編輯導讀：前幾天，一篇《我被美團會員割了韭菜》的文章把美團送上了熱搜。美團真的殺熟了嗎？大數據“殺熟”，真的能帶來利潤嗎？如何反制大數據殺熟呢？文章對這些展開了分析探討，一起來看看。
時代確實變了，網絡時代個體的影響力再一次被驗證。
近日，一篇普通的文章引起軒然大波，不僅使美團以一個被追責的身份登上熱搜，也讓“大數據殺熟”的話題再次引發熱議。
事情的起因很簡單，當事人在美團開通外賣會員後，卻意外發現自己常吃的一家外賣配送費不減反增，起初當事人以為是送餐高峯期的緣故，但後來發生的一切卻證明事情沒有那麼簡單。在當事人久等40分鐘後，配送費依然沒有變化，而當事人拿出另一部沒有開通會員賬號的手機點餐時，卻發現配送費回落到正常價位。
這意味着什麼，大家也都清楚，當事人不滿之餘，便向平台客服討説法。
客服先是給當事人一張10元紅包以此息事寧人，隨後在當事人的追責下打來電話表示歉意，並表示會向技術反饋。但幾天過後，當事人發現他反饋的問題依舊存在——點餐時會員賬號的配送費高於非會員，於是當事人在其個人微信公眾號上公佈了整件事的過程。
但沒成想，這篇文章在短暫發酵後引爆網絡，同時也引來了美團的注意。12月17日，美團外賣回應稱，文中提到的配送費差異與會員身份無關，是定位緩存偏差導致。
這次回覆再次把整件事推向高潮，對於經歷過“大數據殺熟”的網民來説，美團的答案不能讓用户滿意，因此也使美團迎來了新一波輿論的嘲諷。
01 美團有沒有“殺熟”？歸根結底，這件事的核心在於美團到底有沒有通過“大數據殺熟”。
“同一家店鋪，同一個配送地址，同一個下單時間節點，在開通會員後，為什麼配送費比非會員要高？”，這確實符合“大數據殺熟”的現象。
事實上，在這件事被曝光之前，已經有用户在社交媒體、網絡社區上表示對美團的不滿。在百度貼吧「美團外賣吧」中，能看到不少用户分享自己被“大數據殺熟”的經歷。
有網友在貼吧中發出自己在同一家餐廳點外賣付款的截圖——隨着時間推移，外賣付款金額越來越高，以此來表示對美團外賣存在“大數據殺熟”的懷疑。但由於在圖中沒有看到該網友點餐的菜品是否一致，同時圖中點外賣的時間節點相差較大，因此不能作為美團“殺熟”的證明。
出於實事求是的原則，筆者決定親自去美團APP查探一二。
由於筆者是美團外賣的會員，為了對比，筆者借到朋友的非會員賬號後，先是在登陸賬號修改了外賣地址，使朋友賬號的外賣地址和筆者原本賬號的外賣地址相同。而後筆者通過兩個賬號先後在同一家此前會員賬號經常點餐的餐館點餐，對此發現了一絲貓膩。
首先是在兩個賬號進入同一家店鋪的頁面時，就出現了一個最大的不同——點餐頁面最上方的滿減力度有所差別。
會員賬號顯示的是“20減4、36減7、66減11”，而非會員賬號顯示的卻是“20減6、36減9、66減13”，明顯能看出來會員賬號的滿減力度小於非會員賬號。當然，在這場測試中，既有會員賬號與非會員賬號的區別，又有熟客與非熟客的區別，因此不符合單因素實驗，不能完全證明是熟客還是會員導致滿減力度減小。
但總體上，這個頁面確實能證明美團APP中存在區別對待（截止成文後，筆者再次進入頁面發現兩者滿減力度變為相同，或美團出於輿論壓力更改）。
除了這點，在筆者用兩個賬號點相同的外賣付款時，同樣看到兩個賬號由於津貼優惠的不同導致付款金額不同，而在津貼優惠的使用規則中顯示：每個用户在滿減、折扣商品上可使用的津貼優惠金額均為隨機金額，和拼手氣紅包類似。
因此出現津貼力度不一致的情況也無可厚非。
隨後在筆者的調查中，發現基於兩個因素變量去推導結論不太準確，於是基於會員賬號來觀測常去的一家餐館外賣價格。
發現此前筆者經常點外賣的一家餐館，在早些時候點外賣時配送費為2.5元，但隨着在這家餐館點外賣的次數增多，配送費則變為3.5元，而這兩次點餐的餐飲完全相同，點餐時間段也相差無幾，這似乎也證明了美團外賣存在“大數據殺熟”。
再回到美團外賣這次的聲明上，“經查，文中提到的配送費差異，與會員身份無關，通過與用户進一步確認，發現是由於軟件存在定位緩存，錯誤地使用了用户上一次的歷史定位，與用户實際位置產生了偏差，導致了配送費預估不準。”
也就是説，首先這則聲明證實了當事人的遭遇為真。其次，美團外賣以技術問題為理由解釋此次“殺熟”事件，但也有網友稱，美團以“軟件存在定位緩存”為理由過於牽強，作為在2019年日訂單量就突破3000萬單的外賣平台，這個技術bug現在才發現明顯説不過去。
而據《時代財經》的採訪，當事人也表示，“對於美團上門致歉的態度，我是認同的，但是對於他們的解釋，我並沒有認同。眾多網友都出現過我這樣的情況，但美團對於這個事至今沒有正面的官方回覆。”
因此美團能否證明自己不存在“大數據殺熟”才是最重要的，只憑一面之詞無法給廣大用户一個交代。
在這件事中，“大數據殺熟”之所以能引起這麼大共鳴，源於用户早已飽受其摧殘。
此前國內出現過最矚目的“大數據殺熟”事件，主角則是攜程。2019年3月，用户陳利人在攜程上購買國際機票時，第一次搜索時價格為17548元，退出後再去支付就顯示“無票”，而該用户再次進入搜索頁面搜索時，價格就變成了18987元，此後多次搜索都是這個價格，最終用户只能選擇在航空公司的官網購買機票。
平台通過“大數據殺熟”，讓用户變成了任人拿捏的柿子，用户自然對此深惡痛絕。
02 殺熟是門“好生意”對於某些平台來説，為何熱衷於“大數據殺熟”這門生意？
從經典的案例中能找到一些啓發——2000年，電商平台亞馬遜選擇了68種暢銷 DVD 進行試驗，根據潛在用户的人口統計資料、購物歷史、上網行為等，對這些 DVD 光盤進行差別定價。
其中名為《泰特斯》的DVD光盤對新老用户的定價分別為22.74美元、26.24美元，通過這一策略，這些DVD的銷售毛利率得到明顯提升。
此外，美國布蘭戴斯大學經濟學系助理教授Benjamin Shiller基於 Netflix的研究發現，使用傳統人口統計資料（種族、收入、郵編）的個性化定價方法，可以使Netflix的利潤提高0.3%，但根據用户網絡瀏覽記錄（瀏覽了哪些網站、在哪個網站停留了、停留了多久），使用機器學習技術來估算用户願意支付的最高價格，可以使Netflix的利潤提高14.55%。
而對於類似美團這種提供服務的平台，甚至能夠以“大數據殺熟”消費者和服務提供者兩方，從而讓自身獲益。
因此這種方法對於商家而言是強烈的吸引力。
從上述案例中能看出，“大數據殺熟”的本質其實就是商家通過收集數據，以此找到用户對每件商品的“最高承受價格”，從而實現利潤最大化。
但利潤與風險同在，雖然這種方法能夠讓平台最大程度上獲利，但消費者可不會輕易買單。在艾媒諮詢發佈的《2018中國“大數據殺熟”網民態度行為調查報告》中，77.8%的受訪網民會認為服務應用利用大數據進行差異定價的行為不能接受，認為可以接受的受訪網民僅佔12.2%。
更嚴重的後果是，報告顯示42.9%的受訪網民表示會因為應用利用大數據進行差異定價考慮更換應用；40.5%的受訪網民會認為如果自己使用的應用利用大數據進行差異定價，未來將不會再使用該應用。
以亞馬遜為例，此前其推出差別定價被發現後，隨着消息的傳播，越來越多被“坑”的老用户知道了這件事，在一陣聲討聲中，不少人公開表示以後絕不會在亞馬遜購買任何東西。最後此事鬧得越來越大，直至亞馬遜CEO貝佐斯親自道歉，並對商品進行退還差價處理才漸漸息事寧人。
對於平台而言，採用“大數據殺熟”無異於冒着巨大的風險。但仍有無數平台前赴後繼採用，除了巨大的利益，更重要的是“大數據殺熟”的隱蔽性，在《2018中國大數據“殺”網民態度行為調查報告》中，73.9%的受訪網民不知道互聯網服務應用利用大數據針對不同用户進行差異定價的情況。
最好的方法是讓用户對“大數據殺熟”不知情。
首先，熟客天然比生客好“殺”，熟客的心理會自然而言的代入自己在消費者將會享受更好的服務和更優惠的價格，並且在購物的過程中省略“貨比三家”，在加上購物習慣使然，熟客對價格沒有那麼敏感，因此商家好把控。
其次，如今“大數據殺熟”在互聯網領域廣為應用，和線下的實體交易相比，互聯網服務交易平台“殺熟”手段相對隱蔽，用户在支付過程中存在一個“私密空間”中，導致“大數據殺熟”不容易被用户發現。
種種原因，造成“大數據殺熟”一直被平台使用但秘而不宣。
此外，在“大數據殺熟”的具體應用上常見的情況為：同一應用上的不同階層用户價格不同；同一應用的同一階層用户的價格也不同；在此基礎上，更有甚者平台利用大數據分析同一階層用户的需求，為其提供個性化的產品或服務，做到“千人千面”。
如若在上述美團事件中，確實存在當事人所説的情況，其應屬於同一應用上的不同階層用户價格不同。
03 如何避免被“殺熟”？事實上，如今國內對“大數據殺熟”的監管力度愈發嚴格。
首先是在“大數據殺熟”的重災區——OTA，2020年9月，文旅部出台了《在線旅遊經營服務管理暫行規定》，預計在10月1日正式執行，其中第十五條的規定為“在線旅遊經營者不得濫用大數據分析等技術手段，基於旅遊者消費記錄、旅遊偏好等設置不公平的交易條件，侵犯旅遊者合法權益。”
這使OTA平台使用“大數據殺熟”的成本增加。
此外，2020年11月10日，市場監管總局發佈《關於平台經濟領域的反壟斷指南(徵求意見稿)》中，第十七條為“具有市場支配地位的平台經濟領域經營者，可能濫用市場支配地位，無正當理由對交易條件相同的交易相對人實施差別待遇，排除、限制市場競爭。”
意見稿首次提及基於大數據和算法，根據交易相對人的支付能力、消費偏好、使用習慣等，實行差異性交易價格或者其他交易條件；基於大數據和算法，對新老交易相對人實行差異性交易價格或者其他交易條件等，並把這些行為定義為濫用市場支配地位、實施差別待遇。
“大數據殺熟”或將成為反壟斷法明令禁止的行為。
需要注意的是，雖然近些年監管力度正在加強，但目前來看，如何界定平台是否存在“殺熟”等違規行為在判定上存在一定難度。
對於美團這樣的本地生活企業來説，早前新華社記者調查報道過程中做了試驗，發現不同賬户存在明顯的價格差異，2019年的“大數據殺熟”風波中，科技日報點名美團存在“大數據殺熟”情況，但對美團並無大礙。
類似也有不少用户向相關機構投訴平台，卻發現想要舉證難度很高，原因在於平台通常以商品型號或配置、享受套餐優惠、時間點不同等為理由，通過了補貼、優惠力度等方式掩蓋。同時，平台以商業機密為由不對外公佈具體算法、規則和數據，
在裁判文書網上同樣能找到相關案例，在2019年12月27日發佈的《劉權、北京三快科技有限公司（美團母公司）侵權責任糾紛二審民事判決書》中，劉權表示，他通過某外賣平台訂購了一份套餐，當日劉權另一同事在該平台上向同一商家訂購了同一份套餐，送貨地址相同，但配送費卻比劉某少1元，以此投訴三快科技。但法院認為三快科技公司的外賣配送費是動態調整的，以劉權與其同事下單時間並不一致為由對劉權的訴訟請求不予支持。
可見在難以監管的前提下，對於消費者而言，更小心平台“殺熟”。
因此除了監管的因素，作為消費者，養成避免被“大數據殺熟”的習慣同樣十分重要。例如在購物時，習慣使用各種網站比價；經常卸載APP或清理緩存等。
歸根結底，用户之所以遭遇“大數據殺熟”的絕大部分原因是信息不對等，只要抹除信息不對等，大多網購平台的“大數據殺熟”手段就無所遁形。實際上，互聯網的特性本就讓我們獲取信息更加方便，很多時候只是懶得去主動獲取，這才給“大數據殺熟”留下了可乘之機。
當然也需要注意的一點——大數據沒有原罪，技術本身是中性的，通過大數據不一定只能去“殺熟”，平台如果使用得當的話，也能為用户帶來方便。
回到這件事情本身，如今正處在反壟斷的關鍵時刻，美團自然需要打起十二分精神。
但對於廣大消費者來説，此事如若只是像此前那般成為一個普通的輿論事件，隨着輿論沉寂，“大數據殺熟”也沒有得到監管。即使諸如此類的事情正在使越來越多的消費者覺醒，但終究未能從源頭上徹底阻截。
作者：賀緣；公眾號：科技新知
本文由 @科技新知 原創發佈於人人都是產品經理。未經許可，禁止轉載。
題圖來自Unsplash, 基於CC0協議