“大数据杀熟”：概念澄清及解决方案

詹好 邵靳天 黄智威

摘  要： “大数据杀熟”概念并没有一个统一的定义，且现有的几种定义均存在不足与缺陷，这进一步导致了对于“大数据杀熟”危害的理解及其解决方式的设定存在偏差。只有当消除“杀熟”与价格歧视之间的联系，正确认识“杀熟”的目的，扩宽“被杀熟”对象的范围，以用户数据作为“杀熟”现象的核心因素，才能够更好地解决“杀熟”问题。

关键词： 大数据杀熟;价格歧视

中图分类号： F407.67    文献标识码： A    DOI：10.3969/j.issn.1003-6970.2019.08.014

本文著录格式：詹好，邵靳天，黄智威.“大数据杀熟”：概念澄清及解决方案[J]. 软件，2019，40（8）：6265

【Abstract】： There is no unified definition of the concept of swindling acquaintances in big data， and the existing definitions all have shortcomings and defects， which further leads to the misunderstanding of the harm and the bias of solutions. The only way to solve this problem is to eliminate the connection between swindling acquaintances in big data and price discrimination， correctly understand the purpose of swindling acquaintances in big data， expand the range of subject to be swindled， and take user data as the core factor.

【Key words】： Swindling acquaintances in big data; Price discrimination

0  引言

作为国家语言资源监测与研究中心、商务印书馆、央视新闻等单位共同发布的2018年度十大新词语，“大数据杀熟”第一次被公媒提出是在《科技日报》2018年2月28日的一片新闻报道上。这篇以《别让“杀熟”杀死大数据》的文章转述了人们在使用互联网产品时遇到的普遍现象：不同账号在购买“同一”物品或服务时，所支付的费用不同。如，在某一订一个酒店的房间，甲显示的费用是400元，而同一时间，用朋友的账号登陆该平台后，发现同一酒店的同一房型價格在，300元左右——同样的产品和服务，却有着不同的价格。此新闻一经报道，引起了党媒的高度重视。3月28日，光明日报以《大数据杀熟，无关技术关乎伦理》为题，讲述了“大数据杀熟”现象的严重后果，并让人们警惕这一现象可能给大数据这一技术的未来发展制造“污名效应”。[1]此后，众多媒体纷纷接力，从三月下旬开始，

关于“大数据杀熟”的报道层出不穷，相关报道也多次成为新闻头条。

可见“大数据杀熟”概念源自于人们在日常生活中使用互联网产品时所遇到的一种情形，我们地将这一现象与传统社会经济生活中的“杀熟”概念结合在了一起，并为之命名。“杀熟”一词为这一概念添加了“为私利损害‘熟人利益”的内涵，这种基于日常体验所给定的价值判断哪怕在大方向上可靠，其准确性又有多少呢？

此外，我们将大数据杀熟的罪责以一种简单的方式归结在了“算法”身上，而没有对造成这一危害的本源进行详细、细致地分析。这种归责的错位导致了我们在提出解决方案时遇到了困难。

基于此，本文从“大数据杀熟”概念出发，对当前几种定义方式进行了梳理，澄清了其中描述不准确的部分，并基于此探寻“杀熟”行为的核心原因，并给出相应的解决方案。

1 “杀熟”概念的两种定义方式

就目前的公开资料而言，无论是新闻媒体还是学界，对于“大数据杀熟”概念的定性大多都是“一种价格歧视行为”或“一种价格歧视现象”（指一级价格歧视）。

首先，按照对“行为主体的获利倾向”强调与否，又可以分为两类：强调杀熟目的类别和不强调杀熟目的的类别，我们姑且称前者为目的派，后者为本质派。目的派主张正是由于行为主体对利益的诉求，才引发了“大数据杀熟” 现象。在他们看来所谓“大数据杀熟”，是经营者依据消费者个人的消费偏好数据，利用忠诚客户的路径依赖和信息不对称，就同一商品或服务向其索取高于新用户的售价的现象。[2]而正是因为经营主体暗中提高了销售价格，坑害消费者利益，因此该现象才被称之为“杀熟”，[3]因此，进行区别定价，追求一级价格歧视从   而使得自身利益最大化正是“大数据杀熟”的本  质。[4]但本质派却没有对“大数据杀熟”进行目的预设，他们仅仅认为“大数据杀熟”是基于算法，实现了对不同用户进行不同定价，由此引发的价格差异现象，至于这种价格的差异是否来源行为主体于对利益的诉求则并不重要。[5]值得注意的是，二者均认同“大数据杀熟”是一种价格歧视行为。

2 “大数据杀熟”与价格歧视

大多数定义中将“大数据杀熟”看作是一种价格歧视行为的说法其实并不正确，非价格歧视行为同样可能造成“大数据杀熟”现象，而这种错误理解将会导致我们所制定的解决方案失效。

价格歧视（Price Discrimination）是微观经济中的一种定价策略，[6]指的是细分市场中的同一供应商以不同的价格出售相同或大致相似的商品或服务。[7]价格歧视所导致的差异化价格与差异化产品（product differentiation）有所不同，后者涉及的是不同的产品或服务，[8]而价格歧视产生的主要原因是客户不同的支付意愿以及不同的需求弹性。[9]即价格歧视存在两大特征，一是价格歧视的发起主体为产品的供应商，二是价格歧视所涉及的是不同的产品或服务。

但在我们熟知的案例中，“大数据杀熟”概念似乎都不太符合这两大特征。如在“淘宝商城大数据杀熟”案例中，甲乙两人在淘宝平台上搜索同样关键词的商品，搜索到的商品基本相同，价格不同且提供商品的店家也不同。在这种情况下，一般会认为甲乙二人平时消费习惯有所差异，因此淘宝提供给他们相同的产品以不同的价格，这是赤裸裸的价格歧视。然而作进一步的追问后我们就会发现问题，淘宝平台作为价格歧视的主体，提供了相应的商品或服务吗？淘宝作为一个中介平台，其本身并没有提供商品的职能，因此其并非价格歧视的主体;另一方面，不同渠道拿到同一商品的价格可能不同，由于不同售价的商品出自不同的店铺，因此店铺也并非价格歧视的主体。

另一种考虑“优惠券”的情景则微妙得多。当优惠额度或折扣的提供方为平台时，由于导致价格差异的主体与提供产品或服务的主体不同，很难说产生了价格歧视现象;而如果优惠额度或折扣的提供方为店铺本身时，价格差异主体与产品或服务的提供主体同一，此时我们可以认为店铺针对不同用户进行了价格歧视。

滴滴大数据杀熟等案例又与上述情况有所不同。“滴滴出行”等打车平台不仅扮演着C2C的模式下平台中介的角色，连接着司机和乘客，平台本身同时也是打车服务的提供商，而司机没有对服务进行自主定价或议价的权利，只是承接运送任务的主體而已。因此，一旦出现了对不同乘客提供相同服务却收取不同价格情况，则难以逃避价格歧视的指控。

综上，我们可知判断并非所有的“大数据杀熟”现象都是价格歧视，我们需要考察导致用户价格差异的主体以及提供产品或服务的主体，只有当二者同一时，才导致了价格歧视。而一旦解除了价格差异与“杀熟”的联系，试图通过价格歧视相关法条来限制“杀熟”行为的做法也就自然失效了。

3 “杀熟”的目的

目的派和本质派之争在于大数据杀熟过程中发起杀熟行为的主体是否存在对利益诉求。在前文所述案例中，我们发现所谓的“大数据杀熟”行为主要存在两种情况，即价格差异的主体以及提供产品或服务的主体相同的情况与不同的情况。

在二者相同的情况下造成了一级价格歧视（或称完全价格歧视），将消费者剩余转化为了产品或服务提供商的收入，此时价格歧视的唯一目的就是为了获取更多的利益;而在二者不同的情况下，平台可能辩护说利益的获得者为产品或服务的提供者而不是平台本身，因此尽管导致价格差异的主体是平台，但其目的并非为了追求利润。

一种可能的反驳是，这有意隐藏了平台与产品或服务提供商之间的关系，因为正是由于平台利用用户数据实现差异化价格能够帮助提供商获取利润，提供商才选择与平台合作。虽然平台并没有直接从其行为中获取利益，但也间接地获得了好处。

另一种情况则更为复杂，如果在差异化价格下提供的是相似却又不同的产品或服务，在很难讲这一行为称之为价格歧视的情况下，能够认为这一行为的本质目的是在追求提供商的利益吗？能够将其看作是大数据杀熟吗？

对于这两个问题有着相同的判断方法：（1）所提供的增值产品或服务是否向某类用户默认推荐;（2）所提供的增值产品或服务是否与增加的价格相当;（3）所提供的增值产品或服务是否是所推荐用户所广泛需要的。

首先，如果提供商或平台向所有用户默认提供产品或服务的种类和价值相同，只是针对于某类用户提供或推荐了购买增值产品或服务的选项，那么我们可以认为这是不存在大数据杀熟行为的。其次，如果提供商或平台向用户默认推荐了类似却不同的产品或服务，那么我们就需要考察产品或服务的差异是否是与价格的差异相当。若是二者之间存在较大的差别的，那我们可以认为这种差异化的推荐是提供商的一种恶意的单纯追求利益的行为，同样也是一种杀熟行为;而如果二者相当，则需要考虑所提供的增值产品或服务是否是所推荐用户所广泛需要的。如果这种差异化的产品给该类型的大部分用户提供了他们的所需，且增加的价格较为合理，那么尽管会有价格上的差异，但是其目的却是为了给用户提供更加便捷的服务而不是纯粹的利益诉求，也就不能将其认定为大数据杀熟行为。

在正确“杀熟”行为目的后，我们可以发现是否存在价格差异，是否存在增值产品或服务与“大数据杀熟”行为并没有直接因果联系，强制要求提供同等价格或清除一切增值产品与服务并不能够解决“大数据杀熟”问题。

4  基于算法的解决方案与基于数据的解决方案

导致大数据杀熟的核心原因在于用户数据而不是算法，后者并不能直接导致大数据杀熟或价格歧视。

类似于协同过滤这类分类算法只是聚类具有相似行为的用户，并给就某一用户个给出购买某种产品的概率。若用户在接受推荐的同时也有自主选择的可能，则不存在“杀熟”问题;若该算法用于预测用户可能接受的商品价格，并向向不同用户不同定价，则存在“杀熟”问题。算法本身并不是导致“杀熟”的关键——任何一个分类算法都可以导致价格歧视问题。所以，从限制算法的角度来解决大数据杀熟问题是不现实的——除非不使用任何算法——这种后果是我们难以承受的，因为一旦如此，大部分互联网平台也就没有办法使用了。

而在现有的解决方案中，通常依赖“法律惩处”和“政策限制”等方法，通过约束一个虚幻的“算法”来进而约束大数据杀熟行为，[10]但由于“杀熟”技术复杂性，使得平台或商户可以非常轻松地使这种约束沦于文件而得不到真正地实施。

基于数据的解决方案则确可以避免以上问题。该方案从“杀熟”技术原理本身出发，与政策相结合，在考虑商户或平台利益的基础上，尽可能避免“杀熟”行为。用户数据作为大数据杀熟的核心因素，一切的大数据杀熟行为都源于此。正如我们在上文中分析的那样，哪怕我们允许平台作为独立的第三方拥有获取信息的权利，但这部分信息是否能够直接或间接地为商户所用，以怎样的形式传递给商户，均有着大量的可以操作的空间。

比如在一定程度上维护平台、商户的权益的前提下，我们可以结合数据被遗忘权，允许用户自主删除自己的部分或全部数据;甚至强制要求平台或商户每过一段时间就删除用户的部分历史数据。

5  结论

本文从“大数据杀熟”的概念定义出发，讨论出现“杀熟”现象的核心原因以及目的派与本质派对于“杀熟”现象所提出的解决方案。首先，由于“大数据杀熟”并不一定是价格歧视，因此试图通过价格歧视相关法条来限制“杀熟”行为的做法并不可取;其次由于是否存在价格差异，是否存在增值产品或服务与 “大数据杀熟”行为并没有直接因果联系，因此要求提供同等价格或清除一切增值产品与服务的方法并不能够解决“大数据杀熟”问题;最后，本文提出了基于数据的解决方案，通过结合数据被遗忘权，允许用户自主删除自己的部分或全部数据，甚至强制要求平台或商户每过一段时间就删除用户的部分历史数据，可以从根本上避免“大数据杀熟”问题。

参考文献

[1] 朱昌俊. 大数据杀熟， 无关技术关乎伦[N]. 光明日报， 2018-3-28（10）.

[2] 邹开亮， 刘佳明. 大数据“杀熟”的法律规制困境与出路——仅从《消费者权益保护法》的角度考量[J]. 价格理论与实践， 2018（8）： 47-50.

[3] 陆峰. 大数据“杀熟”呼唤行业深度治理[N]. 中国计算机报， 2018-07-23（014）.

[4] 王恒睿. 大数据杀熟背景下的消费者公平交易权保护[J]. 大数据时代， 2018， 20（11）： 22-26.

[5] 高富平. 大数据何以“杀熟”？[N]. 上海法治报， 2018.

[6] Krugman PR. International economics： Theory and policy （8/E）. Pearson Education India. 2008， 6： 142.

[7] Robert Phillips. Pricing and Revenue Optimization. Stanford University Press. 2005， 74.

[8] Peter Belobaba， Amedeo Odoni， Cynthia Barnhart. The Global Airline Industry. John Wiley & Sons. 2009， 77.

[9] Apollo， Michal. Dual Pricing–Two Points of View （Citizen and Non-citizen） Case of Entrance Fees in Tourist Facilities in Nepal. Procedia-Social and Behavioral Sciences. 2014.

[10] 孙善微. 大数据背景下价格欺诈行为的法律规制——以大數据“杀熟”为例[J]. 北方经贸， 2018， No. 404（07）： 57-58.