摘要：携程大数据杀熟怎么办？ 携程是中国知名在线旅游平台，据网友爆料，该公司存在大数据杀熟现象。所谓大数据杀熟，是指利用大数据分析消费者的消费习惯，从而采用不同的价格策略
携程大数据杀熟怎么办？
携程是中国知名在线旅游平台，据网友爆料，该公司存在大数据杀熟现象。所谓大数据杀熟，是指利用大数据分析消费者的消费习惯，从而采用不同的价格策略，让不同的消费者支付不同的价格。这种行为不仅涉嫌违法，还会损害消费者的利益。
如果您在携程旅行网上遇到了大数据杀熟的情况，建议您可以采取以下措施：
向携程客服投诉：您可以拨打携程客服电话进行投诉，说明您的情况，并要求解决。如果携程客服不能解决，您可以向消费者协会投诉。
向消费者协会投诉：您可以拨打消费者协会电话进行投诉，说明您的情况，并要求解决。消费者协会会帮助您协调处理。
寻求法律援助：如果您认为自己的权益受到了侵害，您可以拨打当地法律援助电话，寻求法律援助。
选择其他旅游平台：如果您对携程旅行网不信任，您可以选择其他旅游平台进行预订。
总的来说，消费者应该保持警惕，保护自己的权益，避免被大数据杀熟。
热点时评：如何应对大数据杀熟
日前，北京市消协发布“大数据杀熟”榜，不少知名企业榜上有名。该协会的调查数据还显示，超过半数网友有被杀熟的经历。大数据时代，要想真正管住企业大数据杀熟的手，不仅需要相关部门加强监管，还需要监管技术手段的升级换代。
俗话说，人熟为宝。在传统商业道德里，熟客应该享受优待。然而，如今人们发现，熟客往往频频挨宰：个人信息被滥用、给老客户的价格高于新手价、专挑会员定向涨价、买得越多价格越贵……一些网络平台用大数据技术收集分析消费者偏好、消费能力等信息后，不约而同地把矛头指向熟客，以至于有人感叹“最懂你的人伤你最深”。
这种怪现象的关键就在于技术不对等、信息不对称。大数据已经渗透到了现代生活的方方面面，人们的衣食住行、吃喝玩乐，大都与一款款软件或APP牢牢绑在一起。在这个过程中，商家通过算法，对消费者进行量身定制，而消费者对商家的运作方式却一无所知。换句话说，之所以有不少互联网企业有敢于杀熟的底气，正在于大数据垄断、算法不透明等给企业带来的便利。
依靠这种便利，无良企业杀熟“杀”得神不知鬼不觉，消费者不仅难以发现，更不易取证，维护权益变得十分困难。而这恰恰也是监管的难点和痛点。面对大数据的个性化、多样化，隐蔽性强等诸多特点，传统的监管查处机制显然已不适用，如果没有相应的技术手段作为保障，很难实施有效监管。
要想管住大数据杀熟的手，相关部门应在监管的体制机制上积极创新，尤其是提升监管的技术能力，依托新技术，建立大数据价格监测体系，创建消费者网上投诉机制，对杀熟等侵害消费者权益的行为做到及时、全面地管控。此外，针对新技术带来的新问题，还应尽快完善相应的法律法规，例如明确大数据杀熟的判断标准，明确界定大数据的法律属性和使用范围，从而做到监管有法可依，提升执法效率。
技术是把“双刃剑”，大数据被用来优化服务我们欢迎，被用来精准“杀熟”我们必须亮剑。把个性化服务变成坑人陷阱，既失信缺德，也涉嫌违法。监管层、法学界、商家必须对这一问题提高警惕，及时解决现实中出现的问题，让大肆薅用户羊毛者付出应有代价，让无良商家不敢为、不能为。
怎么破除携程大数据杀熟？
方法如下
1、模糊用户画像
首先平台“杀熟”的前提是它非常了解你，已经对你完成了用户画像。
所以重要的个人信息尽量要保护好，比如手机、地址、通讯录、性别、年龄、喜欢逛什么买什么、喜欢看什么新闻、常用哪些APP等等。
手机APP的权限能少给就少给，手机上在设置里面关闭各APP访问短信、通信录、地理位置等访问权限，只打开必要的。
2、交叉比价
大数据时代，要保密个人信息的确很难。交叉比价可能是更有效的一个办法：可以用安卓和苹果的手机同时比价，或者找身边朋友和家人的手机一起比价再购买。
比如你经常出行，可以找不经常坐飞机的朋友帮你比价。
或者用你父母的手机（网络行为不活跃用户，数据较少）搜索对比，然后选择最低价的那个下单。
3、伪装价格敏感用户
搜索下单的时候不要太“干脆了”，多查询临近几天和不同目的地的航班信息。
在不同平台中比价。并尽量使用优惠券下单。如果被平台定义为价格敏感用户，那么你接收到优惠补贴的概率就会高出普通用户很多。
面对大数据“杀熟”，如何说出那句：对不起，我们不太熟
01
好巧，你也在用绿码？
从疫情爆发到今天已经有将近十月之久，
“你好，请出示一下健康码”，
相信过去解封的一段时间里，你可以在各个商场门口、地铁站听到这句话。
有很多人不明白健康码的作用和原理，认为自己的健康码是绿色的说明自已就是健康的，其实那只是它的一个基本功能。
健康码究竟是什么？
人手一个的小小绿码怎么有效控制疫情的传播呢？
它的作用除了报备个人健康外，主要是掌握你的行动轨迹。
比如，你进商场超市、坐公交、地铁，乘飞机火车等，会要求扫你的健康绿码。
于是，你在某月某日某时段进入某个封闭空间的数据就被采集到系统数据库，由于扫码工作是在门口处进行，理论上只能知道你进入了本空间。
如果跟你同时间段去过某场所的确诊，通过系统后台数据库，把当天所有光临过某场所的健康码通通都给免费升个级，比如把人见人爱的绿色换成令人生畏的红色，让你也知道自己也可能成为了密切接触者中的一员。
这就是大数据分析在我们生活中的小小缩影。
02
大数据“杀熟”？
整日精打细算，等着“双11”蹭一波优惠券的我们，没想到还会被“大数据”给算计了吧，它是怎么潜移默化的把我们兜里的钱转向资本的钱包里？
所谓“杀熟”到底是怎么个“杀”法？
随着疫情的逐步好转，大家出行游玩少不了绿码的辅助。据统计，今年国庆假期全国共接待国内游客7.82亿人次，实现国内旅游收入6497.1亿元。
10月9日，文化和旅游部在官网发布《在线旅游经营服务管理暂行规定(征求意见稿)》，向社会公开征求意见。该规定对虚假预定、不合理低价游、价格歧视(大数据杀熟)、信用监管等问题都做出了具体规定，违反规定将被处罚。
所谓“大数据杀熟”，有人将其定义为互联网厂商利用自己所拥有的用户数据，对老用户实行价格歧视的行为，也就是说：同一件商品或者同一项服务，互联网厂商显示给老用户的价格要高于新用户，并依此获得利润最大化。
那么“大数据杀熟”现象最早是什么时候开始的呢？
数据杀熟现象最早可以追溯到亚马逊在2000年一个差别定价“实验”。
当年，有用户发现《泰特斯》（Titus）的碟片对老顾客的报价为26.24美元，但是删了cookie后发现报价变成了22.74美元。
这件事情的曝光，让亚马逊面临消费者如潮的谴责，最后CEO贝索斯亲自道歉，称一切只是为了“实验”。通过深挖消费者过往消费甚至浏览记录，让算法洞悉消费者偏好，不少互联网平台清晰地知道消费者的“底牌”，于是就有了上述的看人下菜碟。
这是否仅仅是个“实验”不得而知，但调整价格来“追逐利润”的不合理商业行为是毋容置疑的。
03
作为消费者，我们怎样理解大数据“杀熟”？
与其称这种现象为“杀熟”，不若说是“杀对价格不敏感的人”：一罐可乐，在超市只卖2元，在五星级酒店能卖30元。
这不能叫价格歧视，而是因为人们能住得起五星级酒店，那么就是要被“杀”，这个理论套用在“大数据杀熟”上却并不恰当。
一个关键问题是，一罐可乐的正常价格是透明的，所以在五星级酒店的溢价是公开的。但“大数据杀熟”却处于隐蔽状态，多数消费者是在不知情的情况下“被溢价”了。因此，消费者维权时因“杀熟”具备隐蔽性而难以举证。
由此，北京市消费者协会建议，可建立诚信激励和失信黑名单制度，一旦发现企业存在通过大数据“杀熟”损害消费者知情权、选择权和公平交易权的行为，不仅要对其给予行政处罚，还要将其纳入诚信黑名单。
12
数据分析/统计
数据统计/分析，这个及其抽象又无可避免的充斥在我们日常生活中的“小物件”，悄然间已经开始发挥着控制你生活的作用。
不同地点共享单车的摆放数量、14天内出行轨迹、连你自己都不清楚的消费偏好，都已经通过你的每一次点击形成了数据网，在“云端”发挥出巨大作用。
大数据时代已经大跨步式的向我们走来，如何有效避免“大数据杀熟”等利用数据分析隐藏在我们生活中“陷阱”呢？
新加坡国立大学数据分析与数理统计在线课程能够帮助你看透隐藏在消费行为背后的“数据陷阱”，擦亮眼睛，保持清醒，更好地应对这一场数据风暴。
项目主题
新加坡国立大学
数据分与数理统计在线课程
数据中提取洞察力?用数据进行推理意味着什么?定量数据推理可以被认为是应用了一组特定的逻辑，使我们能够处理数据。因此，本课程的主要目标是发展相关的技能，使我们能够应用这一還辑，以便我们可以有效地利用数据作为一种有价值的资源来帮助报告和指导决策。
授课时间：2021.01.23—2021.02.28
项目时长：6周
项目费用：4980元
课程安排
欢迎仪式：欢迎致辞、项目导览、结业课题分布
课程1:用数据进行定量推理的逻辑。
辅导课#1
课程2：数据收集和清理
辅导课#2
课程3：概率在数据推理中的作用
辅导课#3
课程4：使用模型——如何用数学表示数据中的关系
辅导课#4
课程5：如何有效传达我们的成果
辅导课#5
结业汇报：小组汇报展示、项目结业致辞
项目收获
项目收获：顺利完成在线学术项目的学员，将获得主办学院颁发的结业证书、项目推荐证明信、成绩评定报告单（成绩单），优秀小组还将获得额外的优秀学员证明。
录取信
完成报名且通过筛选的同学将收到官方录取信。
项目推荐证明信
课程结束，授课教授根据学员的课堂表现和成绩报告，将为每位学员出具项目推荐证明信。
成绩评定报告
根据学员的出勤率、课程作业和结业汇报的完成情况，教授将出具成绩报告单，成绩报告单中体现成绩等级、课程时间、课时长度等。
结业证书
顺利完成课程的学员，将获得由新加坡国立大学主办学院颁发官方认证的结业证书，作为此次课程学习的证明；
优秀学员证明
授课教授根据结业汇报各小组的完成情况，评选最佳小组，并为最佳小组成员颁发优秀学员证明。
报名方式
项目咨询
关于项目有其他问题，可以扫码咨询小助手
港澳台地区怎么样防止在线销售平台经常对大数据“杀熟”欺骗消费者?
发改委没有，各地地方有，非常容易申请中小高新企业补助，可以和各个开发区谈谈，基本每个开发区都有负责人。
如何治理大数据杀熟现象
治理“大数据杀熟”现象，不是要“杀死”大数据，而是要善于借力，形成监管和治理的合力。监管部门应建立和完善大数据网上监管平台，提高对各种隐性“大数据利用”违法行为的查处能力。要将消费评价权保障、旅游者信息使用等纳入重点监管和治理范畴，与时俱进升级监管手段，打造让消费者“说走就走”、安全旅游的法治环境。 国庆节将至，一条与在线旅游相关的话题——“大数据杀熟行为10月1日起明令禁止”登上微博热搜榜。该话题缘于文化和旅游部印发的《在线旅游经营服务管理暂行规定》（简称《规定》）今年10月1日起正式施行，《规定》第十五条明确，在线旅游经营者不得滥用大数据分析等技术手段，基于旅游者消费记录、旅游偏好等设置不公平的交易条件，侵犯旅游者合法权益。这条规定针对的，就是近年来饱受诟病的“大数据杀熟”行为。 “大数据时代”到来，给人们带来了诸多便利，同时也带来了一些负面影响，“大数据杀熟”便是其中之一。去年10月文化和旅游部发布的《在线旅游经营服务管理暂行规定》（征求意见稿）中，禁止“大数据杀熟”被定义为“在线旅游经营者不得利用大数据等技术手段，针对不同消费特征的旅游者，对同一产品或服务在相同条件下设置差异化的价格”。 综合《规定》（征求意见稿）和《规定》的这两条规定，“大数据杀熟”可以简单理解为：在线旅游经营者滥用大数据分析手段，利用自身掌握的信息优势，对老客户设置比新客户更高的价格，造成老客户吃亏。去年3月，北京市消协发布的一项调查结果显示，近九成被调查者认为“大数据杀熟”现象普遍存在，56.92%的被调查者表示有过被“大数据杀熟”的经历，其中网购、在线旅游、酒店住宿、网约车、外卖、影视等消费场景最容易被“大数据杀熟”。
王潺：“大数据杀熟”该如何规制？_上观新闻
近年来，互联网零售端利用大数据技术实施算法歧视的“杀熟”行为引发诸多批评。大数据杀熟是经济学完全价格歧视行为的表象，体现了新制度经济学中买卖双方对信息产权的诉求。与“杀熟”的不道德直觉相反，大数据杀熟的定价机制将引发市场结构的调整和博弈规则的改变，消费者的谈判地位将得到提升，商家间的竞争将加剧，信息资源的配置将优化。鉴于此，建议对《电子商务法》第十八条算法歧视条款进行限缩解释。在市场机制能够自主完善的领域，法律应保持谦抑和包容。
网络消费已成为人们现代生活不可或缺的组成部分。商家利用大数据技术对每一位顾客的支付能力及意愿进行评估并且区别定价，老顾客也常因忠诚度高被索取更高的价格，这种定价策略被称为“大数据杀熟”。普遍认为，大数据杀熟是对“明码实价”传统商业道德的冲击，侵犯了消费者的利益，破坏了市场秩序。
大数据杀熟是算法歧视性定价的典型应用，随着研究的深入许多学者已经意识到，只有在垄断市场中实施价格歧视才具有法律意义上的经济损害性。因此反垄断成为目前理论界评价算法歧视的主流思路，这实际上是将大数据杀熟回归至传统杀熟的框架中理解。
本文认为以上理论忽略了个体经济行为与整体经济结构的普遍牵连关系。大数据杀熟与传统杀熟存在本质的不同，传统杀熟不影响市场结构，而大数据杀熟将导致整体市场基本结构以及博弈规则的改变，进而在寡头垄断市场中也能实现充分的竞争。
一、大数据杀熟行为的本质与规制误区
根据客户差异化的消费能力及意愿定价在经济学上被称为“价格歧视”。大数据杀熟对每一位消费者索取其意愿支付的最高价格，系为“一级价格歧视”或“完全价格歧视”。与此对应的是基于购买数量的“二级价格歧视”与基于需求弹性的“三级价格歧视”。三种价格歧视的本质相同，区别仅在于市场细分的方式与程度。
由此可得理解大数据杀熟的五个重要推论：
其一，经济学的价格“歧视”并非日常语义中的歧视，更不是法律上具有侵权实害结果的不公平对待。价格本身就是歧视的，它以“价高者得”的歧视（区别对待）方式保证分配的公平和效率。
其二，波斯纳强调，“价格歧视”并非不同交易的“价格差异”关系，而是交易价格与边际成本的“效率差异”关系，但显然人们对“杀熟”的质疑主要集中在价格差异而非效率差异上。
其三，杀熟是经济学的市场细分行为，在不违反法律强制性规范的前提下，市场细分通常不具有违法性。市场机制的价格发现成本相当高昂，算法歧视定价无疑提高了价格发现的效率，资源无需在多个交易中流转，直接配置给出价最高者。
其四，算法只是定价策略的形式逻辑表达，既然价格是歧视（区别对待）的，那么算法也必然是歧视（区别对待）的。算法从根本上说是人的理性和市场规律的反映，因此算法由计算机实现还是小贩心算实现只是表面问题，根据技术中立原则，算法或大数据本身不是经济法的评价对象。
其五，杀熟是否构成欺诈，需要根据法律上欺诈的规范构成要件在具体案情中予以认定。不能简单地将杀熟的口语指代与其法经济学价格歧视本质混为一谈，更不能凡涉及杀熟就认定是欺诈。
（二）《电子商务法》对大数据算法歧视的回应和误区
2018年8月颁布的《中华人民共和国电子商务法》（以下简称“《电商法》”）第十八条第一款强调了对消费者知情权和选择权的保护，以对抗大数据的信息之幕。该条款规定，“电子商务经营者根据消费者的兴趣爱好、消费习惯等特征向其提供商品或者服务的搜索结果的，应当同时向该消费者提供不针对其个人特征的选项，尊重和平等保护消费者合法权益。”
从文义解释看，按价格展示搜索结果是消费者常见的需求，也是线上零售的商业惯例。价格作为关键的合同要素，无论在“搜索结果”还是“选项”中都是无法排除的内容。从立法目的看，该条款要求经营者一视同仁，不得利用算法歧视的信息不对称损害消费者利益。
但波斯纳指出，“制定一个禁止系统性价格歧视的法令，而该法令并不限制或禁止合法的定价行为，这是不可能的”，交易价格一旦披露，完全价格歧视便无法实施。因此虽然该条款没有明确限制商家的定价自由，但实际上产生了统一报价的法律强制效果。
然而强调信息披露难以对抗大数据杀熟。一方面，根据合同的相对性，买方的知情权仅限于本合同范围内，卖方无透露他人交易信息的义务。另一方面，消费者比价的对象是不同商家的报价，而不是同一商家对不同顾客的报价；消费者的选择权指其有选择任一商家交易的自由，而不是指定商家以某个价格与自己交易的权利，否则便侵犯了商家的经营自由。
线上交易的信息搜寻成本远比线下低，点击鼠标即可完成。线上货比三家的成本应当由消费者自行承担，不能转嫁给经营者。因此，第十八条第一款对消费者的保护应当将焦点放在宏观层面的市场结构优化，而不是微观层面的合同相对关系问题上。
二、大数据杀熟冲突的新制度经济学剖析：信息产权之争
大数据杀熟冲突的实质，是买卖双方对信息产权的争夺。信息是互联网经济的关键资源，信息产权的配置直接影响买卖双方的利益分配。
德姆塞茨认为，产权指的是“使一个人或其他人受益或受损的权利”。需求信息产权与有效价格信息产权的配置决定了线上博弈的规则和结果。
个人需求信息（以下简称“需求信息”）是一定价格上个人意愿购买的商品数量，商家通常需要购买才能获得。例如，“学生优惠价”是一种基于“信号”的不完全信息博弈。学生的需求弹性较高，出示学生证是一种可置信的“不讲价就走人”的信号威胁。于是买卖双方达成三级价格歧视交易，学生获得折扣（需求信息产权租金）。而大数据打破了需求信息的买方私有，商家的定价权进一步巩固，强者变得更强。
庇古认为，对消费自用的商品实施完全歧视性定价需要两个条件：其一，商家掌握每个消费者的需求曲线；其二，商家处于垄断地位。价格是一种信息，有效价格信息反映价格的经济效率，体现价格与边际成本的关系。完全竞争市场的价格是有效的，买卖双方都是价格的被动接受者。而垄断市场中卡特尔联盟掌握定价权，便可以通过攫取超额的消费者剩余实现有效价格信息的产权租金。因此，有效价格信息产权的卖方私有使消费者弱者恒弱。
三、取消大数据杀熟规制的后果：完全价格歧视下信息产权博弈分析
取消大数据杀熟的法律规制，将信息产权的分配交由市场机制完成，能够提高信息资源的利用率，提升市场竞争效率，实现消费者剩余的最大化。
首先，从需求信息产权的界定成本看，无论是获取还是传播，无论是存储还是加工，没有一个环节掌握在消费者手中，维持产权的买方私有必将耗费大量的监管成本。
其次，从需求信息的利用效率看，将其作为生产性资源显然比消费性资源更有价值。零散的需求信息对于消费者只是争取剩余价值的筹码，而经过大数据处理则能积沙成岛，衍生无限商机与财富。
要实现大数据杀熟，商家必须使用个人需求函数代替全市场需求函数，将“大市场”拆分为无数“微市场”（参见图1）。在“微市场”中，仅有一个卖家和一个买家。“微市场”降低了消费者的集体谈判成本，其弱势地位得到结构性的改善。
“微市场”的信息壁垒是市场结构优化的关键，它使消费者得以跨市场、排他性地获得有效价格信息。卡特尔联盟无法在这种市场结构中保持稳定，不完全信息重复博弈价格最终趋近完全竞争水平。
统一定价的寡头竞争市场适用伯特兰德模型。该模型中，寡头博弈的反应价格基于对方价格，然而在均衡状态下的总利润低于整体行业的最大值，于是精明的寡头结成卡特尔联盟。要摧毁联盟就要增加成员作弊的成功率，在“大市场”中，无差异的消费者便是告密者。联盟要检验成员的忠诚度，只需以消费者的身份与其交易即可。
如果消费者能排他性地掌握有效价格信息，则可建立一种不完全信息的伯特兰德重复博弈帮助联盟成员作弊。此时“微市场”中的消费者是差异化的，如消费者不主动告密，则成员作弊成功性很高。
这种博弈类似暗标竞价，消费者作为唯一的买方接受寡头背靠背的报价。寡头在报价前要预估对手的报价，然而“微市场”的信息壁垒使各寡头的反应预估价极有可能不相等。若两种产品替代性高且需求弹性大，其中价格较高的产品就会面临滞销。于是各寡头均会在对方的反应预估价之下修正自身的报价，则不完全信息的重复博弈结果是：两个寡头的报价都将无限接近完全竞争价格，消费者获得有效价格信息产权，重夺被“杀熟”的利益。
简言之，算法歧视的信息壁垒加剧了寡头间的竞争，从根本上改变了消费者的结构性弱势地位。相反，以法律的强制力打破信息壁垒，则会阻止市场从“大市场”到“微市场”的自我优化，导致强者更强、弱者恒弱。
四、大数据杀熟规制误读的再分析与《电子商务法》解释的建议
诚然，统一定价与价格歧视看起来并不矛盾，《电商法》对算法歧视的限制似乎能实现“只折扣，不杀熟”。但这实际上限制了“大市场”向“微市场”的转化，结构性不平等问题无法由市场自行优化。
1.歧视性折扣≠价格歧视
歧视性折扣指统一定价下的折扣策略，典型如“先提价，后打折”。波斯纳（2002）强调：“（要把持续性的价格歧视）跟作弊所导致的卡特尔的瓦解或削弱区分开”，“作弊采取的通常是对卡特尔价格施加选择性——也就是持续性折扣的形式”。也即，完全价格歧视与歧视性折扣将导致完全不同的市场结构。
部分观点认为，商家利用老顾客的忠诚与信赖“杀熟”是一种欺骗行为。市场营销学认为消费决策考虑的是“顾客感知价值”，即交易价格是商品价值与服务价值的综合体现，比如顾客愿意为快捷的物流和省心的售后付费。简单地将价格差异视为违法，是对顾客选择权与商家服务价值的否定。
老顾客跳过货比三家直接下单，是以货币成本支付时间成本的主动选择，只要积极询价即可化解这种“杀熟”。所以老顾客的愤怒实际上是对熟人社会交易习惯改变的不适应，不能成为大数据杀熟违法性的依据。
综上所言，大数据杀熟行为推动了市场的有效竞争、提高了信息资源配置效率、改善了消费者结构性的弱势地位，不能否定该行为的正当性与合法性。然而权利的实现有赖于权利人的积极主张，因此消费者应主动适应新的博弈规则，积极货比三家争取利益，而不是习惯于弱者心态等靠要公权力的救济。
“大数据杀熟”分为“大数据”和“杀熟”两方面。一方面，“杀熟”自古有之，大数据杀熟并未突破传统的商事交易关系，也不涉及电子商务的其它特有关系，既有的市场规制法律体系足以应付，因此“杀熟”不应纳入《电商法》的调整范围。另一方面，“大数据”作为一种价值中立的技术手段，也无需纳入《电商法》的规制范围。因此建议对《电商法》第十八条第一款的“搜索结果”和“选项”采取限缩解释，不包含价格。通过将价格信息排除在算法歧视规制的范围之外，减少该条款对市场机制的干扰，给予市场自我发展和完善的空间。
数据治理研究|王潺：“大数据杀熟”该如何规制？
《暨南学报》是《中国社会科学引文索引》（CSSCI）来源期刊、全国中文核心期刊、中国人文社会科学核心期刊、全国高校精品社科期刊。本刊获广东省学科建设专项资金资助，是首批获广东省学科建设专项资金资助的优秀人文社会科学期刊。“台港澳及海外华文文学研究”栏目入选了教育部启动的高校哲学社会科学学报第三批名栏建设工程。
来源：暨南学报（哲学社会科学版）2021年第6期。
责任编辑：孙建伟 金惠珠
郭传凯：互联网平台企业封禁行为的反垄断规制路径
黄明儒 孙珺涛：论刑法介入互联网金融的限度徐玖玖：人工智能的道德性何以实现?——基于原则导向治理的法治进路李晶：论人工智能虚拟偶像的法律性质江小涓李姝：数字化、全球化与职业体育的未来
大数据杀熟违反什么法律
大数据杀熟并非正式的法律概念，一般是指经营者收集消费者个人信息，运用大数据和算法分析其消费偏好、消费习惯、支付能力等信息，建立用型皮戚户画像，将同一商品或服务以不同的价格卖给不同的消费者从而获取更多消费者剩余的经营行为。通过收集用户信息，运用大数据和算法建立用户画像进而提供个性化推荐，是网络平台极为常见的经营模式，比如手机淘宝几乎可以实现“千人千面”，提供最贴心的剁手服务。建立用户画像的算法并不复杂，商家通过大数据分析建立的用握帆户画像可能比你更了解自己。一般而言，大数据杀熟在两个阶段涉嫌违法，一是在用户个人信息收集阶段，可能涉嫌违法收集用户个人信息。非法收集、分析、滥用用户个人信息事实上是当前互联网平台的通病，不限于大数据杀熟问题；二是在大数据杀熟实阶段，涉嫌实价格欺诈，侵犯消费者合法权益。法律依据：《中华人民共和国民法典》第一百二十条民事权益受到侵害的，被侵权人有权请求侵权人承枝举担侵权责任。第一百八十三条因保橘搭庆护他人民事权益使自己受到损害的，由侵权人承担民事责任，受益人可以给予适当补偿。没有侵权人、侵权人逃逸或者无力承担民事责任，受害人请求补偿的，受益人应当给予适当补偿。第一千一百六十七条侵权行为危及他人人身、财产安全的，卜陵被侵权人有权请求侵权人承担停止侵害、排除妨碍、消除危险等侵权责任。第一千一百六十八条二人以上共同实侵圆握权行为，造成他人损害的，应当承担连带责任。
网络公司用大数据杀熟他们都做了什么？
在刚刚过去的长假，想必不少人选择以旅游的方式过春节。出门在外自然少不了要订票、订酒店，上网通过各种票务平台解决这些已成为多数人的选择。海量的消费信息也在购物的同时被记录下来，你的偏好和习惯在不经意间就可能被他人获知，这些数据也为某些人提供了“便利”。最近，微博网友“廖师傅廖师傅”自述了被大数据“杀熟”的经历。据了解，他经常通过某旅行服务网站订某个特定酒店的房间，长年价格在380元到400元左右。偶然一次，通过前台他了解到，淡季的价格在300元上下。他用朋友的账号查询后发现，果然是300元；但用自己的账号去查，还是380元。这是普遍现象上述微博发出后，瞬间转发破万，网友们纷纷吐槽各自“被宰”经历。“我和同学打车，我们的路线和车型差不多，我要比他们五六块。”“选好机票后取消，再选那个机票，价格立马上涨，甚至翻倍。”“我的消费比较高，我老公消费比较低，开通不限流量服务的时候，他只要开通88元的套餐就可以，我必须得开通138元的套餐。”……“这样的现象很普遍。”谈及现在部分网络公司利用大数据“杀熟”的行为，北京邮电大学网络空间安全学院教授杨义先坦言，很多企业难以抗拒价格差的诱惑。经济学中有一个概念叫价格歧视，通常指商品或服务的提供者在向不同的消费者提供相同等级、相同质量的商品或服务时，打出不同的销售价格或收费标准。2000年，亚马逊的差别定价就曾引起争议。那时，一名亚马逊用户反映，在他删除了浏览器的cookies后，之前浏览过的DVD商品售价从26.24美元降到了22.74美元。消息一出，如潮的谴责声涌向亚马逊。后来，亚马逊CEO贝索斯为此公开道歉，称这只是向不同顾客展示的差别定价实验，绝对跟客户数据没有关系，一切只是为了测试。危险的“懂你”“集体照相时你喜欢站在哪里，跨门槛时喜欢先迈左脚还是右脚，你喜欢与什么样的人打交道，有些习惯你没意识到，大数据或许已经发现了。”杨义先介绍，这主要是利用了数据挖掘技术。“形象地说，所谓大数据，就是由许多千奇百怪的数据，杂乱无章地堆积在一起的东西。”杨义先说，你主动在网上说的话、发的微博微信、在不知道的情况下被马路摄像头获取的视频、手机定位系统留下的路线图都是大数据的组成部分。总之，每种通信和控制类设备，无论它是软件还是硬件，其实都是获取数据的工具。杨义先认为，其实，所谓的大数据挖掘，从某种意义上说，就是由机器自动完成的特殊“人肉搜索”而已。只不过，现在“人肉”的目的，不再限于抹黑或颂扬某人，而是有更加广泛的用途，比如为商品销售者寻找最佳买家、为某类数据寻找规律、为某些事物之间寻找关联等。总之，只要目的明确，大数据挖掘就有用武之地。“必须承认，就现实情况来说，大数据隐私挖掘的杀伤力，已远远超过了大数据隐私保护所需要的能力。”杨义先说。对此，有网友感叹：“个人隐私就算瞒过了枕边人，也瞒不过互联网公司。”隐私保护需多管齐下多位从事法律工作的专业人士向科技日报记者表示，同一产品针对不同消费者制定不同价格的行为显然是存在问题的，商家应该及时调整价格表。“如果单靠技术，显然无能为力，甚至会越保护就越加剧隐私的泄露。”杨义先说，必须多管齐下。杨义先建议，从法律上，应禁止以“人肉搜索”为目的的大数据挖掘行为；增加“被遗忘权”等法律条款，即网民有权要求相关网络删除“与自己直接相关的信息碎片”。从管理角度来说，应采取措施对一些恶意的大数据挖掘行为施行监督和管控。“另外，在必要的时候，还需重塑隐私概念。”杨义先说，因为毕竟隐私本身就是一个与民族、宗教、文化等有关的东西，在某种意义上也是一种约定俗成的东西，从来就没有过永恒不变的隐私，特别是当某种东西已不可保密时，无论如何它也不该再被看成是隐私了。
如何应对“大数据杀熟”？｜前瞻·解读
编者按
近期网络上很多用户都反映了自己遭遇“杀熟”的经历，同样的商品或服务，老客户看到的价格反而比新客户要贵出许多。调查发现，在机票、酒店、电影、电商、出行等多个价格有波动的平台，都存在类似情况。类似现象受到各大媒体关注，并被统称为“大数据杀熟”。在舆论热浪下，我们应该如何看待“大数据杀熟”呢？
首先，鉴于“大数据杀熟”已经演化成一个广泛而模糊的标签，有必要厘清它的含义。其次，我们从商家的视角讨论利用大数据进行价格歧视容易忽略的后果。最后，我们讨论消费者对“大数据杀熟”的应对。
按字面理解，大数据杀熟即“熟客”比“生客”支付更高的价格。这个更高的价格可能出于两个原因，一是在个性化推荐系统下，电商平台向“熟客”推荐高端产品或服务（如，出行平台向消费者推荐价格更加高昂的出行服务），这种做法大致可理解为一种诱导性消费；另一种是针对同一产品或者服务，给熟客更高的报价，这种做法大致可以理解为（基于大数据的）价格歧视。乍一看，第一种理由似乎比第二种更可接受，因为高价可以归因为价格差异而不是价格歧视，但事实可能并没有如此简单。
首次考虑诱导性消费。网络平台日趋完善的技术和算法虽然大大降低了消费者的平均搜索成本，但平台和消费者之间存在着严重的信息不对称，导致平台在理论上完全有可能进行误导性推荐或扭曲正常的消费体验，从而不当得利。例如，本想预约出租车的消费者可能会发现平台调派的都是距离较远的出租车，或者本想预约普通型网约车而叫到的却是一辆商务七座车。这种诱导性消费无疑违反了《消费者权益保护法》中“消费者享有知悉其购买、使用的商品或者接受的服务的真实情况的权利”，属于不当得利行为。
再考虑基于大数据的价格歧视。首先，对于需求和供给相对动态的服务（如网约车），价格歧视的判定会相对复杂，因为要考虑即时需求和供给的快速变动。其次，从经济学意义上来说，价格歧视不是一个简单的是与非的问题。从商家角度来看，价格歧视是简单有效的提高利润的定价方式。考虑一个简单例子，假设需求曲线是线性而边际成本恒定，可以证明，用单一的最优价格只能达到最大社会福利（商家利润和消费者剩余之和）的50%。福利损失的一半来源于部分消费者因为价格过高而拒绝购买。与之对应的，假设商家采用一高一低的两价组合，商家的利润会上升1/3，高额利润无疑会刺激商家增加供给。注意到最优价格组合里的低价比最优的单一价格要低，这就意味着价格歧视可以有效地扩充市场，让部分支付意愿较低的消费者进入市场并获益，也就是说并不是所有人都会抱怨价格歧视。
大数据时代信息采集手段的多样化给了商家前所未有的契机。消费者在网上搜索、浏览、下单、评价等行为，都可能为商家提供关于价格敏感度的关键信息。以外卖网站为例，价格不敏感的消费者可能会用不同标准（如价格高低，送货时间长短）来筛选外卖。但商家必须意识到，价格歧视并不只是一个技术性问题。盲目追求“精准”的用户画像，可能南辕北辙、适得其反。
其次，价格歧视也是一个营销问题。商家认为“合理”的价格歧视很有可能会引发消费者的强烈反感。依照美国普林斯顿心理学家的卡尼曼的前景理论（2002年获诺贝尔奖）在营销领域的一个重要延伸，消费者的支付意愿包含交易效用。即消费者会对价格是否合理做出评价。对他们认为价格不合理的产品和服务，消费者的支付意愿会降低。亚马逊公司在2002年曾经试图基于用户浏览信息确定不同的价格。事件曝光后，在巨大舆论批评下，亚马逊被动叫停了区别定价，并由公司总裁杰夫贝佐斯道歉。类似的，可口可乐公司在1998年突然有了一个“脑洞大开”的想法：当时集团总裁伊夫斯特认为，炎热天气里可乐对消费者效用更高，所以当然应该提升自动售货机的售卖价格。这在技术上也很好执行：只要在售货机上装一个气温传感器和一个跟据气温定价的芯片即可。事实上，这个做法引起了媒体一边倒的指责和主要竞争对手百事的无情嘲笑，可口可乐也因此商誉大损。
在中国，大数据杀熟的提法尤为负面。从商家看来，大数据意义上的消费者“生熟”之分可能只取决于对于顾客信息的掌握程度：相对于“生客”而言，商家掌握了“熟客”更多的有效信息。但中国消费者很可能不会这么认为：“杀熟”意味着对熟人之间信任的欺骗和背叛。所以“杀熟”这个词比一般的价格歧视会更加负面，给人一种欺诈、没有人情味的感觉。消费者一旦产生“人为刀俎我为鱼肉”的负面印象，即使商家拥有了更好的技术，但在消费者心目中的形象是无法弥补的。长此以往，商家商誉和顾客忠诚度必然会长期受损。
首先，消费者应该认识到，互联网时代，商家通过大数据对消费者的“熟悉”是难免的，而这种“熟悉”可以创造巨大价值。以餐饮业为例，传统餐饮业获取顾客信息的能力非常有限，餐馆限于被动处理订单，有了像美团和大众点评等订餐平台以后，顾客享受到了巨大便利，而且顾客的消费、递送地址等信息也能完整留存下来。平台可以利用这些信息来提高和改进服务质量。例如，对递送地址的热力图进行分析，可明确掌握某个地段对菜系的偏好，从而对原材料和成品递送的物流做出优化。因此，不能因为少数商家的不道德行为，对大数据分析“因噎废食”。
其次，消费者可最大程度地利用自己的知情权和选择权。货比三家不亏，在互联网时代仍然是真理。亚马逊的第三方网站“camelcamelcamel.com”，可以让消费者进行价格追踪和比较。
最后，消费者联合起来比单个力量会大很多。互联网时代发达的社交媒体提供了丰富的消费者共享信息，联合发声的渠道便于消费者，共同与不良商家做斗争。有理由相信，消费者和**的力量能够抑制滥用大数据的行为，将商家注意力引导到为消费者提供最好服务的方向上来，发挥大数据的正面效应。
综上所述，商家在拥有大数据的同时，应该反思大数据的各种不同用法的潜在成本和收益。在信息日益透明，商誉越来越重要，消费者日趋理性的大背景下，最优对策应该是利用大数据给熟客更好的个性化服务，包括价格上更多的优惠。
也许在不久的将来，我们能听到“大数据爱熟”这样一个提法。
孙亚程
清华经管学院市场营销系副教授，主要从事定价策略、顾客关系管理分析，车载大数据和用户产生内容的研究。他在包括MarketingScience,ManagementScience,JournalofConsumerResearch等营销与管理学界国际顶级期刊发表文章多篇，并担任国内营销顶级刊物《营销科学学报》的编委和专业主编。