為啥熟客就要多花80元開房?「佛系」大數據為何舉起殺熟的刀
據每日經濟新聞報道,300元的酒店房間,老客戶就要380元?過去貨比三家,如今還要「貨比三人」,一些手握大數據工具的商家正在真實上演「坑人新騙術」。
近日,有微博網友自述其被大數據「殺熟」的經歷引起網友關該網友稱,他經常通過某旅行服務網站訂某個特定酒店的房間,長年價格在380元到400元左右。偶然一次,通過前台他了解到,淡季的價格在300元上下。他用朋友的賬號查詢後發現,果然是300元;但用自己的賬號去查,還是380元。
每日經濟新聞稱,通過梳理下方網友評論時發現,網路公司大數據「殺熟」的行為不僅發生於在線旅遊預訂平台和打車軟體,還存在於人們日常生活的通訊套餐、電影訂票、網路購物中。
用大數據來殺熟?不是按照一般消費者的理解,熟客應該更加便宜一些嗎?
難道大數據是佛系的,從來不「殺生」。答案或許會更加有趣:
大數據殺熟,其實就是貪小便宜的技術智障!
為什麼這麼說呢?通過大數據,發現某些人會長期高黏性的在平台上購買某個服務。然後按道理來說,這時候就應該推送一些優惠來增加這種頻次吧。但其實不然。
比如開房,長期較為固定和有節奏的在特定時段開房,理由是什麼,咱們就不細究了。但這時候,優惠其實沒有任何作用。至少在平台方覺得,優惠劵只是讓本來到手的利潤變少,不如不給,反正你會來開房,等你來就好了。
然後呢?大數據發現,您在平台上消費的頻率不錯,是熟客,用互聯網思維來說,就是黏性很高的客戶,不怕你走,也不怕你貨比三家(一般這樣的客戶已經不再比價了,你覺得呢?),然後,一個思維出現了,既然你固定消費,定時定點開房,那麼貴一點,也是沒問題的吧……
於是,大數據就為你擅自加價了。當然,我們要認識到,這其實就是一種技術智障,而且不容易被發現,慣用一個App後,大多數用戶確實很少再裝一個同類App了,這時候,用戶自己就營造出一個信息不透明的信息繭房。。所以,佛系大數據就出手了。
但大數據忽略了一點,所謂當下的大數據,其實都是一個平台或一個矩陣下的數據,很大但不全,總有極少數用戶會發現殺熟的問題,並廣而告之,最終眾人皆知。
只不過,反正在同一領域下,就是老大和老二之間的競爭,如果兩家都如此,也就無所謂這樣的技術智障了。
結果呢,很多時候為何一些新進的平台立刻能躥紅,就是抓住了老大老二貪小便宜、店大欺客的漏洞,然後「咱不貪」。
補貼這種好事,為什麼只是給新客戶?
用喝可樂、看電影做個例子,更容易理解補貼或優惠劵這種事。如果你是才開始接觸可樂,或才開始習慣去看電影的用戶,大數據會發現你是初來乍到。這時候,好處來了。
新手進門就一個禮包(很多電商平台都有這類新註冊用戶專屬禮包,優惠力度之大,比VIP都好),然後還附贈可樂。
結果新手可能不喜歡吃可樂,但會看電影,那麼下一次換雪碧、芬達、爆米花,總有一種你喜歡。然後,就看新手的軌跡了,最近頻率高,什麼電影都看,優惠劵灑一地,讓你逐步找到喜歡看的電影。
最近頻率有點低,優惠劵召喚你,讓你來二次消費。
一段時間頻率正常了,你是熟客了,給不給優惠劵你都會來,票價恢復正常,可樂請你自己買。
為何呢?就好像喝可樂,一天你也就消費一瓶,給你多了好處,大數據認為是浪費,不給你好處,反正你也會喝,那就讓你習慣「自費」就好了,比線下實體店便宜點,就算是很客氣的了。
「佛系」大數據如何正確的「殺熟」呢?
殺熟這種事,其實是大數據應用不充分的一種表現,換言之,就是大數據換上了小商人貪小便宜的毛病。
那麼真正的大數據如何正確的「殺熟」呢?用開房為例,如果發現某個用戶很長期普遍的開380元的房,在某個區域里,大數據可以:
1.跳出來打招呼,要不咱們試試隔壁家380元的,原價1888,大床圓床泡泡浴,品質比現在這家多個星……結果,可能就進入消費升級模式了。
2.跳出來灑紅包,您覺得周邊的泛娛樂消費有興趣嗎?殺雞遊戲專屬網吧等著您,紅包拿好,咱家今天酬賓,出差在外,晚上別宅房間里了……結果,可能因為這個用戶在家經常玩吃雞,就又消費升級了。
3.跳出來給驚喜,長期380元開房,沒問題,您是本店一千萬個到店住客,今天消費不免單,不過可以享受酒店提供的更多服務,這個可以5折……結果,本來喜歡自己洗衣服的你,現在開始酒店洗衣一條龍了
4.跳出來做更多的驚喜,說白了,就是別直接在開房的錢上佔便宜,那是一個愚蠢的大數據,而是要根據用戶平時幹嘛,帶著他去逛花園……結果,消費都爆表了
文末補一刀,為何會殺熟呢?恰恰是大數據根本沒用好,只是單方面對著「開房」這麼一件事下功夫。
張書樂 人民網、人民郵電報專欄作者,互聯網和遊戲產業觀察者
推薦閱讀:
※「新旅遊」時代,大數據如何成為推動行業前進的核心驅動力|TBO報道
※從頭學習大數據培訓課程 NOSQL 資料庫 hbase(四)整合 hbase 的批量導入功能
※第九屆中國Hadoop大數據峰會在京開幕
※大數據計數原理1+0=1這你都不會算(五)No.55
※《第二講:數據結構入門》學習筆記與實踐
TAG:大數據 |