关于大数据“杀熟”的博弈分析

李美儒 何丹彤

摘要：本文从博弈分析角度展开对大数据“杀熟”的成因分析，探究企业间是否杀熟的策略的选择、企业与消费者关系的博弈分析，进一步得出关于大数据“杀熟”的结论与治理启示。

关键词：大数据杀熟;价格歧视;博弈

中图分类号：F203       文献标识码：A 文章编号：1003-2177（2019）13-0124-05

1 研究背景

1.1 大数据“杀熟”的出现

随着智能手机的普及、社交网络的兴起和广泛应用，以及公共场所各类监控设施和人体感应设备大量植入，大数据时代悄然来临。

近年来，大数据技术被广泛应用于商业领域。其目的是为了实现精准营销、提供“定制化”服务，提升企业经营效益，满足消费者的不同需求，最终实现企业利润最大化。然而，当经营者运用大数据去识别顾客的价格敏感度的时候，一个新的现象出现了。

2018年3月，大数据“杀熟”一词出现在网络中，我国社交、新闻媒体上曝出多个APP应用存在“杀熟”现象。这些APP正是采用了大数据技术收集用户信息，绘制每一个用户的精准“画像”，识别顾客价格敏感度，判断用户支付意愿，从而给出高于普通顾客的价格。而往往能够被“识别”的用户都是多次使用该APP的老顾客，因而称为“杀熟”。

传统的“杀熟”是新老用户在同一平台上的价格不同;大数据“杀熟”则是商家利用大数据收集老用户信息，对其的支付意愿做出判断，使不同的老用户在同一个平台上的价格不同，这有一定的技术含量却可能经媒体曝光与有意导向后激增顾客的不满情绪，甚至涉及违法。

实际上，大数据“杀熟”是价格歧视的一种表现。大数据“杀熟”利用了“消费者剩余”的经济学原理，通过大数据技术了解每一位消费者对每一单位商品的边际支付意愿，达到过去不可能实现的“理性化”状态，实现一级价格歧视，也称完全价格歧视。该现象在生活中普遍存在，据网络调查数据显示，2008名受访者中有51.3%的人遇到过大数据“杀熟”。

1.2 OTA的兴起

随着手机的普及，它已经占据了人们大部分时间，成为人们工作、生活必不可少的一部分。旅游产业也纷纷开发智慧旅游APP，开启了旅游行业的新里程。至2018年6月，OTA预订用户规模达到3.93亿，较2017年末增长1707万人，增长率为4.5%，如图1。

1.3 “杀熟”话题的热议

携程是当前在线旅游市场的主要参与者，较有影响力。然而，它的近期境况却并不如意，携程先后因为机票捆绑搭售、天价退票费，以及酒店预定大数据“杀熟”等事件引起舆论关注。2017年年末，携程被网友“廖先生廖先生”曝出APP酒店报价远高于酒店柜台的价格，其好友账户上的价格也低于他的价格。由此，一系列携程利用大数据“杀熟”的事件被抛出，引起热议。

该现象出现后，消费者对携程网的满意度也出现较大幅度下降，新的杀熟宰客行为已经引起了公众注意。仅从社交网络的大部分网友的言论、新闻媒体相关的报道以及不同数据平台给出的数据看，顾客有较多的不满。根据沃德社会气象台数据显示，该报道的网络讨论带来的消费者情绪出现较大不满，高达45.42%的消费者表现愤怒，37.49%的消费者表现有高兴的表现，14.12%的消费者情绪为悲伤，少量的消费者对此感到恐惧、厌恶。

国外“大数据杀熟”现象也进一步拓展，“杀熟”对象不再局限于消费范畴。2018年3月16日，美国《纽约时报》《英国卫报》等多家媒体报道后，Facebook承认超过5000万用户信息数据被一家名为“剑桥分析”的公司泄露，用于在2016年美国总统大选中针对目标受众推送广告，从而影响大选结果。

很多消费者认为，在大数据日趋成熟的今天，电子商务平台成为了信息不对称市场的典例，自己的隐私已经无法得到保障，大數据甚至比消费者更加了解自己，这让消费者群体感到恐慌，希望政府相关部门能够进行规制。

从社会观点看，公众对“大数据杀熟”行为一直保持质疑态度，《人民日报》曾发文指出，大数据杀熟对消费者权益的伤害和用户隐私的侵犯。

从法律层面看，大数据杀熟的本质是资本利用大数据这一工具实行一级价格歧视，将消费者剩余转化为生产者剩余从而获得超额利润。《中华人民共和国消费者权益保护法》第10条规定，消费者在购买商品或者接受服务时，有权获得质量保障、价格合理、计量正确等公平交易条件，有权拒绝经营者的强制交易行为。实际上，对用户知情权，或者是消费者正当权益以及是否涉及隐私权的侵害，“杀熟”都很容易踩到法律红线。

对于大数据“杀熟”现象的成因及相关规制等的探讨对经营者、消费者都有一定的启示作用，对维护我国市场秩序、促进市场公平同样具有重要的现实意义。本文的浅析希望能带给读者新的思考视角，能够对解决社会问题有所贡献。

2 文献综述

博弈论的研究大约始于18世纪初，由于当时没有明晰的定义，只是对策略进行相关的研究，到20世纪博弈论开始进一步发展，冯·诺依曼和摩根斯坦（1944）正式在其著作中提出博弈论，由此，现代博弈论正式形成。

近年来，电子商务以惊人的速度迅猛发展，如今已成为消费者的主要消费平台，许多学者深入探究与剖析电商，其中不少学者采用博弈论方法对电商发展中的消费行为、商家定价等进行分析，博弈论在学者的研究中一直扮演着重要的角色。沈超（2013）从博弈论分析方法的角度分析了京东与苏宁的价格战，通过利润函数、矩阵数值模拟等说明了价格战造成“双输”的结果。陈海霞和钟映竑（2017）采用累积前景理论弥补博弈论分析中基于“理性人”等假设前提的缺陷，优化演化博弈模型，通过得益矩阵的建立与求解得到“奖金激励”的影响，进一步提出电商平台参与监管的策略。该研究对于电商产业的监管、经营者行为的规制等都有一定的启示。而对于电商平台的定价策略选择、各主体间的利益均衡的问题，孙学敏、贺慧明（2018）从博弈论的角度展开了分析。

随着互联网时代的发展，博弈论渐渐融合于现代信息化经济学、管理学，2001年蔡津、张正华引入博弈论原理建立价格竞争函数探究电子商务与传统零售商的异同。目前采用博弈论方法对电子商务领域进行分析的文献较少，在价格歧视的探究上多为二、三级歧视的探究，对一级价格歧视的深入研究近乎空白。Hardy Hanappi和E. HanappiEgger（2001）从博弈论角度建立了数学模型对电子商务及其市场机制做出分析。赵丽君（2006）基于定量分析方法，结合博弈论对三级价格歧视做出了全面的分析，探究了该行为的特点、经营者利润、消费者剩余以及社会福利等的相互关系，提出相应建议。鲁倩等人（2009）对非线性需求函数的二度价格歧视做出了博弈分析。许仟红等人（2015）采用博弈矩阵对老年人服装业发展现状进行了分析，并找出成因，最终提出以价格歧视来进一步发展该行业的建议。

大量学者的研究表明，电子商务市场是一个典型的信息不对称市场，大部分经营者往往又以利润最大化为目标而最终做出有失道德的行为。Shao K等人（2014）运用静态博弈理论分析C2C电商平台，提出了完善信用体系的建议。陈洁、侯吉成（2017）利用演化博弈理论和方法构建模型，分析策略选择，进一步探究云存储数据安全的保护途径。大数据“杀熟”现象所涉及的用户信息安全问题其实与云数据安全问题也有一定关联，对“杀熟”后续研究有一定影响。目前有关大数据“杀熟”的研究较少，大都从如何避免被“杀熟”以及对其的法律规制等层面展开，尚未有学者从博弈论的角度对大数据“杀熟”现象做出研究。

在过去，一级价格歧视限于条件苛刻性而只能停留于理论阶段，实际的经济生活中经营者无法实现，对一级价格歧视的研究没有实践意义，故而少有学者对其做更深入的研究。但是，随着大数据技术的普及，一级价格歧视已经成为了现实，大数据“杀熟”已经和每一位消费者紧密相连，对待该问题的相关理论研究文献较为缺乏，面对这样的境况，笔者认为无论是对一级价格歧视还是对大数据“杀熟”行为的研究都亟不可待。鉴于当前研究文献的缺乏，从博弈论角度分析其成因，对其行为作进一步划分以及应对策略等的探究有助于后人对该现象作进一步的分析。

3 博弈分析

从福利经济学的视角来看，价格歧视并不违法，但是在消费者不知情的情况下，在同一时间对同一产品进行差别定价就触及了法律底线。企业为了获得灰色超额利润，在消费者不知情的情况下，实施大数据“杀熟”，违背价格法，违反了消费者知情权，构成价格欺诈。

携程是有代表性的OTA企业，目前在市场上较有影响力，就其市场份额看，它可以获得较大的利润。那么它为何还会存在媒体曝光的大数据“杀熟”现象呢？

3.1 企业实施大数据“杀熟”

从博弈论的角度出发，企业进行大数据“杀熟”的决策实质上是一种“囚徒困境”博弈。笔者将利用囚徒困境模型展开对携程采用大数据进行“杀熟”的成因分析。

笔者在分析中提出如下假设：

（1）假设将市场上除了携程以外的其余所有OTA企业视为整体，即竞争对手。携程与它的竞争对手间没有合作。携程为A企业，竞争对手为B企业。

（2）A企业与B企业的成本、定价相同，产品同质，对消费者的吸引程度相同。

（3）A企业和B企业虽然为竞争对手，但是在本次博弈中，两者不存在产品上的竞争，仅仅为杀熟与不杀熟策略的选择。同时，消费者间不存在产品的转售，故购买物品时不受另一企业产品价格的影响。

（4）A企业与B企业的选择都为两种：杀熟、不杀熟。那么最终会有四种结果：（杀熟，杀熟）、（杀熟，不杀熟）、（不杀熟，杀熟）、（不杀熟，不杀熟）。

（5）假设A企业选择杀熟时所获利润为a1，B企业选择杀熟时所获利润a2;A企业选择不杀熟时所获利润为b1，B企业选择不杀熟时所获利润为b2，a1>b1，a2>b2，基于假设2，得a1=a2，b1=b2。

（6）假设各参与方完全理性。由于“杀熟”现象的特殊性，A、B企业同时杀熟和A、B企业同时不杀熟两种情况所获利润并不相等，二者并非仅是将市场份额与市场利润平分的简单情况，大数据“杀熟”定价都是按每一单位产品的边际消费者意愿确定的，所获利润大于不杀熟时的定价。

根据得益矩阵图2，我们可以了解到当A企业选择杀熟时，B企业选择杀熟可获得利润为a2，然而不杀熟只能获得b2;当A企业选择不杀熟时，B企业选择杀熟可获得利润为a2，不杀熟只能获得b2。而当B企业选择杀熟时，A企业选择杀熟可获得利润为a1，然而不杀熟只能获得b1;当B企业选择不杀熟时，A企业选择杀熟可获得利润为a1，不杀熟只能获得b1。即无论A企业作何选择，B企业的最优选择都为杀熟;而无论B企业作何选择，A企业的最优选择都是杀熟。因此，得益矩阵纳什均衡为（a1，a2），此时对于A企业和B企业而言，各自利润所获得的利润最大，故企业全部趋于“杀熟”行为。

商家的定价与社会福利成反向变动关系，实现大数据杀熟时，社会福利為0。当加强法律规制与市场监管，对损害消费者利益的行为进行处罚，以提升社会福利时，得到得益矩阵如图3所示。

假设企业杀熟被处罚后所获利润低于不杀熟时的利润，a2-m<b2，a1-m<b1，则根据博弈矩阵，纳什均衡为（不杀熟，不杀熟），即A、B企业都不杀熟，由此可以看出，法律的规制与市场的有效监管是处理大数据杀熟的极为有效的手段。

在此种情况下，对于A、B企业同时杀熟时，经营利润各自被扣减m，社会福利为0;A企业杀熟而B企业不杀熟时，A企业所得利润为a1-2m，B企业利润为b2，社会福利为a2-b2即a1-b1;B企业杀熟而A企业不杀熟时，B企业所得利润为a2-2m，A企业利润为b1，社会福利为a1-b1;A、B企业都不杀熟时，企业各自获得利润为b1，b2，社会福利为2（a1-b1）。因此当所有企业都选择不杀熟时，各企业利润所得最高，社会福利也最高。

倘若企业杀熟被处罚的力度不够，a2-2m>b2，a1-2m>b1，则A、B企业最优选择为（杀熟，杀熟），效果并不显著。得益矩阵如图4所示。

3.2 企业与消费者关系博弈

针对企业与消费者间关系，笔者也做出了浅析，根据如下矩阵可以判断出企业是否杀熟与消费者是否购买的纳什均衡。

首先，笔者做出如下假设：

（1）假设企业和消费者是两个完全不同的群体、没有合作，他们之间的信息是不完全的，企业可以根据大数据预测消费者购买意愿，消费者无法了解企业是否进行“杀熟”。

（2）企业是否杀熟与消费者是否购买发生在同一时刻。

（3）企业与消费者间博弈的结果有四种：（杀熟，购买）、（杀熟，不购买）、（不杀熟，购买）、（不杀熟，不购买）。

（4）假设产品成本为c，企业选择杀熟时定价为e，企业选择不杀熟时定价为f;消费者购买物品所获价值回报为r。

（5）假设各参与方完全理性。因此，企业与消费者间的得益博弈矩阵如图4，当企业选择杀熟而消费者选择购买得益为（e-c，r-e），企业不杀熟消费者购买为（f-c，r-f），当消费者不购买时，企业杀熟或不杀熟都为（-c，c）。

若r>c，e>f：

当r-e>c时，纳什均衡为（e-c，r-e）即（殺熟，购买）。

当r-e<c，r-f>c时，纳什均衡为（-c，c）即（杀熟，不购买）。

当r-f<c时，纳什均衡为（杀熟，不购买）或（不杀熟，不购买）。

图5 企业与消费者关系博弈矩阵

由图5可得，消费者处于劣势地位，若消费者购买意愿强烈时，r-e>c，此时企业由于可以预测消费者购买意愿，故会做出杀熟策略;当消费者选择不购买时，企业是否杀熟与消费者得益无关。

不过，如果从福利经济学角度看，企业针对价格敏感度高的消费者提供更多优惠，e<f，那么：

当r-e<c时，纳什均衡为（杀熟，不购买）或（不杀熟，不购买）。

当r-e>c，r-f<c时，纳什均衡为（-c，c）即（不杀熟，不购买）。

当r-f>c时，纳什均衡为（e-c，r-e）即（杀熟，购买）。

根据均衡条件可以得到，当消费者不被杀熟时购买物品得到的价值回报大于不购买时，企业实施大数据“杀熟”有利于消费者，反应在社会福利上，但是在其他条件下，最佳选择均为消费者不购买商品，此时企业得益不受策略影响。

4 结论和启示

根据上述情况的博弈分析，可以得到，在大多数时候，企业进行大数据“杀熟”都是侵害消费者利益，损害社会福利的。在消费者不知情的情况下，几乎所有企业都难以做到主动去维护社会福利，提供给消费者更低的价格使消费者获得较常价更低的价格，维护消费者权益。即使企业为价格敏感度高的消费者提供更优惠的价格，其最终目的都是将这些消费者转换为粘性大的消费者，在这些消费者拥有较大的转换OTA平台成本后，企业往往会将其作为老顾客，识别其购买意愿，为其定出专属价格，定价高于常价，实现“杀熟”。虽然为价格敏感度高的消费者提供更多的优惠可以促进社会福利，维护消费者合法权益，但是大多数企业都以利润最大化为目标，缺乏高度的社会责任感，难以做到使用大数据提供优惠而非“杀熟”。因此，加强法律规制与市场监管是处理大数据“杀熟”现象的最有效手段之一。

当前，大数据技术在全球范围内普及，大数据“杀熟”也随之出现。对该现象的规制与监管目前仍然处于探索阶段，对于消费者权益保护法、价格法等等提出了新要求。我国应该进一步加强对该问题的研究、探索，完善相关法律法规与行为规范，建立健全政府监督与管制模式，提高消费者自身法律意识，推动电子商务平台健康发展。大数据“杀熟”的管制问题需要多方协调治理。政府部门要加强履行监管的职责，引导企业正确发展，建立健全法律法规，明确企业社会责任，增强社会监督，提高消费者权益保护意识。针对用户个人信息安全问题也应该建立相关的监管机构，提升信息安全性，保障企业、消费者等多方权益。同时，市场监管也是维护市场公平竞争的重要途径，价格部门要进一步加大监管力度，提出相应的管控条例，规范监管程序，要引导与鼓励合法竞争，通过企业之间的竞争相互制约，并运用网络监管等新方式，创新市场监管模式。

5 不足与展望

本次博弈分析采用的分析方法缺少详细的数据量化分析，研究过程偏向质化，在未来的研究中可以增加调研数据，采用定性与定量相结合的方法进一步探究;在研究的内容上，本课题的分析不够深入，只是简单通过博弈论的基础方法进行了分析，得出企业采用大数据进行“杀熟”的原因以及规制的重要性，其对消费者产生的影响，对其他产业等都未做出探讨，未来研究还应对这些方向做出进一步探究。

参考文献

[1]常金华，陈梅.博弈论通识十八讲[M].2017.

[2]蔡津，张正华.基于博弈论的电子商务零售商与传统零售商的价格竞争模型[J].上海理工大学学报，2001，23（1）：71-74.

[3]Hanappi H，Hanappi-Egger E.Electronic commerce and market mechanisms.A game-theoretic approach[C]// Hawaii International Conference on System Sciences.2001.

[4]赵丽君.垂直市场的三度价格歧视[D].华中科技大学，2006.

[5]鲁倩，曾祥金，张裕.非线性需求下厂商二度价格歧视的博弈分析[J].武汉工程大学学报，2009，31（1）：91-94.

[6]许仟红，李晓燕，陈婉梦，等.关于浙江省老年人服装行业开发潜力的经济学分析——基于价格歧视和博弈论视角[J].商场现代化，2015（2）：158-159.

[7]沈超.从“博弈论”看当前电商企业的价格竞争——以苏宁和京东价格战为例[J].商，2013（19）：92+85.

[8]陈海霞，钟映竑.基于累积前景理论与演化博弈论的电商平台监管策略研究[J].广东工业大学学报， 2017，34（4）：52-57.

[9]Shao K，Liu X M，Wang K. Research on Electronic Commercial[J].Applied Mechanics & Materials， 2014，687-691：4.

[10]陈洁，侯吉成.基于博弈论的云存储数据安全问题研究[J].数学的实践与认识，2017， 47（18）：133-143.

[11]孙学敏，贺慧明.基于博弈论的电子商务平台定价策略研究[J].河南工业大学学报（社会科学版），2018，14（04）：51-56.