讀演算法的陷阱：超級平臺、演算法壟斷與場景欺騙筆記07_價格歧視

1. 行為歧視

1.1. 單個企業透過使用資料驅動的演算法，從而更好地實現鎖定客戶、開展個性化營銷與定價的目的

1.2. 市場環境再次發生了變化

1.2.1. 在共謀場景中，定價演算法提高了企業經營者在銷量資料上的透明性，這也促使各家企業開展協作化的定價行為

1.2.2. 針對個性化的產品和服務，企業正在有意限制價格的透明度

1.2.2.1. 人們不能再看到一個統一的市場溢價

1.2.2.2. 為了實現利潤最大化，每家企業會針對不同的客戶設定不同的報價

1.2.2.3. 你所看到的價目表，反映出了企業對你願意為這件商品支付多少金錢做出的估算

1.2.3. 廣告（或者說內容）在多大程度上反映出了我們的搜尋記錄、購買歷史或是近來收發的郵件和資訊

1.3. 獨立、公正的網際網路環境正在讓位於一個越發定製化的線上世界

1.3.1. 做到實時監測訪客訪問該網站時的情況，並以此為依據向後者推送不同版本的網頁頁面

1.3.2. 普通的網際網路使用者無法察覺到網站在產品定價、種類與廣告文案上的區別

1.3.3. 企業正在追蹤並收集有關“你”的個人資訊資料，它們打造出了一個資料庫，裡面裝滿了有關消費者的個人檔案

1.3.3.1. 將在網頁中為你呈現契合你個人喜好的廣告，以此來誘導你消費

1.4. 行為定向廣告、個性化產品推送以及差別化定價的確有效降低了搜尋成本，並且節省了我們的採購時間與精力

1.4.1. 定向廣告與促銷令我們可以迅速捕捉到市場中的機會，並且極大地促進了社會消費總量的增長

1.4.2. 歧視性行為也會降低消費者的福利

1.5. 個性化服務並不止步於為我們提供促銷資訊，它還會影響到企業的定價決策，這也就是我們常說的“定價最佳化”或“動態化差別定價”

1.5.1. 易於衝動消費的人們會為自己更加頻繁的消費支付更高的價格

1.6. 擁有資料優勢的企業能夠攫取更多消費者剩餘，從而不斷放大利潤，以至於誘導消費者為那些自己都不曾意識到自己需要的產品支付更高的價格

1.6.1. 由資料驅動的演算法正在學習將消費者歸入不同分組，並對我們“分而治之“

2. 價格歧視

2.1. 歧視性定價行為指的是商家在向不同的消費者提供相同等級、相同質量的商品或服務時，基於後者的購買意願與支付能力，實行不同的收費標準或價格政策

2.2. 商家可以根據顧客針對一系列產品或服務做出的消費決策而對後者做出區分

2.2.1. 總有一些品牌在市場營銷上下了更大力氣

2.2.2. 總有一些商品更加契合特定消費者的喜好

2.3. 商家的歧視性定價行為若想成功需要滿足兩個條件

2.3.1. 差別化的定價能力

2.3.1.1. 差別化定價反映出了賣家按照消費者的購買意願與支付能力將他們區分開來並且對每一位消費者或每一類消費者群體的需求彈性做出合理判斷的能力

2.3.1.2. 消費者剩餘指的是消費者購買一定數量的某種商品願意支付的最高價格與這些商品市場售價之間的差額

2.3.1.3. 畫廊

2.3.1.3.1. 願意為這幅作品支付的最高價格，經濟學家則將其稱為消費者的“保留價格”（Reservation

Price）

2.3.1.3.2. 在完全價格歧視的情況下，畫廊經理透過獲取全部消費者剩餘而實現利潤最大化

2.3.1.3.2.1. 每個人會為這幅作品支付所願支付的最高價格，更多的攝影作品會被賣出，畫廊也實現了利潤的最大化

2.3.1.3.3. 就算是在不完全價格歧視的情況下，畫廊獲得的消費者剩餘也比鎖定價格的情況高

2.3.1.4. 美國私立大學徵收的學費

2.3.1.4.1. 學校首先會向報考者的父母瞭解他們的財務狀況以及學費支付能力

2.3.1.4.2. 透過獎學金制度，一部分家庭收入水平較低的學生將可以支付更少的學費

2.3.1.4.3. 有一部分學生的家長會為了讓孩子能進入理想的學校而情願支付超過公告學費的更多金額

2.3.1.4.4. 接近於完全價格歧視

2.3.1.5. 非完全價格歧視，最典型的例子是基於年齡段（兒童、老年人、學生）和簡單獨立變數（消費者的定位資訊、時段）的歧視性定價

2.3.1.6. 三級價格歧視

2.3.1.6.1. 賣方將消費者劃分到了更為廣泛的顧客群當中，並針對歸屬於不同群體的消費者設定不同的產品售價

2.3.1.6.2. 影院多年來都在奉行不完全價格歧視政策

2.3.1.6.2.1. 對成年人、孩童、學生和老人收取不同的觀影票價

2.3.1.6.2.2. 此舉是基於學生與老人的可支配收入較少、保留價格較低的緣故，所以進行差別定價

2.3.2. 有限的套利空間

2.3.2.1. 關乎賣家防止消費者“倒買倒賣”的能力

2.3.2.2. 阻止套利

2.3.2.2.1. 提供定製化產品、取消產品轉手後的質保、抬高二手產品的服務檔次與費用等

2.3.2.2.2. 雖然小規模的套利空間總是存在，但是由於成本高昂與盈利有限，它無法阻擋企業的歧視性定價策略

2.4. 動態定價

2.4.1. 動態定價策略已經在民航產業中得到普及

2.4.1.1. 為了實現利潤最大化，根據對乘客出行時間安排、可選航班情況以及保留價格等資訊做出的合理估量，航空公司不僅頻繁地調整機票價格，還為出行者提供了更多不同價格水平的艙位選項

2.4.2. 在其他產業中，不論是酒店行業還是體育賽事承辦，兼顧線上市場與線下市場，相似的商業行為也並不鮮見

2.4.3. 零售商還會根據不同採購時間、同類產品的購買便捷性以及商品的保質期長短而對商品的價格做出適當調整

2.4.3.1. 超市的經營者並不一定存在開展歧視性定價的意圖

2.4.3.2. 為了儘快賣出這些快要過期的存貨，超市不得不降價銷售

2.4.3.3. 反觀價格歧視，超市經營者則是基於不同顧客針對同一個麵包的不同保留價格，而開出不同的價碼

2.4.4. 表面上看似有效的動態定價，實則卻是超市經營者有意根據消費者的價格敏感度而對他們做出的區分

3. 完全價格歧視

3.1. 在不遠的將來，不完全價格歧視（如老年人優惠證）或將成為過去式

3.2. 即便完全價格歧視不曾存世，但不完全價格歧視卻在不斷攀階，走向極致

3.3. 對於動態差別定價而言，資料才是關鍵

3.3.1. （動態差別定價）不過是榨乾消費者油水的手段

3.3.1.1. 麻省理工學院的尤西·謝菲（Yossi Sheffi）教授

3.4. 為了能夠索取高價，一些線上零售商正在收集消費者的常住地址、消費習慣和其他個人資料

3.5. 定價演算法正在基於消費者的所在位置向其呈現不同的產品價格目錄

3.6. 一些線上商家會根據使用者使用的硬體裝置來決定折扣的多寡

3.6.1. 如果有人使用智慧手機的iOS系統或是安卓作業系統登入Orbitz和CheapTickets這樣的出行訂票網站，那麼他最高可享受50%的折扣

3.7. 就連店內的攝像頭也已不再限於發揮安保功能，它們還會被用來監測店記憶體貨狀況以及其他作用

3.8. 總有人會牴觸這種資料採集行為

3.9. 好事達

3.9.1. 好事達不根據保險標的的風險而計算保費，倒是考察起了客戶的比價行為

3.9.2. 選擇性定價行為會令價格的浮動空間下至標準費率的10%，上至800%

3.10. 百安居（B&Q）

3.10.1. 2014年，英國零售商百安居（B&Q）開始嘗試一種電子標籤，它可以基於消費者的個人檔案而實時調整商品的定價

3.10.2. 基於儲存於顧客會員卡中的個人資訊以及從他們手機客戶端中獲取的消費習慣資料，電子標籤會自動生成一個“適當的”價格

3.11. Coupon.com

3.11.1. Coupon.com公司2014年的年報來看，它所運營的電子平臺意在“深度參與消費者的日常採購決策

3.11.2. 優惠券的派發也變得更加個性化和有針對性

3.11.3. 利用影片資訊的呈現方式來吸引消費者，而這依託於對消費者的網路個人資訊以及門店消費習慣資料的掌握和分析

3.11.4. 企業的核心價值體現在擁有自己專利的大資料分析軟體，從而有效識別客戶的購買意圖，並誘導他們進行採購

3.12. 塔吉特公司

3.12.1. 塔吉特公司可以從消費記錄中判斷顧客是否懷孕

3.12.2. 還可以透過對方所購買的產品型別，對懷孕客戶的臨產期進行大致預測

3.13. 長年以來，零售商都將發展會員卡業務視為收集消費者個人資料並向他們遞送產品目錄，開展促銷活動的重要渠道

3.14. 在英國的超市裡，個性化促銷同樣也非常普遍

3.15. 越來越關注細分市場的客戶需求與目標定位

3.16. 就大多數行業而言，20%的消費者貢獻了80%的利潤

3.16.1. 如果你總在樂購或者森寶利超市（Sainsbury）購買一些他們賣不掉的產品，那麼這兩家超市恐怕會得出這樣的結論：你並非他們的目標客戶

3.16.2. 企業也可以選擇順水推舟，繼續將這些不受目標客戶歡迎的產品賣給特定的客戶

3.17. 經濟學理論研究顯示，當商品的供給者可以有效地對不同消費者進行區分（也就是開展價格歧視）時，它將實現利潤的最大化

3.17.1. 大資料的作用就是更好地實現消費者細分

3.17.2. 利潤的遞增也將反過來助推大資料市場的壯大，同時強化人們的個人資訊保護意識

3.17.3. 有了資料規模的擴大、分析能力的最佳化與消費者細分水平的升級，具備自學習能力的定價演算法將越發逼近完全價格歧視

4. 擋在完全價格歧視面前的阻礙

4.1. 資料不足

4.1.1. 為了實現完全價格歧視，企業需要研發一套演算法，做到準確識別每一位消費者的保留價格

4.1.1.1. 推算這個能讓消費者做出購買決定的價格水平

4.1.2. 擋在完全價格歧視面前的第一道阻礙就是有限的資料

4.2. 可預見性與非理性

4.2.1. 如果想要在資料不充分的情況下實現完全價格歧視，預測工作則需要基於一些假設

4.2.1.1. 人的意志力並沒有那麼強大

4.2.1.2. 決策過程往往會受到固有偏見與“一時興起”的干擾

4.2.1.3. 很多人都會重視“公平”的問題

4.2.2. 即便消費體驗相同，但是保留價格卻相差甚遠

4.2.2.1. 來自高檔酒店大堂的啤酒付出更高的價格，兩者的意向價格分別是2.65美元和1.5美元

4.2.3. 不論是專業人士還是普通人，報價的高低顯著影響到了他們對房屋價值的判斷

4.2.3.1. 非專業人士坦承自己的估價受到了報價的影響，房屋經紀人們卻“斷然否認”了兩者的關聯性

4.2.4. 錨定效應（Anchoring Effect）

4.2.4.1. 原價的先入為主以及其他易被忽視的因素都干擾到了我們的定價座標系

4.2.4.2. 在我們出國遊玩時，一開始有多少人會驚詫於當地物價水平與本國的不同

4.2.4.2.1. 最終，我們都會適應這新環境

4.3. 樣本規模的有限性

4.3.1. 收集到的資料往往不足以支撐定價演算法的假設

4.3.2. 像一些大額耐用品的開銷（如電視、轎車），樣本資料的可參考性就要打個問號了

4.3.3. 如果沒有海量資料（特別是性情因素與環境因素）的支撐，一個人的保留價格實在難以被定價演算法準確估算

4.3.3.1. 沒有海量資料的支撐，定價演算法要準確識別並量化消費者的保留價格談何容易

4.3.3.2. 每一筆交易都是一起獨立的事件，受方方面面因素的影響

4.3.4. 定價演算法沒有那麼多資料彈藥可以用來反覆試錯，從而識別並準確計量所有影響消費者保留價格的變數

4.4. 除非消費者可以準確地揭示自己的保留價格（好比在火熱的房產交易市場中買家的競價），在可預期的未來，不少線上市場的定價演算法尚不能有效識別消費者的保留價格

4.5. 所有的定價演算法都尚且存在難以克服的缺陷

4.5.1. 它們的任務變成了不斷對照現實、查詢不足、提升自己的預測能力

5. 資料探勘

5.1. 企業可以利用資料庫建設來輔助自學習演算法，實現最佳化行為定向廣告、製作個性化促銷資訊以及定價的工作

5.2. 會員卡和交易記錄不過是它們種種方式方法的冰山一角

5.2.1. 利用無線網路以及手機應用程式實現與顧客的互動

5.2.2. 透過複雜的人面識別技術增進對顧客的瞭解

5.2.3. 在使用者毫無察覺的情況下透過移動裝置實現對使用者行為進行追蹤

5.2.3.1. 即便只是兜裡揣著手機，應用程式的開發商也有辦法收集到你的實時定位資訊

5.2.3.2. Nomi科技將自己的資料分析服務賣給了實體商鋪，為後者提供有關消費者出行模式的資料分析報告

5.2.4. 當無人駕駛汽車、物聯網、智慧手錶得到普及時，我們的個人資訊又會在無形當中“溜走”多少

5.3. 除了企業在自身經營活動中收集到的顧客個人資訊資料，它們還不時仰仗於資料掮客

5.3.1. 在收集消費者個人喜好與行為資料的同時，資料掮客也為他的客戶提供資料分析服務

5.3.2. 資料掮客的目的是準確推斷消費者的興趣以及價格敏感度，從而開出恰當的價格（或者折扣）將某件商品有針對性地推銷給某位消費者

5.4. 在演算法大行其道的市場環境中，賣家必將投入更多資金和精力深挖大資料分析的潛力，以便在“適當的時機”裡能夠恰如其分地誘導我們消費

5.5. 企業在消費者行為追蹤、收集與分析個人資訊資料、採用差別化定價等活動中所取得的進展都是為了提升自己的歧視性定價能力