近期随着携程酒店事件，大数据杀熟是网络很多用户在聊的一个话题，很多用户都在网络上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 。

什么是大数据杀熟?

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 。

如何看待大数据的价格歧视?

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 。