一、客户要的是决定

报告写得好不好，不看结构完不完整，看客户看完之后做没做一个不同的动作。 如果客户看完说「分析得很好，我们再研究研究」，那这份分析的实际价值是零——它没有改变任何事。 所以收尾要给出可选项，而不是给一个「综合结论」。选项才能被选，结论只能被赞。

二、每个方案要带三样东西

收益：做了能多赚多少，用什么口径算的。 风险：最坏会亏多少，那个最坏是怎么来的。 可验证性：多久能知道对不对，怎么判。

三、把不确定性加权成期望值

提价会流失多少人，谁也不知道，只能给三档并配上可能性。 按 2%／5%／8% 三档、0.3／0.5／0.2 的可能性加权，得到一个期望值。 这个期望值不是预测，是「如果我的可能性判断没错，长期平均会是这样」。 它的用处是拿来比方案，不是拿来签合同。

四、能试的方案优于要赌的方案

提价的风险是市场反应，只能赌。推套装的风险是「客户买不买账」，这个可以在两家店试两周。 能被证伪的方案，风险比只能赌的方案低一个量级——因为你不用一次押上全部。 这也是第 2 章存在的理由：与其猜，不如做个小实验。

五、把分析收成一句话

「先在两门店试套装，两周后看每单件数；到 1.55 就全线推，不到就回来重算提价那笔账。」 这句话里有：动作、范围、期限、判据、退路。五样齐了，客户明天就能开工。 这就是教材说的「你的分析让客户做出了英明的决策」——原来他要提价，现在他先做实验。

六、动手 Demo：把分析变成一个决定

三个方案，一个单位（每 100 单收入），一张表。 注意 A 方案那一行：涨了 5%，加权后只多了 8 元。

base = 130.81          # 2015 客单价

# 方案 A：提价 5%，流失率三档加权
a = 0
for cut, prob in ((0.02, 0.3), (0.05, 0.5), (0.08, 0.2)):
    rev = base * 1.05 * (1 - cut) * 100
    a += prob * rev
    print('流失 %d%% 概率 %.1f  每 100 单 %.0f' % (cut * 100, prob, rev))
print('A 加权期望 %.0f' % a)

# 方案 B：件数 1.41 -> 1.62，客单价同步涨 15%
b = base * (1.62 / 1.41) * 100
print('B 每 100 单 %.0f' % b)

c = base * 100
print('C 不动 %.0f' % c)
print('比不动多：A %+.0f  B %+.0f' % (a - c, b - c))

实跑输出：

--------------------------------------------------------------------
把分析变成一个决定
--------------------------------------------------------------------

  ① 客户要的不是报告，是一个和原来不同的动作
  --------------------------------------------------------------------
  报告里写了三条建议，客户只会挑一条做。
  所以每条建议都得带上：能多赚多少、要冒多大险。

  ② 方案 A：全线提价 5%
  --------------------------------------------------------------------
  客单价 130.81 → 137.35
  但提价会赶走一部分人，这个数谁也不知道，只能给三档：

| 流失率 | 可能性 | 每 100 单收入 |
|---:|---:|---:|
| 2% | 0.3 | 13460 |
| 5% | 0.5 | 13048 |
| 8% | 0.2 | 12636 |

  按可能性加权：每 100 单 13090 元

  ③ 方案 B：推套装，把每单件数从 1.41 拉到 1.62
  --------------------------------------------------------------------
  件数涨 15%，客单价跟着涨 15%：130.81 → 150.43
  不动价格，也就不该有流失：每 100 单 15043 元

  ④ 方案 C：什么都不做
  --------------------------------------------------------------------
  每 100 单 13081 元

| 方案 | 每 100 单收入 | 比不动多 |
|---|---:|---:|
| A 提价 5% | 13090 | +9 |
| B 推套装 | 15043 | +1962 |
| C 不动 | 13081 | 0 |

  ! 提价 5% 每 100 单只多了 8 元——涨上去的那 654 元，被流失的人抵消得干干净净。

  ⑤ 两个方案的不确定性不一样大
  --------------------------------------------------------------------
  A 的不确定性在「流失率」，那是市场反应，猜不准。
  B 的不确定性在「件数能不能真拉上去」，这个可以在两家店先试四周。
  ! 能试的方案，风险比只能赌的方案低一个量级。

  ⑥ 给客户的那句话
  --------------------------------------------------------------------
  建议：先在两门店试套装，四周后看每单件数。
  达标（1.41 → 1.55 以上）再全线上；不达标就回到方案 A 重算。
  这就是「你的分析让客户做出了一个和原来不同的决定」——
  原来他要提价，现在他先做实验。

A 方案毛收益是每 100 单 654 元（5% 提价），加权后期望只多 8 元——流失把人抵光了。 这一行是全章最该记住的数：提价这种动作，收益和风险是同一枚硬币的两面。

30 秒实验

1. 把流失三档改成 1%／3%／5%，A 的期望变成多少？和 B 比谁高？
2. 给 B 也加一档风险：件数只涨到 1.50，收入是多少？
3. 如果只能拿一次数据、不能试点，你会选哪个方案？为什么？

常见误区

1. 只给一个方案：客户没有选择，就无法参与决策，出了问题也不会认。
2. 期望值当承诺：加权期望是长期平均，单次结果可能落在最坏那档。
3. 忽略可验证性：两个方案收益一样时，选那个两周就能知道对错的。
4. 把「不动」排除在外：不动也是方案，它有一个明确的基线，别的方案都要跟它比。

第 1 章到此结束。 下一章换一个客户，问题也换了一种：不是「为什么跌」，而是「这个策略到底有没有用」——那需要实验， 不能靠观察。

• ☐ （本篇完，下一篇 2.1 咖啡业的寒冬）

相关笔记

• 反馈、拆解与评估
• 心智模型：你以为的世界
• 深入挖掘数据
• 📈 深入浅出数据分析 · 索引