单品如何“爆”

李靖

对于消费者来说，费力做决定的痛苦已经超过了购物所能买到的“好心情”。选项太多，反而让最后那个被选中的商品魅力大减。

多，不一定好

当你走进一个街边小餐厅，只想快速解决一顿饭。老板递给你一张菜单，上面写着：

“茄子炒肉盖浇饭，13元；西葫芦炒肉盖浇饭，13元；青椒炒蛋盖浇饭，13元；木耳炒肉盖浇饭，14元；番茄炒蛋盖浇饭，13元。”

又要做选择，累死了！今天刚刚做完好几个决定，真心不想再做选择了！

“老板，我只想要一个好吃的盖浇饭填饱肚子，你有什么推荐吗？”

老板：“有啊！葱爆牛肉卖的不错，红烧牛肉也可以。你可以选择加几两牛肉、加不加葱、加不加香菜、加不加醋、加不加辣以及加多少辣。”

这个例子足以说明，为什么很多公司靠“单品爆款”取得了成功，比如“做一类精品手机”而不是机海战术。

当大部分公司仍然觉得“多即是好”，给消费者提供无数选择时，却浑然不觉对消费者来说，费力做决定的“痛苦”会超过购物带来的“好心情”。

选项太多，反而让最后那个被选中的商品魅力大减——消费者最后越来越怀疑自己的决定，甚至最后退货了事。

——你需要降低消费者的选择成本。

帮消费者做出选择

在过去的商业策略中，我们一直倡导“价格为王”、“渠道为王”，甚至“通过交互设计提高易用性”，但是很少有企业真正做到减少消费者的“选择成本”。

那么如何降低消费者的选择成本呢？这些做法值得一试：

一、减少选择项。

大量研究证明，如果消费者面临的选择需要经过权衡才能确定，并且选项之间相互冲突，那么所有选项对消费者的吸引力都会明显降低。

研究者曾给两组医生看一个骨关节炎男士的病例。第一组中，他让医生们决定是开一种新药还是转给专家治疗，大约75%的医生决定开药；而让另一组中，医生需要决定是在两种新药中选一种来开，还是转给专家治疗，超过50%的医生选择了转给专家治疗。

——药品多了一个选择，让医生们自动地开始规避决定。

正是因为人类权衡利弊的过程如此痛苦，因此你需要在一定程度上限制消费者的选择，减少产品的型号和种类。比如优衣库通过定位基本款而取得巨大成功，去年单是一款Heattech内衣就卖了1.2亿件。

二、直接告诉消费者：你应该选什么。

即使本来应该由消费者决定的东西，你也需要提供一个指示，以降低他们的选择成本。

在一个“募集捐款”的实验中，一开始募捐者说：“我们希望你能够捐一些钱，多少都可以，帮助那些先天疾病的儿童。”结果很多人犹犹豫豫或者没有捐款；后来他改变了说辞：“希望你能够捐出10块钱，帮助那些先天疾病的儿童”，结果大家捐款意愿显著增加，很多人捐的更多。

为什么呢？当你说“捐一些钱”的时候，对方的内心需要衡量：“我需要捐多少才算是合适？”很多人就在这个耗费精力的过程中索性不捐了；但是如果加一个“捐10块钱”的指示，大部分人不用思考，就直接从钱包中掏出10块钱，整个过程不需要耗费太大精力。

所以，如果你想让别人完成一个行为，最好加一个“明确的指示”，让别人减少选择成本，从而可以“毫无顾忌”地做某件事。

三、不要迷恋不靠谱的“市场调查”。

在市场调查中，如果问消费者想要多样化的选择还是想要单一的产品，那么得到的答案肯定是产品型号越多越好。但是这并不一定准确，因为人经常高估自己对“差异化”的需求。

在一个实验中，研究者让第一组人每天为第二天挑选食物，并记录他们每天的选择；第二组人为下周挑选食物，并记录他们选择。

研究结果显示，只第一组人列的食谱几乎都是类似的（假设你喜欢土豆，那么你几乎每次为第二天挑选的东西里都有土豆）；但第二组人大多却在食谱上出现了巨大的差异。比如即使他们喜欢土豆，但是往往只会在周一计划上写上土豆，因为认为自己未来一周肯定喜欢每天不同的东西。

所以，消费者往往认为自己总喜欢新潮产品和不同口味，但是这种预计不一定准确，作为营销人员不可轻信。

四、只提供一个“最好的选择”。

如果你想通过促销折扣吸引眼球并且增加销量、清理库存，最好的方法是同一品类内只提供一个“最好的选择”（比如很大的折扣）。

研究发现，当一组产品中的某个产品打折后，消费者显著提高了购买意愿；但是如果三款同类产品同时打折，消费者对三款打折产品加起来的购买意愿都不到原来那一款产品的三分之一。

消费者习惯于在某个类别中选一个最好的，但如果你同时提供好几个最好的，会让他们本来很简单的购买行为（买那个打折的）变得复杂而且需要权衡（打折的三个到底哪个好）。

正是在权衡的过程中，他们的兴趣逐渐消失了。

五、定制消费者需求。

可消费者需求就是如此多样，每个人想要的东西都不一样，怎么办？

消费者的需求的确是多样的，但这并不意味着你需要把所有选择过程扔给消费者，因为他们真正需要的是“结果”而不是“过程”。

实际上，有很多方法可以帮助你满足消费者的不同需求，同时又减少他们的选择成本。比如各种网站上著名的“猜你喜欢”功能——基于过去的用户数据，预测这个用户可能会喜欢什么。而不是把一堆东西推送给他，让他自己做选择。