Decoy Pricing: jak jedna opcja zmienia wybór klienta

Czym jest decoy pricing — mechanizm w 60 sekund

Decoy pricing opiera się na efekcie asymetrycznej dominacji: dodajesz do oferty opcję (wabik), która jest wyraźnie gorsza od jednej z pozostałych — ale w innym wymiarze niż opcja najtańsza. Wabik nie ma się sprzedać. Ma sprawić, że wariant docelowy — ten, który naprawdę chcesz sprzedawać — wygląda przy nim na oczywisty, „najlepszy deal”.

Klasyczna konfiguracja to trzy warianty: tani, drogi i pośredni. Wabik jest tak dobrany, żeby wypadał gorzej niż wariant docelowy w mierzalny, łatwy do porównania sposób (mniej pamięci, mniejszy ekran, krótsza subskrypcja) — ale kosztował tyle samo albo prawie tyle samo, co docelowy. Ta drobna różnica ceny przy dużej różnicy wartości ustawia porównanie po Twojej myśli.

Mechanizm opisali w 1982 roku Joel Huber, John Payne i Christopher Puto w artykule „Adding Asymmetrically Dominated Alternatives”. Od tamtej pory efekt był wielokrotnie replikowany — poniżej trzy najlepiej udokumentowane przypadki.

Case 1 — wałek malarski za 20 zł

Trzy wałki na półce: 12 zł, 20 zł, 60 zł. Najtańszy podświadomie odrzucany („pewnie się rozłazi”), najdroższy uznawany za niepotrzebny — klient sięga po środkowy. To nie jest przypadek. To dokładnie ta sama logika, którą opisujemy powyżej: obecność opcji za 60 zł zmienia sposób, w jaki klient patrzy na cenę 20 zł. Bez wariantu premium ten sam wałek za 20 zł wyglądałby jak „ten droższy”. Z wariantem premium wygląda jak „ten rozsądny”.

Co ciekawe, wysokość ceny wabika ma tu wtórne znaczenie. Gdyby środkowy wałek kosztował 30 zł zamiast 20 zł, wybór klienta prawdopodobnie by się nie zmienił — bo punkt odniesienia (60 zł) nadal by działał, a różnica 30 vs 60 jest wystarczająca, żeby środkowy nadal wyglądał na „rozsądny”. Sprzedawca kontroluje więc nie samą cenę środkowego wariantu, tylko kontekst, w którym klient tę cenę ocenia.

Wniosek: sprzedawca kontroluje punkt odniesienia, nie cenę bezwzględną. To ważne, bo wielu właścicieli sklepów optymalizuje ceny w izolacji — zamiast zaprojektować całą trójkę wariantów tak, żeby jeden z nich naturalnie wygrywał.

Ten case opisuje Hermann Simon w „Confessions of the Pricing Man” (2015) — jednej z najczęściej cytowanych książek o pricingu strategicznym.

Case 2 — guma do żucia za 49 vs 51 gr

Dwie paczki gumy w tej samej cenie 50 gr: 46% klientów decyduje się na zakup. Dwie paczki w cenach 49 i 51 gr: 77% klientów decyduje się na zakup. Minimalna różnica cen upraszcza decyzję. To wynik badania Kima, Novemsky’ego i Dhara z 2013 roku, opisanego w artykule „Adding Small Differences Can Increase Similarity and Choice”.

Paradoks jest tutaj taki: klient, który stoi przed dwoma identycznymi cenami, musi rozstrzygnąć wybór po innym kryterium — smaku, opakowaniu, kolorze. To wymaga uwagi i decyzji. Klient, który ma do dyspozycji ceny 49 i 51 gr, dostaje gotową odpowiedź: „ta tańsza” albo „ta droższa” — i podejmuje decyzję szybciej. Wystarczająca różnica to około 3%.

Wniosek: nawet 2-procentowe zróżnicowanie cen podobnych produktów potrafi zwiększyć konwersję o kilkadziesiąt procent. To jest kontrintuicyjne. Klasyczna ekonomia mówi, że niższa cena zwiększa popyt. Behawioralna mówi coś innego: to różnica cen — nawet minimalna — obniża koszt poznawczy wyboru. Nie chodzi o obniżkę. Chodzi o ułatwienie decyzji.

Case 3 — The Economist i 3 pakiety subskrypcji

Klasyczny przykład decoy pricing. Economist oferował trzy opcje: digital za 59 USD, print za 125 USD, digital+print za 125 USD. Print za tę samą cenę co bundle to wabik — nikt go nie kupi, ale sprawia, że bundle wygląda jak „darmowy digital”. Bez wabika: 68% subskrybentów wybierało digital, 32% bundle. Z wabikiem: 16% digital, 84% bundle.

Ten case Dan Ariely opisał w książce „Predictably Irrational” (2008). Prosty test w klasie MIT: studenci wybierali między dwoma zestawami cenników. W obu przypadkach realne opcje były te same (digital 59 USD i bundle 125 USD), ale w drugim zestawie doszła opcja „print only 125 USD” — opcja, której nikt nie brał. Sama jej obecność zmieniła dystrybucję wyborów drastycznie.

Dlaczego to działa? Bo klient, który patrzy na cennik z dwiema opcjami (digital 59, bundle 125), musi porównać wartość dwóch różnych produktów — trudne. Klient, który patrzy na cennik z trzema opcjami (digital 59, print 125, bundle 125), ma pod ręką łatwe porównanie: print 125 vs bundle 125\. Bundle wygrywa oczywiście. Decyzja podjęta.

Źródło: The Strategy Story — analiza case’u Economista w kontekście strategii asortymentowej (link w sekcji Źródła).

Zakotwiczenie cenowe a decoy pricing — pokrewne, ale różne

Kotwica ustawia punkt odniesienia; wabik zmienia porównanie między opcjami. To dwa różne mechanizmy behawioralne, choć często mylone. Oba wpływają na to, jak klient ocenia cenę, ale robią to inaczej — i mają inne pułapki.

• Zakotwiczenie (anchoring): cena wyjściowa 100 zł, przecena na 75 zł. Klient ustala punkt odniesienia (100 zł) i czuje, że „zyskał” 25 zł. To działa nawet wtedy, gdy 100 zł nigdy nie było realną ceną — mózg klienta zapamiętuje pierwszą liczbę, którą zobaczył. Mechanizm opisali Daniel Kahneman i Amos Tversky w „Prospect Theory” (1979).
• Decoy: dodajesz do oferty opcję, której nikt nie kupi (wabik), żeby inna opcja wyglądała lepiej. Nie manipulujesz jedną ceną — projektujesz całą trójkę wariantów.

Anchoring ma jedną znaną pułapkę: „wiecznej promocji”. Jeśli klient zobaczy ten sam kurs online z odliczaniem do północy, które resetuje się co 24 godziny — kotwica przestaje działać. Klient traci zaufanie do ceny wyjściowej i traktuje cenę promocyjną jako cenę rzeczywistą. Widzieliśmy to na polskim rynku wielokrotnie: w branży autach używanych, w szkoleniach online, w kursach maturalnych — praktyka „minus 50% od nieistniejącej ceny” zjada wiarygodność szybciej, niż buduje konwersję.

Decoy pricing takiej pułapki nie ma, bo nie opiera się na przecenie. Ale wymaga jednej rzeczy, której anchoring nie wymaga: dyscypliny w projektowaniu wariantów i konsekwencji w ich utrzymaniu. Wabik nie może się „zepsuć” po tygodniu, bo ktoś w zespole postanowił obniżyć jego cenę. Dlatego wiele sklepów pilnuje wariantów wabika przy pomocy automatyzacji reguł cenowych — z limitami, poniżej których cena wabika nie może zejść.

Źródło: Kahneman, Tversky (1979), „Prospect Theory: An Analysis of Decision under Risk”.

Jak ustawić decoy pricing w swoim sklepie — krok po kroku

Cztery kroki: wybierz produkt docelowy, zaprojektuj wabik z asymetryczną dominacją, przetestuj A/B i zmierz wynik na konwersji wariantu i AOV. Poniżej rozkładamy każdy z nich.

Krok 1 — Wybierz produkt docelowy

Który wariant chcesz sprzedawać więcej? Kryteria wyboru: wysoka marża, dobra dostępność (magazyn nie stanie), strategiczny dla kategorii (np. bramka wejściowa do wyższego segmentu). Nie wybieraj wariantu, którego nie chcesz forsować — bo mechanizm zadziała, klient go kupi, a Ty zostaniesz z problemem operacyjnym.

Krok 2 — Zaprojektuj wabik (asymetryczna dominacja)

Wabik musi być gorszy od docelowego w co najmniej jednym mierzalnym wymiarze, ale zbliżony ceną. Przykład: jeśli docelowy to laptop 15″ za 3500 zł (8 GB RAM, 512 GB SSD), wabik może być laptopem 14″ za 3400 zł (8 GB RAM, 256 GB SSD). Wabik jest tańszy o 100 zł, ale wyraźnie gorszy w dwóch wymiarach (ekran \+ dysk) — więc docelowy „wygrywa” porównanie.

Drugi przykład, bardziej typowo e-commerce’owy: sklep SaaS z trzema pakietami subskrypcji — Basic 49 zł/mies., Pro Monthly 99 zł/mies., Pro Annual 990 zł/rok (~82 zł/mies.). Pro Monthly to wabik: prawie tyle samo funkcji co Annual, ale rozliczany drożej i bez zniżki lojalnościowej. Analogicznie w aptece online: trzy pakiety suplementów (30, 60, 90 dni) w cenach 89, 159, 179 zł — wabikiem jest opakowanie 60-dniowe, którego cena za dzień jest praktycznie równa opakowaniu 90-dniowemu.

Kluczowa zasada: różnica ma być łatwa do zobaczenia w karcie produktu, bez klikania w specyfikację. Jeśli klient musi porównywać spec-sheety, wabik nie zadziała.

Krok 3 — Przetestuj warianty cenowe

A/B test: strona kategorii z wabikiem vs bez wabika. Mierz trzy rzeczy: konwersję wariantu docelowego (%), średnią wartość zamówienia (AOV) i CTR na kartę produktu docelowego. Minimum 2 tygodnie testu, minimum 1000 sesji per wariant — poniżej tego wynik ma zbyt duży przedział ufności. Jeśli nie masz ruchu na klasyczny A/B, testuj sekwencyjnie: tydzień z wabikiem, tydzień bez, powtórz kilka razy.

Potrzebujesz pomocy z zaprojektowaniem i testowaniem strategii cenowej? Zobacz doradztwo cenowe Dealavo — pracujemy z zespołami e-commerce nad wdrożeniem takich testów krok po kroku.

Krok 4 — Zmierz wynik

KPI: konwersja wariantu docelowego (procent klientów, którzy trafili na kategorię i wybrali ten wariant), AOV, marża brutto per zamówienie. Sygnały, że wabik działa: wzrost konwersji docelowego o co najmniej 5 punktów procentowych i/lub wzrost AOV o co najmniej 3%. Jeśli tego nie widzisz po pełnym cyklu testu — wabik jest źle zaprojektowany (najczęściej: różnica ceny wabika i docelowego jest za duża, przez co wabik jest realną alternatywą).

Kiedy decoy pricing NIE działa — 3 pułapki

Wabik ma trzy słabe punkty: doświadczonych klientów, zbyt dużą różnicę cen między wabikiem a docelowym oraz kanały, w których klient kupuje wyłącznie na cenę.

1. Klient jest ekspertem w kategorii i zna ceny rynkowe. Wtedy wabik jest przezroczysty — ekspert widzi całą trójkę na raz, wie, ile realnie kosztuje każdy komponent, i wybiera po parametrach, nie po układzie oferty. Dotyczy to głównie kategorii B2B, sprzętu specjalistycznego i entuzjastów (audio, foto, PC gaming).
2. Zbyt duża różnica cenowa między wabikiem a docelowym. Wabik ma być „prawie tak dobry” — jeśli jest o 30% tańszy, staje się realną alternatywą i klient go po prostu kupuje. Reguła kciuka: wabik nie powinien być tańszy od docelowego o więcej niż 5-10%.
3. Klient kupuje na cenę minimalną (np. FMCG na marketplace’ach). Wtedy liczy się tylko najtańsza oferta, kontekst asortymentu jest niewidoczny, a klient nawet nie zobaczy Twojego wabika — wchodzi na listing posortowany po cenie i klika w pierwszą pozycję. W takich kanałach zamiast decoy pricing potrzebne są analizy cen konkurencji na marketplace’ach i reguły utrzymujące Cię w TOP 3, a nie strategie asortymentowe.

Najczęściej zadawane pytania

Źródła i metodologia

• Huber, Payne, Puto (1982) — „Adding Asymmetrically Dominated Alternatives: Violations of Regularity and the Similarity Hypothesis”, Journal of Consumer Research
• Kim, Novemsky, Dhar (2013) — „Adding Small Differences Can Increase Similarity and Choice”, Psychological Science
• Kahneman, Tversky (1979) — „Prospect Theory: An Analysis of Decision under Risk”, Econometrica
• Simon (2015) — „Confessions of the Pricing Man”, Springer
• Ariely (2008) — „Predictably Irrational”, HarperCollins (case The Economist)