穹顶数据介绍：
穹顶数据是由成都大数据产业技术研究院发起成立的，中国专业的大数据行业社区，汇聚多样全面的科学数据集资源及大数据行业人才，致力于成为全球最大的数据要素流通平台。
面向大数据行业从业人员及爱好者，提供丰富多样的科学数据集资源，以及在线工作台，开发者可以在线使用穹顶数据提供的科学数据集训练自己的算法模型，也可以下载数据集资源，在本地使用。
作者介绍：
Camellia叁叁，中国科学院大学计算机在读硕士，成都大数据产业技术研究院签约作者，研究图像处理和视觉感知方向的人工智能炼丹师，爱好读文献，码代码，煲综艺，练瑜伽。
01 隐藏在大数据背后的“灰色地带”借助数据可以实现万物互联。然而用数据换取智能化生活便捷的同时，也出现了个人信息暴露危机。通过掌握产品受众的消费偏好，商家有针对性地根据消费者偏好进行产品推荐、广告投放、产品设计乃至产品网页呈现，激发消费者购买意愿，并有针对性地实行差别定价策略，以谋取更高的收益。这使得数据在某些别有用心的商家的利用下，逐渐成为构筑杀熟“灰色地带”的有力武器。央视在一档新闻节目中称，常见的“大数据杀熟”套路有三种 ：一是根据不同设备进行差别定价，比如，针对苹果用户与安卓用户制定的价格就不同 ；二是根据用户消费时所处的不同场所定价，比如，对距离商场远的用户制定的价格更高 ；三是根据用户的消费频率差异定价，比如，消费频率越高的用户，平台认为他们对价格的承受能力就越强。
图1 “大数据杀熟”的常见套路
“杀熟”涉及的企业数量、产品和服务种类繁多，手段方法也较为隐秘。从2021年1月的百度搜索指数分析，对“大数据杀熟”搜索热度最高的城市依次为北京、上海、杭州、广州和深圳。而早于2019年，北京消费者协会曾向社会发放并收回有效问卷 3185 份。北京市消费者协会调查发现，近9成人认为“大数据杀熟”现象普遍存在，56%的被调查者表示，自已有过被“大数据杀熟”的经历，其中以网购、在线旅游、酒店住宿、网约车、外卖、影视等消费场景最多。
图2 被调查者经历过的“大数据杀熟”类型
在被调查者经历过的“大数据杀熟”中，被购物类、旅游类、打车类平台“杀熟”的被调查者数分别占44.14%、39.50%和 37.17%，而认为“大数据杀熟”现象很普遍的被调查者人数比例高达88.32%。
图3 “大数据杀熟”后被调查者的处理方式
然而遭遇“大数据杀熟”后，被调查者遭遇大数据“杀熟”后自我保护意识仍然不强。26.72%的被调查者选择向消协或市场监管部门投诉，25.56%的被调查者选择不再去这个商家消费，17.43%的被调查者选择忍气吞声，11.71%的被调查者选择与商家理论，10.46%的被调查者选择卸载商家 APP 或删除网址，8.13%的被调查者选择在社交网站或向媒体曝光。
02 “大数据杀熟”呈现的陷阱俗话说，千金难买回头客。网络平台对待老用户按道理应该有更多的折扣反馈活动，以提高回头率和用户黏性。但在大数据的加成下，用户消费频次、价格敏感度、消费偏好等信息不再是商家猜不透的秘密。在平台看来，老用户对平台已经形成一定的品牌黏性和消费刚需，而新用户才是他们需要拉拢的增量对象。因此，平台就利用老用户对品牌的信任和习惯，有针对性地给“熟客”设置针对性的消费陷阱，以至于出现了越“熟”越“杀”的情况，平台一旦吃准了用户对某个价位的接受程度和消费需求，“杀熟” 毫不留情。
2.1 来源陷阱：数据抓取偏离客观真实
传统的商品价格设定过程中，以供求关系、边际成本等为基本要素，由于缺乏对于消费者消费数据的统计，无法准确把握其购买意愿和能力，因此商品价格处于相对稳定的状态，很难因个别情况的变动而上下浮动。然而，技术的赋能使消费者的个人消费偏好极易获取，互联网商家可以对用户的价格耐受度、支付能力、消费偏好、浏览习惯等非市场价值决定因素进行抓取和分析，并将其作为算法编程中的独立元素赋予较大的权重，最终使消费者承受不符合商品价值规律的价格。
图4 网友在微博吐槽自身经历的“大数据杀熟”现象
现在，许多出行服务商会事先对于用户的消费意愿进行监测，设计出个性化的用车方案，以此提高订单量， 使商家利益最大化，还美其名曰“私人订制”，其背后实则是大数据“杀熟”的来源陷阱。
2.2 推送陷阱：精准化建构“信息茧房”
美国哈佛大学法学院教授桑斯坦在《信息乌托邦》中提出“信息茧房”的概念，认为在信息传播过程中，受众会依赖于选择性心理的支配，只关注使自己感到愉悦的内容。其实，在消费领域同样存在着这样的“信息茧房”，平台利用技术将用户的个人特征作为依据，将信息进行筛选过滤后重新整合并分发给受众，这一行为实质上是 将同样的信息内容重复推送给用户。
针对拥有较好支付能力的用户在搜索时，平台倾向于提供更多的奢侈类商品；社交网站拥有较多粉丝的“大V”在投诉时，客服人员更快、更好地处理。甚至有网友表示，对于投诉较少的客户，电商网站发次品的几率较高，而对于质量较为敏感的客户，发优质品的几率较高。精准化推送虽然能使不同消费水平的人享受到相应的便捷服务，但也同时让我们陷入了商家的“推送陷阱”，成为消费水平或高或低的不同韭菜罢了。我们在狭窄和封闭的“信息茧房”中只能听到被放大的“回音”，这必然会进一步僵化我们的思想和行为，产生更多的诱导消费和冲动消费。
2.3 安全陷阱：隐私外露致使信息公之于众
“杀熟”行为通过人工智能的自动化决策而实施， 为用户的数据隐私带来了极大的隐患。大数据算法程序与传统的数据分析不同，它是通过数据学习、 算法调整、智能化生成新数据来进行决策的。电商的数据资源中囊括了大量的用户隐私，在个体产生消费行为的过程中，浏览的类别、选择的商品、支付的金额、货物的配送等各个环节均涉及用户的隐私，任何一次数据泄露，都会促使商家对于个人隐私信息进行“二次使用”。在不断发展的互联网生态中，用户与电商完成一次次信息互换，无数“弱关系”累积，并不断促使二者搭建更为密切的“强关系”纽带，在网络虚拟化的庇护下，谋取更多更细致的隐私数据，甚至构成侵权风险。
2.4 重复陷阱：负面效果的恶性循环
由于受众的喜好参差不齐，仅以用户的兴趣作为信息投放的衡量标准难免有失偏颇，甚至会导致负面价值信息肆虐。从内容上来说，“大数据杀熟”将信息的推送框定在可控范围之内，即以用户近期浏览频次较高的信息为参考，对于类似的内容进行推荐。但高级的“杀熟”常常在价格的设定上反其道而行之，一些平台在推荐信息时通常会投放性价比相对较高的商品。如果用户突然关注日常浏览频率较低的商品，算法则更倾向于推荐价格较高的同类型商品。如此一来，从产品的提供到价格的设定，完全依靠机器数据和机械计算完成，将用户一步步带入扭曲和异化的境地。长此以往，高重复率的信息内容所造成的负面效果不断恶性循环，也使得越来越多的用户迷失在繁杂的信息网络之中。
03 被电商“割韭菜”的层层细节“杀熟”这一现象搭乘智能化这趟快车，俨然完成了从现实社会向虚拟环境的完美转型。然而，互联网技术的到来却并未与现有情况完成对接互补，“杀熟”现象正借由大数据的种种便利在大数据生态下逐步滋长蔓延。平台通过大数据分析对消费者进行用户画像，对其购买意愿、购买习惯、购买能力等做出预测，并据此将一个较高的价格推给消费者的行为就构成了“一级价格歧视”。在传统商业交易中，一级价格歧视，即通俗意义上说的“看人报价”，往往很难实现。但在互联网时代，大数据分析可以使这种歧视成为现实。
3.1 搜集消费者的个人信息，完善信息池
有专业人士指出，“大数据杀熟”，都是借助数据分析技术进行实施，而依赖的数据信息往往有三种：一是根据地理定位把握消费者所处的消费环境。如果你附近的商场少，那么你的比价就不方便，因此容易出现商场适当程度的加价，但这还在我们的接受范围之内；如果附近没有大型超市，你会发现日用品的价格都贵到出奇；如果平台发现你还住在“富人区”，那么平台“杀熟”加价没商量。二是根据消费记录来判断消费者类型。通过大数据分析，平台能判断出你是不是经常花钱，且能通过你使用平台购买商品的价位来进行消费习惯的分类。当你被平台贴上了“铁粉”和“高消费人群”的标签，那么恭喜你可以成为平台优先收割的韭菜。三是根据搜索的关键词来解读消费者需求。你搜索的词汇、时间、频率、浏览记录，都会在平台的后台留痕；你的急需、闲逛、 经常购买操作，也都会直接影响到下次的价格。
3.2 大数据分析，建立用户画像
对用户进行画像分析就是将用户信息标签化的过程，打标签是为了帮助理解且方便计算机处理。除了分析数据源，“用户画像”最关键的是根据用户行为及数据，构建模型产出标签、权重。简单的说，就是要设计标签体系，并规定符合该行为的人对应的标签。
图5 用户画像示例
通过对历史数据，大数据能够预测个体未来的可能行为，通过界面设计强化诱导当下行为发生，随着用户使用频率的提高，画像数据不断积累，预测分析会更加精准，最终报价也可以趋近消费者可以接受的极限，从而完成一个闭环的“陷阱”。
3.3 根据画像和推荐算法，精准下刀“割韭菜”
随着信息技术的发展，数据收集和存储成本大大降低，算法凭借其独有的海量信息处理能力、行业生态架构能力、社会权利嵌入能力等成为现实资本的运作与延伸，在互联网行业中得以广泛应用。推荐算法是网络资本运行的核心，借助推荐算法企业可以通过数据的收集来操控消费者的心理和行为。正如某些在线视频平台会通过测算用户所关注的商品类型进行精准的广告内容推送，使消费者的变现行为最大化。
算法在抓取数据的同时，更是在同步植入甚至重塑用户的行为和思想，挑战人类在传播活动中的自主性。长此以往，买方的行为意愿与卖方的数据抓取形成闭环，二者均难以跳脱其中，客观真实的商品价格犹如虚设；而信息维度在大数据的支配下逐渐窄化，用户仿佛置身于技术“监狱”之中，沦为不断被监视的“囚徒”。
04 如何破解大数据时代下的“杀熟”套路目前对于“大数据杀熟”，主流的治理方式是加强政府监管，鼓励企业纠偏和自律。6月22日，深圳经济特区颁布了《深圳经济特区数据条例（征求意见稿）》，表明大数据“杀熟”最高可罚5000万元。大数据“杀熟”重罚无疑给企业敲响了警钟。
那么作为直接消费者和切身体验者，我们应该怎么办？这里给出三点建议：
首先，打破算法壁垒，反向抓取审核。算法被滥用会造成价格歧视，但也可被用来发现问题。一种叫作“抓取审核”的方法，就是通过合法爬取网站上与价格相关的数据，对感兴趣的数据类型进行关联比对，从而发现可能存在的价格歧视现象。
其次，提高维权意识，形成良性共识。随着智能设备、智能应用、智慧生活的逐渐普及深入，现在我们已经生活在一个算法无所不在的世界里。如何调整自身的生存方式、生活态度更好地适应并驾驭算法，可能是智能时代每个人都必须思考的问题和需要具备的素养。
最后，降低用户黏性，切换不同平台。我们对“大数据杀熟”的概念要有所警觉，一旦知道某平台存在“杀熟”现象，就应减少使用频次。我们应多关注公开性价格信息，如有的商品属于非公开、非固定价格类的，就需要警惕“杀熟”风险。
05 结语突破大数据利用的现存困境，不能仅靠对技术的改善，更需要跳出现有的框架，将技术治理方法放到行业、智能生态、社会等更为宏观的层面来综合考量，人的主动性与行业生态的稳定应当始终作为重中之重。只有善用法治力量，才能倒逼互联网平台用好大数据，激发科技向上向善的动能，让消费者免于被“算计”，让算法更好地服务于消费者。
参考文献
1. 郭洪平，2021，“大数据杀熟”，消费者如何应对
2. 方师师，2021，用大数据方法破解 “大数据杀熟”
3. 姜书婷，宋兆宽，2021，智媒时代大数据“杀熟”陷阱与应对策略
4. 李明琨，吴欢，王伟，2021，互联网企业大数据“杀熟”的博弈行为机理与消费者应对策略返回搜狐，查看更多
责任编辑：
声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。