殺熟的APP！除了滴滴和攜程還有哪些？

來自專欄運營研究社7 人贊了文章

文：運營研究社

公眾號ID：U_quan

先講個知乎上的段子：

記得原來有個夥計在華為，坂田那裡，出去買東西都拿工牌，商店飯館給打折，去配眼鏡打七折。一次沒拿工牌，也沒說是華為的，結果問了下配眼鏡的，給打五折。

這種宰客手段歷史悠久，俗稱「殺熟」。

最近，不少互聯網公司也被曝光殺熟的問題，由於技術手段高超，稱為「大數據殺熟」。

耳聽為虛眼見為實，小編先不說網上的案例，就講講自己這兩天做的實驗。

同一趟航班（深航 ZH1893），同一款 APP（去哪兒），小編查到的價格是 413 元，同事查到的價格是 600 元。

相同軟體相同時間相同航班價格對比圖

如果你再仔細看，7:35 出發的深航 ZH5023 報價也不一樣，小編查到的價格是 415 元，同事查到的價格則是 900 元。

說一件可能相關也可能不相關的事：小編每次坐飛機都挑最便宜的（不到 5 折的航班很少坐），而我的同事剛剛在一個多月前，買了全價機票回家過年。

只有機票這樣嗎？並不是。

還是同樣的方法，我們在美團搜索酒店，發現每一家酒店都給小編多報價 10 塊錢。

美團上搜索酒店價格對比圖

作為異地戀+偶爾出差狗，小編有時候確實會開開房（每個月大概一兩次），所以我就要為我的「剛需」支付點溢價了。

大數據殺熟這個話題，最近是從對滴滴的全民聲討開始熱起來的。那時正逢美團打車擴張前夜，滴滴就這麼碰巧地被推到了風口浪尖。

當時這張照片非常火：同樣的起點和終點，報價有明顯的差別。

讀者不要看那個快車的價格，而要看旁邊拼車的價格。因為快車報的是預估價，最後付多少還不一定；而拼車報的是一口價，最後付的就是那麼多。

滴滴的「殺熟」手段還不止於此，知乎網友@蘇仨爆料，她常常用滴滴上下班的朋友，偶聞滴滴大數據殺熟之說，心血來潮，把上車點從自己最常設置的那個地方挪偏了 20 米，價格就從 49 元變成了 63 元。

當事人提供的錄屏

這個案例中有 2 點值得注意。

第一，挪的位置還在馬路的同一側，所以不存在司機要掉頭的問題；

第二，這個案例中的報價也不是快車的預估價，而是拼車的一口價，即乘客真的要付的價錢。

該如何評價這種殺熟行為呢？小編先不說話，讓專家出來說說。

有些專家和主流觀點一樣，認為這是一種「壓榨」消費者的行為。

中國人民大學公共管理學院組織與人力資源研究所教授劉昕說：

「過去經濟學裡講一級價格歧視，聽上去像是天方夜譚，現在有了所謂的大數據，倒是堂而皇之地實現了。一級價格歧視又稱完全價格歧視，每一單位產品都有不同的價格，它假定壟斷者知道每位消費者對任何數量的產品要支付的最大貨幣量，並以此決定價格，因而能夠獲得每位消費者的全部消費剩餘。」

也有專家認為，這其實是給「窮人」提供了更多優惠。

知名大數據專家、電子科技大學大數據研究中心主任、教授博導周濤說：

「讓不同的消費者看到不同的價格，大家往往一聽到這個就覺得是價格歧視。其實可以反過來想，有些消費者看到的是原價，有的消費者可能會看到優惠券、返現券後的價格。在這種意義上講，我們可以不把它理解為價格歧視，而是給價格更敏感的人更多優惠。」

小編覺得，第二個專家的觀點有待商榷：

你給我發優惠券，我嫌麻煩不想用，這時你收我個高價，那是我自願給的高價；但是你偷偷把我分析一通，然後利用我性格中的某些「缺點」，偷偷收我個高價，那就另當別論了。

前者的高價是我自己選的，後者的高價是我被暗算的。

給「窮人」提供優惠我沒意見，但你不能剝奪我當窮人的權利吧？

如果說，大數據殺熟的影響僅限於此，小編覺得還能忍受——畢竟我是一個「對價格不敏感」的人（美團說的）。

但是前段時間舉世震驚的「Facebook 泄露門」，讓小編不得不警惕起來。

該事件的大致經過如下：

一家數據分析公司，設計了一款性格測試 APP，吸引 32 萬用戶點下了「同意把信息授權給第三方程序」的按鈕，並出賣了自己在 Facebook 上的所有好友關係。

最終，這 32 萬用戶輻射出了 5000 萬人的個人信息，利用這些信息，該公司通過使用習慣分析出用戶的政治傾向，然後開始給他們「私人訂製」消息來洗腦：

支持特朗普的深紅派，就專門給他們推送標題黨的內容固化政治陣營；

對於搖擺不定的選民，就推送政治偏向性很強的新聞；

對可能是民主黨的支持者，甚至會捏造出一些專門黑希拉里的假新聞，影響他們的投票。（以上內容來自 Vista 看天下）

你想想，大選的總投票人數才 1.3 億，獲取 5000 萬人的信息是什麼概念？！

如果美國大選的案例你還是覺得遙遠，那麼知乎網友@Sean Ye 提供的案例，就和你的身家性命息息相關了：

某家知名民企，給人力資源部分派了一個新的醫學任務：每年務必拿到每個員工的體檢報告數據。

這點我有一句 MMP 不知道怎麼說，理論上說每個員工的數據是其個人隱私，體檢機構是不應該把個人體檢報告給到企業的。

但畢竟人家大業大，真拿到我也不意外。

然後 HR 部門的任務是找到其中身體狀況不佳的員工，然後在未來兩年的績效考核中辭退掉這些員工。

邏輯鏈也很清楚：

身體不佳→醫療費用上升→公司成本上升

身體不佳→工作效率下降→業績產出減少

從最後一個案例，我們可以看出，要想殺熟並不需要大數據，小數據就夠了。最關鍵的問題不是數據大不大，而是拿到數據的人可以怎麼用。

我看不少網友提出了類似這樣的解決方案：APP 要通訊錄許可權，一概不給。

然而，想通過這種方法來對抗大數據，恐怕徒勞。正如知乎上的這個對話所顯示的：

還記得那家「操縱」了美國大選的公司嗎？想獲得 5000 萬人的信息，只需要忽悠 32 萬人就夠了。

因此，對於自下而上的小聰明式抵抗，小編持悲觀態度，真要解決，恐怕還得是自上而下的制度設計。而我們這些小老百姓能做的，就是製造輿論壓力，迫使一些事情發生。

推薦閱讀：