玩家把价格降低10%，最不可信的结果就是所有顾客当天全部涌来。要让降价的效果像真实市场，先得承认消费者并不是同一个人的复制品。

先把“市场”拆成人：一个模拟街区里的五类顾客

假设一条街上有一家咖啡店，玩家想把一杯咖啡从20元降到18元。这个价格和后面所有数字都是模拟示例，只用来演示逻辑，不代表任何实测数据。

在大发娱乐经营AI的设计里，街区里的一千位潜在顾客不会只用“价格敏感度”一个数字表示，而是分成几类各有习惯的人：

类型（模拟示例） 占比 日常行为 对降价的态度
价格敏感的学生 约30% 会比较几家店，愿意多走几步10%的降幅足以让他们重新考虑
通勤习惯型 约35% 每天固定路线、固定一家基本不留意价格，除非涨得离谱
品质导向型 约15% 看口味和环境，价格不敏感 降价甚至可能让他们怀疑品质
图省事就近型 约15% 谁近去谁 降价与否，取决于店离他多远
刚搬来的新居民 约5% 还没有固定习惯 最容易被价格和门店位置吸引

这个拆分的目的，是让同一次降价在不同人身上产生不同的结果。如果所有人共用一条需求曲线，降价10%就必然带来相同比例的销量增长，市场就变成了一个数学公式。相关研究里也在做类似的事：李念等人的团队于2024年在ACL发表的EconAgent，就给经济体里的智能体设定了异质的性格，并配备记忆模块，让它们从自己的经历里学习。方向和这里一致：先有不同的人，才有像样的宏观结果。

第一道关卡：他们知道你降价了吗

降价不会自动传到每个人的脑子里。大发娱乐AI给信息传播设了明确的渠道：路过门店看到价目牌、别人的口头传播、线上评价和平台推荐。

第一天，路过这家店的人才看得到新价格。价格敏感的学生偏爱比价，更可能主动去看；通勤习惯型的人如果每天走的是另一条路，可能一周都没经过这家店的门口。假设第一天能感知到降价的大约只有一成多的顾客，一周之后逐步扩散到四成左右，这个数字同样是示例，重点是扩散需要时间，而且不同类型人群速度不同。

如果玩家同时投放广告，广告只提高“知道”的比例，不会替顾客做决定。这两件事在系统里是分开计算的，避免“广告等于销量”的捷径。

第二道关卡：值不值得为2元改变习惯

知道了，不等于要动。大发娱乐AI让每位顾客带着一个“转换门槛”：习惯、距离、对现有店的满意度，都会抬高门槛，而降价只是把对面店的吸引力往下压一点。

对通勤习惯型的人来说，转换意味着绕路，2元的差价不足以补偿。对价格敏感的学生，门槛本身就低，2元可能刚好越过。品质导向型的人甚至会把降价解读为“成本压缩”的信号，吸引力不升反降。这里最容易犯的错，是把价格当成唯一的输入。降价10%对于所有人来说数值相同，但门槛不同，最终行为的分化就出来了。

另外，参考价也在悄悄起作用。如果这一带的咖啡店本来就常打折，一次10%的降价在顾客眼里不算什么优惠，因为他们心里的“正常价”早就变了。这类“习惯了打折”的机制在促销为什么不能每次都有效里有更完整的讨论。

第三道关卡：走得到、买得到吗

即便顾客决定尝试，也要走完两件事：路程和供应。居民的住址、工作地点和日常路线，在AI城市的居民Agent那一层就已经决定了，他们只会在自己活动范围内遇到这家店。距离超过一定范围的人，即使价格再低，也不会成为潜在顾客。

供应这一头同样是约束：如果降价让午高峰多来了三十位顾客，而店里的磨豆机和店员只能应付二十位，多出来的人会排队，排不到的人会离开。这些人下次是否回来，要看这次体验的好坏。所以在模拟里，玩家降价之后如果不同时增加库存与人手，销量的曲线会先上升，随后因为体验变差而回落。这不是设计得苛刻，而是现实中降价失败的常见路径：短期流量把服务能力压垮。

第四道关卡：对手会怎么反应

玩家降价，街对面的店同样在看。在大发娱乐的设计里，竞争对手不能直接读到玩家的销量，只能看见价目牌和人流，然后决定是否跟进，这个判断过程可以参考竞争对手为什么不能对排长队视而不见的拆解。

这一步决定了降价收益有没有寿命。如果对手三天后跟价，玩家当初争取来的学生顾客，会在两家之间再次分流，玩家的利润却因为单价降低已经少了一截。有的对手不会跟价，而是选择做一个新品，这时候降价的效果反而能维持更久。也就是说，同一个降价动作，结果取决于对手的库存、现金和性格，模拟器里没有固定答案。

第五道关卡：买过一次以后会不会回来

销量增长真正有价值的部分，是那些第一次来之后变成回头客的人。每位顾客在消费后会更新对这家店的记忆：味道、等待时间、价格是否合理、服务是否稳定。下一次做选择时，这份记忆和其他店的记忆一起参与比较。

结果往往是这样的：降价第一周，价格敏感的学生和新居民贡献了大部分新增销量；第二周开始，其中一部分因为口味一般或排队太久离开；剩下的一部分留了下来。玩家最终得到的，是一小部分永久转移的客人加上一批随时会走的价格追随者。如果玩家把降价撤回，追随者会走，习惯了新价格的留下者也可能因为“变贵了”而不满。

这里还有一个设计取舍：为什么不干脆让每位顾客都调用一次大模型来“思考要不要转店”？原因是成本和一致性。顾客的门槛、习惯和距离这类状态，由确定的规则和数值更新，速度快、可复查；只有在少数需要解释或生成文字反馈的场合，才交给大模型。这样一千位顾客每天走完五道关卡，是一次批量的状态更新，而不是一千次漫长的对话。

口碑和习惯：第二轮的顾客已经不是第一轮的顾客了

五道关卡走完一遍，只是完成了一轮。真正拉开差距的，是第二轮开始时每位顾客带着什么进来。大发娱乐AI给每位顾客留了两样会随时间变化的东西：对每家店的记忆评分，和一个“习惯强度”。

记忆评分由最近几次体验更新，越新的体验权重越大，旧的会慢慢淡去。以下均为模拟示例：一位学生在降价后第一次来，等了十五分钟，评分被拉低一档；第二次来很顺利，评分回升。两次叠加，他的评分大致回到中间，此时价格优势仍在，他还会再来一次。习惯强度则是另一条线：连续三次在同一家店消费，习惯强度上升，转换门槛随之抬高，哪怕对面出了新的折扣，他也懒得动。降价争取来的顾客，能不能被“固定”下来，就看前几次体验够不够顺，能不能撑到习惯形成。

口碑传播是第三条线，也是最容易被写坏的一条。设计里每位顾客有几位“会交流的熟人”，体验特别好或特别差的时候，才会把评价说出去，平平淡淡的体验不会传播。而且负面体验的传播强度更高：一次难堪的排队，往往比一次愉快的咖啡更容易被转述。假设某位学生对店铺的评价降到很低，他的三位同学接下来一周对这家店的“知道”与“兴趣”会被同步压低，即便他们从没去过。

这样一来，玩家的一次降价，会在几周内留下两种截然不同的轨迹。库存和人手充足的店，前几次体验平稳，习惯强度一点点累积，口碑悄悄变好，对面的店越来越难跨过这道转换门槛；准备不足的店，第一周热闹，第二周口碑下滑，同样的价格再也拉不回来同样的人。模拟里没有一个叫“品牌好感度”的单独数字去决定这一切，它来自每位顾客各自的记忆、习惯和熟人圈子，慢慢叠出来。

习惯也会松动。假设一位通勤者连续两周因为排队放弃这家店，他的习惯强度会逐周衰减，直到某天被对面店的一杯免费试饮重新拉走。所以设计里习惯是“越用越牢、不用就淡”的状态，玩家没法靠一次促销买断一位顾客，只能靠持续、稳定的体验去续这份习惯。

把五道关卡串起来，玩家会看到什么

按照上面的模拟示例走一遍，玩家看到的大致是这样一条曲线：第一天几乎没有变化，第三到第五天开始有学生来试，第二周出现峰值，随后因为排队和对手反应而回落，最后稳定在比降价前略高的一个水平。整个过程里没有任何一个顾客“瞬间被说服”，只有不同的人在不同的关卡停下，或者通过。

可检验的指标也因此变得具体：

  • 降价后一周内，销量变化是否按顾客类型分层，而不是全体同比例增加。
  • 广告投入提高了多少人知道降价，但没有直接抬高转换率。
  • 库存和人手不足时，销量是否出现冲高后回落。
  • 撤回降价之后，是否有一部分顾客流失，而不是完全回到原状。

把降价10%写成一个“销量增加10%”的公式，只需要一行代码；让一千个不同的人一关一关走完，才配得上大发娱乐AI对经营模拟的要求。玩家最后学到的，会是一个更接近现实的判断：降价只是把入口拓宽了一点，能不能留住人，靠的是入口之后的每一步。