在生鲜零售行业，定价策略是平衡销量与毛利的关键。本文深入探讨了算法自动定价系统在生鲜零售中的应用，特别是市场价模型和弹性模型的优缺点。

在电商、生鲜、快消等零售场景中，定价是平衡 “销量” 与 “毛利” 的核心命题。量价模型作为算法驱动的定价工具，通过 “输入定价策略→算法黑盒处理→输出最终价格” 的逻辑，帮助企业实现自动定价的能力。

其中，作者认为市场价模型和弹性模型是零售场景下量价模型的两种核心类型，但前者在实际应用中常因 “盲目跟价” 陷入经营困境，后者则通过 “数据驱动的弹性分析” 实现更精细化的定价决策

一、市场价模型

一句话说明：锚定市场竞品价格动态跟价。

市场价模型的核心是 “以竞对为锚”—— 通过实时抓取竞品价格（如电商平台的 “比价插件”、 “价格检测”），典型应用场景包括：

• 标品赛道：如品牌家电、包装食品，消费者对价格敏感度高，且商品同质化强（例如同一型号的洗衣液、同一品牌的矿泉水），消费者能通过多购买渠道对比价格
• 平台型电商：如淘宝、京东的第三方卖家，由于缺少对成本的管控，其议价权受限。通常是通过“比价插件”实现同款商品的「同款低价」「同站低价」「全网低价」

举个例子：同品种和规格的生菜，竞对卖3元，我方价格通常不会高于3元。特别像这类心智品（可以理解成用户心中已经锚定价格的商品）。如果高于3元较多，失去价格竞争力的同时也容易影响用户对平台整体价格的印象

额外知识补充：作者总结了下平台型vs自营型的定价差异

二、市场价模型存在的问题

针对是市场价模型存在2个问题：

1. 价格螺旋问题

当生鲜行业因季节性周期影响成本下降出现 “普降潮” 时，市场价模型会盲目跟进降价，导致毛利被持续压缩，甚至陷入 “降价→毛利下滑→为保持竞争力继续降价” 的螺旋

价格螺旋的核心问题：

1. 行业成本容错性问题市场价模型对行业成本波动的「容错性不足」，易产生极端定价。若季节性的“大丰收”导致行业成本陡降，基于市场价模型的算法出价，可能会出现极端价格
2. ”销量增长“陷阱市场价模型仅关注 “价格竞争力”，未考虑生鲜商品的 “销量增长天花板”（生鲜商品消费需求受人口基数限制，降价无法无限提升销量）。当降价到一定程度后，就会出现“降价增益无法覆盖毛利损失“，即“越卖越亏”

注意：越卖越亏不是指低于成本的亏本售卖，因为有一系列价格校验能力，通常不会出现该情况。而是虽然降价带来的销量增长，但其整体毛利环比\同比都有降低，说明收益率变低

2. 低价高销品跟价价值损耗

对于低价高销生鲜商品（如 1-3 元 / 500g 的民生菜），消费者对 “小额差价” 敏感度极低（对于非价敏用户，更关注新鲜度而非 0.1-0.2 元的价差），此时跟价竞品反而会导致 “毛利损失＞销量增益”。

举例说明：假设我方土豆500g，成本0.8元。跟价前1.49元，跟竞对后1.29元

低价高销品核心问题：

低价高销生鲜商品的 “价格弹性低”（本例中，价格下降 29%，销量增长 6.7%），消费者对 0.2 元差价不敏感（尤其土豆耐储存，无需频繁购买），跟价反而导致毛利总额骤降（下降24%）。

三、解法：引入弹性模型，实现 “抗波动 + 分层提效” 的智能定价

弹性模型的核心是 “以数据为锚”—— 通过历史销售数据训练算法，计算 “价格变动对销量的影响幅度”（即价格弹性），从而找到 “销量最大化” 与 “毛利最大化” 的平衡点。其底层逻辑是经济学中的 “需求价格弹性”：

• 高弹商品：（价格变动 N%，销量变动≥N%），如应季水果、促销品（消费者对价格敏感，降价能显著提升销量）。
• 低弹商品：（价格变动 M%，销量变动＜M%），如低价民生品、刚需药品（消费者对价格不敏感，降价对销量拉动有限）。

针对上述市场价模型的两个问题，需引入 “弹性模型”，通过生鲜商品的历史销售数据（含价格、销量、损耗率、天气、节假日等因子）训练算法，结合商品特性（价格弹性）、成本波动等动态调整定价策略。

该模型有以下优点：

1. 抗成本波动：不盲目跟价，锚定 “毛利 – 销量” 平衡点

当生鲜商品因产地丰收、运输成本下降等出现 “成本普降” 时，弹性模型会通过 “价格弹性计算”，模拟不同降价幅度下的 “毛利总额”，选择最优解，而非盲目跟进竞对价格。

举例说明：

通常每年4~5月份由于天气升温，生菜产量激增行业成本普遍下降。

假设我方成本从2元降到1元：我方调前价：5.98，竞对调后价3.98

通过历史数据（过去 3 个月的价格 – 销量 – 损耗等数据）计算出生菜的价格弹性

同时从收益角度来看：成本降低至 1.0 元 /kg

若降价到4.98

毛利 3.98 元 /kg（4.98-1.0），日销从 100kg 增至 220kg（增长 120%），假设损耗5%，实际销售 209kg，日毛利总额 3.98×209≈831.8 元；

若降价到3.98

毛利 2.98 元 /kg（3.98-1.0），日销从 100kg 增至 244kg（增长 144%），假设损耗率 4%，实际销售 234.2kg，日毛利总额 2.98×234.2≈697.9 元；

结果：通过弹性模型，毛利总额比 “盲目跟价” 会带来更高收益，同时避免陷入 “价格战”。

2. 商品分层定价：低弹保毛利，高弹控平衡

弹性模型的核心价值之一是 “商品分层”—— 根据生鲜商品的弹性高低，制定差异化策略，避免 “一刀切” 的跟价逻辑

a) 低弹低价商品：锁定 “临界低价”，优先保毛利

低弹生鲜商品（如土豆、白菜、大米等民生品）存在 “临界低价”：低于该价格后，销量增长幅度无法覆盖毛利损失（且此类商品保鲜期长，无需通过降价减少损耗）

数据显示，当售价≤1.99 元时，毛利总额随降价持续下滑，因此 “1.99 元” 为临界低价，弹性模型锁定该价格，既保持 “低价引流” 形象，又避免毛利过度损耗

b) 高弹低价商品：结合 “市场价 + 弹性”，兼顾竞争力与收益

高弹生鲜商品（如应季水果、叶菜类）对价格敏感，且保鲜期短（需快速周转减少损耗），需结合市场价模型（确保竞争力）与弹性模型（平衡毛利）

海南小台农芒果（应季水果，保鲜期 5 天，高弹）：竞对均价 9.9 元 / 500g，成本 5.0 元 / 500g，弹性模型计算显示：

• 若定价 9.5 元（低于竞对 4%），销量增长 20%，损耗率从 15% 降至 10%，毛利总额（9.5-5.0）×(100kg×1.2×0.9)=4.5×108=486 元
• 若定价 8.9 元（低于竞对 10%），销量增长 30%，损耗率降至 8%，毛利总额（8.9-5.0）×(100kg×1.3×0.92)=3.9×120.4=469.56 元；

最终选择 9.5 元，既比竞对低 0.4 元（保持竞争力），又比 “跟价 8.9 元” 多赚 16.44 元毛利，同时降低损耗风险。

3. 白牌 / 自有品牌生鲜：无竞对时的 “数据驱动定价”

对于非标品如：白牌生鲜（如农户直供的 “土猪肉”）、自有品牌生鲜（如盒马的 “日日鲜” 蔬菜），市场价模型因 “缺乏直接竞对” 失效，弹性模型可通过历史 “价格 – 销量 – 损耗” 数据独立定价。

弹性模型计算发现，售价 20 元时毛利总额最高（554.4 元），因此锁定 20 元 —— 比 22 元销量增长 40%（损耗率下降），比 18 元毛利总额高 16.7%。

四、生鲜定价模型总结

生鲜商品的 “易损耗”“季节性”“区域性” 特性，决定了其定价不能依赖单一的 “市场价模型”。而弹性模型通过 “数据驱动的弹性分析”，实现了三大价值：

1. 抗成本波动：在产地丰收、运输降价等场景下，不盲目跟价，通过弹性计算锁定 “毛利 – 销量” 最优平衡点；
2. 分层提效：低弹民生品锁定 “临界低价” 保毛利，高弹应季品结合市场价动态调价控损耗；
3. 白牌定价：为无竞对的自有品牌、农户直供商品提供数据支撑，摆脱 “定价依赖竞对” 的被动局面。

未来，生鲜量价模型的优化方向将会是 “多因子融合”—— 除价格弹性外，叠加天气预报（如雨天叶菜涨价预警）、节日需求（如春节前猪肉囤货潮）、供应链稳定性（如天气原因可能导致运输中断）等维度，让定价从 “被动跟价” 走向 “主动创造利润”。

请注意，文章所举的例子均已简化。实际上算法对模型的预测和调整会更为复杂。作者仅结合自身理解举例说明；

同时作者即将入职其他大厂（非生鲜赛道），若对生鲜定价感兴趣的朋友，欢迎联系

系列文章：

从 0 到 1 搭建生鲜零售行业算法自动定价系统（1）

从 0 到 1 搭建生鲜零售行业算法自动定价系统（2）

从 0 到 1 搭建生鲜零售行业算法自动定价系统（3）