交易的核心要素

最核心的公式：参与者 + 价值单元 + 过滤器 = 交易 ———— 谁和谁，以什么的方式，在什么渠道，交换什么。

1. 参与者

Value units are usually generated by producers. 价值单位通常由生产者产生。

供给方和需求方在平台上交换的基本单位（如 Facebook 的每个人的每条状态、丁香医生上的每个医生擅长的）。每次业务的突破，都是价值单元的再细分（都是吃，点评是店、外卖是菜；都是听歌，之前是专辑现在是单曲）

在每一次交易中，生产者交换三样东西: 信息、商品或服务、货币。一旦交换了信息，参与者可能会选择继续交换商品和服务。非虚拟商品的交易，本质上是交换信息。而传递信息具有四大特点（from Booking 方法论）

是不是可信且全网最低 —— 关键因素：签约价（议价能力）、投放补贴（发展策略）、市场竞争态势

利润蕴含在⼈类的想象⼒中，我们都在为想象⼒的溢价付费。最典型的案例是保险。保险的成本是一张几乎零成本的保单，但其实我们为之支付了大量的溢价。另一个案例是奢侈品。我们买奢侈品包买的其实是他人对我们财富的认知。

如果你的东西是很难被二次使用的（比如婚丧嫁娶），那么定价的时候一定要慎重再慎重，不同的市场不同的人群不同的地点，要做不同的价格区分，千万不要一口价就出去了。

举个例子，昨天我在上海打算叫一辆专车，在滴滴上等了一个多小时，最后打了出租车回去。按照我们的理解，滴滴是个大平台，上海是个大城市，专车是客单价比较高的服务，这三个维度放在一起，我们都觉得不可能叫不到车对吧，但实际上并没有。

这说明什么呢？我们在考虑供给的时候，很多人会说我们这个平台上有多少商户，但我们没有说“切片”。所谓切片就是，昨天晚上这个时间切片里，从上海虹桥到浦东的专车供给很可能是不足的。如果供给不足就会影响交易。

反过来，如果你作为一个平台供给方，如果你了解到平台在什么切面上是弱供给的，这也是你赚钱的好机会。比如下雨天出租车司机应该做更多的活，因为那个时候的需求其实是非常强烈的。

价值单元基础信息（先天，如医生的背景）

交易用户提供信息（后天，如用户评价）

前、中、后场景（用户场景，如孕前，孕中）

用户不成交，我们默认想到的一个方法是降价和促销，这是很惯常的思路。但实际上，用户不成交是因为我们给到的决策信息不充分，用户觉得你不值。

举个简单的例子，这瓶水两块钱。如果我跟你说，这是周杰伦喝过的水，可能一帮迷弟迷妹就过来抢了，所以用户缺的是一条信息传递链。

会员权益（平台会员、集团会员、商家会员、联盟会员）

权益优惠感知

更多关于价格歧视的资料，参考张五常的：

帮用户挑出来他要的东西

消费者花费在搜索最佳产品或服务上的时间、精力和金钱。在市场上，较高的搜索成本会让消费者产生决策疲劳，同时也会降低流动性。市场可以实现各种功能，以减少搜索成本，包括策划或约束供应或自动匹配。

匹配供应商和消费者找到对方的过程。一些市场(如 Uber 和 Lyft)将匹配自动化以驱动流动性。其他公司则试图通过限制可用的选择来降低搜索成本——比如，限制约会应用程序每天选择和显示一定数量的潜在匹配对象。

Supply-pick：供应商决定与哪些客户进行交易。Uber和Lyft是供应-pick市场的例子：司机被介绍给乘客，可以选择加入或不加入。
Demand-pick：顾客决定购买哪种产品或服务。例如Airbnb的 "即时订房 "列表的Airbnb，在这种情况下，预订不需要主人批准。大多数电商市场平台都是按需购买。
Double commit：供应商和客户需要选择加入才能发生匹配。比如Craigslist，因为用户需要来回留言才能完成交易，所以是一个双重选择进入的电商平台。而非Instant Book列表的Airbnb则是一个双选市场。双选市场平台往往流动性最低，因为需要双方努力匹配。
Prescribed pairing：平台预设匹配，可能会考虑到双方的喜好和属性。Lunchclub是一个平台预定配对的例子---寻求扩展职业网络的用户选择加入周会，并自动与网络中的另一个用户配对。