大数据杀熟你怎么看

大数据杀熟你怎么看

大数据杀熟你怎么看

同样的商品或者服务，老客户看到的价格反而比新客户高，这在互联网行业被叫做“大数据杀熟”。

其实“杀熟”行为由来已久，在互联网行业也早有先例。20年前，亚马逊就尝试过对平台的68种畅销DVD，根据潜在用户的基本资料、购物历史、上网行为等差别定价，不过很快遭到抵制而作罢。

经济学上把这种行为称为“价格歧视”，指同样的商品或服务，在不同的市场面对不同的顾客，采用差异化定价。对企业来说，这是一种追求利润最大化的常用策略。

价格歧视存在的一大重要前提是，企业能够区分对商品需求程度不同的消费者群体。这在大数据时代很容易实现，互联网公司可以通过账户资料、搜索记录、购物历史等形成用户画像，对其消费能力和消费意愿作出较为准确的判断。

一定程度的垄断和没有套利的可能性，是另外两大前提。这也解释了为何在线旅游是“大数据杀熟”的重灾区。

目前国内在线旅游行业集中度很高。大多数平台采用代理商的商业模式，航空公司、酒店、景区等资源掌握在OTA Online Travel Agency平台手中。5家头部OTA平台 携程、去哪儿、飞猪、 同程艺龙、美团市场份额超过九成，消费者并没有太多选择。

而在平台上预定酒店、机票或门票通常是实名制，无法再次出售。同时，出游行程本身就具有一定的私密性，不特意对比的话，用户很难发现自己的价格与别人不同。

薛定谔的“大数据杀熟”

但在中国政法大学传播法研究中心副主任朱巍看来，消费者主观感觉到的“大数据杀熟”，经济学意义上的价格歧视，和在法律意义上构成“利用大数据技术损害消费者权益的违法行为”，并不是一回事儿。

网经社电子商务研究中心生活服务电商分析师陈礼腾告诉亿欧， 对于大数据“杀熟”，此前公布的《电子商务法》就有相关规定。

《电子商务法》第十八条指出，电子商务经营者根据消费者的兴趣爱好、消费习惯等特征向其提供商品或者服务的搜索结果的，应当同时向该消费者提供不针对其个人特征的选项。

不过实际生活中，人们对“大数据杀熟”的理解和判断仍存在分歧。

经常使用网约车软件的小刘 化名和小天 化名曾发现，同样车程二人显示的价格有些许差别。小刘觉得，是因为两人使用的手机不同被平台“杀熟”。但小天认为，可能只是因为自己领到了一些优惠券。

小李 化名则告诉亿欧，如果新客户是因为有优惠券所以比老客户便宜，虽然体验不太好但还是可以接受的。“我刚注册的时候也有特价活动，只不过我已经把这个优惠用掉了。”

但对于在浏览商品时多刷新几次价格就会提高，三人均表示不能接受。

新发布的《规定》，对在线旅游的”大数据杀熟”有了更明确的界定——“在线旅游经营者不得滥用大数据分析等技术手段，基于旅游者消费记录、旅游偏好等设置不公平的交易条件，侵犯旅游者合法权益”。

参与《规定》起草过程的朱巍告诉亿欧，因为“大数据杀熟”集中出现在旅游业，特别是在线预定机票、酒店、门票等情况，所以《规定》在《电子商务法》的基础上，明确了对这一问题的范围界定、监督方式和惩罚措施。

但问题的关键在于，很难证明平台是否存在“大数据杀熟”行为。

网经社电子商务研究中心特约研究员、北京德恒 广州律师事务所律师黎智鹏认为，认定“大数据杀熟”本身存在证据收集难度。消费者的自行搜索和投诉是发现“大数据杀熟”的线索之一，但难以证明在线旅游经营者是否利用了大数据手段。

携程、飞猪等平台均辩称，价格由航空公司、酒店和景区制定，平台对所有用户报价一致不存在“大数据杀熟”，只是由于不同的优惠活动有不同的折扣，相关规则在活动界面有具体说明。

大数据杀熟案例

大数据杀熟这个词首次进入大众视野是2018年3月。当时有一名网友无意中发现，自己长期在某网站预订的酒店房间价格在380-400元之间，而用朋友的账号查看时，同一间的价格只有300元左右。

2019年3月，一位网友称自己疑似被携程“杀熟”。一开始他购买了一张价格为17548元的机票，由于忘记选择报销凭证取消订单重选，但随后发现系统显示无票，再次搜索时价格就变成了18987元。

2020年3月，有网友爆料，天猫超市88VIP看到的商品价格居然比普通会员还高。同一款豆奶，88VIP显示的价格为73.3元，非88VIP显示的价格才62.8元。

这几件案例在网络上引起热议，许多网友都表示曾有过相似经历。

央视新闻总结， 常见的“杀熟”套路主要有三种：

根据不同设备进行差别定价，比如针对苹果用户与安卓用户制定的价格不同；

根据用户消费时所处的不同场所，比如对距离商场远的用户制定的价格更高；

根据用户的消费频率差异，一般来说消费频率越高的用户对价格承受能力也越强。

北京市消费者协会2019年7月公布的调查结果显示， 88.32%的被调查者认为大数据“杀熟”现象普遍或很普遍，56.92%的被调查者表示有过被“大数据杀熟”的经历，网购、在线旅游、网约车领域问题较为突出。

宝，喜欢（大数据杀熟你怎么看 大数据杀熟案例 大数量杀熟现象）记得收藏一下，以后访问不迷路。