“大數據殺熟”的真偽之辨

圖片來源@視覺中國

你真的瞭解“大數據殺熟”嗎？

隨着我們社會的互聯網滲透率越來越高，也出現了一些新問題。比如很多人在訂外賣、訂酒店，或者是用網約車、玩網絡遊戲的過程中，發現不同的人或者是不同的手機，同一個訂單卻出現不同的價格，這個備受質疑和詬病的現象，被稱為“大數據殺熟”。無論是從消費者的直觀感知，還是深究企業背後的利益驅動，以及國家層面逐步加大監管力度，“大數據殺熟”似乎成了全社會一個聞之色變的新名詞。

但新問題更需要全面客觀的看待和理解，比如是不是所有的差異化價格，都是大數據殺熟？平台主動以優惠讓利形式產生的價差，該怎麼定義？哪些行為才是真正的大數據殺熟？大數據殺熟，能不能被監管和治理？

4月22日，來咖智庫邀請到中國社會科學院財經院研究室副主任、清華大學中國經濟思想與實踐研究院研究員馮煦明，資深法律人士、倫敦商學院面試官漆豔，貝殼新房資深產品經理、前首汽集團高級產品總監周路璐，以及互聯網行業資深觀察家丁道師這四位嘉賓，《大數據殺熟，是不講武德還是經營之法？》這一主題進行了直播分享。嘉賓們分別從經濟、法律、產品運營以及互聯網發展等不同角度，對“大數據殺熟”的話題做一個客觀中立的深度探討，包括如何界定、區分以及避免“大數據殺熟”，並和網友就用户隱私保護問題做了互動。

直播的嘉賓們認為，對不同物理條件、供需關係下進行的潮汐定價、動態定價以及價格歧視等行為，並不屬於“大數據殺熟”，這些可以稱為是“差異化定價”。而“差異化定價”在人類商業社會的發展歷史中一直存在，其中的一部分是對市場供需的合理調節，事實上已經被社會所接受了，不能和“大數據殺熟”混為一談。“區別‘大數據殺熟’與傳統差異化定價可以有一個簡單而行之有效的判定標準，那就是商家是否隱瞞了相同產品不同定價，或不同產品相同定價的存在。消費者在做出購買決策的時候，是否明知存在不同的價格，如果商家沒有隱瞞，消費者知道存在不同的價格自願做出的選擇，那麼就不是“大數據殺熟”，反之則是‘殺熟’。”

今年春節期間，一位復旦大學教授帶領團隊在全國多個城市進行打車，做了一項網約車出行調研，最終得出一些結論：手機越貴的用户叫到昂貴車型的概率也越大；在優惠層面，蘋果手機獲得的優惠也要比非蘋果手機更少；“熟人”打車比“新人”貴；打車人越多，打車費越貴。另外調研當中還發現實際支付車費比預估費要高，而這樣的情況佔比高達80%。這個調研一經發布，就被業內定性為網約車存在“大數據殺熟”行為。

針對這個調研結論，以滴滴快車為例，來咖智庫也做了同樣一個小測試，但發現了不一樣的結果。比如考慮到新老用户的不同，我們將用户分成新註冊、已註冊非活躍和已註冊活躍這三類用户，在同一時段、同一目的地發單打車，頁面上呈現的預估價格是不同的，但這個不同是因為有優惠券的存在，如果扣除優惠券的話，那麼整體預估價都是32元，僅有0.2元的小差距（見圖一）。

而關於手機越貴打車越貴的問題，我們專門註冊了兩個新號，分蘋果和安卓機型做了測試，發現在沒有優惠的情況下，兩者的預估價都是32元（見圖二）。這也就是説，在同時段、同路段打車，新老用户或者不同機型的用户，整體的預估價基本上是一致的，只是享受優惠的不同。

對於上述因優惠券引起的價差問題，貝殼新房資深產品經理、前首汽集團高級產品總監周路璐在直播中明確表示，平台上一些常用的用户運營手段，如「發放優惠券」、「發放可抵扣現金的虛擬貨幣」等，這些其實不算大數據殺熟，因為優惠券的運營手段由來已久，比如肯德基、麥當勞大量發放優惠券，目的也是為了給價格敏感的用户提供更多的優惠，這個手段大家已經普遍接受了。AI時代只是進一步加強了這種運營的千人千面性，例如目前各互聯網平台都會有新人禮或新人優惠，以此進行拉新，對於老客，會建立起會員體系，根據算法模型判定用户是活躍用户、流失用户還是新用户或者是沉默用户，以此發放不同的優惠券。“優惠券雖然會造成結算價格的不同，但優惠券是用户提前獲得並知曉的，用户可以據此判斷是否進行交易，價格本身並沒有變化，因此也不算大數據殺熟。”

這個解釋也得到了部分網友的認同，有網友稱“我覺得這些平台應該是通過手機機型還有打車的頻率，判斷用户活躍度，經常打車的老用户會被系統判定為常客，沒必要給你提供更多的優惠，畢竟粘性高的用户對平台依賴性更強。”

而針對平台推出的各種優惠活動，有網友在直播中還提出“差異化讓利”這個概念，在訂外賣或者打車中，雖然預估總價基本都一樣，但考慮到每個人享受的優惠不同，實際支付也會有差異，相當於平台以優惠的形式，主動進行了差異化讓利，當然這背後是對用户行為所做的應對，但這也讓市場營銷變得更加豐富。

另外，關於預估價和實際價不同的問題，這個也比較容易理解。從我們的測試來看，在同一時段、同一目的地發單，網約車平台給的時長和預估價都是一樣的，並不會因人而異。但在實際行駛中，不會完全符合預估路況，比如遇上交通事故、惡劣天氣、特殊時期的政策等，也會影響預估價的準確性。

互聯網行業資深觀察家丁道師在直播中也提到，以移動出行為例，因為擁堵不一、交通燈等待因素，也會導致服務時長和路程的變化，這些變化必然導致價格差異。另外，高峯期用1.X倍的價格調整來緩解供需矛盾的策略，也不屬於大數據殺熟。近期在滴滴“蘋果手機用户的打車費確實更貴”的案例中，實際上也不屬於大數據殺熟，也是因為多種因素帶來的價格波動和動態調價所致。

“在人類社會長期的商業發展歷史中，演化出了大量的差異化定價行為，其中的一部分是對市場供需的合理調節，事實上已經被社會所接受了。”在中國社會科學院財經院研究室副主任、清華大學中國經濟思想與實踐研究院研究員馮煦明看來，我們需要客觀認識“大數據殺熟”與傳統差異化定價的異同，他還用三類例子來説明差異化定價在日常生活中是如何體現的。

第一類是潮汐需求和潮汐定價。比如五一假期快到了，一個很明顯的現象是，節假日期間機票、賓館的價格要比平時要貴一些，原因很簡單——在節假日的時候，市場上對於機票和賓館的需求會潮汐式的上漲，因而在供給不變的情況下價格也會水漲船高。這類做法在經濟學中被稱為潮汐需求導致的潮汐定價，是一種因為市場供給需求變化所主動產生的市場化調節行為。類似的還有網約車在上下班高峯時段的定價也會比普通的時段要高一些。可以説，這一類潮汐定價行為在合理幅度內也是能夠被社會普遍接受的，並非商家道德瑕疵使然。

第二類是因為確定性溢價或者折價因素而產生的動態定價。比如，越早訂機票，價格可能會越便宜（比如提前半年或兩三個月），而臨近日期時預定就會變得比較貴，但到了起飛前最後幾小時，價格又會變得便宜。這種價格差異的產生，是因為在不同的時間點訂票，對航空公司來説確定性是不一樣的，你訂票越早，航空公司面臨的確定性越高，而越晚確定性就會越低，所以存在溢價和折價的因素在裏面。

第三類是經濟學中所謂的廣義的“價格歧視”。價格歧視，簡單而言是指商家以不同的價格把同一種物品銷售給不同客户的做法。“價格歧視”是有市場勢力的商家進行利潤最大化的一種銷售策略。實踐中有各式各樣的“價格歧視”做法，其中有些已經被社會普遍接受，有些在道德層面則不認可。

資深法律人士漆豔認為，對於“大數據殺熟”，法律界對其的定性界於 “價格歧視”和“價格欺詐”之間。“大數據殺熟”行為首先是違反誠實信用原則的，可能受到《價格法》、《消費者權益保護法》、《反不正當競爭法》、《電子商務法》、反壟斷等多種法律法規的規制。但商家仍可採取合法經營策略，避免“大數據殺熟”行為。比如區別定價是現代企業策略營銷的核心之一，按不同變量將市場進行細分，根據不同細分市場的吸引力，生產具有不同特點、風格、質量和尺寸的產品，或設計有區別的、個性化的服務，這些產品和服務面向不同的目標市場提供，供不同的顧客選購，自然可以設定不同的價格，最大化“消費者剩餘”。

既然差異化定價並非“大數據殺熟”，那麼到底如何界定“大數據殺熟”？其真正表現有哪些？又是什麼原因造成的？嘉賓們對此也進行了探討。

在一般的認知中，所謂“大數據殺熟”，是指互聯網平台利用大數據和算法對用户進行畫像分析，收取不同的價格，從而出現同樣的商品或服務，老客户看到的價格反而比新客户要貴出許多的現象。經營者運用大數據收集消費者的信息，分析其消費偏好、消費習慣、收入水平等信息，將同一商品或服務以不同的價格賣給不同的消費者從而獲取更多消費者剩餘的行為。

丁道師認為，現在社會上盲目的把“動態調價”和“多種計價方式”理解為“大數據殺熟”，很容易打擊到商家經營的積極性，同時也掩護了真正的“大數據殺熟”企業的撤退。“在我看來，真正帶來價格差異或者價格歧視的是非透明的、非在線化、品牌化不強、非標準化的小數據，而非大數據。簡而言之，互聯網行業大數據殺熟的情況遠沒有大家以為的那麼嚴重，真正應該警惕的是小數據殺生，而不是大數據殺熟。”

周路璐則以模型舉例，總結分析出“大數據殺熟”的條件有三個：

其一是用户，即基於不同用户畫像制定不同價格才是大數據殺熟。因此，對不同物理條件、供需關係下進行的動態定價，不屬於大數據殺熟。例如在網約車領域，在特殊出發地、惡劣天氣的情況下，供需會失衡，導致打不上車，要麼讓用户等很久才能打到車，要麼就讓用户加價吸引更多司機，這個規則對所有的用户來説都是一樣的，只要這個價格是透明告知用户的情況下，就不屬於大數據殺熟。

其二是動態，即必須是動態調整了價格才是大數據殺熟。那種因用户提前獲得並享受優惠所產生的結算價格差異現象，也不算大數據殺熟，因為其價格本身並沒有變化。

其三是表現，即“大數據殺熟”表現為完全一樣的商品或服務，收取了不同價格，或是同樣的價格，針對不同用户提供了不同的品質。

周路璐還補充到，一些用户反饋説有時候打車能自動升級到最貴的高端車，而有時候不能，是不是一種質量歧視。這其實不是的，其根本原因還是取決於供需關係，比如一個站點的用户需求量非常大，而當前車輛又偏少的情況下，在用户主動勾選全部車型的情況下，為提高匹配效率，平台會推薦當前可用的車輛，以保障用户能最快用上車，而這個可用車輛可能是快車，也可能是出租車，當然也可能是專車和高端車等。“這只是平台解決供需問題的一個方法，本身並不是一個歧視行為，就像有些時候，酒店房間滿了會幫你免費升級房間一樣。”

“‘大數據殺熟’與差異化定價的一個本質區別在於，消費者是否知道自己被價格歧視了，或者説商家是否存在不同定價的隱瞞行為。”馮煦明指出，在傳統的差異化定價歧視中，消費者面對的信息往往是透明的，一般不存在商家隱瞞信息的行為，消費者在明知存在不同價格的情況下，根據自身實際情況做出行為決策。例如，消費者在購買機票或電影票時，明知自己支付的價格可能跟別人不一樣的，知道自己是買的是高價機票還是低價機票，是半價電影票還是全價電影票，但出於自身因素的考慮，自願選擇支付高價或低價。但在“大數據殺熟”中，信息往往是不透明的，商家會有意隱瞞差異化定價的過程，消費者完全被矇在鼓裏，在這種情況下消費者的高價支付行為是在不知情的情況下做出的，是非自願的。

簡單來説，區別“大數據殺熟”與傳統差異化定價可以用一個簡單而行之有效的判定標準——商家是否隱瞞了不同定價的存在，消費者在做出購買決策的時候是否明知存在不同的價格。如果商家沒有隱瞞，消費者明知存在不同的價格而自願做出選擇，那麼就不是“大數據殺熟”，而是通常能夠被商業社會所接受的差異化定價行為；但如果商家存在隱瞞的事實，消費者是在不知道存在不同價格的情況下做出的購買決策，那麼則存在大數據殺熟的嫌疑。

馮煦明還提到，不論對於消費者，還是對於平台企業，抑或對於整個社會福利而言，“大數據殺熟”行為都是有害的。大數據殺熟會侵害消費市場的公平正義感，衝擊平台企業的社會形象，危害正常的商貿流通秩序，抬高經濟中流通環節的交易費用。在上世紀八九十年代，我國線下商貿流通市場上曾經有過類似的教訓——看人下菜碟、量身要價、欺詐消費者的行為較為普遍；後來經過社會各界的共同努力，明碼標價才成為一個普遍共識和通行做法。而當前在互聯網經濟和大數據時代，新的挑戰出現了，這同樣也需要社會各界共同努力，構建出新的線上商業流通秩序。

那麼在區分“大數據殺熟”的種種表現，以及瞭解關鍵辨別點後，“大數據殺熟”的這種行為是否能夠治理，以及如何監管和治理呢？

在周路璐看來，“大數據殺熟”的監管還是比較難的，最困難的一點在於表現上千差萬別，例如除了直接動價格以外，企業還可以針對部分用户進行動態折扣、動態優惠、動態補貼，甚至包括直接屏蔽部分用户參與優惠活動。在監管建議方面，周路璐認為有兩點：首先需要限制基於用户畫像的動態定價，也就是説，不能基於手機是蘋果還是安卓，是新客還是老客等等用户信息，進行價格或質量歧視；其次，如果需要根據其他因子做動態定價，比如是天氣、供需關係等情況，也需要標明加減價的部分，讓用户提前感知到原因，而不是事後才發現。另外，對於隱蔽的變相殺熟，可能靠規則不能完全發現，因此需要社會輿論和信息公開機制的輔助，自從有了315這樣的機制，企業相對來説會收斂很多。

馮煦明也表示，“大數據殺熟”的監管與治理面臨很多難題，一是大數據殺熟與傳統商業社會存在的眾多差異化定價之間的邊界並不完全清晰。二是大數據殺熟多出現在網約車、外賣送餐等這類服務業領域，而服務品的異質性普遍高於鞋、衣服等製造品。三是新經濟業態具有多元性和複雜性，而算法技術往往又是隱蔽的，這使得在實際中的差異化定價行為和“大數據殺熟”行為也是非常多樣和隱蔽，難以識別。

在監管治理方面，馮煦明提出了大數據殺熟監管與治理的三條基本原則：第一條原則是，價格的形成機制應遵循市場化原則，儘可能的避免不正當的平台操縱；第二條原則是，保護消費者的權益，尤其是保障個人數據不被違規使用；第三條原則是，維護市場公平，促進市場競爭，降低交易摩擦。

在上述三條原則的基礎上，馮煦明還給出了四點具體的建議：一是建立健全相關法律法規，在制度層面約束平台企業的定價行為，約束平台企業收集和使用數據的行為。二是建議在政府層面設立專門的監督檢查機構，比如成立“數字經濟發展與監督管理委員會”，對相關行為進行指導、規範、監督、處罰。建議在司法層面樹立若干的典型案例，通過這些案例起到正反兩方面的示範作用，從而規範和引導平台企業的定價行為。三是加強行業自律，在行業協會的層面加快制定相關的行為規範和標準，利用同行之間的監督機制去共同促進整個行業商業行為的規範化。四是加強消費者個人數據的保護，探索建立平台企業信用評價機制和第三方數據託管機制。

漆豔認為，治理“大數據殺熟”還需要互聯網平台企業遵守原則。比如對於個人信息的收集、使用需遵循一定程序要求和"合法、正當、必要"的基本原則，目的明確，得到用户知情同意。另外，還要避免使用個人信息、個人特徵進行違反法律法規規定的定價行為，即“大數據殺熟”，而是真正基於細分市場和目標客户羣提供差異化的產品/服務，對差異化產品/服務進行區別定價。