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
第二章 划线价与参照价格:交易效用、可信度与标示规则
一个被划掉的数字能做什么
商品页面上常见这样的写法:一个较高的价格被划掉,旁边写着较低的现价,再加一句「立省 32%」。作者的框架要求证伪「简单划掉原价即可无限抬高支付意愿」。本章先介绍解释这种做法为何可能有效的理论(交易效用与参照价格),再看已发表证据中参照价格效应的大小与边界,然后用一个作者的模型说明支付意愿的增量为什么有上限,最后讨论美国与欧盟关于「原价」的标示规则,以及这些规则在算术上允许什么、禁止什么。
交易效用与参照价格
证据
塞勒 1985 年提出「心理账户」框架,把一次购买的总效用分成两部分:获得效用,即商品对买者的价值减去价格;交易效用,即「参照价格」(买者认为合理或预期的价格)减去实际价格,衡量「这笔交易划不划算」(Thaler 1985)。参照价格可以来自记忆中的过去价格(内部参照价格),也可以来自卖方展示的价格(外部参照价格,例如划线价、「建议零售价」)。马宗达、拉杰与辛哈 2005 年的综述整理了参照价格的形成、测量与效应的文献 (Mazumdar et al. 2005)。
在这个框架里,划线价的作用是提高买者心中的参照价格,从而提高交易效用。若买者在获得效用与交易效用之和不小于零时购买,设商品价值为 、参照价格为 、交易效用的权重为 ,则她愿意支付的最高价格为
时 WTP 就是 :只看商品本身。 时, 每提高 1 美元,WTP 提高 美元。所以问题的关键是:展示的划线价 能把 提高多少。如果 随 无限上升,WTP 也会无限上升——这正是作者框架要证伪的说法。
证据:效应存在,但可信度会打折
证据
厄尔巴尼、比尔登与韦尔贝克 1988 年比较了「可信的」与「夸大的」广告参照价格:夸大的参照价格可信度较低,但据后续文献转述,它们与不展示参照价格相比仍提高了感知价值 (Urbany et al. 1988)。康波与格雷瓦尔 1998 年的综合评述汇总了比较价格广告(展示参照价格的广告)的研究及其公共政策含义 (Compeau and Grewal 1998)。克里希纳等人 2002 年对 20 项营销研究的梅塔分析发现:折扣的百分比与金额都提高了感知节省,百分比的作用更大;把原价作为外部参照价格展示,对大额而可信的折扣与不可信的折扣都提高了感知价值,对小额而可信的折扣则没有作用 (Krishna et al. 2002)。
这些证据说明了两件事,方向与作者框架的预期部分不同。第一,参照价格效应确实存在,而且夸大的参照价格虽然可信度下降,在已核对的研究中并没有反转为负效应。所以「不可信的高参照价会适得其反」只是一种可能,不是已确立的结论;本章后面的「怀疑」模型把它写成假说。第二,「可信度打折」这一事实本身就足以否定「无限抬高」:只要买者对越来越夸大的参照价格给予越来越小的权重,WTP 的增量就是有界的。下面用一个模型把这一点写清楚。
作者的模型:可信度饱和与怀疑
设买者的内部参照价格为 。作者的模型给出两种感知参照价格 :
- 饱和型:。划线价越高,参照价格越高,但增量越来越小,最多提高 ;夸大的部分被打折,但从不反转。
- 怀疑型:在饱和型的基础上,当 超过 时减去 :过高的划线价让买者怀疑整个报价,反而降低参照价格。
饱和型下,WTP 增量的上界是 ,与 无关。
推导
# Part A: THE AUTHOR'S MODEL of a struck-through ("was") price R. A buyer with internal
# reference r0 and consumption value V pays at most WTP = (V + theta * r) / (1 + theta),
# where theta * (r - p) is transaction utility (Thaler 1985), r the perceived reference.
# saturating: r = r0 + D (1 - exp(-(R - r0) / D)) -- discounted, never reversed
# backfire: the same, minus a suspicion penalty b (R - h r0) once R exceeds h r0
# Either way the gain in WTP is bounded: no struck-through price raises it without limit.
# Part B: the EU rule (Directive 98/6/EC, Art. 6a, inserted by Directive (EU) 2019/2161):
# an announced reduction is measured against the lowest price applied in the 30 days
# before it. A fictitious 90-day price history shows what each reading allows.
import math
R0, V, THETA, D, H, B = 40.0, 40.0, 0.6, 8.0, 1.5, 0.25
def ref(R, backfire=False):
r = R0 + D * (1 - math.exp(-max(R - R0, 0) / D))
if backfire and R > H * R0:
r -= B * (R - H * R0)
return r
def wtp(R, backfire=False):
return (V + THETA * ref(R, backfire)) / (1 + THETA)
base = wtp(R0)
print("author's model: WTP gain over 'no reference' (r0 = V = 40) by was-price R")
print(" R (was) saturating backfire")
for R in (40, 45, 50, 60, 70, 80, 100, 150, 200, 400):
print(f" {R:7.0f} {wtp(R) - base:+10.2f} {wtp(R, True) - base:+8.2f}")
cap = THETA * D / (1 + THETA)
print(f" ceiling of the saturating gain: theta D / (1 + theta) = {cap:.2f}"
f" ({cap / base:.1%} of WTP)")
best = max((R0 + 0.01 * i for i in range(20001)), key=lambda R: wtp(R, True))
neg = min(R0 + 0.01 * i for i in range(1, 40001) if wtp(R0 + 0.01 * i, True) < base)
print(f" backfire variant peaks at R = {best:.1f} ({best / R0:.2f} x r0), gain"
f" {wtp(best, True) - base:+.2f};")
print(f" its gain turns negative above R = {neg:.1f}")
print()
hist = [39.0] * 45 + [59.0] * 14 + [39.0] * 6 + [29.0] * 25 # days 0..89
day = 65
win = hist[day - 30:day]
print("price history: 39 for 45 days, 59 for 14 days, 39 for 6 days,"
f" 'sale' at 29 from day {day}")
for lab, r in (("price the day before the sale", hist[day - 1]),
("highest price in the 30 days before", max(win)),
("lowest price in the 30 days before (Art. 6a)", min(win))):
print(f" {lab:46s} {r:5.1f} -> announced cut {1 - 29 / r:4.0%}")
hist2 = [39.0] * 45 + [59.0] * 20 + [29.0] * 25
print(f"59 held right up to the sale: lowest in 30 days {min(hist2[day - 30:day]):.0f},"
f" announced cut {1 - 29 / min(hist2[day - 30:day]):.0%} (not {1 - 29 / 59:.0%})")
hist3 = [59.0] * 65 + [29.0] * 25
print(f"59 for all 65 days: lowest in 30 days {min(hist3[day - 30:day]):.0f},"
f" announced cut {1 - 29 / 59:.0%} is allowed by this rule")
# author's model: WTP gain over 'no reference' (r0 = V = 40) by was-price R
# R (was) saturating backfire
# 40 +0.00 +0.00
# 45 +1.39 +1.39
# 50 +2.14 +2.14
# 60 +2.75 +2.75
# 70 +2.93 +1.99
# 80 +2.98 +1.10
# 100 +3.00 -0.75
# 150 +3.00 -5.44
# 200 +3.00 -10.13
# 400 +3.00 -28.88
# ceiling of the saturating gain: theta D / (1 + theta) = 3.00 (7.5% of WTP)
# backfire variant peaks at R = 60.0 (1.50 x r0), gain +2.75;
# its gain turns negative above R = 92.0
#
# price history: 39 for 45 days, 59 for 14 days, 39 for 6 days, 'sale' at 29 from day 65
# price the day before the sale 39.0 -> announced cut 26%
# highest price in the 30 days before 59.0 -> announced cut 51%
# lowest price in the 30 days before (Art. 6a) 39.0 -> announced cut 26%
# 59 held right up to the sale: lowest in 30 days 39, announced cut 26% (not 51%)
# 59 for all 65 days: lowest in 30 days 59, announced cut 51% is allowed by this rule程序取 、、、、(示意值)。饱和型下,划线价从 40 提高到 60,WTP 增加 2.75;提高到 400,也只增加 3.00,这就是上界 ,即 WTP 的 7.5%。怀疑型下,WTP 在 (内部参照价的 1.5 倍)处达到最大,超过 92.0 之后增量变为负数。两种情形都否定了「无限抬高」;它们的区别在于夸大到极端时是「无效」还是「有害」,这一点需要证据回答,而已核对的证据更接近饱和型。图 2 的左图画出了两条曲线。
注
参数从哪里来。 、、、 都是示意值,不是估计值。模型只说明结构:只要可信度随夸大而下降得足够快(这里是指数式饱和),任何划线价能带来的增量都有上限。真实的上限有多大、是否会反转,取决于商品类别、买者对价格的熟悉程度与卖家的信誉,需要在具体情境中测量。
内部参照价格从哪里来
划线价是外部参照价格;买者心中的内部参照价格则主要来自她见过的价格。马宗达等人的综述把参照价格的形成分为若干类来源,其中常用的一类模型把内部参照价格写成过去观察价格的加权平均,每看到一次新价格就向它调整一步 (Mazumdar et al. 2005)。在这类适应性模型中,频繁的促销有一个容易被忽视的后果:每一次以低价成交,都把买者的内部参照价格向下拉,于是此后按原价购买时的交易效用变为负数,原价看起来「贵了」。换言之,今天的划线价提高的是今天的交易效用,频繁使用它却可能降低明天的参照价格;本章的作者的模型只描述一次购买,没有包括这一动态。
这一点与第 6a 条的 30 天规则有一个有趣的对应:规则把「此前价格」定义为近期的最低价,相当于要求卖方使用一个保守的、与买者的适应性参照价格方向一致的参照点,而不是一个从未被买者见过的高价。规则是否出于这一考虑,本书不作推断;这里只指出二者在算术上指向同一方向。
锚定的证据也需要限定
划线价有时被描述为「锚定」:一个任意的数字影响了后续的判断。阿里利、洛温斯坦与普雷莱克 2003 年的实验让参与者先想自己社会安全号码的末两位,再对商品出价,号码较大的人出价较高,作者称之为「连贯的任意性」(Ariely et al. 2003)。马尼亚迪斯、图法诺与利斯特 2014 年用更大的样本重复类似的实验,得到的锚定效应比原研究弱得多,并以此讨论单项研究的可重复性 (Maniadis et al. 2014)。第 27 本讨论过谈判中的锚定与最佳替代方案(BATNA),这里只补充一点:划线价与任意锚不同,它声称自己是一个真实的过去价格,所以它的效应部分来自买者对这一声称的信任,而对这种信任的利用正是法律规制的对象。价格以 9 结尾(例如 9.99)是另一类价格呈现:安德森与西梅斯特在邮购目录的现场实验中发现以 9 结尾的价格提高了需求 (Anderson and Simester 2003),但它与参照价格是不同的机制,本书不展开。
标示规则:什么是「原价」
证据
美国联邦贸易委员会的《反欺骗性定价指南》(16 CFR 第 233 部分)第 233.1 条规定:以「原价」作比较是正当的,前提是原价是该商品在相当长的时间内、在正常经营中真实而善意地向公众报出的价格;如果为了随后宣布大幅降价而人为设定一个虚高的价格,这一「原价」就是虚构的,所宣称的优惠也是虚假的 (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)规定:任何降价公告都必须标明此前价格,即经营者在降价前不少于 30 天内适用过的最低价格 (European Parliament and Council of the European Union 1998, 2019);成员国可以对易腐商品、上市不足 30 天的商品与逐步加深的降价作不同规定。欧盟法院 2024 年 9 月 26 日在 C-330/23 号案(巴登—符腾堡消费者中心诉 Aldi Süd)中确认:以百分比或其他突出优惠的方式宣布的降价,必须以这一 30 天最低价为基准计算,不能以降价前一天的价格为基准 (Court of Justice of the European Union 2024)。
程序后半部分用一段虚构的 90 天价格历史说明这两种规则的算术含义。商品先以 39 售出 45 天,然后提价到 59 维持 14 天,再回到 39 维持 6 天,从第 65 天起以 29「促销」。若以「促销前一天的价格」为原价,宣称降价 26%;若以「过去 30 天的最高价」为原价,可宣称降价 51%;按第 6a 条,原价是过去 30 天的最低价 39,只能宣称 26%。即使把 59 一直维持到促销前一天,30 天窗口内仍包含 39,宣称仍只能是 26%(图 2 右)。但如果 59 维持了整整 65 天,30 天最低价就是 59,51% 的宣称在这一条规则下是允许的。这说明 30 天最低价规则限制的是「短期抬价再降价」,不能单独排除「长期挂一个没人买的高价」;后者需要美国指南中的「真实而善意地报出」一类的实质判断。
注
关于其他司法辖区。 作者的框架提到马来西亚的相关规定。本轮核对没有找到可以直接核实的条文原文,因此本书不作引用。各地规则不同,而且会修订;本章只用美国与欧盟两套已核实的规则说明算术,不构成对任何地方法律的解释。
假说 · 尚未验证 · 夸大的划线价会损害信任
作者的假说(尚未确立): 当划线价超过买者内部参照价格的某一倍数(作者的模型中约 2.3 倍,即 92.0/40;1.5 倍处反而是增量的峰值)时,展示划线价的页面比不展示划线价的页面购买率更低(怀疑型)。什么样的结果能证明它是错的: 在一项预先登记、随机分配「无划线价」「划线价为参照价 1.2 倍」与「划线价为参照价 2.5 倍」三种页面的实验中(划线价须为真实的过去价格,以免实验本身构成虚假标示),2.5 倍组的购买率不低于无划线价组,或其差值的置信区间包含零。
本章小结
塞勒的交易效用把划线价的作用解释为提高参照价格。已核对的证据显示参照价格效应存在,夸大的参照价格可信度下降,但并未在这些研究中反转;克里希纳等人的梅塔分析显示原价对大额可信折扣与不可信折扣有作用、对小额可信折扣没有作用。作者的模型说明,只要可信度随夸大而饱和,WTP 的增量就有上限(示例中为 3.00,即 7.5%);加入怀疑后,过高的划线价会降低 WTP,但这是假说。美国指南要求原价是真实、善意、经常报出的价格;欧盟第 6a 条要求此前价格是降价前不少于 30 天内的最低价,它禁止「短期抬价再降价」,但不能单独排除长期虚高的挂牌价。所以「划掉原价即可无限抬高支付意愿」在理论、证据与法律三个层面都不成立。
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).