Gabor–Granger: измерение вероятности покупки

Здесь разбираю, как находить Product‑Market Fit и строить Go‑To‑Market для AI‑продуктов. Пишу практичные конспекты фреймворков, метрики и бенчмарки, делюсь инструментами и рабочими чеклистами без воды. Если вы делаете AI‑сервис и хотите расти осознанно — добро пожаловать.

gabor-grangerценообразованиетестирование цен

Методика

Респондентам по очереди показывают несколько цен и фиксируют реакцию («купил бы / не купил» или по шкале вероятности).

Как применить?

  • Определите реалистичный диапазон цен для тестирования (например, 500–1500 ₽).
  • Покажите респонденту цены из этого диапазона по одной (в случайном порядке).
  • Для каждой цены спросите: «Купили бы вы продукт по этой цене?»
  • Подсчитайте долю ответов «Да» для каждой цены — это даст значения спроса.
  • Постройте кривую «цена–спрос» и рассчитайте 2 параметра:
  1. Эластичность спроса (как меняется спрос при изменении цены);
  2. Точку максимальной выручки (где произведение цены на спрос максимально).

Что дает метод:

  • Визуализацию кривой спроса и понимание, где снижается готовность платить.
  • Расчет оптимальной цены и потенциала выручки при разных сценариях.
  • Возможность уточнить данные, полученные с помощью модели Ван Вестендорпа
График модели Gabor–Granger: кривая выручки и кривая спроса в зависимости от точки цены, иллюстрация точки максимальной выручки.
Кривая цена–спрос и кривая выручки для модели Gabor–Granger, демонстрация точки максимальной выручки.

Читайте так же