算法歧视：个性化定价背后的价值考量

关注并将「人人都是产品经理」设为星标

每天早 07 : 45 按时送达

你是否了解什么是算法歧视？你是否能够深入了解商业社会的背后？本篇文章中，作者介绍了什么是算法歧视，讲解了买家商业价值的三个维度六个指标等方面的干货内容，推荐想要学习个性化定价的群体阅读。

作者：脑力工厂

微信公众号：脑力工厂

题图来自正版图库 图虫创意，基于VRF协议

全文共 3876 字，阅读需要 8 分钟

——————/ BEGIN /——————

今年的双12静悄悄！

遥想一个月前的双11，关于商家先抬价后打折、满减之后商品反而更贵、保价服务形同虚设等来自消费者的投诉，几乎席卷了微博、B站、小黑猫投诉等平台战线。

作为一个战斗在数据一线的打工人，思量再三，我决定试着揭开那些隐藏在价值和价格差背后的无声的算计。

可是了解这些有啥用呢？普通人，可以反思自己的购物行为如何被商家使用，免得做了冤大头还不自知；对想赚钱的，那这里面日进斗金的机会多了去了。当然，本文真诚劝退想从事诈骗的人士，阅读本文您还得同时精研刑法，先找好退身步。

言归正传，下文主要分为三个部分：

1. 滥觞：算法歧视的经济学解释；实践：商业社会的湿暗后厨。

2. 你的口袋Data可见；每次只有你和屏幕。

3. 结语：不必讶异也不必躲藏。

滥觞：算法歧视的经济学解释

数年前我在桂林游玩，酒店楼下的米粉店人头攒动，我也跟着吃了一次。

排队的时候，有的人要指着墙上菜单说要几块钱的，有的人不看菜单只说要几两。

我老婆发现，两种点餐的方法价格却不一样：指着墙上的那拨人付钱更多。

于是，在山明水清的桂林街头，在匆匆的行人之间，我真切的感受到来自价格对外地人的“歧视”。

价格歧视是经济学术语，又称价格差别，指商家在同一时期对同一产品索取不同价格的行为。

价格歧视既可以是对不同买家索取不同价格，也可以对同一个买家的不同购买数量收取不同价格。

“歧视”在这里并没有贬义，本质上，它迎合了商业的最终目标：利润的最大化（简单起见，这里将利润简化成收入）。

一个理想的差异化定价要能保证不同的消费者有不同的价格，直到覆盖掉整个三角形区域，这时候的收入是最大化的。

而商家要实现差异化定价，一般要具备两个先决条件：

1. 商家有能力了解每个消费者的购买意愿和能力，从而针对每个人单独定价；

2. 买家之间彼此是区隔的，他们在购买前无从得知或很难得知标准定价。

不难看出，终极款的价格歧视要求商家必须能对买家的不同特征进行有效的区分和分割，几乎相当于是要实现一人一价，也就是经济学中所说的一级价格歧视。

这在线下实体的的商业形态里是没有可能实现的。

线下实体的商家多年来依靠诸如区域、购买量、买家身份等条件进行差异化定价。1935年的美国电影院依靠的是年龄和身份，2021年的米粉店桂林依靠的还是“外地人”身份。

1935年美国某影院价格表

可是，数字化世界里的商家恰恰有能力做到这两点。

实践：商业社会的湿暗后厨

复旦大学的一位教师带领学生打了800多次车，花5万元，做出一份调查。在几家打车软件中，苹果手机用户平均只能获得2.07元的优惠，显著低于非苹果用户的4.12元。

“苹果税”还体现在，苹果手机用户更容易被舒适型、定价高（专车、优享等）的司机接单，概率是非苹果手机用户的3倍。

无独有偶。在美国的一档节目中，Uber经济研究主管曾说，在手机电量即将耗尽时，用户愿意承受9.9倍的动态溢价。

为什么数字生活越是深入，我们跟数字服务提供商讨价还价的筹码越少？

为什么口口声称的“上帝”如今成为引颈待割的“韭菜”？

究其原因在于数字化世界具备了上文提到的两个先决条件。

1）数字化世界里的买家呈现原子化的特征：每个人单独面对着自己的电脑或手机屏幕，每一块屏幕将买家区分开来。

除非特意，否则买家根本无从得知，显示在这个屏幕上的价格，到底是一个标准定价，还是针对他个人的定价。

2）所谓的平台和系统根据用户的属性、历史行为可以收集大量的数据，从而分析出买家的画像，使得有能力了解不同买家的购买能力和偏好，从而做到千人千价。

接下来，我从买家商业价值分析入手，把自己一知半解的、关于个性化定价的知识分享给大家，虽然乍看起来，这些内容也是负能量深重，但却是商业社会实实在在必需的操控技巧。

1. 你的口袋Data可见

数据最懂你。根据你搜索的时间、频率，能判断出你是“随便逛逛”“有点种草”还是“迫切需要”，进而调整价格。还可以根据你的收货地址，判断你的居住区域、进而衡量你的消费能力。

总而言之，买家在平台上的注册、浏览、点击、购买、咨询都会被用来投喂平台或系统的算法，进而从三个维度六个指标衡量买家的商业价值：

维度一：忠诚度

指标一：最近一次消费时间（Rccency）：理论上来讲，上一次付费时间距离现在越近的买家的商业价值越大。

指标二：消费频率（Frequency）：消费频率越高，买家价值越大，用户忠诚度越高。

维度二：购买力

指标三：消费金额（Monetary）：消费金额越大，买家的消费力也越大。

指标四：最大单笔消费金额：用以衡量买家的消费潜力。

维度三：价格敏感度

指标五：特价商品消费占比：表示特价商品在买家累计销售额中的占比，作为衡量买家对价格敏感程度的一个指标。

指标六：高单价消费占比：表示高价商品在买家累计销售额中的占比，作为衡量买家对价格敏感程度的一个指标。

其中前三个指标就是著名的买家价值研究的RFM模型，它源于美国数据库营销机构的研究，目前已经成为买家价值研究以及用户运营的通用模型。

这三个维度既可以单项分析，也可以组合在一起分析。

单项分享比较简单，这里不做介绍，而综合分析则可以较为完整的刻画买家的商业价值，我们首先需要量化上述6个指标，一般采用标准打分制（行业不同、企业不同、标准也会不同），参考下表：

买家价值评分标准

通过对以上六个指标的量化分析，卖家基本上可以完整描摹出买家价值。

买家类型的雷达图

于是乎，卖家看到了精准营销的空间。图中的1号买家，忠诚度很高，但是购买力和价格容忍度都不高。

这种类型的买家，虽然消费力不够，但节约了营销资源，即便不互动（不发优惠券），他们也会定期复购的。

同样坐拥庞大数据的滴滴也可以对不同用户采用不同的定价策略。比如说，根据用户在App上的使用记录推断用户的价格敏感度，并以此对高敏感的用户做打折优惠、或者对非活跃用户做价格营销。

若论本质，上述的个性化定价就是经济学上的三级价格歧视。

然而不同的是，淘宝和滴滴们可以把定价策略持续细分，直到每个用户都有一套针对自己的价格体系。在极限情况下，定价会变成一级价格歧视，所有的用户端的剩余都将归淘宝/滴滴所有。

其实，这些玩法在美国传统销售行业早已践行几十年，而网络经济里，电商元老Amazon堪当始作俑者。

早在 2000 年，Amazon就小范围玩起了价格歧视的骚操作：

同样的 DVD 碟片，如果你是新用户，价格是 22 美元，而如果你是一名被认为有购买意愿的老用户，价格就会动态调整到 26 美元。结果这一测验在震耳欲聋的骂声中下线了。

然而，骂声和投诉就能难倒卖家吗？这儿，还有一个暗黑系的办法。

2. 每次只有你和屏幕

页面上同样一台Mac，买家A看到卖10000，B看到卖8000，当然是不合适的。

不过，可以换一个思路：对大家都标价11000，然后以感恩回馈的名义邀请AB抽奖，让A抽到一张1000元的优惠券，B抽到一张3000的，结果不是一样的么？

是不是很熟悉这个界面？

看似“随机”的噱头，其实背后蕴含着算法歧视背后的另外一个技巧：精准推送。

其实，“精准推送”这个概念早在互联网广告兴起的时候就已经被提出来了，只不过广告行业的叫法是“精准投放”，即“广告主将合适的广告投放给合适的人群/受众”。

精准推送从本质上来讲，也是一种广告形式（Push或者应用内消息），实践中，常将”精准推送“与”个性化推荐“进行区分，这里为便于讨论，归为一种类型，即“把合适的内容推送给合适的人群/受众”，这里的“内容”可以是价格，可以是优惠，也可以是UGC。

无论内容为何，精准推送的要义在于具备了一种实现买家区隔的能力。

正是具备了这个能力，每个人看到的信息都是定向投喂的，除非特意，否则买家根本无从得知，显示在这个屏幕上的价格，到底是一个标准定价，还是针对他个人的定价。

除非特意，优惠券只在自己的屏幕里

行文至此，你可能会感慨：产品的价格与价值差竟有如此秘而不宣的操纵技巧！

而这就是商业社会的湿暗后厨：

看起来你有了更多的选择，可以好好计算一下，殊不知网页背后的算法已经算计了你十万八千次了。

不必讶异也不必躲藏

如今的世界，早已是数字世界第一性的了。

利用用户数据提供个性化服务，是绝对无法逆转的大趋势。频上热搜的“大数据杀熟”并非互联网的新问题，原来实体商业中也不少，只是因为互联网让数据分析与应用的影响规模化，类似的事情才引起大家的额外重视。

我们既没必要“谈数色变”，也不能做埋头鸵鸟、忽视算法背后的问题。

这些问题的解决，不仅有赖于法规的约束。

11月1日，个人信息保护法正式实施，其中规定“不得对个人在交易价格等交易条件上实行不合理的差别待遇”。

还需行业加强自律，践行社会责任。

10月22日，腾讯、华为等20余家重点APP运营企业签署《深圳市APP个人信息保护自律承诺书》，向社会公开作出“不超范围采集信息，不利用大数据杀熟、不滥用人脸识别数据，不监听个人隐私”等承诺。

毕竟，解铃还须系铃人，只有在互联网场景下发展起来的隐私保护手段，才能彻底解决问题。

—————— / END / ——————

产品经理培训｜产品运营培训｜企业内训服务

请在公众号后台回复「培训」了解更多

▼ 喜欢请分享&收藏，满意点个赞，最后点「在看」 ▼