大数据杀熟的监管难题
最近，在广州平台“大数据杀熟”专项调研会上，唯品会、京东、美团、饿了么等十家互联网平台企业签署了《平台企业维护公平竞争市场秩序承诺书》，表态不利用大数据“杀熟”。大数据杀熟是近年来消费者怨言较多的互联网平台操作之一。为此，今年出台的《平台经济反垄断指南》中明确其为违法行为。但是从笔者的观点，现行的针对它的管理方法存在概念不清、操作困难、后果难料等诸多问题。
▣ 何谓“大数据杀熟”？
首先，大数据杀熟这种说法有很大的误导性。从字面上看，大数据杀熟指的是故意对老顾客收取高价。这个自然让人很难接受，作为老顾客和忠实顾客，理应受到商家的善待，现在反而被占便宜，当然会引起消费者的反感。
可是事实是这样吗？
现在的互联网平台，算法和定价一般都是自动的。一般来说，其算法的主要目的是优化预期收益。而预期收益主要由两个因素决定：单个产品利润以及转化率。单个产品利润是固定的，因此算法主要预测的是转化率，也就是说，给定一个顾客和产品，不同价格导致的转化率如何。
那么这里的一个核心因素就是顾客的价格敏感度。如果价格敏感度高，算法就会建议低价；而对于价格敏感度低的顾客，则推荐高价。因此，算法并不会杀熟，只会揣测顾客的价格敏感度并以此定价。那么为什么熟客经常得到高价呢？原因也很简单：一般的来说，忠诚顾客的价格敏感度就是相对低一些，这个是个统计上的现实情况。但是如果一个熟客很善于比价，每次都是在低价购买，那么算法不但不会杀熟，反而会推荐低价给他。
这种由于自动算法导致的价格问题在国外也出现过。比如外媒曾经报道过收入低的社区网上购物的价格反而超过比收入高的社区。这个很让人意外，于是就有猜测是否是电商故意歧视低收入人群。而真实的原因却很简单：富裕家庭一般互联网使用程度较高，因此信息丰富，相对于低收入家庭更善于比价，从而购买价格较低。而且富裕社区往往店铺较多，市场竞争也更加激烈。算法正是发现这些因素才给了富裕社区较低的价格。
了解了这些，我们就明白了大数据杀熟这种说法并不准确。在杀熟这种表象下面，其本质是基于顾客历史购买行为的一种价格歧视。那么，问题就来了：这种价格歧视合理吗？
▣ 价格歧视是否合理？
这个问题就很难回答了。从经济学的角度，价格歧视未必不好。我们都知道单一价格是有问题的。比如有个产品成本1块钱，市场上就两个人，甲愿意出5块钱，乙只愿意出2块钱。从商家的角度这两个人身上他都是可以赚到钱的，如果能5块钱卖给甲，2块钱卖给乙就最好了。这种情况下商家挣到了最大利润4+1=5块钱，而两个顾客已在各自的预算中买到并享用了这个产品，这种情况就是我们常说的社会福利最大化（社会福利定义为商家利润和消费者福利之和）。如果不能价格歧视，那么商家就会定价5元，只卖给甲。这种情况下不但商家的利润下降，更糟糕的是乙由于价格过高而不能享受这个产品。本来可以从乙身上挣到的1块钱利润现在被浪费了，谁也得不到，这个就是无谓损失（deadweight loss），而反垄断和市场调控的主要目的就是要减少无谓损失。
虽然理论上说得过去，但是在实际操作中价格歧视会遇到不少问题。首当其冲的就是公平性的问题。例如前面的甲就会觉得很不公平：难道我支付意愿高就该多付钱吗？因此，我们看到有些时候价格歧视被接受，而其它情况却又不行。例如景区给老人和孩子半价往往没问题，但是给年轻人半价肯定就不行了。为了做到价格歧视而又不为人诟病，商家往往要有精巧的设计。例如酒店和航空业都使用动态定价，每个人订的房间或买的机票都可能价格不一，但是顾客一般也都接受。
如果商家被禁止使用价格歧视，那么很可能就是一个平均价格。这个对支付意愿高的顾客当然很好，但是对价格敏感度高的顾客将是一个过高的价格，甚至会导致市场上的无谓损失增加。因此，禁止大数据杀熟之后的后果如何其实是比较难料的。
▣ 如何监管大数据杀熟？
最后，抛开理论上的讨论，如何真正监管大数据杀熟也是一个令人头疼的问题。今天的互联网市场的发展很大程度上依赖着大数据及算法的进步。只要平台在利用顾客的行为数据，只要忠实顾客的价格敏感度普遍偏低，算法总是会建议高价给忠实顾客，因此杀熟总会存在。即使要求平台在算法中去除一部分敏感信息，例如顾客的购买次数等等，只要这些信息和剩余的信息高度相关，算法还是会推测出熟客的价格敏感度，杀熟还是会发生。当然极端的做法是完全禁止平台利用用户行为数据，这样的确可以防止价格歧视了。但是在数字化高度发达的今天，这种做法无异于把这些高科技公司退化为传统企业，估计也很难实行。
因此，笔者认为大数据杀熟并非本质问题。如果一个平台杀熟，而消费者有其它选择，那么他们大可以一走了之，那么平台杀熟自然会有所控制。所以问题不是杀熟，而是市场垄断。如果一家平台做大，消费者无路可逃，或者几家平台共谋，那么这种价格歧视是应该被监管的，所以解决大数据杀熟的核心是如何防止市场垄断。
往期精选
Go to "Discover" > "Top Stories" > "Wow"