看到发票与实付价格相差1500元，胡女士既困惑又愤怒。身为某预定平台贵宾级会员的她，不但没有享受到“订酒店8.5折起”等优惠，反而还多支付了一倍的房价。

由于怀疑遭遇了“大数据杀熟”，胡女士将平台告上了法庭。但不利因素在于，她很难拿出确凿的证据证明自己遭遇了“大数据杀熟”，要知道，技术及用户数据都掌握在平台手中。

今年7月，法院一审法官认为，存在一定客观情形，使得原告疑虑被告“大数据杀熟”。但法院最终判定的是平台存在“虚假宣传、价格欺诈和欺骗行为”，支持原告退一赔三。

胡女士的遭遇不是个例。互联网时代的用户在享受便利的同时，也在虚拟世界中到处留下足迹。互联网平台通过收集和利用这些与用户相关的数据，一方面可以通过差异化营销满足用户的个性化需求，但另一方面，也不断引发“大数据杀熟”的质疑，涉及场景包括外卖、网购、酒店、出行等。可以说，只要有交易发生，就会存在关于“杀熟”的讨论。

就在11月1日，《中华人民共和国个人信息保护法》正式实施。其中明确规定：个人信息处理者利用个人信息进行自动化决策，应当保证决策的透明度和结果公平、公正，不得对个人在交易价格等交易条件上实行不合理的差别待遇。

这意味着，“大数据杀熟”被明令禁止，如果实施该行为涉嫌违法。但难点在于，这种“杀熟”行为往往披着差异化营销的外衣，如何进行有效判定将是摆在监管机构和消费者面前的一道难题。

数据引发的争议

当你下载一款App后，需要点击同意“用户使用协议”才能正常使用。此后，你授权的数据会被软件开发者一一记录下来，并处于持续被收集状态，直至账号注销为止。从设备ID到手机号码，甚至包括你的姓名、性别、身份证号码、浏览行为等产生的所有数据，都可以被收集并存储，最终通过分析利用，反过来应用到你身上。

曾在互联网公司做过数据分析师的张宇介绍，以电商平台为例，“用户在App里的所有数据（自身的浏览、点击以及商品的曝光等信息）都可以被收集，基本处于‘裸奔’状态。”不过收集到的个人信息，通常会被加密，并且以类代码的形式来代替明文进行记录，只有拥有权限的人才能查看该权限范围内对应的信息，以避免个人数据泄露。

从前端开发人员到数据分析岗位，再到产品及运营等，互联网公司对用户数据的收集和处理涉及多部门多工种。通过收集、存储、脱敏、分析等数据处理环节，互联网公司利用算法和大数据，对用户打标签并进行画像，进而推荐信息、商品，提供个性化服务。

数据俨然成为新经济环境下最为重要的生产要素。对于互联网公司而言，收集的数据多少，往往与服务效果直接挂钩。电商平台算法工程师李云表示，“假如我只知道你的年龄、性别，推荐的服务会很广泛，不一定能准确满足你的需求。如果获取的特征信息越多，提供的个性化服务效果相对会更好。”

在此背景下，互联网公司都希望充分获得用户相关数据，通过差异化营销提供精准服务，从而获取更多利润。这也成为消费者质疑互联网平台“大数据杀熟”的诱因，他们担心个人数据被滥用，损害自身权益。

所谓“大数据杀熟”，指的是社会公众对互联网平台利用大数据和算法对用户进行“画像”分析，从而收取不同价格等行为的概括性说法。

在公安部第三研究所网络安全法律研究中心主任、研究员黄道丽看来，常见的“大数据杀熟”方式包括：根据不同设备进行差别定价，例如针对高配置设备用户的定价高于低配置设备用户；根据用户消费频率进行差别定价，例如会员价格高于非会员价格，老用户价格高于新用户价格；根据用户消费时所处的不同位置进行差别定价，例如周边商场少的定价高于附近商场多的，用户周边人群购买力高的定价高于购买力低的等等。

2019年3月，北京市消协发布的“大数据杀熟”问题调查结果显示，88.32%的被调查者认为“大数据杀熟”现象普遍或很普遍，没有被调查者认为“大数据杀熟”现象不存在。此外，还有56.92%的被调查者表示有过被“大数据杀熟”的经历。

曾有网友提到，因为在入住酒店时偶然问了下价格，才发现自己通过旅行网站订的出差常住酒店，要比朋友的账号显示的预定价格贵了80元左右。而通过翻看自己的打车记录，他发现身为白金卡用户，此前有一段时间叫不到普通型网约车时，平台会帮其免费升级车型，且不会额外收费，但是之后，基本都是按照升级后的车型来收费。

今年2月，复旦大学管理学院孙金云副教授团队发布的《2020打车软件出行现状调研报告》显示，通过打车软件实测，可以发现打车软件平台会利用已有的用户特征大数据提供差异化服务、定价并进行价格歧视。不过该报告也强调，这并不代表平台真实采用了这一策略对用户进行某种筛选和操纵，可能和其真实的算法及策略存在一定的偏差。

隐藏的“大数据杀熟”

互联网平台具备零边际成本的特点，容易通过马太效应形成规模经济，最终掌握较强的定价权。而技术的成熟，使得算法在互联网行业得到大规模应用成为现实，也让拥有大量用户数据的互联网公司有了提供个性化服务的资本。但在国内上网人数突破10亿之后，互联网公司在用户增长方面遭遇天花板，市场对其运营能力提出更高的要求。

“用户画像是互联网公司实施差异化营销的基础。其实现过程是互联网公司从多方渠道获取用户数据，利用算法对用户数据分析，进而形成包含性别、年龄、受教育程度、消费及行为习惯等多个标签在内的用户画像，最终根据企业的需要实施某项具体的差异化营销。”在黄道丽看来，差异化营销的核心思想是“关注并致力于满足不同目标消费群体的个性化需求”。平台根据不同用户消费偏好、消费水平、价格敏感程度、收入水平等进行推荐，将同一商品或是服务以不同的价格卖给不同的消费者，都是差异化营销。

据张宇介绍，互联网公司可以根据用户的行为，将其分流到不同的用户池中，算法模型则可以对不同的用户池设置不同的参数，从而实现差异化定价；而营销手段的制定，更多是通过人工和智能结合的方式，对不同地区实施不同的营销策略。

在实际操作中，为了提高用户基数及活跃度，优惠券往往是互联网公司实现差异化营销的重要手段。通过用户注册、活跃情况、使用频率等一系列指标，互联网公司可以将用户区分为新老及活跃与非活跃用户等，从而有针对性地发放不同的优惠券。

一家人工智能公司的研发主管向界面新闻介绍，不同场景对新老用户的差异化也不同，比如外卖行业，如果你只是偶尔使用，可能会收到满减红包；而电商行业，可能只会让指定用户参与到某些促销活动中。

通过合理的差异化营销，部分用户享受到了一定的优惠，也有助于互联网公司增加日活及用户的黏性，进一步提升自身的商业价值。不过这样的优惠活动，极易导致不同用户在同一时间和地点购买同一商品或服务时，出现价格上的差异，从而引发“大数据杀熟”的质疑。

事实上，差异化营销和“大数据杀熟”往往容易混为一谈。多位互联网公司算法或数据相关的人士表示，互联网公司可以通过差异化营销达到“大数据杀熟”的效果，很难分清两者之间的关系。

“互联网公司会通过类似的手段，避免自己被认为实施了“大数据杀熟”，让消费者以为只是一种营销手段，而且活动的解释权通常归他们所有。”李云表示，如果互联网公司实施“大数据杀熟”，以前可能是直接调高商品或服务的价格，现在则可以通过发优惠券进行差异化营销，最终达到不同用户之间存在价格差异这样的“大数据杀熟”效果。

在黄道丽看来，“大数据杀熟”实质上是平台实施差异化营销所产生的结果，指向的是一种价格欺诈的行为。只有当企业的差异化定价不具备正当理由，侵犯消费者的知情权、自由选择权与公平交易权，构成不合理的价格歧视时，才会在实质上构成“大数据杀熟”。

北京师范大学互联网发展研究院研究员冯贺霞则表示，如果平台在消费者不知情的情况下，对同一地点的同一商品或服务制定了差异化定价，那么就是“大数据杀熟”。

“大数据杀熟和差异化营销的真实关系是一体两面，站在企业的角度是差异化营销，站在用户的角度就是被杀熟。”上海申伦律师事务所律师夏海龙认为，这个争论其实是大数据技术本身所固有的，只能通过促进市场竞争、科学监管等方式平衡好双方的正当利益，除非禁用相关技术，否则类似争论不可能消除。

一把双刃剑

互联网平台拥有大量用户信息、数据和技术优势，通过实施“大数据杀熟”，确实能够带来额外的利润。

2015年美国白宫的报告《大数据和差别定价（Big Data and Differential Pricing）》提到，美国布兰戴斯大学经济学系助理教授Benjamin Shiller基于Netfilx的研究发现，如果将用户行为数据用于个性化定价，那么会多增加12.2％的利润。

为了平衡供需关系，保证用户能打到车，Uber推出了动态定价机制。当同一区域内有很多用户同时叫车时，系统就会采用动态定价，吸引更多司机前往高需求区域，从而使所有乘客都有车可乘，这也意味着用户在打车时车费会高一些。由于通过抽成获利，用户付费越高，打车平台获得的利润也就越高。有研究表明，经过粗略计算，可以得出2015年Uber通过动态定价在美国产生的总体消费者剩余为68亿美元。

在电商、出行、旅游等行业，动态定价相当普遍。《算法的陷阱:超级平台、算法垄断与场景欺骗》一书中提到，当卖方采取了更加复杂的营销手段时，动态定价与价格歧视的边界开始变得模糊。此外，也许表面上看似有效的动态定价，实则却是经营者有意根据消费者的价格敏感度而对他们做出的区分。

不过算法在满足用户个性化需求时，也容易产生“信息茧房”。张宇表示，算法会根据获取到的用户数据作出反馈，如果发现该用户对价格不敏感，可能会不断试探其价格底线，最终实现自身利益最大化，“只要资本市场存在，就一直会有价格歧视，因为公司也是为了逐利。”

对于消费能力较强的用户，可能会较多推荐价格区间处于较高位置的商品或服务，这在一定程度上节约了消费者的时间，但是会让其误以为所需的商品或服务仅有这样的价格区间。如果该平台的市场份额价高，加上消费者对价格不敏感，那么就会在不知不觉中多花不少钱。

“精准、高效的差异化营销手段的确能够帮助企业提升经营效益，也能帮助用户提高供需匹配效率、节省购物成本。”夏海龙认为，这一营销利器有可能被恶意使用以牟取不当利益。

也就是说，消费能力更强且对价格不敏感的熟客，往往容易成为“被宰”的对象。亚马逊就曾在2000年对部分碟片实施过差异化定价实验，当新老用户在该平台购买同一种碟片时，老用户会比新用户贵4美元左右。后迫于舆论压力，亚马逊最终道歉，并承诺不会再利用用户数据进行差异化定价。

事实上，除了金钱上的损失，“大数据杀熟”在给消费者带来心理伤害的同时，也会影响平台和品牌的声誉度。当老客户发现自己不仅没有享受到额外的福利，反倒成了“被宰”的对象时，往往会产生愤怒情绪，转而选择其他品牌。因此，互联网公司可能客观上具备实施“大数据杀熟”的条件，但在实际运营中并不一定会使用该手段。

值得注意的是，为了验证是否遭遇“大数据杀熟”，消费者需要通过登陆不同设备、账号，在同一时间、地点购买同一商品或服务，但考虑到账号的注册时间、动态的优惠策略、难以解析的算法模型、偶尔出现的bug等因素，很难留下确凿的证据。加上缺乏有效的第三方监督，事情往往陷入各执一词的“罗生门”。

监管破局

以往当消费者认为自己遭遇“大数据杀熟”后，主要依靠的是消费者保护法、电子商务法等法律法规，通常难有确凿的证据证明确实遭遇了“大数据杀熟”，并以此成功维权。

面对如何避免被“大数据杀熟”，多位互联网公司从事算法或数据相关的人士建议，尽量少依赖单一软件，同时多比较不同账号、软件间同一商品或服务的价格差异。只是这样操作起来相对麻烦，消费者也难以彻底摆脱对占据主导地位公司的依赖。

而在企业层面，主动规避“大数据杀熟”的意识并不强。比如，业务部门的人很少会讨论某个行为是差异化营销，亦或是“大数据杀熟”，上级提需求后便会按照要求去执行。

前述人工智能公司研发主管表示，企业有很多办法可以去规避“杀熟”被发现。“比如，可以将消费者不同类型的数据用不同代码存储在不同的地方，不是设计者很难将这些数据联系在一起；甚至可以设置内存服务器存储数据，那么在硬盘和磁盘里都发现不了该数据。当然，这个成本会很高。”

但随着反垄断加强，以及国务院反垄断委员会关于平台经济领域的反垄断指南、数据安全法、个人信息保护法、禁止网络不正当竞争行为规定（公开征求意见稿）、互联网信息服务算法推荐管理规定（征求意见稿）等一系列法律法规的出台，“大数据杀熟”现象有望得到遏制。

“数据安全法和个人信息保护法全面确立了数据安全保障、数据利用及个人信息保护的基本原则及规则，并针对企业差异化营销所依赖的自动化决策技术做出了明确规范，将对平台数据及算法权力滥用形成有力规制。”黄道丽认为，相关法律法规表明，具体到利用数据及算法进行差异化营销场景，企业应当通过不断优化的算法和不断提升的算力向消费者提供更为高效、丰富、精准的优质服务，而不是利用信息优势，违背商业道德、诚信原则进行“大数据杀熟”。

这也得到了夏海龙的认同，“在如何平衡企业自主经营权和消费者诉求这一问题上，法律在保护企业自主定价、经营权的同时禁止企业滥用权利，因此相关规定并不会妨碍企业通过大数据手段进行差异化营销，可以说这些规定既约束互联网企业守法合规经营，也从侧面说明，消费者享受福利归根结底要靠创新企业来创造。”

需要注意的是，《互联网信息服务算法推荐管理规定（征求意见稿）》强调，互联网公司要以适当方式公示算法推荐服务的基本原理、目的意图、运行机制等。但事实上，目前一些人工智能模型的场景，其实算是一个黑盒子，最后的输出结果甚至无法进行解释。

张宇也表示，“最常见的人工神经网络的算法，如果中间层特别多，程序员也不知道最后会输出怎样的结果。”

对此，冯贺霞给出了自己的建议，“通过法律法规，避免互联网平台出现垄断行为；可以通过让更多企业参与竞争，缩小平台讨价还价的空间；建立智能化监管平台，利用技术有效识别差异化营销和“大数据杀熟”；发挥第三方评价机制，对互联网平台社会责任进行评价。”

《个人信息法》也提到，通过自动化决策方式作出对个人权益有重大影响的决定，个人有权要求个人信息处理者予以说明，并有权拒绝个人信息处理者仅通过自动化决策的方式作出决定。这意味着，随着该法的正式实施，用户的自主选择权得到进一步保障，“信息茧房”有望被打破。

此外，《个人信息保护法》也加大了对违法的惩处。该法强调，违反本法规定处理个人信息，或者处理个人信息未履行本法规定的个人信息保护义务的，如果情节严重，由省级以上履行个人信息保护职责的部门责令改正，没收违法所得，并处五千万元以下或者上一年度营业额5%以下罚款，并可以责令暂停相关业务或者停业整顿、通报有关主管部门吊销相关业务许可或者吊销营业执照。

面对互联网平台的强势地位，依靠法律法规和市场的力量，才有可能在一定程度上降低“大数据杀熟”出现的概率，充分保障消费者的知情权和选择权。

编辑/孙政洁