我们为何总是掉进“杀熟”的圈套？

y4r

作者 | 马超 责编 | 欧阳姝黎
出品 | CSDN（ID：CSDNnews）
近期，我用某出行软件叫车的时候莫名出现了些问题，3 公里的距离竟然需要加价到 100 元而且还要等待 15 分钟，也真是醉了。后来倒不如直接在路边拦了一辆出租车，发现打表 20 块钱解决了出行问题。
好奇心之下，我和司机师傅聊了一路，一上来司机师傅就帮我排掉了一个误区，加价其实并不能快速得到服务，按照司机师傅的经验，超级加价的订单一般会优先给那些当日被平台抽成最狠或者在线时长最长的司机，和消费者的距离并不是首要考虑因素，在此，就先给大家分享一下司机师傅给出的打车小技巧。
行程终点尽量不要设置在医院、学校：这点非常重要。即使目的地是医院，用户最佳的方式也是将终点设置在医院周围几百米范围内的其它地点，上车以后再和司机商量改终点；如果你将目的地设置成了学校、医院，那么一般来说网约车 APP 会把你下车的终点位置稍微移动一下，这时也请你一定要接受。
千万不要在刚开始叫车时就加价：这点同样重要，如果一开始接受了加价或者直接呼叫高档车型那么用户很可能被识别成一个待宰羔羊。
在见识了大数据的威力之后，笔者决定好好利用自己的技术去总结一下反大数据杀熟的手段与攻略。


大数据比你更了解你
大数据杀熟的最终目的其实就是学界常说的一级价格歧视，也就是大众俗称的完全价格歧视。
商家为每个产品都都制订一个最终消费者所能够接受的最高价格，在这种情况下，理论上商家需要知道每一个消费者对任何数量的产品所能支付的最高价格，从而单独定价以获得所有潜在消费者的全部消费剩余。在互联网时代到来之前这种程度的信息掌握简直是不可能完成的任务，商家没有作何可能知悉每一个顾客的个性价格，在实践中不可能实行完全的一级价格歧视，
在传统交易市场中商家往往倾向于 " 杀 " 生，因为在传统商家往往会利用单次博弈下买卖双方的信息不对称，对于第一次来交易的生客给出更高的报价，不过杀生的缺点也十分明显，因为一般来说买家尤其是大额买家往往会货比三家，过度提高报价也要面临客户流失的风险。
近年来随着大数据技术的不断发展，一级价格歧视所需要的数据从很大程度上得以快速积累，但由于杀熟现象是一种刚刚出现不久的商家交易策略，因此有关一级价格歧视的研究虽然比较热，但真正有价值的研究，尤其是针对消费者应对策略的研究少之又少。
想破解大数据杀熟的套路，就需要了解 APP 平台的工作机制，目前但由于没有什么大数据杀熟的开源实现可以参考，因此我们只能黑盒研究的方式，根据 APP 的行为反推大数据杀熟的基本工作机制，目前用户在 APP 上浏览商品信息和消费购买时，基本用户信息以及各种行为等信息被经济平台所掌握，经济平台会把这些数据加以数据挖掘及分析，构建用户画像及用户标签，进而根据不同的用户消费行为、价格敏感程度等各项指标进行差别定价实现 " 一人一价 "，最后通过精准营销将订制化的商品信息呈现给每一位老用户。
在这个过程中，由于信息不对称经济平台在信息掌握方面占有绝对优势，因此对于老客户真的可以做到 " 比你还了解你 "，完全价格歧视并非夸夸奇谈，让老客户付出更高的价格。大数据杀熟本质上都是基于标签的，现有的商品和服务搜索结果是基于消费者的兴趣、消费习惯和其他特征。消费者每次在网上操作，都会被经济平台拿去分析、挖掘。客户与 APP 的互连动次数越多，APP 的粘性越强，经济平台就越了解用户的行为。并在此基础上给用户提供个性化定制的服务与报价，通过这种定制化、个性化的操作方式，平台杀熟的行为与策略还会更加隐蔽，这也是大数据杀熟的一个新趋势。
大数据杀熟往往会利用客户由于熟悉平台 APP 所产生的安全感，并通过各种 " 立人设 "、" 树调性 " 的等宣发手段使用户对于 APP 产生依赖感，引导客户完全放下戒备心理，相信平台 APP 会为自己提供更好的服务和更优惠的价格，从而完成精确杀熟。而且在大数据杀熟的工作机制中每位客户的画像都是动态可变的，因此平台也完全根据客户画像数据对于定价进行迭代杀熟。
国内最早关注大数据杀熟这一问题的是杨泽威和孙艳香，正是他们在论文在《线旅社大数据 " 杀熟 " 现象分析及对策研究——基于精准营销视角》首次提出了大数据杀熟概念。今年初李明琨、吴欢、王伟在论文《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》站在消费者的角度给出了一定的应对策略，比如消费者要善于转变消费习惯；要在交易中倾向于表现损失厌恶、价格敏感等方面的特质能够减少被杀熟的风险，但是能实操的关键并不明确，我们个体到底如何对搞大数据杀熟，恐怕还有很长的路要走。
大数据 " 杀 " 得到底是谁？
在翻遍了有关大数据杀熟的资料以后，真是要感叹一下 "Talk is cheap,show me the code" 由于没有哪台平台会把价格决定机制的代码开源，因此大数据杀熟只能进行黑盒研究。大数据杀熟的本质是价格歧视，关键是要做到一人一价，给每个用户都定一个他能接受的最高价格才是目标，获取完整客户信息才是精髓，不过这样的定价机制无法作用于那些不常使用该软件的消费者，因此平台会专门针对新增客户给予优惠，以吸引新用户留下自己的行为数据，以便后续杀熟。
传统市场是明码标价，每种商品的价格都是明确告知且广而知晓的，从这方面来讲经济平台不但掌握了用户画像的数据，还能通过 APP 使消费者之间的信息形成隔离。在 APP 上查询价格时，只能看到自己 APP 上的价格而无法知晓其它用户的报价。而且目前细分市场领域中，几乎所有现存的可使用的 APP 均处于寡头垄断的情况，可以说大数据杀熟已经万事俱务，不差东风。而且不少研究表明，拥有相同标签群体在行为表现上经常出奇的一致，尤其是 " 饭圈 "、" 游戏圈 " 等标签的行为预测能力还往往更强，圈内的意见领袖发表的观点一般都会显著的影响粉丝行为，因此谷歌会冒天下之大不违，推出基于标签分类的新型客户行为追踪体系 FLoC 也就不足为奇了。可以说大数据杀熟的兴起有着极强的必然性。
年轻一代是更大受害者：目前的新兴代互联网原住民，尤其是青年一代互联网用户对于省时、省力、方便快捷的生活方式更加推崇，他们使用的 APP 数量在降低，但是对于 APP 的使用时间却在增长，从笔者了解到的情况看目前平均每个手机上安装的 APP 数量正在由 2016 年的 21 个，下降到目前的不到 10 个，而且还有一个现象值得观察，那就是像比价网等用于价格比较的 APP，其用户平均年龄在 37 岁左右，这也从侧面说明当代的年轻人并没有 " 货比三家 " 的消费习惯，APP 的垄断属性强，平台掌握的数据多而且对于大数据杀熟还很少有戒备心理，这使得 90 后、95 后的新生代反而成了大数据杀熟机制的受害者。
大数据不但杀熟还杀富：当然大数据杀熟其实只是平台经济的一个侧面，平台真正要做的是利润最大化，而熟客所带来的效益更高，因此平台才会不遗余力的将新客转化为熟客，但是大数据还有另外一面，就是杀富。一般来说用 iPhone 的用户往往会比其它用户多付出一定的成本。
不过从笔者的实验结论来看，杀富的过程也有异化现象，比如同样都是 iPhone 手机，在有的平台上能获取的新客优惠力度就非常高，但有的平台 iPhone 用户所能获取新客优惠力度来得还不低端机。按照笔者的理解这可能和平台的垄断程度有关，如果平台垄断程度高那他们也就没有太多动力给于高端客户以更大程度的优惠，反正你也跑不出圈，相反对于低端客户可能会更加在意，以提升用户总体基数，因此这些平台不太会为拥有 " 高端机型 " 标签的新客户做倾斜；而那些垄断程度不高的平台往往会比较看重高端，或者说会不惜血本将高端客户吸引进来，为后续杀熟做准备。
大数据世界举证不易
大数据杀熟虽然操作比较隐蔽，但是这种行为本身至少有两方面的法律风险一是涉嫌 " 价格欺诈 "，二是涉嫌违反《反垄断法》中 " 禁止具有市场支配地位的经营者滥用市场支配地位，在交易价格等交易条件上区别对待具有相同交易条件的交易对手。" 等条款。而且《平台经济反垄断指南 ( 征求意见稿 ) 》中的定义，根据用户消费偏好和使用习惯，利用算法实施差别标准等行为，可以构成反垄断法中定义的差别待遇。
但是在司法实践上，大数据杀熟的隐蔽属性使消费者的举证面临着极大的困难，而且即使成功淮，也往往会被经济平台以动态调价为由申辩成功。
在笔者查到的（京 9501 号）刘某诉北京三快科技有限公司侵权责任纠纷案件为例，用户刘某发现自己在 " 美团外卖 " 平台订餐的配送费，和另一用户在同一商 家订购同样的套餐相比配送费高出很多。但被告提供后台系统日志显示该商圈的配送费当日动态上涨是合理现象。法院审理后认为，刘某所提供的证据订单中虽然与代购商家、商品、收货地址相同，但配售时间不一致，不能证明被告对于交易条件相同的顾客进行了差别定价，由于消费者个体与平台相比力量对比过于悬殊，几乎很难找到个人起诉经济平台价格歧视成功的案例。
大数据消费者反杀熟攻略
在笔者对于旅游、出行、餐饮等 APP 的实际测试之后，发现魔高一尺，道高一丈，以下攻略供参考。
不到用时不安装，给自己加上即将流失的标签：在实测中我发现了一个非常奇怪的现象，就是把 APP 卸载重装之后可以获得一个比较优惠的价格，我的测试平台是某出行 APP 在卸载重装后，费用比卸载前下降 10% 左右。因此我高度怀疑在 APP 卸载时手机操作系统是否会通知 APP 的相应后台，不过在抓包实测之后，基本排除了这方面的可能性。因此我们几乎可以肯定这是手机 APP 根据所在文件系统的数据时间戳来确定用户是否有卸载的行为。
根据前文所述，我们可以知道在经济平台往往会对忠诚度较高的老用户进行较为严重的价格歧视，但是，对于已经流失后有意回归或即将丢失的用户，平台的算法往往会给予一定的价格优惠。以挽留甚至使这部分流失的客户再次回来成为熟客。
正是基于这个机制，我们可以认为，将 APP 完全卸载，或者将其数据全部删除后，平台的算法有极大可能将有这种行为的客户标注成 " 将流失 " 或者 " 已流失 " 的标签。
假装不着急，给自己加上极端挑剔的标签：实测中还是一个现象就是装有比价平台的手机终端如比一比、懒人比价、慢慢买等 APP 的，往往会得到更优惠的价格。我们知道 APP 一般会要求读取手机图片的权限，而一旦开通，那么 APP 很可能会搜索是否存在比价平台使用过的痕迹，一旦有那么用户就很可能被平台加上价格敏感的标签，从而获得一定的价格倾斜。
当然此外，经常使用平台上 " 历史价格查询 " 的功能往往也有相同功效。
反向操作，不要在开始就亮底牌：如果想购买商品 A，那么先在 APP 上搜索 B，用不相关的操作行为来掩盖真实的购买意图也是一种避免被杀熟的办法。另外不给予 APP 以定位、图片读取的权限也是一种避免平台过多获取自身数据的有效办法，总之平台的数据越少越难杀熟。
实在厌倦了套路，干脆通过直播购物：从笔者实测的情况，抛开商品的质量等因素不谈，光说直播带货这种交易方式中，价格歧视的情况的确是最少见的，因为直播中价格是对于所有观众公开的，无法形成一人一价的信息壁垒，因此如果实在是对于大数据杀熟深恶痛绝的话，可以在直播中购物。
马超，CSDN 博客专家，阿里云 MVP、华为云 MVP，华为 2020 年技术社区开发者之星。