新经济环境下，数据俨然成为极其重要的生产要素。互联网平台通过收集、存储、分析等数据处理，利用算法和大数据，对用户打标签并进行画像，进而推荐信息、提供个性化服务。

“大数据杀熟”主要表现为“不同人不同价”。如果算法判定其价格敏感度低，就推送较高的产品售价。用户希望能够通过一些手段阻止算法对其利益的损害，但更多的时候，用户并不确定自己是否正在被杀熟。

本文将从四个角度剖析“大数据杀熟”，解读在越来越多依赖机器学习的决策场景中，大数据是如何预测你的抉择？

假设公司目前主力销售的一款产品，定价100元，毛利率30%（即成本70元），公司想推出类似的新产品，你觉得下面的哪一种定价行为，会让顾客不爽？

那么，“豪华版”和“环保版”，哪一个更让你不爽呢——这两个活动多少也有点“杀熟”的意图。

大部分人都会选择“环保版”，因为企业只是降低了成本，却冠以“老客户回馈”的名义，这仍然是一种欺骗。

而“豪华版”，虽然提升了毛利率，但高价产品定高毛利，却是消费者比较容易接受的常规做法。此外，虽然公司的营销重点是老客户，但活动的名义是“产品升级”，也不算是一种欺骗。

从这些来看，“大数据杀熟”有三点令人不爽，而且“不爽”的程度依次升级：

滥用客户隐私；

损害客户利益；

不公平，欺骗性定价。

假想一下，如果平台的模式是自动识别老客户，专门给优惠（因为不想让得不到优惠的新客户不满），那么，客户会接受用“隐私权”换更便宜的价格吗？

以我过去做电商的经验，大部分人会的，没有便宜十块钱换不来的客户隐私，如果不是，那就再便宜十块。

量贩超市，买的越多越便宜

双11用复杂的优惠方法，让不同客户得到不同优惠

常订高价机票的乘客，显示的票价也高

效率至上

定价是一件商品能否获得商业上成功的核心因素之一，定价太高，销售不及预期，失败！定价太低，利润不及预期，同样失败！

定价成功的核心是找到消费者的心理预期，然后比这个“心理预期”低一点点。比如我开发了一款多功能扫地机，消费者在比较了多款商品后的心理预期是X元，那我的定价如果刚好是“X-1”元，那就可以获得最大的利润空间。

但问题在于，不同的消费者对同一款商品的“心理预期”是不同的，商品需要找到占比最大同时预期又很合理的那一群客户，这在新产品定价之前，只能靠经验判断——或者采用“价格歧视”策略。

价格歧视就是把相同的产品以不同的价格分别卖给不同的客户，其依据是客户的偏好、需求的迫切程度以及价格的接受能力。

假设商家认为，对品牌有偏好且价格承受能力强的人，喜欢到旗舰店购买，价格承受能力弱的人，喜欢找有折扣的淘宝C店，那么，商家就可以默许经销商通过淘宝C店给予更多优惠，但不给予正品保证，这实际上就构成了一个“价格歧视”。

为什么这种价格歧视不会引起用户的反感呢？关键在于，品牌不给C店正品保证，增加了消费者的购买风险，C店给消费者的优惠实际上是“风险补偿”，背后是一种公平的原则。

品牌明知C店卖的是正品，故意不给正品保证，也是基于“公平”的原则——让那些对品牌信任并付出更高价格的忠诚级消费者有“公平”对待的感受。

价格歧视本质上是一种“效率至上”导向下的定价策略：对于商家而言，可以利润最大化；对于消费者而言，不同价格满足了不同偏好的消费者；对于整个社会而言，商品的整体价格并没有提升。

只要是“效率”出现的地方，就会遇到“公平”的问题，可接受的“价格歧视”一定是在效率与公平之间，找到最佳平衡点。

机票预定时间越晚，折扣越低，其商业上的原因是，商务客户的付费能力高，但时间不容易确定，所以到最后几天订机票的可能性较大。

但这个价格机制从公平角度同样说得过去：早订票的客户，付出了行程变更的风险，更大的折扣力度就是“风险补偿”——非常公平。

价格歧视不需要实际上的公平，只要名义上公平，你只要能有一个大家能接受的理由就行了。

豪华酒店一瓶普通水卖10元，原因是住豪华酒店的客户付费能力高，但名义上还是“公平”，因为酒店付出了更多的服务——实际上成本根本摊不了这么高。

所以，这里的“公平”并非是利益上的公平，是消费者的个人感受。

“大数据杀熟”的问题不在隐私和价格歧视，而在公平感的丧失。既然是个人感受，差异就会很大，甚至在不同的社会环境下，对“公平”的看法不同，同样的价格歧视被接受的程度不同，甚至可能相反。

这就是不同性质的企业，对“公平”的看法不同，造成了完全相反的“价格歧视方向”。

那么，公平感为什么对于定价如此之重要，甚至重要性超过了“实际利益”呢？

关键在于品牌。

社会公正与品牌价值观

可口可乐：全球如一的美国味道

爱马仕：有品味的低调奢华

承诺的意思代表对所有客户有效，“公平的对待所有客户”就是承诺的前提，如果打破了这个前提，那么意味着品牌的所有承诺都不再可信。

实际的品牌管理中，企业更注重品牌形象的区分度，但过度强调品牌个性的时候，去想各种花哨的品牌主张、玩很多创意，反而违背了一些最基本的价值观。

公平感是一个非常复杂，甚至有一点“非理性”的感受，企业很可能在不经意间就触动了消费者敏感的神经。

在高铁尚未在祖国大地上遍地开花之前，每年到了春运，买不到火车票一直是网络讨论的焦点，偏市场派的经济学家每年都主张“提价”解决火车票供应紧张的问题，但每次都被骂得狗血淋头。

经济学家不服气，提价怎么不合理了？航空机票都是定一个特别高的价格，平时狠狠地打折，节假日按原价，大家皆大欢喜。

高价难吃的飞机餐价格含在机票中强制消费，就变成“优质服务”的一部分，同样高价味道好很多的火车餐。不强制消费，只是叫卖几声，反而不断惹争议。

低价提价是不公平，高价打折就是公平，结果就是后来的高铁定价，也是先定一个高价，再打折。

最终，在长期的营销实践中，大品牌们已经熟练地掌握了一系列营销套路——既能达到歧视性定价的目的，又不让顾客感到被冒犯。可惜到了大数据时代，急功近利的网络平台，又要把当年传统品牌踩过的坑，重新踩一遍。

传统品牌营销中“给新客户专享优惠券”，跟网络平台“给老客户显示更高的价格”，实际都是拉新的营销手段，但前者不破坏公平感，后者就让人觉得“不公平”，最后闹到要出台专门的法律禁止“大数据杀熟”。

然而，价格歧视可以直接禁止，但基于大数据的隐蔽的价格歧视却复杂得多。

机器学坏了？

大数据时代，价格歧视进化为动态定价，通过机器学习，定价每分钟都在变化，以最大程度的获取利润。

大数据不歧视你，大数据只是预测你的行为。可以立法禁止“大数据杀熟”，但比价格歧视更复杂的是更隐蔽的歧视。

同样在淘宝上输入“包包”，系统给你展示的是男包，给你女友展示的是女包，你会觉得系统推荐很准。但同样在淘宝上输入“女包”，系统给你展示的都是几十块的地摊货，给别人展示的都是几千块的名牌包，你就开始不爽了。

人会产生偏见，就会掩饰偏见，就会权衡一下，会不会给自己带来麻烦。但电脑没有偏见，自然也就不需要掩饰偏见，它只会把偏见赤裸裸地告诉我们。

不是坏人变成机器，而是机器“学坏了”。