章)。
- β–δ 的出处与「拖延—违约临界值」。 准双曲贴现函数最早由费尔普斯与波拉克用于代际储蓄 (Phelps and Pollak 1968),莱布森 1997 年把它用于一个人在不同时点的「自我」(Laibson 1997);天真与老练的区分来自奥多诺霍与拉宾 (O’Donoghue and Rabin 1999)。分步表单的「摩擦成本」与完成临界值是作者的模型,不是已发表的结果(第六章)。
- 《管子》引文的出处。 「夫物多则贱,寡则贵,散则轻,聚则重」见于《管子·国蓄》,作者框架作「《轻重甲》/《国蓄》」;本轮核对的《轻重甲》录文中没有这句话。框架副题中的「衡数」见于《轻重乙》「衡无数也」「然则衡数不可调耶」。引文按黎翔凤《管子校注》为准 (黎翔凤 撰,梁运华 整理 2004),本轮只能对照网络录文,请作者以中华书局纸本复核(第七章)。
- 计然之策与「价格预期锚定」。 「贵上极则反贱,贱下极则反贵」与「上不过八十,下不减三十」见《史记·货殖列传》(司马迁 撰 1959),前者第 19 本已讨论,计然是人名还是书名历来有争议,本书不作判断。这两句说的是价格的均值回复与官府的价格区间,不是现代心理学意义上的锚定;程序显示,「极则反」只在供给冲击平稳时成立,在随机游走中不成立(第七章)。
- 三档价格示例。 作者框架中的三档价格 9.99、49.90、149.00 美元与 5D Library 自己的电子书、平装书与精装合订本定价相同。本书在利益披露中说明这一点;第五章的示例只说明模型的性质,不构成对这一定价的验证;第八章的实验不使用作者的产品与价格(第五、八章)。
如何阅读标注框
与 5D Library 的其他书一样,不同类型的陈述分开标注。
证据
证据框报告已发表的研究结果,并注明出处。
推导
推导框给出简短的 Python 程序。每段程序都可以在 Python 3.8 及以上的标准环境中原样运行,只用标准库,固定了随机种子,程序下方附有实际运行结果。书中的价格、页面、选择与实验数据都是虚构或程序合成的,参数是示意值,不是对任何真实市场、企业或顾客的估计。
假说 · 尚未验证
假说框是作者的想法,标明「尚未确立」,并写明什么样的结果能证明它是错的。作者自己的模型与定义在正文中标明「作者的模型」。
原典
原典框引用古代文献,并附白话解释。
注
注框给出提醒并解释取舍。
本版说明
这是 1.0.0 版,第一个完整版:序与八章,中英双语。书中共有 16 段 Python 程序与 5 张矢量图。正文、标注框与代码由 AI 写作工具依据作者提供的书名、框架与要点起草,作者负责审阅、修改并核对出处。AI 起草的文字可能在文献细节上出错,欢迎通过 5D Library 网站指正。第一章的选择过载模型、第二章的参照价格可信度模型、第五章示例中的三档属性刻度、第六章的分步表单模型与第七章的常平区间模型是作者的模型,它们的数学性质不是对任何真实页面或市场的预测证据。
利益披露
作者以 5D Library 的著作(包括本书)作为其社群课程、升维牌卡(5D Ascension Cards,Dimensional Shift Card Decks)与 Yafu AI 知识库的方法论基础,因此与本书主题有商业利益关系。本书不推销任何课程、牌卡或服务;第八章的试验设计为由独立于作者企业的研究人员实施和分析,不从作者的社群、学员或客户中招募;书中所有代码与研究方案均公开,供任何人检验。作者创办并经营 Asia Influencer X 与 Yafu Global,为品牌提供网红营销、直播电商与数字营销服务,工作中涉及本书讨论的定价页面与选择设计,因此与本书主题有直接商业利益。书中三档价格示例(9.99、49.90、149.00 美元)与 5D Library 自己的电子书、平装书与精装合订本定价相同,作者对这一定价结构有直接利益;书中的分析不构成对该定价的验证。本书不使用作者企业或其客户的数据作为证据,也不推销其服务。
参考文献
Fan, Y. (2026). Choice Architecture, Cumulative Prospect Theory and Computational Behavioural Economics of Pricing Interfaces: From Loss-Aversion Value Functions and Asymmetric Dominance to Hyperbolic Discounting, Read Beside the Qingzhong Chapters of the Guanzi [选择架构、累积前景理论与销售界面价格锚定的计算行为学] (Version 1.0.0). 5D Library. https://doi.org/10.5281/zenodo.23836260 · Licensed under Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0).