从经济学的角度来说，激励是引起一个人做出某种行为的某种东西，诸如惩罚或励的预期。人会通过比较成本与利益做出决策，因此，他们会对激励做出反应。
利用节日做促销其实是一个比较老套的营销手段了。元旦、中秋、国庆、圣诞……只要是个节日，我们都能看到商场里五花八门的打折促销。但是，“双十一”促销之所以比历史上的任何一个节日促销都要成功，就是因为电商们不仅仅采用了传统的价格激励，还非常巧妙地运用了心理激励。简单来说，无非就是类似“把谈恋爱的钱用来给自己买件像样的衣服”这样的宣传。就是在这种全民消费的激励之下，很多人在双十一当日的消费超出了自己的预算约束。
需求表明，一种物品的价格下降将使其需求量增加。需求价格弹性衡量的是需求量变动对价格变动的反应程度，如果一种物品的需求量对价格变动的反应很大，那么这种物品的需求就是富有弹性的
11月11日当天，很多网店的商品低至5折、3折甚至1折，我们也许会感到疑惑：他们真的能赚钱吗？还是不惜亏本也要随促销的大流？当运用需求价格弹性这一工具来进行分析之后我们就会发现，在这场促销大战中，大部分卖家的收益是远远超过他们平日里的收益的。
显然，商家绝对不会对大米之类的刚性消费品进行降价促销，一方面利润微薄，另一方面相关产品的促销对于销量的影响并不明显。不同于大米、食盐这些缺乏弹性的生活必需品，服装首饰等的需求量往往极易受到价格的影响。我们看到，恰恰是这一类——衣服、饰品、化妆品、家具等易受价格影响的商品，成为了“双十一”促销的主流。
所谓二级价格歧视就是按销售量定价，即通过对相同货物或服务的不同消费量不同的价格来实施。虽然价格普遍下降了，但是通过扩大产量和实现较大的规模经济，较低的单位成本仍能增加商家的利润，且低价格能吸引客户、带来回头客、促进二次消费等。
“双十一”带来的消费变局常明显的，美国感叹中国“双十一”一天的销售规模已经赶超美国两大网上购物日，预计电子商务将助力中国成为全球最大的零售市场。这对于一直寻求消费升级的中国来说，是雪中送炭。中国如果无法成为最大的消费市场，那么就永远只能以工厂的身份，给欧美国家的消费者打工。
“双十一”的出现，还刺激了二三线城市的消费增长。从历年的数据统计来看，网购三四线城市及以下地区消费潜力的作用非常明显。万亿销售额中，三四线%以上，高于一二线城市。这种对于消费需求的刺激，特别是“逆发展刺激”，是以往很多刺激政策都难以企及的。
既然有二级价格歧视，那当然就还有一个“一级价格歧视”，又称完全价格歧视。这几乎是所有商家都梦寐以求的商业模型——根据每个消费者的不同情况，为其制定不同的价格，尽可能掏空每个消费者的购买力。
在菜市场里，菜贩子会通过观察买主的衣着表情口音动作而个性化定价，菜贩子完全可以向穿着考究的买家收取比其他客户高出一倍的价格。同样，在律师、私人医生等行业中，都可以发生一级价格歧视。
但这种一对一定价的成本太高昂了，既需要卖家识人察色谈判的经验，又占用大量时间精力，还难以规模化复制。所以一级价格歧视往往只存在于经济学书本中。不过，大数据技术的普及，让商家能够逐渐摸索出一种更为经济而有效的方法，根据每位客户的支付意愿，实现差别定价销售——
2012年，在线旅游网站 Orbitz（旅程）发现，使用 Mac的消费者在酒店房间每晚的支出，要比平均水平高出20~30美元，而且订4星和5星级酒店的概率比PC用户要高出40%。如果Mac用户和PC用户订同一家酒店，前者通常会选择更贵的房间。在这个发现之后，Orbitz开始尝试把 Mac用户引导到服务和体验更高的酒店。
如果你在下午5点寻找当天晚上的酒店房间，而且使用手机进行搜索，旅游服务网站Priceline的算法就会假设你比使用台式机的用户更加急切。
在《华尔街日报》对办公用品公司Staples的网络产品售价调查中，按照邮政编码划分，平均收入越高的地区通常会得到打折产品，而低收入地区的产品售价要更高一些，因为这些地区竞争较弱。不仅如此，Staples似乎还考虑到了用户与竞争对手的实体店之间的距离。如果竞争对手的商店在20英里的范围内，Staples网站通常会展示打折的售价。
向语言学习者出售软件的Rosetta Stone，会向美国或用户提供最多20%的德语课程折扣，但是却不会向英国或阿根廷用户提供这样的折扣。
亚马逊在2000年9月中旬开始了著名的差别定价实验。某DVD碟片对新顾客的报价为22.74美元，而对那些对该碟片表现出兴趣的老顾客的报价则为26.24美元。
2014年，Brandeis大学经济学家Benjamin Shiller对 Netflix公司的用户数据研究得出结论，如果Netflix单纯通过传统的方式（用户的年龄、种族、收入、居住区域等信息）区分用户群体，实行差异化定价，则利润可提升 0.8%。而如果通过大数据分析，结合用户的网页浏览、购买历史等信息区分用户群体（如访问烂番茄网站的次数等），则利润可提升 12.2%。虽然 Netflix 并没有采取这样的定价策略，但大数据的应用已经显示出不可小觑的商业价值。
在美国，4名研究员在一周时间里使用计算机去模拟“富人”和“价格”人群的网页浏览模式。在使用虚拟人物“购物”时，他们发现面向富人推荐的平均价格是面向价格人群的4倍。另一项试验以更直接的方式证明了价格歧视：对于同样的商品，地址为大地区的计算机看到的价格，要低于州偏远地区的价格。
以上一切努力最终形成的结果，就是对于互联网平台而言，价格不再是某个固定数值，而是可以随时依据多种条件因人而异发生变化的变量。价格每小时，甚至每分钟都会改变。对于曾经将商品放入亚马逊购物车的消费者来说，这样的情况并不少见，价格变化就像是股票走势。
推荐：