闯奇科技：五一来临，飞猪携程“杀熟”事件怎么回事？

buzhy

“同一航班，别人卖 2500 元，飞猪卖我 3211 元。”

2018 年，「大数据杀熟」一词开始进入大众视野，且在互联网领域掀起了腥风血雨。更有用户在微博连发两条博文炮轰阿里旗下飞猪旅行 App 利用大数据杀熟：

0 1大数据杀熟事件

所谓的「大数据杀熟」，顾名思义，利用大数据对熟人进行利益宰割，通俗来讲，同样的商品，老客户看到的价格要比新客户要贵。

仅一张机票就有700元的差距，作为该App的老用户，飞猪以更高昂的价格来“回馈”，始终让人从心理上觉得不舒服。在事情爆出后，立即引发网友纷纷热议，不过在飞猪方与当事人沟通后，王小山已将此前发的微博做了处理，同时，飞猪官方微博转发并声明：

“飞猪敢于承诺：从来没有，也永远不会利用大数据损害消费者利益。”

杀熟事件并非王小山一人的遭遇，据网友反映，在自己的生活中也遇到过类似事件…

无独有偶，去年5月，携程被网友诟病，在相同条件下，对用户展示了同房不同价的现象。基于此，携程于微博上发布一篇《携程“大数据杀熟”了吗？并没有》的长文以澄清。

其强烈表示，经过调查，没有发现对使用同一账号，不同手机预定同酒店、同房型进行差别定价。网友所看到的不同可能是由于日期、支付方式等差异导致的。

0 2大数据杀熟原理

从本质上看，大数据杀熟的技术原理就是大数据，即平台所收集的海量用户信息及数据，这其中包含了用户注册及个人信息、地理位置、消费记录、搜索习惯等等，每个人大概有 100-1000 个左右的关键词，这些关键词可以把你刻画出来，并生成独特的用户画像。

那么，企业基于用户画像就可对用户进行精准识别、归类，并通过推荐算法开启个性化推荐，且对消费能力高、消费意愿强的用户展示更高的价格，来赚取更多的利润。

事实上，大数据杀熟或者差别定价并不是什么了不起的新鲜技术，电商巨头亚马逊早在2000年9月就实施过类似的实验。

为了冲击更高的零售额，他们选择了68款DVD碟片，根据用户填写的资料、购物历史、上网使用的操作系统等条件判断他们的购买力，给他们输出不同的价格。一个20美元出头的产品，新用户和老用户之间差价波动在4美元左右。

但这个实验进行了不到一个月，就被用户发现了。在一个叫DVDTALK的音乐论坛上，成百上千的网友通过发布自己买到的产品价格做人工比价，愤怒之余，讨论层面不可避免地上升到怀疑亚马逊在收集和分析用户的隐私数据，以至于当时的CEO不得不站出来保证，亚马逊永远不会对用户区别定价。

但我们都知道，对于一般的商品而言，价格越高，愿意买单的消费者就越少。因此，企业要找到一个定价的平衡点，使得在这个价位上，企业的利润最大化。

例如,对于这样一条需求曲线，当企业只能选择一个统一定价时，只有在200元时，可以卖出 100 份，这时候最大化的收入就是 20000 元。

那么，如果企业想进一步再多赚一点，只有实行差异化的定价，比如，一部分卖 200 元，一部分卖 300 元，这时候总收入就可以变成蓝色区域部分，即 35000 元。

可想而知，对于商业公司来说，最终的目标，就是实行这样的差异化定价：

不同的消费者有不同的价格，直到覆盖掉整个三角形区域，人人都愿意为这个商品买单，这时候收入最大化，利润也就最大化。

而这个商品的价格到底怎么来定。对公司来说，最佳的情况当然是因人而异，根据用户的消费次数、消费水平进行大数据分析，然后针对每类人定出一个合理的且用户能承受的价格。

0 3是杀熟还是个性化推荐？

就现在市面上互联网产品而言，几乎都被用户怀疑过“杀熟”…

（1）有人发现同样是买一年的视频会员，苹果用户比安卓用户总是多花几十块钱。

（2）有人察觉到用旅行APP买机票，只要你没付钱，价格越搜越贵，余票越来越少，直到只剩一张，吓得你赶紧出手。可等付了钱再搜，这张机票还能买，而且又跌回了原来的优惠价。

（3）有人抱怨玩卡牌游戏“越氪越非”（越花钱越难抽到价值大的卡牌），让不爱花钱的用户更容易抽到好卡，作为诱饵刺激有付费意愿的人继续掏更多钱……

法律层面上，大数据杀熟是对消费者权益的伤害和用户隐私的侵犯，但大数据杀熟屡禁不止，现在几乎已成公开的秘密，只是看这熟“杀”的明不明显而已。

0 4如何应对大数据杀熟？

那么对于互联网大数据杀熟手段，我们该如何应对呢？这就不得不提到数据隐私问题了。大数据杀熟之所以隐匿存在，最根源还是因为运营商及平台掌控着用户的个人隐私，因此我们要做的就是提升安全隐私意识，减少在平台上的个人信息泄露。

（1）多个平台比差价，秉承货比三家原则，伪装价格敏感型用户。

（2）通过多个设备及账号验证，如 Android 和iPhone、自身账号和好友账号等等。

（3）更改以往购买或查阅的习惯，即反用户画像。

（4）清理缓存。

通过以上的方式，虽然可以在一段时间及一定程度上“迷惑”大数据，但终归不是最终的解决方案。想要彻底解决，就要看企业在人道与财力之间的平衡。

来源：公众号“闯奇研究社”

作者：奇奇，闯奇研究社资深数据分析