导读：人人都是消费者。无论买卖当下还是日常生活，作为消费者，人的行为会呈现哪些规律？其背后又蕴藏着哪些心理学原理？华东师范大学“后疫情时代消费者行为研究”跨学科创新团队集结了来自心理学、管理学、计算机科学、统计学的青年教师，他们将解读消费者日常行为，探索其内心世界。

所属系列/华东师范大学“后疫情时代消费者行为研究”跨学科创新团队

撰文/马雪静（华东师范大学亚欧商学院助理教授）

运营/王云汐

提升用户的忠诚度是许多商家不懈追求的目标。长期留存的客户对于企业来说具有重要的意义。首先，忠诚客户的购买行为更加稳定，可以为企业带来更为可靠的收入。其次，他们往往会主动向其他人推荐企业的产品或服务，从而扩大企业的市场份额。因此，许多企业会通过提供高品质的产品或服务、建立良好的客户关系、提供个性化的购物体验等方式来提升用户的忠诚度。此外，企业还可以通过积分、折扣等奖励措施来激励忠诚客户，并通过各种途径与他们保持密切联系，以便及时了解他们的需求和反馈。尽管提升用户的忠诚度需要付出一定的成本和精力，但企业往往乐意对其进行投资，以期获得长期的商业利益。忠诚客户对于企业的价值在传统的由商家主导的定价策略下得到了广泛的证实[1]，但对于日益涌现的新的定价策略与商业模式而言，长期客户的价值仍未可知。

来自华东师范大学和北京大学的研究者们在“任意付”（pay-what-you-want）这一非传统的定价策略场景下，对用户付费意愿随留存时间增加的变化进行了新的探索[2]。“任意付”是一种参与式的定价策略，买方可以以自主决定的任意价格（甚至免费）获取产品或服务。这种定价策略已经被应用于许多场景下。例如，2007年，乐队Radiohead以“任意付”的策略为其专辑《In Rainbows》定价，总销售额达到300万美元，大获成功。博物馆（如美国自然历史博物馆）、餐厅（如Der Wiener Deewan）、线上平台（如TikTok）等都采用过“任意付”的定价方式为其产品和服务定价。

已有研究证实了感知公平[3]、利他主义[4]、控制感[5]等因素对于“任意付”场景下消费者付费行为的影响。但这些因素对“任意付”行为所产生的影响大多是即时的。在为数不多的关于付费行为的长期动态变化的研究中，社会规范被认为是可能的影响因素[6]—消费者观察到他人的“任意付”付费金额，从而据此调整自己的付费行为。为了进一步探索“任意付”定价机制下用户长期付费行为的变化，并验证行为变化背后的解释机制，研究者们从采用“任意付”定价策略的真实商业场景中，收集了大量微观数据进行实证分析。

以观众打赏为主要盈利模式的直播平台，为研究“任意付”定价机制下用户付费行为的长期动态变化提供了理想场景。首先，在观看直播的过程中，是否付费（即打赏）与付费多少对观众来说是完全自愿的，付费行为不会影响到观众的观看内容与互动功能。其次，与传统的采用“任意付”定价策略的线下场景不同，在直播平台上，我们可以持续追踪用户的付费行为，从而实现对长期行为变化的探究。

为此，研究者追踪了国内某大型秀场直播平台上六万余位用户自注册约半年的观看、打赏与互动行为进行分析，他们发现随着在平台上留存时间的增加，用户的付费意愿逐渐降低。这一发现与传统定价场景下，用户付费意愿通常随忠诚度的提升而逐渐增加有着根本差异。针对这一发现，研究者提出了三种可能的解释机制：多样化寻求、替代性互动，以及挤出效应。多样化寻求：随着产品使用或平台留存时间的增加，消费者会越来越倾向于尝试不同的产品或品牌[7]，由此引发了购买率的降低[8]。替代性互动：在观看直播的过程中，除了打赏，用户还可以通过发送聊天信息与主播进行互动。相较于打赏这类物质交换，非物质层面的交流更有助于维护长期关系[9]。因此，留存时间长的用户，更可能通过互动，而非打赏，与主播交流。挤出效应：在“任意付”定价机制下，用户会考虑支付给卖家的总费用是否能够支持其维持运营[10]与覆盖成本[11]。例如，针对众筹市场的研究发现，他人之前捐款的总金额可能会抑制捐款人当下的捐款[12]。在直播场景中，留存时间长的观众更可能累积支付了较多的打赏金额，从而对当下的打赏行为产生了负面影响。

实证分析的结果为挤出效应这一解释提供了支持。在“任意付”定价机制下，留存时间长的用户付费意愿反而降低的原因是其在过去的消费对当下的消费产生了抑制作用。进一步的，研究者还发现，这种挤出效应会在用户面对更多样的产品与观察到其他用户更高额的付费时减弱。以上发现帮助我们认识到，与传统的由商家主导定价的情景下，忠诚用户的付费意愿通常日益增长不同，在“任意付”定价机制下，长期用户的付费意愿反而降低。因此，采用“任意付”定价策略的商家，应该仔细权衡如何在老用户与新用户之间分配营销资源。此外，如果商家想削弱用户历史累积消费对日后消费带来的不利影响，可以考虑通过推荐更多样的产品与展示其他用户的高额付费信息来实现。例如，在直播场景下，平台可以为累积打赏金额较高的长期留存观众推荐更多的新主播与新内容，以及在直播间中通过排行榜等方式将来自其他观众的高额打赏进行强调与展示。

参考文献

[1] Reinartz, Werner J. and V. Kumar (2000), “On the Profitability of Long-Life Customers in a Noncontractual Setting: An Empirical Investigation and Implications for Marketing,” Journal of Marketing, 64 (4), 17–35.

[2] Ma, Xuejing, Zetao Wang, and Hongju Liu (2022), “Do long-life customers pay more in pay-what-you-want pricing? Evidence from live streaming,” Journal of Business Research, 142, 998–1009.

[3] Chen, Yuxin, Oded Koenigsberg, and Z. John Zhang (2017), “Pay-as-You-Wish Pricing,” Marketing Science, 36 (5), 780–91.

[4] Schmidt, Klaus M., Martin Spann, and Robert Zeithammer (2015), “Pay What You Want as a Marketing Strategy in Monopolistic and Competitive Markets,” Management Science, 61 (6), 1217–36.

[5] Wang, Cindy Xin, Joshua T. Beck, and Hong Yuan (2021), “The Control–Effort Trade-Off in Participative Pricing: How Easing Pricing Decisions Enhances Purchase Outcomes,” Journal of Marketing, 85 (5), 145–60.

[6] Riener, Gerhard and Christian Traxler (2012), “Norms, moods, and free lunch: Longitudinal evidence on payments from a Pay-What-You-Want restaurant,” The Journal of Socio-Economics, 41 (4), 476–83.

[7] Givon, Moshe and Dan Horsky (1990), “Untangling the Effects of Purchase Reinforcement and Advertising Carryover,” Marketing Science, 9 (2), 171–87.

[8] Dawes, John G., Charles Graham, and Giang Trinh (2021), “The long-term erosion of repeat-purchase loyalty,” European Journal of Marketing, 55 (3), 763–89.

[9] Prendergast, Canice and Lars Stole (2001), “The non-monetary nature of gifts,” European Economic Review, 45 (10), 1793–1810.

[10] Romano, Richard (1991), “When Excessive Consumption Is Rational,” American Economic Review, 81 (3), 553–64.

[11] Levitt, Steven D (2006), “White-Collar Crime Writ Small: A Case Study of Bagels, Donuts, and the Honor System,” American Economic Review, 96 (2), 290–94.

[12] Burtch, Gordon, Anindya Ghose, and Sunil Wattal (2013), “An Empirical Examination of the Antecedents and Consequences of Contribution Patterns in Crowd-Funded Markets,” Information Systems Research, 24 (3), 499–519.