大数据这样“杀熟”

“大数据杀熟”，早已有之

一位程序员朋友告诉笔者，早在2017年，他就在《滴滴出行》上经历了“大数据杀熟”：“比如我和我媳妇同时打车，同时发起，同样的起止点，我的定价每次都会贵一些，因为我每天都要打这个路线的车，我的媳妇是偶尔会打，就感觉是分析出来熟客吃定的感觉。”

无独有偶。笔者身边的同事也分享了她被“大数据杀熟”的经历，巧合的是，她同样在使用《滴滴出行》。“2016年左右，我住在丰台区的怡海花园，每天到海淀的上班距离是固定的，那时候最开始打车每次只需要20多元，但是差不多就在三個月时间内，就涨到了50多元。”

关于《滴滴出行》的这种情况，滴滴出行总裁曾表示：“滴滴出行不存在‘大数据杀熟的行为”。但可以肯定的是，真实存在的“大数据杀熟”要比我们已知的出现时间更早。

在目前市面上已有的报道中，并不缺乏这样的案例，甚至在今年双十一，这样的戏码也依旧在上演。

据相关媒体报道，北京的韩女士使用手机在某电商平台购物时，中途错用了另一部手机结账，却意外发现，同一商家的同样一件商品，注册至今12年、经常使用、总计消费近26万元的高级会员账号，反而比注册至今5年多、很少使用、总计消费2 400多元的普通账号，价格贵了25元。

仔细对比才发现，原来普通账号页面多出来一张“满69减25”的优惠券。韩女士认为自己遇到了“大数据杀熟”。

“大数据杀熟”的原理

如果非要给“大数据杀熟”一个定义，就是“老客户看到的价格会高于新用户”。而企业这样做的目的，主要是为了增加新用户的黏性。

其实在现实生活中，我们会遭遇“大数据杀熟”的情况无非是两种：一是使用在线旅游类的APP，比如《携程旅行》《去哪儿旅行》以及《飞猪旅行》等；另一种则是使用电商类APP，比如《手机淘宝》《京东》和《美团》等。而在电商类APP中，具体在什么时间对你进行“杀熟”，又要分平时消费与节假日促销两种情况。

这里需要指出，在任何场景下，“大数据杀熟”一定是基于你的行为习惯来进行分析的。所以，就有了这样一个事实，我们通过APP进行的大部分行为都在被实时获取，它们会变成一个个小标签，标记我们的同时，也成了商家“算计”我们的利器。以OTA软件为例，这些标签中，除了基本的男女、地区，是否使用iPhone之外，还会有你什么时间浏览了什么商品，看了多久、价位如何等。

简言之，就是几乎每个会影响你消费的行为都在被标记。但一位程序员告诉笔者，在电商场景中，还存在另一种“杀熟”现象。她举例称：假如我平时浏览服装和宠物用品时间比较多，那么电商平台在给我推荐这类产品时，需要推荐相似但性价比高的产品，因为花费了较多时间，会产生“价格敏感”—因为常用，我会对这些商品价格区间更为熟稔。反之，当我突然开始浏览平时不怎么看的产品，比如机械键盘、男生球鞋，且浏览时间不长，那么算法就会倾向于推荐价格较高的产品。而原因也呼之欲出—我不熟。

几年前，在一次采访中阿里云的程序员曾满脸自豪地谈道，“我们现在已经能够做到全中国几亿人口的淘宝界面都是不一样的，而且几乎做到了秒级更新。”

而那个阶段也正是阿里巴巴发力“千人千面”的新零售的高潮，这里的“千人千面”可以简单地理解为每个人的淘宝界面都不一样，都是基于算法进行“量身定制”的。

也正是因为所谓的“千人千面”的存在，所以当笔者在这次采访中，追问到底我们什么样的行为关键词会触发“大数据杀熟”机制时，并没有得到一个唯一的答案。

因为我们每一个人，都被一套特定的算法所“操纵”。

一位多年的行业从业人员告诉笔者：“首先，行为关键词属于算法的一部分，而算法对于公司来讲属于商业机密；其次，具体的测算方式不唯一，每个人的行为都会被进行无数次分析，然后进行个性化推荐，效果最好的才会被采用。”为了更形象地解释，他还举了这样一个例子：假设我们每个人的数据是一个面积不同的正方形，我们要在正方形中找到一个特定最佳的面积值。我们需要在这个正方形中从各个角度画无数条线，直到找到那个最优解。而这条带来最优解的线就是“专属于你的算法”。对于用户A，可能紫色线是最优解，而对于用户B，可能黄色线的是最优解。

不过，一个很有意思的特殊案例也在最近出现了，它证明了“大数据杀熟”不能被完全判定为“不利于消费者的涨价行为”。

今年国庆节期间，电影《夺冠》上映。出于娱乐的心态，笔者的一位朋友购买了电影票，但“一刷”之后，她备受情节鼓舞。于是在接下来的一周内，她又去同一影院“刷”了三次。在这期间，戏剧性的一幕发生了，她发现自己每次买票都比上一次便宜。第一次价格是将近100元，但“四刷”的电影票只需要26元。

当然，被“大数据杀熟”而减价的事情肯定并不常见，因为我们也无法判断这是否是影院为了市场回暖而采取的特殊降价举措。但从商家来讲，降低了客单价，同时又增加了用户黏性，也不失为一个经商之道。