2017年12月，一名中國網友在微博上講述了自己遭遇大資料“宰客”的經歷。他經常通過某旅行網站預訂某酒店的房間，價格常年為380~400元。偶然一次，酒店前臺告訴他淡季價格為300元上下。他用朋友的賬號查詢後發現，果然是300元，但用自己的賬號去查，還是380元。

這條微博引發了網上的“大吐槽”：“我和同學打車，我們的路線和車型差不多，我要比他們貴五六元”，“選好機票後取消，再選那個機票，價格立馬上漲，甚至翻倍”。

《科技日報》在報道這則新聞時，打出了“大資料殺熟”的標題。所謂“熟”，我認為就是通過消費者的資料掌握了消費者的底細。

幾天後，《新聞晨報》又做了更多的測試，證明幾個旅遊平臺、購物平臺均存在類似的“殺熟”現象，甚至系統如果判定消費者著急， 也可能加價。 2018 年3 月24 日，安徽衛視的《社會透明度》節目再度聲討：

什麼叫看人叫價，舉個例子，有網友發現自己和同事使用同一款打車軟體，在同樣的時間走同樣的路線，目的地也是一樣， 可是一看價格，怎麼兩個價格不一樣呢？同樣的路線，一個是18.4 元，一個是11.4 元，價格差了7 元。他們是同一個公司的， 平時住在同一個宿舍，於是又調出以前的打車記錄，果然，他們每次打車都會有這樣七八元的差價。

這到底是怎麼回事呢？祕密在手機裡。用蘋果手機裡的App （應用程式）打車，車費會比用安卓手機裡的App 打車貴30% 左右。不僅是打車，還有人分析了各家視訊網站，發現辦理會員的價格，用蘋果手機都會比用安卓手機貴。比如某一個視訊網站的會員，同一個人用自己的賬號登入，在安卓手機上開通一年178元，而在蘋果手機上開通，價格就變成了218元。

新聞評論員的意思是，平臺掌握了下單人的手機型號，對使用高檔手機的人，可以賣貴一點。這相當於商場的店員看見開著寶馬、穿著貂絨的客戶進來，就喊出高價，“殺熟”其實是“殺富”。他們的邏輯是，同一件商品，如果馬雲來買，當然應該更貴一些。

據中國電子商務研究中心的不完全統計，包括滴滴出行、攜程、飛豬、京東、美團、淘票票在內的多家網際網路平臺均被曝光存有“殺熟”的情況，特別是線上差旅平臺更為嚴重。對此，各家平臺反應不一，有些宣告“堅決沒有”，有些不予迴應，還有的“委婉預設”。

我認為，“殺熟”的淵源可以追溯到5年前開始興起的“千人千面”。2013年起，手機購物的趨勢已經非常明顯。為了提高買家的購物衝動，主流的電商公司，例如阿里巴巴，嘗試了一項開創性的工作，它讓每一個消費者開啟淘寶能看到不同的商品，即給每個消費者定製一個動態的首頁，其中呈現的商品可能就是消費者這次需要購買的物品，這就叫“千人千面”。

當然，“千人千面”的實現基礎就是“資料識人”。在消費者每次點開淘寶的幾秒之內，阿里巴巴要根據它所掌握的使用者資料，立刻計算出使用者這次來淘寶最可能購買的商品，並在首頁上呈現出來。速度必須快，不能讓消費者等太久，但要算得準，需要的時間就更長，阿里巴巴的糾結之處是要在“快”和“準”之間找到一個平衡。這就好比讓顧客走進一家實體商店，每次他都發現他這次想買的商品就擺放在離他最近的入口，當然，這樣的擺法和變換在物理世界是根本無法實現的。

這是我讓公司的三個年輕同事同時開啟手機淘寶，在同一時間的截圖， 我們可以看到明顯不同的介面。

左圖：搜尋框提醒關鍵詞為“佳能6D 單機”；下方第一幀廣告畫面為“匠心美味”，推薦雞肉熟食；下方“杭州精選”“有好貨”“大牌甄選”“必買清單”推薦商品為洗潔精、抽紙、運動鞋、相機、長袖T 恤等。該使用者為男性，近期較關注相機和生活用品。

中圖：搜尋框自動顯示關鍵詞為“hp803 墨盒黑色”；下方第一幀廣告畫面雖然也是“匠心美味”，但推薦的是奶製品；下方“大牌甄選”（位置與左圖已不一樣）“有好貨”“男神範”“必買清單”推薦商品為短袖T 恤、普通長裙、烤吐司機、杯碟、中式傳統新娘秀禾服等。該使用者為男性，其賬號偶爾也會給女友使用，較關注家居用品，也可能喜事將近。

右圖：搜尋框自動顯示關鍵詞為“攝影發燒友”；下方第一幀廣告為護膚品；下方“活色生鮮”“有好貨”“淘搶購”“必買清單”推薦商品為牛油果、女孩長/ 短袖T 恤、秋刀魚、魚頭。該使用者是一名女性，偶爾關注攝影器材，但更關注護膚品和生鮮食品。

“千人千面”技術已經在大部分網際網路公司普及。微信2015 年推出的金融服務“微粒貸”也是一個典型。這是一款基於微信的個人貸款服務，但並不是每個人開啟微信都會看到。換句話說，騰訊只對有需要或者它所認為的優質客戶開通，前提當然又是演算法—根據使用者的購物、消費、理財、充值、紅包等記錄，騰訊可以篩選使用者。“寸屏寸金”，對於不開放“微粒貸”的人，其留出的螢幕空間可以成為推廣其他服務的入口。

阿里巴巴和騰訊的這些產品，都是精細化和個性化的登峰造極之作，這些創新已經收到了顯著的商業效果和巨大的回報。

“千人千面”的硬體基礎是移動互聯帶來的“一人一屏”。如果幾個人共用一部手機，演算法的準確性就無從談起，但就是因為“一人一屏”，一個新的可能出現了，價格也可以變得個性化—千人千價。簡單地說，就是通過資料可以區分窮人和富人、新人和舊人、價格敏感人群和價格不敏感人群、蘋果手機使用者和安卓手機使用者。

例如在手機上購買機票，演算法可以通過大資料判斷使用者是否為白領階層，當用戶進入購買頁面時，高階白領看到的都是商務艙機票，而在校大學生看到的往往是打折機票。即使同一張商務艙機票，針對不同的人也可以顯示不同的價格。你買過一次高價票，說明你對高價不敏感，那繼續賣你高價。之所以舉機票的例子，是因為機票價格有很強的動態性，同一個航班的機票，購買時間不同，價格也可能截然不同。動態性和“殺熟”兩種因素交織在一起，這對商家是一種掩護，使用者很難區分究竟是什麼原因導致價格不同，千人千價的“陽謀”更容易實現。

千人千價也可以穿上各式各樣的“馬甲”。某些消費者一開啟首頁，看到的商品就是打折優惠商品，這其實是針對低頻交易客戶的低價喚醒策略。同一件商品，如果消費者通過搜尋找到，其顯示的價格可能就更高。又比如，系統也可以對所有的使用者顯示同一個價格，但對價格敏感者，系統會私底下發送很多現金優惠券，而對系統判定的價格不敏感者或者富裕人群，則一張優惠券都不送。這個效果和千人千價並沒有什麼差異。

中國有個成語叫“朝三暮四”，原意是嘲笑猴子的愚蠢，但猴子的這種愚蠢實為人性的底色。大部分人在日常生活的大部分時間都是被感覺而不是被理智控制的。

“一人一屏”和“資料識人”深刻地改變了商家和消費者的關係。在傳統的商超，價格一經公開，所有的消費者都享受一樣的價格，如果價格不合理，商家會受到眾人的挑戰，商家和消費者是一對多的關係，因為眾怒難犯，商家不敢輕易打歪主意；但在“一人一屏”的時代，商家和消費者變成了一對一的關係，價格是隱祕的、單行的，價格合不合理，消費者只能靠自己判斷，而消費者的認知空間已經被手機和資料割裂了。

千人千價是通過演算法對資料的自動處理實現的，主觀上它沒有洩露任何人的資料和隱私，但它在某種程度上侵犯了消費者的經濟利益。這是一種算計，一種隱形的傷害，最後的結果是“最懂你的人傷害你最深”。它雖然無關隱私，但涉及商業倫理。明目張膽地使用這些技術的商家，未來一定會在公共關係中遭遇商業道德的挑戰，本書暫不做深入討論。我關注的是其中的個性化邏輯，今天的技術可以把人、時間、空間和場景一一區分開來又重新組合，根據場景隨時變換價格。

除了千人千價，利用演算法聯合同行，協同拉高價格，也可能成為未來網際網路商業的新常態。

幾年之前，美國就已經出現了這樣的案例。託普金斯（David Topkins）經營了一家海報零售公司，他在亞馬遜的電商平臺上出售海報。從2013年開始，他就不斷聯絡他的網上同行，和他們約定在亞馬遜平臺上拉高海報銷售的價格。為了執行這些約定， 託普金斯開發了一個演算法，該演算法能夠蒐集其他商家在亞馬遜上出售同類商品的價格資訊，並運用事先商定的定價規則，動態調整自己的定價，其他的協作者也和託普金斯一樣自動變換、調整自己的價格。

美國司法部盯上了託普金斯，他們認為線上定價必須要像線下定價一樣自由、透明、公平，託普金斯的演算法本質上是“夥同他人合謀控制商品的網上銷售價格”，違犯了《價格法》。2015年4月，託普金斯被處以2萬美元罰款。

甚至更早，演算法協同就已經在網上露出了蛛絲馬跡。2011年，有人突然發現，亞馬遜上的一本書The Making of a Fly（意為“一隻蒼蠅的產生”），其標價竟為170萬美元。其後的一星期，定價不斷飆升，最終創下了2 369萬美元的天價。

原因就是賣家在使用演算法定價，他的演算法緊盯他的同行：如果他的同行漲價，他也漲價。恰恰其中一位同行也用演算法緊盯他的定價：如果你漲，我也漲。結果其中一方的微小調價導致兩個演算法陷入了加價迴圈，

相互不斷推高對方的定價，最後攀升到天價。

其實只要在演算法中加一個“If…Then…”（如果……那麼……）的封頂語句，就不會出現這樣愚蠢的錯誤。當然，今天的演算法不會再讓消費者輕易看到一點痕跡。例如，對滴滴平臺上的動態定價，我們都很熟悉，大部分人認為沒有問題，但正是因為動態定價，美國的優步受到了訴訟挑戰。

動態定價被認為是一種演算法合謀。原因在於，在用車的高峰時刻，所有的優步司機都在使用動態定價的演算法。這個漲價的演算法是事先約定的，是優步公司提前開發的，但如果沒有這個演算法，司機就會各自定價，很多司機就可能會選擇“背叛”，他們不會開出演算法開出的統一高價，市場就會處於更加自由的競爭狀態。而通過這個演算法，優步獲得了更高的提成。起訴優步的原告還認為，優步不斷地組織司機線下見面，這就促成了價格合謀的達成。

這種基於演算法的大規模合謀破壞了社會的隱形秩序。問題和難點在於，演算法是否在執行，它如何執行？普通的消費者對此一無所知。直到今天，中國政府也沒有任何演算法監管機構，如果多個演算法在雲端合謀，整個社會幾乎無知無覺，也沒有任何還手之力。