編輯導語：你是否了解什么是算法歧視？你是否能夠深入了解商業社會的背后？本篇文章中，作者介紹了什么是算法歧視，講解了買家商業價值的三個維度六個指標等方面的干貨內容，推薦想要學習個性化定價的群體閱讀。

今年的雙12靜悄悄！

遙想一個月前的雙11，關于商家先抬價后打折、滿減之后商品反而更貴、保價服務形同虛設等來自消費者的投訴，幾乎席卷了微博、B站、小黑貓投訴等平臺戰線。

作為一個戰斗在數據一線的打工人，思量再三，我決定試著揭開那些隱藏在價值和價格差背后的無聲的算計。

可是了解這些有啥用呢？普通人，可以反思自己的購物行為如何被商家使用，免得做了冤大頭還不自知；對想賺錢的，那這里面日進斗金的機會多了去了。當然，本文真誠勸退想從事詐騙的人士，閱讀本文您還得同時精研刑法，先找好退身步。

言歸正傳，下文主要分為三個部分：

濫觴：算法歧視的經濟學解釋；實踐：商業社會的濕暗后廚。你的口袋Data可見；每次只有你和屏幕。結語：不必訝異也不必躲藏。一、濫觴：算法歧視的經濟學解釋

數年前我在桂林游玩，***樓下的米粉店人頭攢動，我也跟著吃了一次。排隊的時候，有的人要指著墻上菜單說要幾塊錢的，有的人不看菜單只說要幾量。我老婆發現，兩種點餐的***價格卻不一樣：指著墻上的那撥人付錢更多。

于是，在山明水清的桂林街頭，在匆匆的行人之間，我真切的感受到來自價格對外地人的“歧視”。

價格歧視是經濟學術語，又稱價格差別，指商家在同一時期對同一產品索取不同價格的行為。價格歧視既可以是對不同買家索取不同價格，也可以對同一個買家的不同購買數量收取不同價格。

“歧視”在這里并沒有貶義，本質上，它迎合了商業的最終目標：利潤的最大化（簡單起見，這里將利潤簡化成收入）。

一個理想的差異化定價要能保證不同的消費者有不同的價格，直到覆蓋掉整個三角形區域，這時候的收入是最大化的。而商家要實現差異化定價，一般要具備兩個先決條件：

商家有能力了解每個消費者的購買意愿和能力，從而針對每個人單獨定價；買家之間彼此是區隔的，他們在購買前無從得知或很難得知標準定價。

不難看出，終極款的價格歧視要求商家必須能對買家的不同特征進行有效的區分和分割，幾乎相當于是要實現一人一價，也就是經濟學中所說的一級價格歧視。這在線下實體的的商業形態里是沒有可能實現的。

線下實體的商家多年來依靠諸如區域、購買量、買家身份等條件進行差異化定價。1935年的美國電影院依靠的是年齡和身份，2021年的米粉店桂林依靠的還是“外地人”身份。

——1935年美國某影院價格表

可是，數字化世界里的商家恰恰有能力做到這兩點。

二、實踐：商業社會的濕暗后廚

復旦大學的一位教師帶領學生打了800多次車，花5萬元，做出一份調查。在幾家打車軟件中，蘋果手機用戶平均只能獲得2.07元的優惠，顯著低于非蘋果用戶的4.12元。

“蘋果稅”還體現在，蘋果手機用戶更容易被舒適型、定價高（專車、優享等）的司機接單，概率是非蘋果手機用戶的3倍。

無獨有偶！在美國的一檔節目中，Uber經濟研究主管曾說，在手機電量即將耗盡時，用戶愿意承受9.9倍的動態溢價。

為什么數字生活越是深入，我們跟數字服務提供商討價還價的籌碼越少？

為什么口口聲稱的“上帝”如今成為引頸待割的“韭菜”？

究其原因在于數字化世界具備了上文提到的兩個先決條件。

（1）數字化世界里的買家呈現原子化的特征：每個人單獨面對著自己的電腦或手機屏幕，每一塊屏幕將買家區分開來。

除非特意，否則買家根本無從得知，顯示在這個屏幕上的價格，到底是一個標準定價，還是針對他個人的定價。

（2）所謂的平臺和系統根據用戶的屬性、歷史行為可以收集大量的數據，從而分析出買家的畫像，使得有能力了解不同買家的購買能力和偏好，從而做到千人千價。

接下來，我從買家商業價值分析入手，把自己一知半解的、關于個性化定價的知識分享給大家，雖然乍看起來，這些內容也是負能量深重，但卻是商業社會實實在在必需的操控技巧。

1.你的口袋Data可見

數據最懂你。根據你搜索的時間、頻率，能判斷出你是“隨便逛逛”“有點種草”還是“迫切需要”，進而調整價格。還可以根據你的收貨地址，判斷你的居住區域、進而衡量你的消費能力。

總而言之，買家在平臺上的注冊、瀏覽、點擊、購買、咨詢都會被用來投喂平臺或系統的算法，進而從三個維度六個指標衡量買家的商業價值：

維度一：忠誠度

指標一：最近一次消費時間（Rccency）：理論上來講，上一次付費時間距離現在越近的買家的商業價值越大。

指標二：消費頻率（Frequency）：消費頻率越高，買家價值越大，用戶忠誠度越高。

維度二：購買力

指標三：消費金額（Monetary）：消費金額越大，買家的消費力也越大。

指標四：最大單筆消費金額：用以衡量買家的消費潛力。

維度三：價格敏感度

指標五：特價商品消費占比：表示特價商品在買家累計銷售額中的占比，作為衡量買家對價格敏感程度的一個指標。

指標六：高單價消費占比：表示高價商品在買家累計銷售額中的占比，作為衡量買家對價格敏感程度的一個指標。

其中前三個指標就是著名的買家價值研究的RFM模型，它源于美國數據庫營銷機構的研究，目前已經成為買家價值研究以及用戶運營的通用模型。

這三個維度既可以單項分析，也可以組合在一起分析。

單項分享比較簡單，這里不做介紹，而綜合分析則可以較為完整的刻畫買家的商業價值，我們首先需要量化上述6個指標，一般采用標準打分制（行業不同、企業不同、標準也會不同），參考下表：

——買家價值評分標準

通過對以上六個指標的量化分析，賣家基本上可以完整描摹出買家價值。

——買家類型的雷達圖

于是乎，賣家看到了精準營銷的空間。圖中的1號買家，忠誠度很高，但是購買力和價格容忍度都不高。這種類型的買家，雖然消費力不夠，但節約了營銷資源，即便不互動（不發優惠券），他們也會定期復購的。

同樣坐擁龐大數據的滴滴也可以對不同用戶采用不同的定價策略。比如說，根據用戶在App上的使用記錄推斷用戶的價格敏感度，并以此對高敏感的用戶做打折優惠、或者對非活躍用戶做價格營銷。

若論本質，上述的個性化定價就是經濟學上的三級價格歧視。

然而不同的是，淘寶和滴滴們可以把定價策略持續細分，直到每個用戶都有一套針對自己的價格體系。在極限情況下，定價會變成一級價格歧視，所有的用戶端的剩余都將歸淘寶/滴滴所有。

其實，這些玩法在美國傳統銷售行業早已踐行幾十年，而網絡經濟里，電商元老Amazon堪當始作俑者。早在2000年，Amazon就小范圍玩起了價格歧視的騷操作：

同樣的DVD碟片，如果你是新用戶，價格是22美元，而如果你是一名被認為有購買意愿的老用戶，價格就會動態調整到26美元。結果這一測驗在震耳欲聾的罵聲中下線了。

然而，罵聲和投訴就能難倒賣家嗎？這兒，還有一個暗黑系的辦法。

2.每次只有你和屏幕

頁面上同樣一臺Mac，買家A看到賣10000，B看到賣8000，當然是不合適的。不過，可以換一個思路：對大家都標價11000，然后以感恩回饋的名義邀請AB抽獎，讓A抽到一張1000元的優惠券，B抽到一張3000的，結果不是一樣的么？

——是不是很熟悉這個界面

看似“隨機”的噱頭，其實背后蘊含著算法歧視背后的另外一個技巧：精準推送。

其實，“精準推送”這個概念早在互聯網廣告興起的時候就已經被提出來了，只不過廣告行業的叫法是“精準投放”，即“廣告主將合適的廣告投放給合適的人群/受眾”。

精準推送從本質上來講，也是一種廣告形式（Push或者應用內消息），實踐中，常將”精準推送“與”個性化推薦“進行區分，這里為便于討論，歸為一種類型，即“把合適的內容推送給合適的人群/受眾”，這里的“內容”可以是價格，可以是優惠，也可以是UGC。

無論內容為何，精準推送的要義在于具備了一種實現買家區隔的能力。正是具備了這個能力，

每個人看到的信息都是定向投喂的，除非特意，否則買家根本無從得知，顯示在這個屏幕上的價格，到底是一個標準定價，還是針對他個人的定價。

——除非特意，優惠券只在自己的屏幕里

行文至此，你可能會感慨：產品的價格與價值差竟有如此秘而不宣的操縱技巧！

而這就是商業社會的濕暗后廚：

看起來你有了更多的選擇，可以好好計算一下，殊不知網頁背后的算法已經算計了你十萬八千次了。

三、結語：不必訝異也不必躲藏

如今的世界，早已是數字世界第一性的了。

利用用戶數據提供個性化服務，是絕對無法逆轉的大趨勢。頻上熱搜的“大數據殺熟”并非互聯網的新問題，原來實體商業中也不少，只是因為互聯網讓數據分析與應用的影響規模化，類似的事情才引起大家的額外重視。

我們既沒必要“談數色變”，也不能做埋頭鴕鳥、忽視算法背后的問題。

這些問題的解決，不僅有賴于法規的約束。

11月1日，個人信息保護法正式實施，其中規定“不得對個人在交易價格等交易條件上實行不合理的差別待遇”。

還需行業加強自律，踐行社會責任。

10月22日，騰訊、華為等20余家重點APP運營企業簽署《深圳市APP個人信息保護自律承諾書》，向社會公開作出“不超范圍采集信息，不利用大數據殺熟、不濫用人臉識別數據，不監聽個人隱私”等承諾。

畢竟，解鈴還須系鈴人，只有在互聯網場景下發展起來的隱私保護手段，才能徹底解決問題。

本文由@腦力工廠原創發布于人人都是產品經理，未經作者許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。