【反向驯化大数据】平台价格-见人下菜-反向驯化大数据-有用吗？

　　春节假期要启动了，许多人在线上平台买机票、订酒店，为避免“ 大数据 杀熟”等情况，许多人会选择多平台比价，甚至有人选择“反向驯化” 大数据 ，即试图通过各种方法，改变自己的“用户画像”干扰 大数据 算法。

　　可是， 大数据 真能被“反向驯化”么？

　　01

　　“见人下菜”的平台价格

　　不久前，记者邀约了15位不同年龄、职业背景、消费习惯的平台用户，在同一个时间段，对4家知名线上旅游预订平台进行测试(分别以平台ABCD指代)。

　　记者根据春节假期的出行习惯，随机选择了7趟航班和6家酒店，让这15位用户同一时间段下单，发现不同人之间，价格的确存在区别。

　　首先，在相同平台上，不同账号的预定价格不同。以正月初二某趟航班的经济舱票价为例，在平台B上预订，最低价为1428元，最高价为1840元；不同平台间也有价格不同。测试者们在平台A上预订同样的航班，最低价为1522元，最高价为1888元。这意味着，这一趟航班，不同人和不同平台之间的价差是460元。

　　为计算返程票价，测试者们在预订正月初七的同一航班同等舱位时，发现有人在平台C的预定价格为1260元人民币，平台B则为1387元，差额达127元。

　　酒店预订同样如此。好比选择在平台D上预订除夕当天夜夜晚海某高端酒店的大床房，最低价与最高价之间相差681元；同一个用户在预订正月初四某家位于景区旁的连锁酒店时，平台B和平台D之间的差价达到189元。

　　从上述测试看，光是来回机票和两晚住宿，“用对”账号和平台就能省下1457元。

　　02

　　价格不同是咋造成的？

　　测试发现，不同用户的价差，主要是以下因素造成的：

　　1、优惠券不同

　　好比，平台A主要靠“账户券包”拉开价格差距，其中新客账户分别有10元及20元优惠券的不同，有的账户还有面值200元的当地文旅消费券；

　　在平台D中，不同用户的“账户券包”的数量及金额不同，从20余张优惠券至50余张优惠券不等；

　　而平台B有早鸟价、春节补助、抹零卡等不同优惠活动，不同人享受的活动不同，补助金额也不同。

　　2、高频次搜索

　　高频次的搜索可能会带动机票、酒店等价格出现起伏。

　　首先是，在测试平台B进程中，多位用户同时搜索，“动作慢”、搜索时间靠后的人，预定价格会出现上涨；等到当天晚些再搜索，价格又出现不同水平的降低。

　　不过，高频搜索造成的影响其实其实不确定。有的产品不会出现这一现象，有的价钱波动是因优惠券的调整造成的。

　　3、商家不同

　　除了以上原因外，也会出现因平台推荐排名靠前的分销店铺不一样，或产品提供商不同，有的是官方店铺、有的是代理商家而引发的价钱不同。

　　03

　　啥样的用户更能拿优惠？

　　在15名测试人员中，有喜欢“货比三家”的理性消费者，有习惯宅家极少出门旅游的平台新客户，身份上有仍在大学就读的学生、我们时常出行的旅游达人、喜爱家庭出游的宝妈等。

　　从测试结果来看，价格敏感、出行频次较少人群，更容易被平台“看重”。

　　相比之下，我们时常出行的人，账户券包金额通常较小或没有优惠券；出行频次较少的用户，在预订时界面会频繁显示航司礼遇、春节大额补助等活动。

　　对于价格敏感的用户，在主打性价比的平台B，预订机票会更高频次弹出早鸟价及春节补助。

　　有人担忧，手机不同也有可能存在存在影响预定价格。记者了解到，在测试进程中，数千元至上万元的不同型号手机，在平台预订时没有明显不同。

　　04

　　这些方法能“压价”？

　　有些用户会采用联系客服热线、反复评论留言、改变消费习惯等方式，来影响 大数据 对自己的判断。在本次测试中，记者对部分常见方法加以求证。

　　1、先下单不付款有效么？

　　有效。

　　用户未付款时，平台会随机为账号发放优惠券，且限时较短，敦促用户下单。另外，平台B还会在浏览阶段添加“当前有XX数量的人也在看该航班”的信息，给用户预订增加紧迫感。

　　2、拨打平台客服热线反映问题有效么？

　　有效。

　　在出现价格不同时，拨打电话提供相关截图给平台客服，有的平台会予以退差价或赠送一定金额的优惠券，以消除用户预订时的疑虑。有的平台还会进行数次电话回访，以确保用户的问题已经被解决。

　　3、价格会越搜越便宜么？

　　有时会。

　　测试后的第叁天，当参与测试的人员再次搜索同一酒店产品时，在平台D上，一家高端酒店客房价格降了百元，主要是大额优惠券的数目增加所致。但这种现象并没有出现在所有平台中。

　　05

　　“反向驯化 大数据 ”

　　技术人员：作用不会很大

　　“平台通过算法对用户的大量数据进行研究分析，得出用户对价格敏感度、购买意愿等与优惠券发放相关的模型。”中国人民大学律师学院院长助理杨洪浦分析。

　　在技术层面上，用户的浏览历史、搜索偏好、预订频率、消费能力，和是否是新客户、比价用户，和市场需求、产品库存等原因，都会影响平台算法的判断。

　　至于能否“反向驯化 大数据 ”，有技术人员对记者表示，人为干扰的作用其实其实不会很大。因为 大数据 依托的维度十分广泛，平台的用户账户大多数是实名制，使用虚拟账户的存在性很小，所以很难通过一些简单伪装行为迷惑 大数据 模型，而且 大数据 模型本身就有较强的学习能力。

　　06

　　“ 大数据 杀熟”合法么？

　　在采访中，多名律师表示，“针对不同用户发放不同优惠券本身其实其实不一定违规，需要分情况看待。”

　　杨洪浦认为，如果平台的优惠券发放规则是公开透明的，并且用户能够清晰知晓获得优惠券的条件，那么这种行为是合规的。

　　从法律层面而言， 大数据 算法与 大数据 杀熟有着本质区别。杨洪浦介绍， 大数据 算法本身是一种技术手段，可以高效运营、精准营销、提升用户体验；而 大数据 杀熟指平台利用 大数据 分析，对老客户或消费能力较高的用户，在相同产品或服务上设置比新客户或其它用户更高的价钱，以此获取不正当利润。

　　“ 大数据 杀熟”的核心在于，利用信息不同步，对特定用户群体进行价格歧视。《消费者权益保护法实施条例》中规定，经营者不得在消费者不知情的情景下，对同一商品或服务在同等交易条件下设置不同 的价钱或收费标准。

　　说白了，如果只是针对消费者特点，展示不同 的商品和服务，法律是允许的。

　　可是，“如果经营者利用 大数据 算法，通过抓取和分析消费者的消费习惯、价格偏好，在消费者不知情的情景下，设定不同 的价钱、增加额外的款项，就涉嫌违法。” 北京市 法学会旅游法学研究会副会长李广说。