《弃单挽回动力学、沉没数据续费棘轮与高客单顾问筛选机制》各章定量结论
买家放弃购物车之后何时跟进、发几次?订阅者积累的数据会不会让续费逐月上升?一笔 RM 9,800 或 RM 29,800 的企业牌照,怎样用菜单、申请表与订金筛选客户?本书把这些经验法则写成可以运行的算术,再看它们在什么条件下成立。书中的回访率、退订率、续费参数、客户估值与成交率均为示意或合成模型;全部数据由书中程序生成;本书不是法律意见。
DOI 10.5281/zenodo.24090209 · 阅读本章所在专著 · English version
- 第 1 章 · 弃单跟进的时序与次数
第一章用受外部激发的回访强度模型(不是严格的霍克斯过程)比较跟进时序:「15 分钟、24 小时、72 小时」达到网格最优增益的 91%,220 个时序中有 33 个达到 90%,最优面很平;扣除退订后,第四封以后几乎没有净收益。 - 第 2 章 · 折扣钩子与被高估的挽回
第二章发现折扣钩子会教会回头客故意弃单(学习概率 0.6 时一年收入 RM 880,971,低于普通提醒的 RM 882,196),而归因挽回中只有 0.43 是增量。 - 第 3 章 · 沉没数据的续费棘轮,与同样上升的筛选曲线
第三章写出沉没数据棘轮,并证明一个人人续费率不变的筛选模型(sBG)能把同一条群组曲线拟合到最大差距 0.011。 - 第 4 章 · 数据导出的代价与年付方案的自我选择
第四章计算数据导出的代价(只在棘轮模型中存在)与年付方案的自我选择(买家清楚自己的流失时收入 -4.0%)。 - 第 5 章 · 两档牌照的菜单与申请表的甄别
「用一份长申请表把不合适的客户挡在门外」,只有在一个条件下成立:不合适的客户每多一道问题就更容易放弃。这就是甄别理论中的单交叉条件。若两类客户每道问题都有 0.04 的人放弃,10 道问题之后高合适度客户从 200 人降到 133.0 人,低合适度从 800 人降到 531.9 人,比例仍然是 0.200:摩擦只是赶走了客户。若高合适度客户每道题放弃 0.03、低合适度 0.08,10 道题后比例升到 0.298;若前者是 0.06,… - 第 6 章 · 顾问时间的分配与订金的信号
第六章计算按评分分配顾问通话(+48% 到 +100%)与可退订金的信号条件。 - 第 7 章 · 《孙子·九地》《鬼谷子》揣摩与《墨子》量功分禄
第七章与《孙子·九地》、《鬼谷子》揣篇与摩篇、《墨子·尚贤上》并读,把「揣情」写成问题的信息量(「预算已批准」0.149 比特)。 - 第 8 章 · 完整账本、区分棘轮与筛选的实验,以及预注册的留出实验
第八章给出完整挽回账本(净收入只有归因的 36%)、区分棘轮与筛选的随机实验与一项预注册的留出实验。书中以标注框区分已发表的证据、可运行的 Python 计算(16 段程序)、原典与作者的假说。
模型示意算例,非实时报价