【高管头条】大数据让我越来越穷：买了会员更贵，用得越多越亏！大公司真的套路深
IT高管会（ITGGH13）----与一群浪漫而有思想的IT高管同行，一同分享那些有价值、有意思的观点和事！不一样的人生，不一样的事业，咱们的IT高管社区。合作联系：caocy@yeah.net
酷玩实验室作品
首发于微信号 酷玩实验室
微信ID：coollabs
这几天蛋蛋姐逛微博的时候
发现一个事情
实在是气到我了
我赶紧写出来给大家看看——
据网友爆料
很多互联网网站
竟然存在杀熟现象！
我们一般人可能只听说过杀生
那什么叫杀熟呢？
我举个例子你就懂了
微博@廖师傅廖师傅发文章说
因为经常要出差
他是一家酒店的常客
而他也会习惯性地
每次都订相同的房型
价格一直稳定在380-400之间
但就在最近一次入住时
他好奇多问了前台一句——
“房间的价格是多少”
前台却说
最近是淡季，房间都是300块
这是什么意思？
就是说，其实这个房间
酒店实际只卖300块
而廖师傅到网上预定，却花了380块
这个套路可以说是闻所未闻
作为一个老熟客
怎么可能在网上预订的
比门市价还要贵呢？
廖先生也觉得难以置信
于是他还特意借来了朋友的账号
用朋友的账号查询
结果，在朋友的手机上
这个房间就是300上下
换回自己的账号，却还是380元
他忍住骂人的冲动找到了平台客服
告诉他们如果不解决这个问题
就会起诉他们欺诈
结果
平台光速给他免了这间房的房费…
平台的表现可以说是——
很多网友就吐槽说
如果平台没有问题
为什么要这么怂呢…
而廖师傅发现这些
都只是源于一个碰巧
因为碰巧问了前台
才碰巧识破了平台的小伎俩
但如果没有这个碰巧呢？
他将继续每次都多花80
订到原本300就能订到的房间
而更让人觉得心寒的是
以廖师傅的经历来看
这个平台坑的是老用户
所以大家把这称为“杀熟”
我知道，也许你会说：
我不常出差
也没什么机会订酒店
偶尔坑我一两次忍忍就过去了
好，如果你不需要订房
那你不可能不打车吧？
我们很多人的生活都是两点一线
从家和公司之间往返经常需要打车
相信有很多人跟我一样
每次想打车的时候
想到的第一方式
就是用某滴打车App来打车
但是最近一段时间
我却发现
不知是不是因为已经形成了垄断
某滴打车App在定价上越来越放肆——
简单来说就是
价格好像越来越贵了
而事实证明
这并不是我的错觉
甚至除了常规的涨价之外
还有一些意想不到的操作
不信的朋友
现在就可以借来一部手机
比如我和快爷
快爷因为早上赖床
每天从家里打车到公司
而我住的离公司近
所以不怎么打车
于是，我们尝试了
同时用各自的手机
输入快爷家到公司的行程
显示的价格是这样的——
价格居然不一样哦
快爷的更贵
这是我和快爷亲测的
大家可以注意到截图上
时间都是今天下午的3：57
在同一时间下单
结果是
不算优惠券的话
快爷比我的价格要贵出3.6元
贵了将近10%
（快爷有7块钱的优惠券
因为他曾经额外花钱
购买了优惠券）
不过，我们还尝试了一些其他的路线
并不是每次的价格都不一样
价格的差距也时小时大
可见，某滴打车App的调价
大概是有一个比较复杂的算法的
根据我们的测试
目前比较可能的结论是：
你近期曾打过车的常用路线
会比第一次乘坐的用户更贵
而且，快爷还是钻石用户
也没有卵用
该贵还是贵了
我仔细想想
可能是这么个逻辑——
如果你经常在某个路段打车
App就会给你涨价
它的逻辑是——
既然这是你必须走的路
我涨价你也还是会打车的
有本事你走回去啊！
那怎么解决这个问题呢？
一个网友为我们提供了一个新思路
他在发现价格越来越贵之后
一气之下卸载了app重新安装
果然便宜了不少
只是好景不会长
用了一段时间就又会开始贵了
我知道讲到这里
又有人要说：
“我不打车，我坐地铁”
或者是，“我不打车，我骑车
所以我肯定不会被坑
放心好了”
那好，你不打车
你总不可能不看电影吧
看电影，我们都看过
还有很多人把看电影当做爱好
时不时就去院线贡献一些票房
但我们不知道的是
看个电影
平台都能花式坑你的钱
前阵子
某电影票App
就出了一个叫做“城市卡”的优惠卡
各地价格有些许差异
不过优惠却是十分诱人的：
按照宣传的说法
办了这个卡
每张电影票可以便宜4块
每个月可以有10张票的额度
直接省出40块！
看到这样的优惠
我已经心动了
但是我刚考虑什么时候办一张
就在网上看到
一名网友被这个城市卡给坑了
。
。
。
一名洛阳网友@遇友随缘爆料说
她原本只是想去看一场《红海行动》
一张票要65.8元
但是在第一次付款的时候
不知道为什么就付款失败了
就在她想要重新买票的时候
正好看到办城市卡有优惠
于是她就先去买了城市卡
打算办完卡再重新买票
就在她办完卡
回到购票页面之后
奇迹发生了
之前同一场次的电影票价
反而瞬间涨了10块！
Excuse me？
本来以为办了卡能便宜4块
结果瞬间涨价10块
直接多花了6块钱
那么
如果我们假设
每张票平台都是这样操作的话
一个月要多花6*10=60块
半年下来要多花6*60=360块！
别忘了
当初办卡还花了30呢！
虽然我数学不好
但是这点帐我还是能算清楚的：
本来想要便宜210块
结果多花了390
和我原本的预期相比
多花了整整600块！
这一系列操作
正如著名广告语所讲
30块，你买得了吃亏，买得了上当
办卡比不办卡
花的还要多哦~
根据蛋蛋姐的研究
这个事情是这样的
在该App上经常有“购票特惠”的补贴活动
但是如果你买了城市卡
两个优惠就不能同享了
也就是只能按照城市卡的优惠方式
在原价基础上减4元
但是因为通常购票特惠的力度
是比城市卡大的
所以就造成了
买了城市卡更坑的情况
不止是城市卡
据知乎网友@Kenton Yu反映
在该App购买了“影城卡”后
也出现了相同的情况
下图是统一时间、同个电影院、同场电影
左边和右边图片的唯一区别是
左边购买了影城卡
右边没有购买
两个账户都不是新用户
不过，因为我和快爷平时
看电影都不多
所以在我俩的手机上
没能复现这个情况
所以我们并不确定
这种情况在什么特定用户场景会出现
欢迎大家自己进行测试
有发现请给我留言！
我想了想
如果真的存在这样的情况
实际上也是一种“杀熟”：
反正你已经买了我影城的卡了
我贵一块还是贵两块
你总归都会来看的
而且，这几块钱的差别
大部分人根本不会发现！
于是就有人说
那我不办这个城市卡、影城卡
不就不会被坑了么~
答案是
错
有网友同时用三部手机
查询了相同电影院
相同场次的电影票价
左边两个手机是不常看电影的人的手机
票价要34.9
右边这一个是经常看电影的人的手机
票价要36.9
emmm...
如果这个网友截图属实的话
那这一幕和订酒店简直如出一辙
还是熟悉的操作
还是熟悉的心塞
简单来说就是两个字：
杀熟
而且我们其实
也不是第一个玩这种套路的了
早在2000年
亚马逊就被曝出
一个叫做《泰特斯》的碟片
卖给新顾客就是22.74美元
卖给对它感兴趣的顾客就是26.24美元
美国的Uber eat
就我们的美X外卖、饿了X一样的存在
西方都是时兴给小费的
所以就会发现
小费给的少的人，配送费也少
小费给的多，配送费也多
而这可能就是6到19美元的差距
明白了吗
不要再和我说你不爱看电影
不喜欢吃外卖了
www.坑你.com无处不在
就算你先翻过了几个坎
又绕过了几个坑
你会发现
魑魅魍魉怎么它就这么多？？？
就在我们看不到的角落
同一个世界不同肤色的商家
都有着同一个梦想
就是把消费者身上的油水吃干榨净
其实，看了这么多网友的爆料
我们会发现
以上所说的所有问题
就全都指向了同一个群体
就是对价格不敏感的人群
不瞒你说
我就是一个这样的人
平时很少在意
东西究竟买贵了还是买便宜了
就是在这不知不觉中
我不知被这些平台坑走了多少钱
起初，所有的app都会让我同意
一个叫做《隐私协议》的东西
我知道
他们要我的隐私信息
是为了做大数据分析
我同意了协议
一是因为我想要使用app的功能
二是因为
如果我没有搞错的话
大数据分析的存在
是为了能为我订制个性化的服务
是为了让我有更好的使用体验
怎么说呢
我确实发现
这种个性订制的服务
在某些方面提升了我的体验
比如在某宝上搜索过某样东西
之后就会自动
为我推送类似的
为我省去了自己翻找的麻烦
直到生活给了我一个耳光
因为后来我慢慢发现
在收集了我的个人信息之后
平台到底有没有用来为我
个性化定制服务
我是不大确定的
但是他们肯定为我
个性化定制了广告！
更有甚者
反而为我个性订制了价格！
提升了我的消费！
这就是“大数据杀熟”
简单来说就是
慢慢地给你涨价
涨一次，你接受了
涨两次，你接受了
于是就还有三四五六次。。。
因为他们已经计算过
涨这些钱
是你完全可以承受的
直到什么时候
你突然觉得价格太高而停止使用
他们就又会把价格降下来
如此循环往复
他们就是这样一点点试探你的底线
把你身上所有可能吸取的价值
尽最大的可能全部拿到手。。
虽然蛋蛋我并不知道
我国的法律究竟允不允许平台这么操作
但是如果回到文章开头的例子
我们就会发现
如果平台自己是有理的
怎么会一被威胁就瞬间认怂
瞬间就给网友免了房费呢？
他们这么做
就是因为自己心里十分清楚
这么做是不对的！
其实
很多人遇到这样的事情
都会选择忍了
有时候我们觉得
反正就这么几块钱
有时候我们觉得
投诉太麻烦了，我很忙的
但如果真是这样想
才是中了奸商的诡计
“温水煮青蛙”这一句俗语
就能很好的形容我们之间的关系——
一块钱你不在乎
下次就多坑你两块钱
两块钱你不在乎，三块你不在乎。。。
以后就有几十几百几千。。。
他们就是希望我们默不作声
一边又步步紧逼
一点一点把我们剥削干净
但幸好的是
这个时代用左手
给了商家一把刀来宰我
右手却给了我们一个话筒来发声
我们能做的，我们必须做的
就是在遇到这些陷阱的时候
维护自己的权益
并对更多人发出自己的声音
告诉想要偷偷搞事情的奸商们：
我们不吱声，不是因为我们傻
植树节都过去了
还没往自己心里种点b树吗？
酷玩实验室整理编辑。
首发于微信公众号：酷玩实验室（ID：coollabs）
如需转载，请后台留言。
分享给朋友或朋友圈请随意
参考资料：
知乎 @遇友随缘的回答：https://www.zhihu.com/question/55371988/answer/323745999?utm_medium=social&utm_source=wechat_session
知乎 @卡不卡的回答：
https://zhuanlan.zhihu.com/p/34215309?utm_medium=social&utm_source=wechat_session
（转载自微信公众号：酷玩实验室，版权归原作者所有，如有侵权请联系我们删除）
延伸阅读：大数据与用户研究
整个分析框架从「WHY-WHAT-HOW」入手，拆解为以下内容：
WHY：为什么要研究用户，为什么要用大数据
HOW：企业如何使用这些数据
WHAT：互联网企业研究用户需要什么数据
1. WHY：为什么要用大数据研究用户
当前情况下，用户的总使用时长，及移动互联网的新用户的增长均已经到了瓶颈。正如 Questmobile 2017 年秋季报告提到的：
从 2017 年 1 月的 10.27 亿到 9 月的 10.64 亿，增长非常缓慢；从同比增长率来看也呈逐月递减的趋势，再次验证人口红利殆尽，移动互联网用户增长面临巨大考验的现状。
也正因于此，Growth Hacker 的概念才会在 2016 年开始火热起来。因为整个行业已经意识到，当初随手一捞一大批用户的日子已经一去不复返了。
PPT 中以 Facebook 的 MAU 增长情况为例，侧面证明用户对一个成功的互联网企业多么重要。
其实，不光是用户，对物理现实中所有客体及客体间关系的描绘和抽象，都逃不开大数据的利用。吴军博士在《智能时代》中提到，大数据应以「大体量，多维度，完备性」为主要特征。借助这些特征，它才会成为物理世界比特化的重要工具。以王坚博士在《在线》的一段话作为辅证：
在对用户的描述和还原上，以 5W1H 框架拆解，来回答「因为什么，谁在什么时间什么地点 采取什么样的方式 做了什么事情」。大数据在用户研究的应用，本质上就是利用数据，去描述上面的内容，从而还原用户当时当刻的使用场景。具体可落实到以下三个具体方面：
2.1 定位用户属性：Who
Who 可以拆解为「描述」和「统计」两层。「描述」从微观层面讲述用户是谁，有「基本标签」和「抽象标签」。「统计」则从宏观层面回答用户的数量和质量问题。
基本标签是可以直接获取的原生数据，不需要经过二次加工。抽象标签则是根据基本标签加上对业务的理解，进行抽象和加工，以便直接应用到业务中。
基本标签在这里拆解为「属性」和「行为」两类：
抽象标签举了三个例子，并着重讲明了它的特性：本质上是个概率区间且需要实时更新。因为再抽象，也只是猜测。是猜测，就有不准的可能性。
在以上标签的使用过程中，需要结合不同业务来判断需要哪些标签，能用哪些基本标签，以及能怎么用这些标签。比如对于社交类产品和购物类产品来讲，男女性别这个标签获取的难度和准确性就不一样，使用的手段也不一样。对于陌陌来讲，男女性别可以直接获取，并且可以作为推送给其他性别的用户的依据，非常重要。而如淘宝，更多只能从用户浏览的产品来判断，甚至有生理性别和购物性别的差异。而在使用上，则会用于对一些商品推荐上的考虑，不那么重要。
而在「统计」层面，可以利用一些常见的分析方法，与用户研究做结合。这里简单介绍其中四种。
2.2 定位用户属性：How，When && Where
漏斗分析和轨迹分析分别适用于目标用户群体有无明显操作顺序的情况。而日志分析适用于针对单个用户的操作分析。
漏斗又可以根据周期长短分为长漏斗和短漏斗。长漏斗涉及周期较长，在新用户归因，用户生命周期研究中多有采用。AARRR 本质上是对用户生命周期的长漏斗分析。
短漏斗在分析过程中，可以根据漏斗行为的每个过程做纵向分析，也可以根据漏斗切分的维度，做横向分析。以 GrowingIO 做的漏斗分析为例：
轨迹分析首见于 Google Analytics ，图形名为桑基图。当用户没有明显的操作顺序时，或者当需要研究各个页面间流转情况时，这种图便可派上用场。另外，在表达各种「主体多目的迁移」的场景下，桑基图也适用，如居民在各大城市间的迁移，电商用户在各大品类间的迁移现象等等。
日志分析，又可叫用户细查，是在对某个用户的操作路径分析，以覆盖前两种群体分析方法的盲区。以 GrowingIO 的用户细查功能举例：
2.3 调查用户动机：Why
这个目前在搜索产品的应用上，表现为用户的意图识别。不过当前以我所知的分析手段，猜测用户动机还是比较难的事情。如有朋友对这块有研究，还望不吝赐教。
3. HOW：企业如何使用这些数据
在如何使用数据方面，我按照职能和产品分成了两条线，并简单地挑了 CRM 和 个性化/产品质量提升 两点举了个例子：
3.1 用户运营系统-CRM
3.2 个性化引擎/产品优化
Google 在利用用户信息完善信息推荐上做了很多事情，举三个简单例子：
Google 会根据用户输入的信息，给出建议的搜索内容，提高用户的输入效率
Google Now 会根据你所处的位置，所在的地点，以及以往在此时的历史事件，自动给你推荐合适的内容。比如，在下班时，自动会给你推荐打车的 app 和打车回家的路线
Google 的广告也是根据你平时搜索和浏览的内容，然后来推送广告。这是个三赢的事情
原先亚马逊是通过专家撰写书单来向用户推荐书籍的，后来有工程师默默地做出了一款推荐引擎，小流量上线后发现效果不错，后续就全面放开了。据吴军博士《智能时代》数据显示，现在亚马逊销售额有 1/3 来自于给用户的推荐（虽然我对这个数据存疑）。类似的，转转也有很多订单来自于我们的推荐功能。
【会议报名】2018年中国IT互联网产品创新论坛将在6月举行，欢迎报名和赞助，请点击文末的“阅读原文”！
【服务】IT高管会和北虹桥商务区合作为您提供整个大上海最优惠的工商注册、办公场地、税收减免等服务！欢迎联系邮箱：caocy@yeah.net，微信号：15810819897
【残保金】IT高管会和残联合作，帮您做百万残保金减免！业务合作请加微信：15810819897
【投融资项目征集】商业计划书请发送到IT高管会邮箱：caocy@yeah.net，内容包括：项目名称、项目简介、行业分析、市场痛点、功能介绍、团队介绍、竞争对手、盈利方式、融资计划等。
【会议报名】2018年中国IT互联网产品创新论坛将在6月举行，欢迎报名和赞助，请点击文末的“阅读原文”！