"小概率欺生"好躲"大数据杀熟"难防

陈庆贵

谁也不想撞上“小概率欺生”和“大数据杀熟”这两只苍蝇。然而，就算你对这两只苍蝇唯恐避之不及，只要你还在人间烟火中，它们就一定会与你狭路相遇。

“小概率欺生”，大意是指对生人故意敌视和人为排斥，发生概率不大。比如，职场老人欺负新人“初来乍到，摸不着锅灶”。“大数据杀熟”则指利用熟人信任，采取非正当手段在熟人身上占便宜捞油水。比如，电商利用大数据杀熟“专拣熟人霉”。二者虽都以占别人便宜为目的，但却有着本质区别。

就动机考量，“小概率欺生”未必有何主观动机，甚或纯粹出于动物本能。比如，驴马对不常用它的人不驯服，看门狗见生人就狂吠。再比如，社区老住户欺负新住户，学校老生欺负新生，职场老人欺负新人，等等。常见职场“小概率欺生”，是老人欺负新人环境不熟、业务陌生，遂将脏苦累活推给他们。因为他们当初也是如此逆来顺受，故想倚老卖老满足一下“多年媳妇熬成婆”的虚荣心，抑或打捞一下当初被“先进山门为大”者欺生的失落感。相形之下，“大数据杀熟”则“司马昭之心，路人皆知”，其损人利己主观动机昭然若揭，点破了，就是为了在被“杀熟”者身上“薅羊毛”“割韭菜”。“大数据杀熟”伎俩，在于经由大数据算法和程序分析，计算出用户个性喜好并据此差异定价，同样商品或服务，老客户购买价格反而比新客户更贵，从而达到精准定向营销和收益最大化目的。某一线城市调查数据显示，近9成人认为“大数据杀熟”现象普遍存在。

就手段甄别，“小概率欺生”甚或无关手段，更多不过是被职场文化和潜规则裹挟。“大数据杀熟”则目标客户及常见套路几近成熟。互联网时代，用户消费频次、价格敏感度、消费偏好等数据，不再是个人隐私和私人秘密。借助互联网算法，电商平台可以轻松收集玩转所有用户大数据，包括收入层次、兴趣爱好、消费习惯乃至活跃圈子等，均可一览无余。其惯用伎俩，就是根据地理定位、消费记录、搜索关键词等参数，实施差别化定价。

就结果权衡，“小概率欺生”几乎对被欺者未造成任何实际利益损失，只要职场“欺生”文化和潜规则依然根深蒂固，被“欺生”“前浪”的心理落差和失落感，就有可能在未来通过欺生“后浪”得到赎回和补偿。而且，“小概率欺生”与社会文明演进成反比，文明愈是进步，发生概率愈小。“大数据杀熟”则一定会给被“杀”者带来实际利益损失。大数据时代，人们可以更加快速精准找到自己想要的信息，同时也越来越难规避暗藏的算法陷阱。难怪“大数据杀熟”实至名归，“光荣”当选2018年度社会生活类十大流行语。要命的是，它是把“双刃剑”，必然导致损人不利己“一举两失”恶果。作长远观，其非但不会提升销售者经营效率和效益，反而会引发消费者信任危机和逆反抵触;而且，对其行为设若不加遏制，势必掣肘行业持续健康发展。

对付“小概率欺生”，当事者通常只需施以平和心态理性应对，便可化“险”为夷“否”极泰来。对付“大数据杀熟”，则并非如此简单。由于其高科技性、复杂性和隐蔽性，基于“信息不对称”和“技术不对称”博弈，消费者维权异常艰难。更为恶劣的是，伴随数据竞争日趋白热化，“大数据杀熟”也急遽升级换代。“杀熟”一代，大多为卖高价给老客;“杀熟”二代，则是个性化推送精确“杀熟”。并且，“杀熟”二代之“熟”已非“熟客”，而是被平台充分掌握个人信息的“熟人”。隐私信息丢了，复加公平交易权益丧失，消费者沦为平台算法“掌中之物”只是迟早之事。

如若谓“小概率欺生”是明火执仗，“大数据杀熟”则可算暗箭伤人。“小概率欺生”好躲，“大数据杀熟”难防。相对于前者可以由被“欺生”者摆平，后者殊难指望被“杀熟”者搞定，而须亮出法治“达摩克里斯之剑”。已然施行的《个人信息保护法》，对禁止“大數据杀熟”等作出立法规定，“亮剑”能否一剑封喉，看客不妨拭目以待。