后续就可以通过机器学习的方法进行不断的自动化地学习优化

（2）满减券

满减券我为是对用户来说体验不算好的券，一是用户需要去计算这个门槛，二是门槛的设定限定了可适用的商品的范围。但是对于商家来说，满减券可以很好的控制成本，并能对用户的消费行为起一定引导作用，比如引导用户去消费某个品类的商品，或者引导用户是多人点单。

（3）立减券

减券对用户的吸引力是最简单粗暴，也是容易理解的；所以常常用来刺激新人和沉睡用户。立减券现在也常常被包装成“立减金”、“津贴”、“饮品金”等这样的模式，这个是从设计层面上让用户感觉是拥有的小金库，用户则会更加珍惜并使用。如果确认发立减券了，一定要把“无门槛”“全场”这样的字眼重点强调。

（4）券包

券包的目的分为两种：

一种是为了培养用户的消费习惯，常常针对新用户和沉睡唤醒中的用户，券的设计上往往是会设定一定的折扣和有效期的梯度，让用户逐渐成长，用有效期来控制刺激用户的消费频次。

另一种是锁定消费，为了提频，常常针对中低频的用户，为了锁定更好的效果，往往会设计要支付小金额来购买券包。券包常常都是以满减券和立减券组成，这样可以组合成一个大金额的大券包，利用这个大金额吸引用户。

二、券的金额/折扣要怎么设计？

我将券金额/折扣从无到有的设计总结了以下的步骤：

第一步：首先明确品牌的北极星指标，从生意角度是为了追求商品销售额，还是从资本的角度这阶段先做用户数。将这个北极星指标作为设计的目标值。

第二步：然后要确定边界阈值，要保持商品的毛利率在什么水平，不允许存在任何商品的亏损等这些条件来作为边界条件。

第三步：接着先基于运营人员的营销经验来制定一些券的策略，往往先是基于对用户的同理心来评判这个方案是否有吸引力。要以怎样的交互形式呈现给用户。

第四步：开始配置跑数据，经过一段时间后（半个月~1个月的时间），进行数据的分析复盘，找到可以提升的空间

第五步：基于分析的结果，提出优化的方案，进行多组实验的设计；然后切AB实验/灰度实验进一步跑数据

第六步：得到北极星指标最大化的券的方案。后续就可以通过机器学习的方法进行不断的自动化地学习优化。

券固然是提频或促活的好手段，但是切记不能扰乱我们的产品价格锚，在用户对我们的价格感知中还是商品的原价，而优惠只是他们能够模糊地感知他们会发券。

像瑞幸咖啡之前的券内容其实只有3.8折、4.8折、1.8折、5折这几个固定的折扣，券内容简单可陈，同时他们又是靠循环发券来运转的销售体系，让这些折扣在用户心智中牢牢地打下了心智，完全打乱用户对瑞幸的价格锚定，用户不知道商品的价格，他们只记住了3.8折。

而且为了用户的增速，沉睡用户一睡就发3.8折，规律一下就被摸清了，那些撸羊毛非咖啡刚需的用户就会等到3.8折再消费。

所以在整体券设计的过程中，我们要谨慎谨慎再谨慎：

1. 券的内容尽可能多样，不要让某个固定的折扣/券金额在用户心中打下牢牢的心智。
2. 在券类型上，满减券和立减券会更加理想，这些券让用户对商品的价格还是有感知的，而折扣券很容易导致用户的价格感知锚混乱
3. 发券的频次要有限制，减少对于中低频、高频用户的主动发券。也不要让用户能够发现频次的规律。否则很容易养成养成他们有券才消费的习惯。对于那些固定领券的入口券一定要限量。
4. 对于该放弃的用户就放弃，不要无限制的让利，否则往往养成的是撸羊毛的用户。对于撸羊毛用户在券设计上我们可以思考如何耗费他们的社交货币，带动消费。

三、基于不同客群的发券策略

最后和大家分享下，直接在新零售品牌中，针对不同客群制定的发券，通过实验证明有效的一些策略：

• 新客：给出一个较高的优惠，此刻用户对品牌还没有任何感知，所以给到优惠倾斜降低他的决策成本，促进首单转化。
• 新客成长：要培养新客完成成熟客户转化的一个过程，这里有个增长的术语叫“魔法数字”。对于新客我们会发一个大券包，除了首单消费外，其他的券会形成一定的折扣和有效期的折扣，来培养新客消费到TA的魔法数字；
• 中低频：优惠券这时候的作用主要是提频，对于中低频不建议做太多的优惠折扣，这里往往可以结合新品、活动做触达刺激消费。券可能是对于品牌想要冲量的时候的一个手段。可以考虑用付费券包的形式，锁定消费来提频。
• 高频：对于高频用户我们更多要去探索怎么给他们带来专属感和尊贵感，让他们成为品牌的合伙人和粉丝。
• 沉睡客户：拉回一个沉睡客户的成本远远低于拉新一个客户，所以对沉睡客户往往就要做更多的优惠倾斜。对于沉睡客户我们还要去识别用户为何流失，如果用户本就不是品牌的客户或者不构成消费条件，再怎么给予优惠也于事无补。
• 沉睡唤醒中：好不容易唤醒的客户，培养ta再次成为稳定的客户也是至关重要，大概的设计逻辑也同新人成长相同。

关于更多的发券策略，欢迎和我一起探讨。