“大数据杀熟”，概指互联网平台滥用市场支配地位，通过大数据和算法对用户进行画像分析进而实行差异化定价的行为。其核心逻辑是利用信息不对称进行待遇歧视，实现利润最大化。需要指出的是，差异化定价并非一定构成“大数据杀熟”，商品和服务在不同地区由于交易的不同数量、级别等出现不同价格是有一定合理性的。但在这里，平台通过大数据分析对消费者进行用户画像，对其购买意愿、购买习惯、购买能力等做出预测，并据此将一个较高的价格推给消费者的行为就构成了“一级价格歧视”。

在传统商业交易中，一级价格歧视，即通俗意义上说的“看人报价”，往往很难实现。但在互联网时代，大数据分析可以使这种歧视成为现实。通过对历史数据的共在生产，大数据能够预测个体未来的可能行为，通过界面设计强化诱导当下行为发生，随着用户使用频率的提高，画像数据不断积累，预测分析会更加精准，最终报价也可以趋近消费者可以接受的极限，从而完成一个闭环的“陷阱”。

大数据杀熟有多厉害?一项对网飞网站的实验研究发现，如果仅基于传统的人口统计资料进行个性化定价，可以使利润提高 0.3%。但如果通过收集用户的在线行为数据，采用机器学习来估算用户愿意支付的最高价格，则可以把利润提升大约14.6%。而长期的算法定价还会影响整体的市场竞争。2020年的一项实证研究发现，在采用算法定价后大约一年，在仅面临本地竞争的前提下德国零售加油站的利润率提高了约9%，并且整个市场的定价随着时间的推移逐渐学会了默契协调，最终形成了算法合谋。

《中华人民共和国消费者权益保护法》第十条规定“消费者享有公平交易的权利”，第十九条规定“商店提供商品应明码标价”。大数据杀熟仅仅基于用户的购买力和消费习惯，让不同的消费者看到不同的价格，违反了明码标价原则，损害了消费者的公平交易权利。而大数据杀熟还有一个关键问题在于隐蔽性。当消费者在浏览网页或手机终端时，即使他看到的价格与别人不同，也很难立刻发现。身陷大数据杀熟的消费者，损失了金钱财产，引发了心态失衡，并且对此无能无力。由于缺乏有效的预警机制，大数据杀熟更像是一种“暗黑模式”，暗中对消费者实行了算法伤害。

目前对于大数据杀熟，主流的治理方式是加强政府的立法与监管，鼓励企业纠偏和自律，那么作为直接使用者和切身体验者，用户们应该怎么办?破解大数据杀熟有没有第三条道路?

大数据杀熟虽然具有隐蔽性，可一旦曝光就很难隐藏。复旦大学孙金云团队通过800余次的手机软件打车调研发现，打车用的手机价位同打车成本之间存在相关关系。该结果也被很多网友称为“大数据杀熟实锤”。类似的方法也曾经被如英国的竞争和市场管理局、欧盟委员会使用过，通过征集数字“神秘顾客”来跟踪比较网页上的差异化定价。大数据杀熟虽然隐蔽，但并非不可见。

算法被滥用会造成价格歧视，但也可被用来发现问题。一种叫做“抓取审核”的方法，就是通过合法爬取网站上与价格相关的数据，比如地理信息、搜索排序、商品评论等，同性别、设备类型等进行关联比对，从而发现可能存在的价格歧视现象。而专业的研究人员还可以通过逆向工程接入API直接去进行测试，通过输入特定的数据结构问卷来获取输出结果，进而破解定价算法，审核模型偏见。

平台的消极监管会助长算法伤害，需要多方评估监督。大数据杀熟有赖于界面诱导和算法不透明，通过调整界面和算法系统，网页或应用可以重新规划用户的选择框架和浏览路径，并且可能会以消费者不太情愿的方式搜集和使用数据。但这些并没有造成直接的伤害，平台甚至还会从中受益，因此会睁只眼闭只眼。面对一些争议较大的问题，平台宁愿暂停服务而不愿花力气去解决。对于这种情况，可以考虑征询行业组织、研究机构、媒体公众的意见，对此进行行业评估、跟踪研究和舆论监督，通过外部质询推动平台业务健康发展。

提高算法素养和维权意识，形成整体性的良性共识。可能在几年前，算法对于普通民众来说还是一个略带神秘的字眼，但随着智能设备、智能应用、智慧生活的逐渐普及深入，现在我们很多时候就是生活在一个算法无所不在的世界里。那么如何来认识算法，如何看待经由算法产生的各种现象和问题，如何调整自身的生存方式、生活态度更好地适应并驾驭算法，可能是智能时代每个人都必须思考的问题和需要具备的素养。对于智能追踪，有些想法比较矛盾，比如不上网、不用智能设备、关掉推荐等，但这些功能确实又很方便。而目前通过法律手段维护用户算法权益的案例还非常少，很多人知道个人信息很重要但又不知该如何自我保护。这些都需要时间在社会中形成良性共识，需要专业群体发挥关键作用，需要社会各界重点关注重视。

经由过去可以预测未来，而预知了未来又可以反推现在。有幅漫画描绘了行进中的人类，每个人都盯着自己手里的电子设备，步履匆匆。而在路边，两个机器人在安静地读书画画。图说是：人类在成瘾，机器在学习。大数据杀熟不是智能社会最严重的也不是最后一个问题，但未来会如何，取决于我们现在能否抬起头来，看看周围，想想方向，反思一下来路与自身。

原文来自：

本文地址：//gulass.cn/crack-the-big-data.html编辑：KSJXAXOAS，审核员：清蒸github

Linux大全：

Linux系统大全：

红帽认证RHCE考试心得：