如何對抗「大數據殺熟」?

「大數據殺熟」成為熱點話題已經一段時間了,為大家科普原理和揭秘本質的文章也數不勝數。

然而,相比起「大數據殺熟」背後的策略和原理,我想大家可能更關心的是——

我該怎麼做,才能避免被「大數據殺熟」

作為一名互聯網數據分析師,多多少少也了解一些其中的套路,今天就來教大家如何反套路,對抗「大數據殺熟」!


首先還是簡單介紹一下「大數據殺熟」的現象及其原理。

最常見的「大數據殺熟」現象:

某打車平台軟體,同一時間同樣起點和終點的行程的預估價格差異可以達到20%以上;

某網路訂票平台,如果你高頻搜索和持續關注,則搜索的機票價格持續上漲,訂票後卻又發現價格下跌;

概括地說,就是指,通過大數據分析和預測的手段,對於同樣的商品和服務,對不同對象收取不同價格的現象

顧名思義,「大數據殺熟」——其技術基礎是大數據,也就是海量的用戶數據。

通過你的基礎屬性數據判斷你的所在用戶群體、人群特徵(如消費能力),通過你的行為數據判斷你的偏好和消費意願強烈程度。

綜合一系列的分析,判斷出你是誰,你現在要做什麼,願意付出多少代價去做。然後通過精準的用戶畫像,去對消費能力高、消費意願強烈的用戶展示更高的價格,賺取更多的利益。

已知了對方的招數,對策自然也不言而喻——

反用戶畫像」。

具體該怎麼做呢,給大家提供以下幾種思路和方案,大多數都是我進行過實操並且親測有效的。大家也可以試試看。


思路一 畫像偽裝

1.簡單粗暴版

操作指南:卸載重裝APP

親測案例:某打車app。卸載後再重裝,車費相比卸載前(2分鐘前)便宜了5到6元。

背後原理:偽裝流失用戶或新用戶。

有運營相關經驗的同學應該知道,運營的四大工作內容:拉新、留存、促活、轉化。為了拉新對於新用戶通常會給較大的優惠力度;對於已流失或即將流失的用戶,平台通常會給予特殊的福利以召回和挽留。

而卸載這一行為對應的就是——用戶流失。而重裝後,有一定概率被認為是新下載用戶。

因此通過卸載重裝這一簡單行為,你將會帶著「召回的流失用戶」或「新用戶」標籤被給予一些特殊的優待。

註:1、一定概率的意思是指:對於非強制登陸的產品,生成用戶標示的方式一般是cookie id,卸載重裝後會有新的cookie id,則會被判定成新用戶;而對於需要註冊登錄才能使用的產品,重裝就可能就不太會起作用了,因為平台是以你的手機號記錄你是誰以及你的數據的。

2、卸載重裝不僅可以用於大數據殺熟,對於一些遊戲也很適用,比如去年風靡一時的陰陽師,卸載一小段時間後再重裝,基本幾抽之內就能出ssr。其實也是常見的遊戲運營策略。

2.交叉驗證版

操作指南:多找幾個朋友一起試試看

親測案例:朋友在旅行前兩個月就在某訂票平台上持續關注出行航班機票,關注許久發現票價一直在6000元以上居高不下,我聽聞後立即幫忙搜索查詢,搜索結果票價不到4000,遂幫忙訂票,省下2000元。

背後原理:精細化運營下,同一策略同時命中多個人的概率是很低的。

因此多找幾個朋友試試看,甚至可以用父母的手機(網路行為不活躍用戶,數據較少)搜索對比,然後選擇最低價的那個下單。

3.越薅越上癮版

操作指南:偽裝價格敏感用戶

親測案例:越是「無優惠券不下單」的用戶,被派發的下單紅包、優惠券的概率和優惠力度越大。

背後原理:價格敏感用戶是指下單意願強弱度受價格高低、優惠力度影響極大的用戶群體。在用戶運營中,為了節省預算的同時最大化提升轉化,平台會選擇將補貼下發給最容易受補貼誘導而轉化消費的用戶。

因此,如果你能夠被定義為價格敏感用戶,那麼你接收到優惠補貼的概率就會高出普通用戶很多。

思路二 畫像模糊

操作指南:反向操作

案例舉例:當你要搜索A時,再伴隨搜索一些不相關的B、C、D,用無關數據掩蓋你的真實意圖數據。

背後原理:用戶畫像的準確性來自於用戶行為數據的收集和分析。違反自身實際意圖地進行一些操作,留下錯誤標籤,降低平台收集的數據的真實性和準確性,使用戶畫像匹配度降低。

然而需要注意的是,用戶畫像作為一柄雙刃劍,它越了解你越能夠為你提供貼心的服務,同時也越容易找到你的弱點傷害你。因此,當你的用戶畫像準確度降低時,你被傷害的可能性降低的同時帶來的也是你享受的精細化個性化服務的質量可能會降低。

究竟選擇哪一面,這是你的選擇。

思路三 數據保護

操作指南:關掉定位許可,關掉Wi-Fi自動連接,關掉App數據需求許可

案例舉例:這裡我想講一個自己身上的反例。

3月底的某一天我去國家會議中心參加了北京婚博會,晚上回到家打開微博和微信,發現信息流廣告全部變成了婚紗照、婚慶公司、婚禮禮服等。令我感到恐怖的是在此之前我從未在手機進行過結婚相關的任何搜索,之前也沒有出現過一條結婚相關的廣告。這一切發生改變的原因僅僅是我本人去了婚博會這個地方而已。

背後原理:公共Wi-Fi泄密或定位服務泄密。和同事探討了這件事,分析後得出以上兩種可能性。不管是哪種,原理都是通過網路獲取你的物理位置(婚博會現場)後分析出你的所屬人群(婚期將近)和需求(婚禮相關消費),然後進行信息流廣告推送。

對此我們需要做的是,儘可能地不要讓你的隱私數據(包括地理位置、通訊錄、相冊等)被獲取。關閉掉一切非必須的定位許可、照片讀取許可、通訊錄讀取許可,不要連接來路不明的Wi-Fi甚至一些看起來官方的Wi-Fi。


以上的這些思路和方案,目前來說應該還是可以有效一陣子的。基於這些思路,大家也可以想到更多的其他方案來應對「大數據殺熟」。

然而技術和方法總是在不停發展和進步的,如果不願意做待宰的羔羊,我想我們能做的就是跟上它們的步伐,知其然,並知其所以然,然後找到破解之法。

范冰老師對於大數據殺熟使用一句名言打了個再恰當不過的比方:

「所有命運贈送的禮物,都早已在暗中標註了價格」。

當我們越來越多地享受數據帶給我們的便利服務時,也應該儘早地考慮到我們將要為之付出的代價。

「大數據殺熟」所代表的動態定價也只是其中的冰山一角而已。

而在不遠的未來,數據安全,其實就是你我的安全。


推薦閱讀:

能源行業將被重構,大數據有哪些「挖」法?
AI若無人性 你我只是被任意曲解的數據碎片
阿里雲「數加」是什麼鬼?兩張大圖給你詳解
【如何和一個資料庫技術人員講清楚什麼是大數據】
大數據計數原理1+0=1這你都不會算(六)No.57

TAG:大數據 | 大數據分析 | 數據挖掘 |