打开文本图片集

摘要：大数据的出现为电商平台提供大量用户数据，让企业准确抓住需求。企业根据用户新老进行划分攫取消费者剩余称为价格歧视，与价格欺诈价格不透明一起作用形成大数据杀熟现象。这种差异化定价推动了商业发展，但严重侵害消费者权益，也不利于企业可持续发展。又因“杀熟”的隐蔽性，政府控制十分艰难。因此本文将主体转为消费者，研究在数 据可携权下消费者与互联网的演化博弈对大数据杀熟的影响，为保障消费者权益决策进行前瞻性研究

关键词：大数据；电商平台；价格歧视；大数据杀熟；差异化定价；动态博弈

引言

随着信息技术的飞速发展和互联网的普及，大数据技术作为商业决策的重要支持工具已经深刻改变了传统商业模式。在电商平台中，大数据不仅为企业提供了准确洞察消费者需求的能力，还推动了个性化定价和服务的实施。然而，这种数据驱动的商业模式也引发了一个备受关注的问题——大数据杀熟现象。

大数据杀熟指的是企业基于消费者的个人数据和行为模式，对不同用户群体实施差异化定价，以最大化利润或市场份额。这种做法虽然有助于企业在竞争激烈的市场中脱颖而出，但也可能导致消费者之间价格不公平和消费者权益的侵害。特别是对于价格敏感度较低的消费者而言，他们往往无法获得市场价格的最低优惠，从而减少了他们的消费者剩余，这种情况被称为价格歧视。本文旨在通过研究大数据杀熟背后的价格歧视机制，分析不同定价策略对消费者和平台的影响，以及消费者与电商平台之间的策略博弈。特别地，我们将关注消费者在数据可携权的背景下，如何利用信息对称性来维护自身利益，并探讨这种行为对市场公平性和竞争秩序的潜在影响。通过深入探讨消费者与企业之间权力关系的变化和信息的流动方式，本文旨在为未来政策制定提供前瞻性的研究基础和决策支持，以促进消费者权益的保护和市场的健康发展。我们将借助消费者与互联网演化博弈模型，探索可能的解决方案和消费者主导的治理机制，以应对大数据杀熟现象带来的挑战。

一、背景介绍

在早前的一个例子中，亚马逊因为使用差别定价策略而引发了争议。2000年，有用户反映，在删除浏览器的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。随后，亚马逊CEO贝索斯不得不公开道歉。3月7日，有网友爆料称88VIP会员在天猫超市购买商品的价格比普通用户高出很多，从16.03元到35.64元不等。然而，3月8日上午，天猫超市在新浪官微发表声明称，价格差异是由于信任专享价策略造成的，并且88VIP会员在结算时可以享受9.5折优惠，不存在所谓的大数据杀熟行为。2020年7月，胡女士通过携程APP预订了舟山希尔顿酒店的一间豪华湖景大床房，支付了2889元。离开酒店时，她发现酒店的实际挂牌价只有1377.63元。这意味着胡女士支付的房价是实际价格的两倍，而没有享受到应有的优惠。这样的案例数不胜数，都说明了电子商务平台和在线预订服务利用个人数据和消费者习惯进行差别定价，从而导致部分消费者在相同商品或服务上支付不同的价格。这种做法不仅可能损害消费者的信任，还可能违反公平竞争原则，因为它基于个人数据和算法来设定价格，而非基于市场供需。在数字化时代，如何确保消费者在购物过程中享有公平对待，以及如何监管和规范企业的定价策略，是当前亟需解决的重要问题。

二、价格歧视及其运转机理

（一）分析大数据杀熟现象，归纳出大数据杀熟的表现形式

由表1可以看出，大数据杀熟存在于社会生活的方方面面，主要体现在出行、订票服务、预定酒店、外卖平台、水果店、面包店等餐饮服务、电商平台、娱乐、电影院、KTV、演唱会、游戏充值、平台会员充值等多个领域，存在差异化定价，攫取消费者剩余价值。

（二）特点分析

从上述分析和生活经历中可得大数据杀熟具有以下特点：较强隐蔽性、较强扩散性和法律界定模糊

1.较强隐蔽性：大数据杀熟的实施往往不是公开的，而是通过算法和数据分析进行的。平台可以通过微小的差异来实现价格差异化，而这种差异可能并不明显，普通消费者难以察觉。

2.较强扩散性：一旦某个平台或企业实施了大数据杀熟策略，这种策略可以迅速扩散到其他平台或企业。这是因为竞争对手可能通过类似的大数据分析方法来优化定价策略，以保持竞争力或增加利润。

3.法律界定模糊：大数据杀熟的法律界定相对模糊不清，尤其是在涉及反垄断法和消费者权益保护法等方面。因为这种实践涉及到复杂的数据分析和定价策略，目前的法律框架可能无法完全覆盖所有的情况，导致监管的困难和法律责任的模糊性。

（三）具体案例分析

RFM模型是一种用于客户分析的工具，它基于三个方面对客户进行评估：最近一次购买（Recency）、购买频率（Frequency）、消费金额（Monetary）。本文将用RFM模型模拟公司筛选价值用户的过程，从而得出价格歧视的底层算法逻辑。

1. 数据收集：首先，收集客户的交易数据，包括购买日期、购买次数和购买金额。

2. 计算Recency（最近一次购买）：计算每个客户距离最近一次购买的时间，可以使用当前日期减去最后一次购买日期得到。

3. 计算Frequency（购买频率）：计算每个客户在一定时间范围内的购买次数，可以按月或按季度计算。

4.计算Monetary（消费金额）：计算每个客户的总消费金额，可以简单地将所有购买金额加总。

5.分组：将客户根据Recency、Frequency和Monetary的平均分值分成不同的组。可以根据业务需求确定分组的数量和标准，比如分成普通用户、活跃用户、优质用户三个等级。

6. 分析和行动：分析每个客户组的特点和行为模式，针对不同组别制定相应的营销策略和行动计划，比如对于优质用户可以进行VIP服务或者促销活动，对于普通用户可以进行激励措施以提高他们的忠诚度和购买频率。

我们在kaggle网站上获取了一份关于国外珠宝店的财务报告，运用RFM模型得出了以下结论，如表2

三、研究不同价格歧视对消费者和平台的影响

（一）三种价格歧视

在研究不同价格歧视对消费者和平台的影响时，我们需要考虑到不同的价格歧视类型及其影响机制。一级价格歧视要求卖方能够准确了解每位消费者的需求曲线，以最大化利润；二级价格歧视则通过设定不同的价格档次来影响消费者选择；而三级价格歧视则针对不同的消费者群体设定不同的价格，依据其价格敏感度来调整定价策略。

不同的价格歧视策略可能导致平台利润水平和用户参与度的变化。例如，高价策略可能提高每笔交易的利润，但可能限制用户参与；而低价策略可能吸引更多的用户参与，但利润率可能较低。

（二）消费者报酬函数

消费者报酬函数可以表示为消费者剩余与价格之间的关系。消费者剩余是指消费者愿意支付的最高价格与他们实际支付价格之间的差额。对于一个简单的线性需求函数，消费者报酬函数可以表示为（如图1）：

消费者剩余的大小取决于消费者对产品或服务的需求弹性。需求弹性越高，消费者剩余就越小，说明消费者对价格变动更为敏感；需求弹性越低，消费者剩余则越大，说明消费者对价格变动的敏感度较低。

（三）电商平台报酬函数

电商平台的报酬函数通常关注的是总收益或利润，这取决于价格、成本和销售量。对于一个垄断的电商平台，其报酬函数可以表示为：

（四）探究消费者对价格的敏感度

1. 价格实验法：设计实验来改变产品或服务的价格，观察消费者的购买行为和反应。例如，可以对不同价格水平进行测试，分析不同价格下的销售量变化和消费者反馈。

2.市场调查法：进行定量或定性的市场调查，询问消费者在不同价格下的购买意愿和心理感受。通过问卷调查或小组讨论，可以收集消费者对价格变动的直接反馈和观点。

3.历史数据分析法：分析历史销售数据，特别是在价格变动时期的销售表现。观察销售量、收入变化以及市场份额的波动，推断消费者对价格变动的反应情况。

4. 消费者剩余计算法：根据消费者剩余的理论框架，通过实际价格和消费者愿意支付的最高价格之间的差异来间接推断消费者的价格敏感度。消费者剩余越大，消费者对价格的反应越弱，反之亦然。

（五）平台利润与用户参与度

不同的价格歧视策略可能导致不同的收入水平和利润率变化。例如，高价策略可能提高每笔交易的利润，而低价策略可能增加交易量但利润率较低。价格歧视也会影响不同类型用户的参与频率和方式。例如，低价策略可能吸引更多价格敏感型用户参与，但可能导致利润较低；高价策略可能限制参与但每位用户的贡献可能更大。此外，不同价格策略还会影响平台的交易量和用户活跃度。高频率的交易和参与有助于提高平台的活跃度和用户黏性，增强平台的市场影响力。

四、消费者和互联网企业的策略博弈模型

如表3所示，在这个矩阵中，P1，P2是不同的定价策略，Q1，Q2 是不同的产品质量水平。消费者的收益是便捷性效用和隐私风险效用的总和，而企业的收益是利润。

4.寻找纳什平衡

在一个多人博弈中，每位参与者面临选择不同的策略。如果每位参与者都选择了一种策略，并且在其他参与者的策略不变时，他们的策略也是最优的，那么这种策略组合就是纳什均衡。具体来说，对于每位参与者i，如果他选择策略si，而其他参与者选择策略组合s'，如果si是使得参与者i的收益最大化的策略，那么si就是在s'条件下的最优反应。纳什均衡就是所有参与者的策略组合{s1， s2， ...， s*n}，使得每位参与者的策略都是在其他参与者策略不变时的最优反应。

为了找到最优点我们有四种主要的方式：有限策略博弈、优化理论方法、博弈论模型、数值方法。在有限博弈场景中，我们将采用有限策略博弈，可以通过列举所有可能的策略组合来找到纳什均衡。对于每种可能的组合，建立相对应的收益矩阵，检查每位参与者是否有更好的选择，直到找到所有参与者都没有更好选择的组合。在无限但因变量连续的博弈场景中，我们将采用优化理论方法，在连续策略空间中，可以利用数学上的优化方法来找到纳什均衡。例如：微观经济学中，对每位参与者的效用函数进行求导，找到最优的响应策略。在无限且非连续的博弈场景中，我们将采用博弈论模型，利用博弈论模型和数学工具，如纳什均衡的存在性定理或者特定类型博弈的解决方法，可以更系统地找到均衡点，例如：在竞争激烈、零和竞争的情境下，我们会采用零和博弈模型去寻找平衡点；在资源分配、合作决策和联盟形成的情况下，我们会采用合作博弈模型去寻找平衡点。若是在数据量分叉数很大的情况下，我们会采用数值方法，通过数值方法，如迭代法或者数值优化算法，在计算机中进行计算，可以近似找到纳什均衡点。

5.方案设计

假设研究对象只有消费者和互联网企业，消费者有选择使用互联网和不使用互联网进行消费的权力，而互联网有提供优质或低价，劣质或高价产品的权力。在该博弈中，我们先进行统计画出消费者和互联网都有各自的收益矩阵，其中消费者在获得更大的优惠和便捷的同时也有面临隐私泄露，被互联网差异化定价的侵权风险。互联网提供产品时可能会提高消费者满意度和忠诚度，同时也面临竞争压力，监管政策的压迫。因此我们将根据不同消费者与互联网间形成交易的情景来选择合适的方法并讨论两者的策略选择，从而得到策略稳定点。此外，我们在Matlab中验证纳什均衡点，通过定义每个参与者的收益矩阵，然后利用优化工具箱函数来计算纳什均衡点。经Matlab仿真模拟实验验证了其策略稳定点的存在，说明我们方案的可行性。

五、总结与期望

本文探讨了大数据杀熟现象及其背后的价格歧视机制，重点分析了不同的定价策略如何影响消费者和电商平台的利益。通过引入消费者与互联网企业的策略博弈模型，研究了他们在面对差异化定价时的行为与选择。文章提出了使用RFM模型和数学博弈理论来分析和解决大数据杀熟现象可能带来的影响和挑战，旨在为未来政策制定提供决策支持。但文章中运用到的模型均为简化版模型，并未考虑现实生活中复杂的因素如：政策，市场环境等，因此仍存在一定程度上的局限性。未来的研究可以进一步扩展现有模型，考虑更多实际情境中的因素，如法规的影响、市场竞争格局。这些举措将有助于深入理解大数据杀熟现象背后的复杂机制，为制定更为精准和有效的政策提供更为全面的支持和指导。

参考文献：

[1]邢根上，鲁芳，周忠宝，等.数据可携权能否治理“大数据杀熟”？[J].中国管理科学，2022，30（03）：85-95.DOI：10.16381/j.cnki.issn1003-207x.2020.2232.

[2]刘佳明.大数据“杀熟”的定性及其法律规制[J].湖南农业大学学报（社会科学版），2020，21（01）：56-61+68.DOI：10.13331/j.cnki.jhau（ss）.2020.01.008.

[3]李明琨，吴欢，王伟.互联网企业大数据“杀熟”的博弈行为机理与消费者应对策略[J].管理学刊，2021，34（02）：55-64.DOI：10.19808/j.cnki.41-1408/F.2021.0014.

[4]鹿芳薇. B2C电商平台大数据“杀熟”的规制研究[D].湘潭大学，2021.DOI：10.27426/d.cnki.gxtdu.2020.001647.

[5]魏显瑞. 电商企业对大数据杀熟的策略选择[D].东北财经大学，2019.

[6]郭煌，阮子琪.消费者权益保护视角下的“大数据杀熟”探究[J].中国市场，2022（23）：182-184.DOI：10.13939/j.cnki.zgsc.2022.23.182.

[7]孔得伟.浅析信息获取、大数据“杀熟”与价格歧视[J].信息系统工程，2020（10）：86-87.

[8]陈杨杨，陆波，曹柬，等.政府、互联网金融机构与公众消费者三方博弈——基于不同信息安全性产品的分析[J].浙江工业大学学报（社会科学版），2015，14（04）：403-407+424.

[9]叶志瑾.基于RFM模型的加油站汽油客户价值分类研究[J].车用能源储运销技术，2024，2（02）：25-29.

该文章受到“上海立信会计金融学院大学生创新创业训练计划项目”资助 项目编号：S202411047030