网友“廖师傅廖师傅”表示，他经常通过某网站订某个特定酒店的房间，长年价格在380元-400元。偶然一次，他从前台得知酒店淡季的价格在300元上下。他用朋友的账号查询也是300元，但用自己的账号查，还是380元。网友也纷纷晒出了自己被宰的经历，大骂企业无良，不少媒体认为大数据杀熟是技术走了歪路，要有法律制裁才行。
发表回复
忘记密码？ 请输入您的电子邮件地址。 您将收到一个链接，并将通过电子邮件创建一个新的密码。
网友“廖师傅廖师傅”表示，他经常通过某网站订某个特定酒店的房间，长年价格在380元-400元。偶然一次，他从前台得知酒店淡季的价格在300元上下。他用朋友的账号查询也是300元，但用自己的账号查，还是380元。网友也纷纷晒出了自己被宰的经历，大骂企业无良，不少媒体认为大数据杀熟是技术走了歪路，要有法律制裁才行。
评论 ( 20 )
这个问题，我们曾经在阿橘老师的公众号“橘猫财经”里专门分析过
【橘猫财经微观系列5】价格歧视：给你想要的，同时加个价
一、为什么有大数据杀熟，有多恐怖？
“大数据杀熟”可以分为两个词，一个是大数据，一个是杀熟
大数据是手段，杀熟是目的。
在经济学上，这叫“价格歧视”，同样的产品，对不同的消费者收取不同的价格。
从上海飞北京，对坐经济舱的A收800元，对坐商务舱的B收3000元，不是价格歧视
但从上海飞北京，对坐商务舱的A收3000元，对同时下单买商务舱的B收5000元，就是价格歧视。
多扯一句，经济学上有个很拗口的词，叫消费者剩余
用大白话来说，就是我觉得一个包子值3块，另一个不喜欢吃包子的人觉得这个包子值1块。
商家按照1块的价格出售，不喜欢吃包子的就觉得很公平，毫无感情地买了一个包子。
但我就觉得我赚了，物超所值，爽！
对我而言，这2块钱就是我的消费者剩余，而对不喜欢吃包子的人而言，他就没有消费者剩余。
没有消费者剩余的消费，只是维持生存
消费者剩余越多，消费者的幸福感越高。
为什么大家喜欢网购？因为网购便宜，节省的钱就是大家的消费者剩余。
不仅节约了钱，内心还爽了。
价格歧视是商家利润最大化的手段，是分段位的，
我们可以简单地分成一级、二级、三级
我们都遭遇过，比如学生证半价、比如第二杯半价、比如量大从优，都是。
其中三级价格歧视，是所有商家的终极梦想——
在出售商品给每一个客户时，价格都按照客户自身愿意付出的最高价定价。
没有任何消费者剩余，利润全部归于商家。
这在传统经济学领域中，三级价格歧视被认为是几乎不可能做到的。
因为商家不可能了解每一个人的偏好，也无法精确评估大家愿意支付的最高价格。
但这一可怕的场景，正在大数据的应用下逐步变成现实。
随着人工智能的发展和大数据分析的普及，通过你的消费习惯、消费地点、生活方式
结合你的收入情况、个人经历和家庭环境。
可以很轻松地推断出你喜欢什么、能买得起什么
举个很简单的例子：
你经常出差需要飞北京到上海的航班，上一次1000块钱一张你没买，买了高铁票
第二次出差，800元一张，你买了。
多来几次，系统就能知道你愿意支付的最高价格。
以后不管真实票价多少，只要低于800的，都对你显示800，你根本察觉不到。
你喜欢吃什么，空调喜欢开几度，多久购买一次避孕套……
商家可能成为比你最亲近的伴侣或朋友还懂你的人。
很多人觉得，自己没啥信息好泄露的，不就是手机号身份证号知乎账号吗？
但实际上，可供采集的数据太多了——你每天的微信步数、你的GPS移动轨迹、你网购的种类价格、你出行的方式、你电子消费的资金数量和支出方向……
把这些合成在一起，拟合出你的生活轨迹一点都不困难。
当然，现目前，大数据杀熟，由于人工智能的分析能力还没强大到这个地步
事态还没有很严重。
但是未来呢？真的不好说。
二、大数据杀熟可以避免吗？怎么避免？
在讲怎么避免之前，我想先给大家讲一个历史的小故事，清朝皇帝怎么吃饭的。
清朝皇帝在吃饭的时候，规矩很严格。
每次吃饭，会上几十道上百道菜，皇上吃菜前，都有太监先尝一口试毒，没问题了再给皇帝吃。
那太监尝了不久就端给皇帝了，急性烈性的毒药当场发作，有太监挡着
那要是慢性毒药怎么办呢？
于是又有了另一道规定——不管菜有多好吃，吃到第三口皇帝必须停筷。
吃到第三口的时候，旁边的太监就会叫停，然后让下面的人换菜。
每天、每顿菜品都不重样。
这样，除了皇帝本人，谁都不知道皇帝喜欢吃什么菜。
伺候慈禧几十年的侍女，都不知道老佛爷喜欢吃什么。
自然就没办法通过下慢性毒日积月累了。
这是历史上防止“大数据杀熟”一个很有代表性的案例。
既然古人能做到，我们自然也可以以史为鉴，总结以下几点小贴士，欢迎大家在评论区补充：
1.网购时如果产品有质量问题，一定坚决维权，该投诉投诉，该差评差评，否则极有可能被系统判定为“佛系买家”，在未来网购中受到卖家库存残次品的“优先照顾”。
2.收快递时尽量选择蜂巢、自提等寄送方式，避免个人住址外泄
3.在出行时货比三家，不要长期在一家下单，做到“雨露均沾”
4.公私分开，设置两个手机号，分别处理公事和私生活
5.尽量减少对智能家电、智能手环等产品的依赖
6.尽可能避免使用无良APP，对于有劣迹爆出的APP使用过程中要慎之又慎
7.使用“秘技搜索”等不留痕搜索引擎，尽量避免使用百度、360等搜索引擎。
其他的，等留言区补充吧。
三、大数据杀熟能被立法禁止吗？能靠行业自律吗？
首先，行业自律是基本不可能的，凡是什么事情要靠自律的，基本都不靠谱。
钱钱钱，命相连。和经济利润比起来，道德算个屁。
马克思早就说过了，利润率达到300%，人类什么事儿都做得出来。
当然数学题除外，数学题做不出来就是做不出来。
其次，可不可以通过立法禁止呢？
答案是，也许可以。因为历史上有先例。
利用自身优势，疯狂薅消费者羊毛的，在历史上最著名的就是垄断企业
所以当今各国都有各种类型的《反托拉斯法》《反垄断法》，打击垄断行为
防止大企业把消费者剩余薅秃了引发社会动荡。
不然一升汽油卖你100块，你爱买不买，那谁顶得住？
但是，现目前，立法者并没有对这种薅羊毛的事情引发足够的重视。
所以什么时候立法，还没有明确预期，一句话，立法是有滞后性的
远水救不了近渴啊！
除此之外，立法后也存在监管和实施问题。
虽然杀人判刑的法律已经出台了至少2000年了，但还是屡禁不止。
更不要说制毒贩毒、卖淫嫖娼、赌博投机了。
所以就算哪天立法了，大家也不要抱太大的希望。
大家都是成年人了，要学会自己保护自己了。
四、最后，最关键的，还是提升自己的判断力
不管是“大数据杀熟”也好，还是垄断大公司收你高价产品费也罢
都是大资本吸血功能越发强大在当今中国的体现。
我们身处在一个波澜壮阔的时代，必然承受着这个时代所面临的阵痛。
19世纪是英国童工一天12小时，一周80小时的辛苦工作
20世纪是韩国人日本人疯狂加班、被三星共和国铃木财团等大财阀吃干抹尽。
现在轮到中国了，不管是996也好，大数据杀熟也好，咪蒙女权焦虑营销也好
背后都是大资本在推动生产力进步的同时，对人性的剥削和扭曲。
我们在改革开放后感受到资本主义的蓬勃生命力的同时，也必须警惕资本对人的物化和人性、价值观的异化
如果不能利用资本的力量，抢产业结构的高端
实现低端到高端的产业升级
我们将永远成为资本的奴隶，金钱的奴仆。
不要被消费主义洗脑、不要被焦虑和性别对立营销所迷惑
自力更生，开拓眼界，是我们应对大数据杀熟看似无关，却是最根本的手段。
2019年，我们站在世界历史的十字路口。
国家脉动的气息，国运与个人命运的联动，非常的具体，一点都不抽象。
===========想了解更多硬核知识的话，下面有个神奇的传送门======
你是一个懂事的成年人了，要学会自立更生，二维码要自己扫，或者自己在微信搜索《橘猫财经》，关注一下阿橘这只胖猫，如果能打赏点碎银子买点猫粮，就更好了。
http://weixin.qq.com/r/SB3t9RbE7EuTrVKW90ha (二维码自动识别)
不多说，看视频
不知道是哪个人才的点子
嗯……刚经历了被分手然后把情侣空间给关闭了，本想来知乎刷点有趣的事情缓解一下心情，结果给我推荐一个这个标题的回答
《你有哪些想对前男友前女友说的话？》
点进去看了一会儿有点烦闷，心想着去QQ刷下动态，结果动态首页出现一个这样的广告
你俩可真行
——我可去你马的混蛋
办法就是货比三家，从无数的APP里比价，从国内的到国际的。从电脑，手提到手机。
如果大家还不明白，那么看看下面最新的杀猪记录，有没有被飞猪恶心到？我想最后飞猪还是会有不同解释的。 看看同样时间，同一个客栈，艺龙，携程，飞猪的价格。但如果我没比较，那么是不是已经变成烤飞猪了。
谢邀。
算法时代，大数据杀熟受到越来越多诟病与争议，但从经济学角度来看价格歧视，有着更深层次的分析框架与维度，甚至颠覆我们的常识。
针对这个问题，我们邀请到华盛顿大学法律博士候选人朱悦，他将介绍价格歧视背后的经济学原理，同时他指出按照大数据算法执行的周密定价策略，短期内可以增长利润，长期内却会导致“双输”；看起来会因为歧视得益的商家，最后可能反而联合要求通过反价格歧视的法案。而消费者也不是经济学课本上的假设“理性”，而是按“情感”出牌。
——————————————正经回答分割线————————————————
要点：
✔ 价格歧视的相关理论
✔ 讨论消费的两类“情感”，讨厌“侵入”与追逐“正义”；
✔ 为何长短期利益可能不兼容——消费者也有办法反制；
✔ 基于历史的案例分析
✔ 总结与讨论
大数据“杀熟”和“千人千面价”的利弊是近年来各界争论的热点，有代表性的论点可以分成以下两类：第一类，偏重消费者的福利，强调“杀熟”损害消费者的利益——通过更精确和细致的个人信息定价，平台把本来归属消费者的福利全部转移到自己手里，导致前者从交易中得到的好处变少。这类观点认为，既然各国竞争法规均强调保护消费者福利，以上削减消费者福利的行为自然应该受到遏制。
和第一类观点相比，第二类论点更加“平台导向”，强调精准价格歧视在效率方面的优势。由于互联网时代“赢家通吃”的特性，许多新兴的行业都由少数寡头把持或干脆就接近垄断。相比由垄断定价造成的效率损失，充分的价格歧视反而可以达到社会总福利的最大化。既然如此，不妨允许平台进行这种类型的价格歧视。之后，通过税收等再分配工具，社会可以达到合理的分配结果。
然而，以上两类方法存在一个共同的缺点：假设消费者“呆若木鸡”。其中，平台可以自如地选择定价策略，消费者更多只能被动做出反映。然而，近年来的诸多研究成果，让我们看到了这个问题更加复杂的侧面：消费者有时候不按“理性”，而是按“情感”出牌；周密的定价策略，短期内可以增长利润，长期内却会导致“双输”；看起来会因为歧视得益的商家，最后可能反而联合要求通过反价格歧视的法案。
以上佯谬初看之下令人疑惑，实则都有充分的依据。整合这些观点，我们才能充分理解大数据时代价格歧视的诸多得失利弊。讨论这一问题时，务必“多想一步”：只谈利润不谈情感，最后反而可能损失利润；只看自己不看消费者，企业反而可能失去消费者；只想“摁住”歧视而不顾及其它，监管带来的损害反而可能多于得益。多学科视角交叉，或为破除以上佯谬的仅有路径。
基于供求曲线的基础分析
借助大数据“量体裁衣”、针对消费者个别定价的技术实现相当繁难，但分析这一点的经济学模型却并不复杂，最基本的供求模型就足以胜任。
在基础的《经济学原理》中，我们已经学习过如下的图示：一条供给曲线，衡量了生产者在不同价格水平下愿意提供产品的数量；一条需求曲线，标示了消费者在不同价格水平下愿意消费者商品的数量。如果有许多生产者与许多消费者——或曰市场完全竞争，两条线的交点处就刻画了均衡时的市场。
在如此刻画的均衡中，生产者定出一个统一的价格；向下斜的需求曲线与向上撇的供给曲线之间，是商品交易创造出的所有福利。这个福利被价格水平横着“剖”成两半：一半是消费者的购买意愿高于价格的部分，这部分就是消费者福利；另一半是价格高于生产者的成本的部分，这部分就是生产者福利。在至少大半个世纪以前，经济学家已经严格证明了如下命题：完全竞争市场将会最大化社会总福利。
然而，在许多与互联网相关的新兴产业中，市场远远不是完全竞争；实际上，这类市场通常仅由一个或几个竞争者占据。在完全竞争市场中，诸多生产者间的剧烈竞争，会挫败任何将价格提升至供需交点以上的努力——如此行为的唯一后果，就是消费者通通跑到其它家去消费。然而，如果行业里的企业很少，即使提高价格，消费者也不会全部流失。从单个消费者身上获利的增加，可能足够弥补消费者流失的损失。
尽管企业可以因为这种行为获利，但消费者福利及社会福利都会因此遭受损失。消费者福利受损的原因很简单：垄断或寡头厂商定的价一般都要比竞争市场的价格高。提价这种行为，相当于把一部分福利从消费者手里转移到了自己手里。社会总福利也会受损：市场价格提高，会导致那些消费意愿不是特别高的消费者放弃购买、退出市场。本来，这些交易也能为社会创造价格；现在，因为垄断，这些交易做不成了。
基于大数据的价格歧视为什么可以纠正这部分损失呢？借助性别、年龄、教育、职业、资产等各方面资料，企业现在可以为消费者“量体裁衣”——让每个人都“享受”到不同的价格。支付意愿高的消费者，就给他/她定高价；支付意愿低的消费者，看到的则是相对低的价格。当数据与算法的威力发挥到极致时，企业可以“沿着”需求曲线定价：把价格刚好定在每一消费者的支付意愿附近，恰好让他/她剁得下去手。
这会带来两方面的影响。一方面，社会福利损失现在没有了：通过“沿着”需求曲线定价，企业把那些之前本来会退出市场的消费者又“迎”了回来。现在，总福利回到了完全竞争时的情形——每一位支付意愿高于企业成本的消费者，都会选择购买；然而，虽然社会总福利没有损失，消费者福利却是少之又少。依据支付意愿来定价，意味着消费者福利——支付意愿减去价格——将因此无尽趋向于零。
理智与情感
上述分析阐明了开头争论中双方的依据：一方看重消费者，担忧充分价格歧视下消费者的福利消散殆尽；另一方着眼社会总福利，强调大数据价格歧视中社会福利的改进。然而，当抽象的分析开始变得“鲜活”，以上结论可能变得“大相径庭”：实际生活中，算计支付意愿的价格的经济理性，只是支配消费者决策的诸多因素中的一种。近年来各学科的研究都指向以下事实：哪怕是研究买卖，也不能忽略情感在其中占据的比重。
具体到价格歧视中，企业行为可能触发以下两类负面情感：一是“侵入感”，二是“公平感”。什么是侵入感呢？大数据年代，包括定价在内，营销的每一个环节都讲究“精准”：如果对方在网上搜“地板+品牌”这组关键词，那就应该适时给对方推送地板广告；既然地板可以推送，乳胶漆和家具是不是也可以推送呢？既然家具品牌都给对方推送了，检测甲醛含量的检测仪也可以一并介绍给对方。
然而，以上智慧可能“过犹不及”。讨论大数据营销时为人津津乐道的例子，无疑是塔吉特了——先于父亲了解到女儿怀孕，然后将纸尿片广告寄到家里，无疑会让这家人感到极为恼火。已有的研究也验证了精准营销完全有可能带来负面效应：根据大数据发送巧克力广告是个好事；然而，如果消费者发现你不仅知道他们的名字，还知道他们的地址，还了解他们最近参加了某俱乐部的品尝活动，结果是他们反而会对品牌感到厌恶。
另一种可能削弱企业利润的情绪是公平感。平时粮食廉价，灾时大米腾贵，百姓会斥责奸商，政府常常也会相应出手；城区饮食平价，景区价格高企，大家也会反感，报纸也时常刊登揭露类似现象的报道。以上情感在大数据年代是相通的：百米开外的人上网购物，又是八八折又是优惠券；自己上去买，打折是没有的，券更是领不到。背后原因，可能只是算法发现自己买东西不爱货比三家。这种情形，摊谁身上都要恼火。
因此，如果消费者都相当理智，精确的价格歧视不会带来多大问题；然而，实际生活中，消费者都是有喜怒哀乐的人。他们喜欢便利，但也注重隐私；他们在意好处，但也希冀公平。如果他们发现企业在进行价格歧视，情感可能驱使他们转投他家：价格歧视为企业带来的利润提升因此减少，竞争对手相比自己的势头因此上扬。此外，消费者也可能借用各种工具逃避价格歧视：在下一节中，我们将针对这一点作更加详尽的分析。
当然，消费者的情感不止这两种。诸如参与感、自尊心等情绪，都可以被企业拿来做文章：比方说，借助热点人物及社交网络引发热潮，进而提高特定商品的附加价值，已是这个年代的“标准操作”。然而，当这一行为与精确歧视相结合，社会总福利可能不升反降：让消费者在高于自己真实支付意愿的水平上购买商品，会对社会总福利带来负面影响；以大数据沿着需求曲线精准定价，则是把以上损失发挥到了极致。
你有政策，我有对策
消费者面对价格歧视的反应未必一致。首先，不是所有消费者都知晓自己遭受了价格歧视。那些缺少“货比三家”意识，又或者没有时间去详细计较的消费者，可能根本不知道自己受到了歧视，也就无从作出反映；其次，对那些已经知晓自己遭受价格歧视的消费者，他们的反应也可能有很多种。除继续忍受外，一方面，他们可以改换门庭，跑到其他平台上消费；另一方面，他们可以借助各类工具，逃避平台的价格歧视。
将消费者的后续反应考虑进来，会让这个问题变得相当复杂。不妨以最后一种应对为例：既然企业可以挖掘数据，针对个体消费者定价，消费者自然也可以规避以上挖掘，借助比价和代购等方式逃避歧视。将这个问题抽象出来，便是以下场景：企业可以根据消费者先前的信息针对定价；然而，通过付出一定代价，消费者可以“抹掉”企业的信息，阻止企业之后歧视自己。即使在较易分析的垄断情形中，对这一问题的回答也不简单。
具体而言，如果抹掉信息的成本为零，所有消费者都会抹掉信息。这时候，价格歧视是做不成了，但社会福利也会因此受损：看不到消费者的个体信息，企业的最优策略自然是定垄断价格。按照前面的分析，垄断会减损社会福利；随着抹掉信息的成本增加，抹去信息的消费者的比例越来越低，企业了解的信息也因此越来越多。然而，参考文献7的分析显示：在这个过程中，消费者福利是先上升后下降，企业利润反而是先下降后上升。
此外，消费者为逃避价格歧视付出的成本，有许多都可以视为社会的无谓损失。 这是什么意思呢？在只有一个价格的市场中，消费者是“爱买不买”；然而，如果价格多于一个，消费者自然有动机去套利——低价入手，随即转卖，快哉快哉。厂商自然不能甘心，自然要投入成本去隐藏以上歧视、严控以上套利；措施收紧以后，消费者又有动机去开放新的套利手段。如此往返较劲，双方都付出了好多功夫，但其中很多对于社会都没有价值。
这样的情景不全是理论想象。无论是实际经营还是学术研究，都已有许多聪明才智投入到以上“猫鼠游戏”中。有关前者，无论是各处生长的比价网站，还是各种大量注册账户抢券抢特价套利的“财路”，都可以放到以上框架中去理解；关于后者，近年来计算机科学中颇为风行的一个领域，便是侦测厂商于消费者的追踪和针对定价行为。学者们不厌其烦，为网站追踪消费者的“强度”排出座次，为网站依赖算法定价的程度找出度量。
还有学者更加激进，主张消费者主动出手，行“鱼目混珠”或“颠倒黑白”之事。这一类可以用一个词概括：混淆。比方说，为了防止企业按自己的搜索记录歧视，消费者可以先随机搜索几个词，再键入自己的真实意图。为了便利普通人施行混淆，学者们还开发了相应的工具。以上研究及实践都在蓬勃生长，相关领域的进展也是日新月异。这场科技含量十足的猫鼠游戏，暂时还看不到结束的那一天。
当历史照进现实
思考未来的路径不止一种。除了立足当下外，回顾历史也很有助益：隐私问题不是全有或全无，更多是一个程度问题；价格歧视亦然。在这一方面，美国约五十年前的经历，是一个很好的参照。
当时，二战刚刚结束，美国的繁荣体现在以下两个方面：第一，战时的许多技术进步逐步转入民用，计算机即是其中之一；第二，经济高速增长，整个社会的的消费欲望空前高涨。以信用卡为代表的各类消费信贷工具，正是在这个背景下蓬勃生长。
放贷者总要面对坏账，风控因而显得尤其有必要。和今天一样，有效的风控依赖于尽可能详尽及时的个人信息。为了弄清不同个体的偿债能力，从而可以针对性地制定利率及额度等条件，从业者可谓煞费苦心：
首先，他们尽一切可能收集数据——从政府部门手上查询，跑到社区发问卷，甚至直接采访借款人的邻居；其次，他们采购设备加强自己的运算能力；最后，各地放贷者还建立了信息共享机制，随时通报自己手上的“情报”。
此类措施增强了企业的风控效果、促进了信贷业的发展。然而，至1960年代，以上行为引致了反弹：用来做风控的数据里，亦充满了不准确（不是所有邻居都心存善意）或过时之处；消费者的申请则时常“莫名其妙”地被拒绝。民意之下，当地政府在70年代通过一系列规定，要求给予个体查阅并更正数据的权利。此外，也有学者要求放贷机构对申请者解释自己的决定。今天各国个人信息保护中的相关规定，许多都有当年的影子。
拆开大数据这个“黑箱”，给予消费者一定程度的控制权，是历史上监管机构采取过的措施之一。19世纪末的美国则更加激进：直接立法禁止价格歧视。当时，许多今日已成为“常规操作”的价格歧视手段，才刚刚在铁路行业出现：座位分等定价、按售票日期歧视、为熟客专门定价，等等。
民意推动下，各州纷纷通过法律规制此类行为，要求铁路企业定价“透明、公平、合理”，禁止“一切形式的价格歧视”，等等。
铁路运营者如何反应呢？直觉上看，企业应该竭力反抗如此做法；实际却恰恰相反，企业不仅欢迎立法，还助推其通过。
背后动因在于卡特尔：之前，即使铁路厂商约定价格，个体企业也可以通过复杂的价格歧视规避盟约，最终导致垄断瓦解；要求“透明统一”价格的法案，反而起到了协调的作用，使卡特尔更为坚固。结果，价格没有下降，垄断者反而因此狠赚。这也凸显了规制此类问题的难点之一：
彻底堵死一个损害消费者福利的口子，反而可能以意想不到的方式损害消费者的利益。此外，损害幅度可能还比先前更大。
结语
经典的供需分析固然简洁优雅，却未必能勾勒出新时代价格歧视问题的全景。以上分析至少可以沿以下三个维度进一步展开：
首先，经济理性以外，消费者也有心肝，也有情感；其次，考虑消费者逃避价格歧视的可能，或许会大大改写经典的结论；最后，历史带来的教训亦颇为丰富。
如果不从多个角度综合理解这一问题，无论是手握丰富数据资源的企业，还是“令行禁止”的监管者，都有可能“过犹不及”，反而使策略的运行偏离自己的目的。技术与心理、理性与情感、历史与未来……唯有开放胸襟，才能为回答此类问题做好准备。
（参考文献略）
把唐涛替换成大数据，地狱空荡荡，魔鬼在人间，每个人都是强巴，每天收到量身定制的产品，没有秘密，一丝不挂。
人工智能有一天会变成人类的决策者。
老路觉得，阳光下已经没有什么新鲜事儿了。即使商家再派人出来洗地，再怎么否认所谓的“大数据杀熟”，对于“价格歧视”这个词儿，他们一定不陌生。因为本质上，“杀熟”就是“价格歧视”，这是商家在攫取最大化收益这条路上最常用的一招儿，一点儿也不新鲜。
不同的用户对于同一件商品的需求程度不同，支付意愿也就有所不同。如果只设定一个价格，定得高会流失掉不少用户，定得低又会损失掉一些本可以收入囊中的利润。因此，聪明的商家发明了“价格歧视”，针对不同的消费者或者不同的消费场景，给出不同的定价，从而攫取消费者愿意付出的最后一分钱。
乍一听“歧视”这两个字感觉是贬义词。其实在经济学范畴里，“歧视”是一个中性词，没有强烈的道德色彩。这里的歧视指的是差异，所以价格歧视可以简单理解为价格差异。
老路给你举个栗子。
“杀熟”就是因为你跟他熟嘛！熟，说明你经常使用商家的这个产品或者服务；经常使用说明你的需求程度别别人高；需求程度比别人高就自然被认为愿意多花一点钱来满足这个需求。
对于“价格歧视”老路总结出这样一句话，叫：商家没有看低你，只想掏空你。
对于“大数据杀熟”老路也想说一句：跟你熟不是目的，跟你的人民币熟才是目的。
大数据杀熟是指同样的商品或服务，老客户看到的价格反而比新客户要贵出许多的现象。2018年12月20日，大数据杀熟当选为2018年度社会生活类十大流行语。 大数据杀熟处于隐蔽状态，导致多数消费者在不知情的情况下“被溢价”了。
大数据杀熟的技术原理就是大数据，即平台所收集的海量用户信息及数据，这其中包含了用户注册及个人信息、地理位置、消费记录、搜索习惯等等，然后形成用户画像。企业基于用户画像就可对用户进行精准识别、归类，并通过推荐算法开启个性化推荐，且对消费能力高、消费意愿强的用户展示更高的价格，来赚取更多的利润。对于大数据杀熟，先前的滴滴出行，不少用户反映在打车时同样的起点终点，同样的路程，但是苹果手机和安卓手机的价格并不一样。甚至老用户打车的价格要远高于新用户。因此怀疑滴滴公司大数据杀熟，针对该舆论，滴滴出行总裁在微博上做出正面的回应，她表示：
滴滴出行不存在大数据杀熟的行为。在起点与终点都相同的情况下，不同用户打车的费用不一样是正常的。打车的费用是由路程、每公里的单价、行车速度以及是否有优惠券决定的。而且，每个用户的规划路径不一样，打车的费用也会不一样。
无独有偶。知名作家王小山也在微博炮轰飞猪app利用大数据杀熟并因此上了热搜引发网友讨论。
对此，飞猪方面回应称：飞猪敢于承诺：从来没有，也永远不会利用大数据损害消费者利益。
尽管都被企业否认，但是差异确实存在。
那么大数据杀熟的原因是什么呢？其实大数据杀熟也不只是存在于网络。日常生活中也常常有这类现象发生，只是我们对于这种议价普遍都会采取接受的态度。但是随着交易行为的多样性和与日俱增的繁荣发展，线上交易就会衍生出线下交易所不具备的大数据杀熟的新特点。而互联网领域的竞争定律是只有第一才能存活，在这一定律的鞭策下，互联网领域的竞争远比线下惨烈，为了拉拢更多的客户，前期的服务往往是免费甚至是倒贴的，而天下没有免费的午餐，事物的发展也都是能量守恒，从用户角度看，前期大量用户享受的优惠其实很可能是靠后期少量忠诚用户的畸高消费来埋单。
创业融资专栏融资商业计划书
数据大杀熟的事情可谓是层出不穷
那些你熟悉的平台都在不知不觉“坑”你一把
这不就在前日又有一名网友“陈利人”爆料疑是携程数据大杀熟
随后，携程也发表了致歉及情况说明。它表示，“二次支付显示无票”是程序BUG，并非“大数据杀熟”行为。
不过真实与否，靠自己判断了。
这类事情已经不是第一次发生了
网约车不同手机不同价格
常用／非常用用户不同价格
所谓“杀熟”无处不在，让我们来了解一发常见套路
提高价钱
对于购物爽快的用户会稍微提高一点价格，大多数人多一点涨幅价格并不敏感，便会多花一些钱。
同款猫砂同家店不同时间不同价
减少优惠
简单来说就是“坑”老用户，老用户没有任何优惠，新用户可以享用优惠券进行商品折扣购买。一些老用户没有领券渠道或者鉴于对平台的忠诚度没有寻找隐藏优惠习惯直接下单，然后就被“坑”了。
1、多平台对比
像电商平台可能同样的商品但是每个消费者到手的价格都不一样，订票订酒店可以多对比官网价格再去参考第三方价格。比如像外卖平台，同样商家饿了么跟美团上价格也都会存在差异。
2、隐藏优惠
像很多商品都有隐藏优惠券，很多微博号以及app都有日常优惠券分享，像慢慢买app就有日常白菜价推送，种类繁多。
3、善用比价软件
当你想要购买一款商品时，使用慢慢买app一键就能知道全网价格并且轻松进行对比，选择最低价进行购买，毕竟价格才是王道鸭～
不仅能进行全网比价，还能查询这件商品历史最低价以及隐藏优惠券、历史价格走势，直观的就能知道自己是否被“杀熟”，商品是不是“先涨后降”假优惠，轻松避坑。
好啦 今天就叨叨到这里了
如果小伙伴有什么被坑经历或者避坑妙招都可以一起分享哦
免责声明：文字及图片来源于网络，仅供学习、交流使用，不具有任何商业用途，版权归原作者所有，如有问题请及时联系我们以作处理。
什么是大数据杀熟？
大数据杀熟，说得直白点，就是针对特定用户进行个性化定价，以便让平台/商家利益最大化。定价又分为直接定价差异和间接定价差异，前者是明码标价但却截然不同，后者则是在折扣、优惠、返现等维度体现。
最直接的方式是“看人下饭蝶儿”，根据用户身份、浏览习惯、所用设备、消费历史等画像消息，进行个性化定价，比如视频平台的会员服务针对苹果和安卓设备来差异化定价；再比如电商平台发现你购买高端商品越多，就可能给你定高价、少折扣。
间接方式则会根据用户搜索、浏览、购物车操作等行为的动态因子，判断其购买能力/购买欲望/决策习惯，进行临时价格调整，在价格动态变化的产品/服务平台上比较多见。
不论采取何种方式，最终目的都是要让用户花更多钱获得同样商品/服务，利益最大化。
一方面，用户在互联网上购买的商品/服务越来越多，生活所需，几乎都能网上购买；另一方面，用户给互联网贡献的数据越来越多，很多互联网公司已有近20年历史，经年累月，他们获取了大量的用户数据，对用户的消费习惯、决策心理、个人画像，都有越来越强的了解，对用户越“熟悉”，就越有“杀熟”的条件。
在互联网外，传统商业中“杀熟”随处可见：
把握顾客心理，量身定制销售以及售后方案，是销售这么学科的基本功。动态定价、个性服务、精准营销这些概念的背后，都是数据的应用。所以在讨论大数据杀熟前，我们要将大数据销售与大数据杀熟进行区隔。
大数据销售不是大数据杀熟
个性化的商品/服务推荐，个性化的营销活动，甚至个性化的售后投诉解决方案，都不能冠以“大数据杀熟”的名义。
罗超频道（luochaotmt）认为，“大数据杀熟”的关键特征有几个：
消费者如何避免被杀熟？
如何避免大数据杀熟呢？我们另外一个账号“小雷搞机（专门琢磨如何玩儿手机和App，xiaoleigaoji）”给出了多个解决方案，比如能用浏览器就不用App（因为App有更强的数据权限），比如浏览器用隐身模式，比如关闭Cookie追踪，比如多买个手机对比，再比如用比价软件，甚至通过不断清空购物车等行为来“装穷”或者“不想买”来骗过互联网平台。
在我看来，这些手段都是没有办法的办法，要么让购物变为一件十分复杂的事情，牺牲用户体验，要么拒绝给平台提供更多数据，但却堵死了平台更好服务自己的窗口，跟个性化服务说再见，治标不治本。
跟所有技术一样，大数据技术也是一把双刃剑，在出现“大数据杀熟”前，大数据对互联网贡献不可谓不大。千人千面的信息流，直播短视频中总能找到感兴趣的小姐姐，求职招聘会看到最有兴趣的职位，搜索引擎中结果不断更加精准，语音助理越来越聪明，电商平台搜索越来越好用，音乐播发器的推荐越来越对味……体验提升的背后，都是大数据技术的应用，互联网平台不断学习、理解和洞察用户，进而更好地满足用户需求。
然而正如我此前所言，互联网公司首先是一家企业，企业都是贪婪的、都是逐利的、都是精明的，利益最大化是企业的天职，我们不能去奢望任何一家企业变得很有道德（虽然确实有少部分企业有这样的自律能力），但大部分企业做不到，特别是在遇到增长、盈利等压力的时候。正是因为此，我认为要解决大数据杀熟的问题，不能寄托于企业自律。
既不能靠用户自己防范，也不能寄望于企业自律，怎么办？
治理大数据杀熟要三管齐下
我认为治理大数据杀熟的更有效的方向可能如下：
1、以其人之道还治其人之身，技术带来的问题，首先就要用技术解决。
有杀熟的大数据技术，也就会出现反杀熟的大数据技术。
可能会出现技术类的监控平台，通过模拟不同的设备、账户、行为等方式，去判断平台是否存在大数据杀熟，就像安全软件公布漏洞一样，对发现的情况进行公布，给平台压力；
可能会出现购物助理这样的应用，就像过去的比价软件一样，不只是单纯地比较价格，而是在用户被杀熟时提醒用户；
甚至可能会出现反杀熟应用，帮助用户去模拟各种行为，不被杀熟。
2、监管部门出重拳整治，立法立规来监管平台的大数据杀熟问题。
《电商法》已经明确，电子商务经营者根据消费者的兴趣爱好、消费习惯等特征向其提供商品或者服务的搜索结果的，应当同时向该消费者提供不针对其个人特征的选项，尊重和平等保护消费者合法权益，这个要求实际上就是要预防可能出现的“大数据杀熟”行为，相信未来监管会更加完善、明确和可执行，覆盖到人们互联网生活的方方面面。
3、平台进行商业模式创新，不是以歪门邪道/雕虫小技来赚钱。
线下商业世界，存在杀熟现象的往往是不够标准化、同时缺少服务的场景，比如需要砍价的电脑城，消费者去苹果或者小米体验店，抑或去高端商场，是从来不用担心被杀熟的，因为这些场景中不需要降价，价格很透明，服务很好。
电商/旅游/生活服务/娱乐等存在交易场景的平台，应该要寻求更加可持续的商业模式，大数据杀熟赚的是小钱，只有给消费者提供最好的体验，甚至消费者愿意额外付费的优质服务体验，才能走得长远。
现在很多平台推行的会员模式，将是未来的趋势，可以一定程度避免大数据杀熟：消费者花钱购买会员本质就是要更好的服务、更低的成本、个性的体验，平台从会员身上赚取了额外的钱，牢牢黏住了用户粘性，不需要再对他们进行大数据杀熟，如果这样做会员就会流失，得不偿失。
会员模式之外，具备交易属性的平台都应该探寻更加持续的盈利模式，通过大数据杀熟赚快钱无异于杀鸡取卵。
好的平台，不需要杀熟。
我想到一个变相杀熟思路，先声明这完全是我设想、构想的，我没有指出任何厂家有此行为。我只是想说大数据杀熟，不一定是价格层面杀熟，还可以多方位，全方位杀熟：
假设现在出了一款新的手机，然后通过故意让老款手机变卡来催促用户更换新款手机，那么有三种可能：
1）用户继续用该手机而不在意变卡了
2）用户购买该品牌新款手机
3）用户更换成其他品牌的手机了
显然对手机厂商来说，促使“2”发生是有利的，而促使“3”发生是不利的。那么怎么最大化促使“2”发生而防止“3”发生呢？就是利用大数据对用户进行画像。比如：
对于有多台该品牌手机的客户、手机电脑全部为该品牌的客户，发生“2”的可能性显然高于只使用该品牌手机，电脑为其他品牌的客户
经常使用该品牌特有软件在该品牌手机和电脑中传输数据的客户，发生“2”的可能性较高
经常使用该品牌特有功能的客户，发生“2”的可能性较高
结合通讯录等大数据分析，亲戚朋友是该品牌粉丝的数量越多的客户，发生“2”的可能性越高。特别是女朋友/老婆是该品牌铁杆粉丝的客户，发生“2”的可能性高。
常在网络上发表粉丝言论的客户，发生“2”的可能性高。
非常喜欢打游戏，并且用该品牌手机游戏级别已经很高，一旦更换其他品牌手机就必须从头开始打的客户，发生“2”的可能性极高，并且可以定向针对其最喜欢的游戏制造卡顿。
而经常浏览竞品信息的客户，发生“3”的可能性高。
通过种种评估，就可以定向对“粉丝指数”高的客户制造卡顿，催促其更换新手机。而对“粉丝指数”低的客户，增加自动清理手机的频率，从而挽留这一客户。
======
再思考，假如电商和厂商合作，掌握了你对各个品牌的“粉丝指数”。然后出货的时候，有两个仓库，A仓库是优品，B仓库是劣品。然后销售产品的时候对铁杆粉丝销售劣品，则可以促进铁杆粉丝购买的商品尽快损坏再买新的，对流动客户销售优品，从而提高品牌信赖度和知名度。
======
再次声明，以上观点都是想法，我没有说任何品牌正在做这个事情，只是身边有两个使用某品牌手机出现较为严重卡顿的朋友，电脑刚好也是该品牌，所以我突然想到了这种操作手法。
上周买机票，是一条冷门航线。因为出行人数较多，加上想试一下不同网站和优惠之间的搭配组合，搜索了可能20多次吧。第二天就发现机票涨价了20%左右。因为出行日期在两个月以后，也不是公众假期，应该不可能是真实涨价。看了前后日期的机票也没涨。这个星期再看，价格又跌回来了。这次吸取教训了，再也不敢随便搜索机票了，搜索结果截屏保留，不要重复搜索。
大数据就是一把双刃剑，大数据杀熟对于消费者来说确实是不公平的，凭本事赚的钱为什么同样的产品要花费更多的钱，就因为赚的多？现代社会中，大数据中包含的用户信息的数量足够的多，消费者自己心里也是知晓的，用户如果在不知晓大数据杀熟的话，她也许就没有那么在意，当大数据杀熟这个词被越来越多的人注意到，消费者心中会有很大的不平衡感，对于企业的印象就会很差，这将会影响一个企业的长期发展。不过，反过来说，那些不用大数据杀熟的企业完全可以将其作为一个卖点，这样对于提升品牌影响力有很大好处，甚至会成为消费者再有购买需求时的第一选择。
支付宝每日领红包就是这样吧。
经常使用支付宝，或者每天都领的后期就会变成每次0.1元，而不常用的话就比如0.32啊，0.66啥的
不杀熟，要杀谁呢？杀生，可没有新流量。
其实“杀熟”这种事，大家并不陌生，早在20世纪20年代就已经提出完整的“三级价格歧视”歧视理论，即对于同一商品，厂商根据不同市场上的需求价格弹性不同，实施不同的价格。大家熟悉的会员制其实就是典型的价格歧视。
但是为什么大家对于大数据杀熟这件事这么的愤怒呢，我想核心原因是“知情权”和“选择权”。
同样是价格歧视，你在买保险的时候会明确的告诉你年龄，性别，病史对保单价格影响；而是否成为会员更是消费者自己选择。
而目前大数据的杀熟则是商家默默的，违法的收集用户信息；将用户的隐私信息作为自己的核心资产反复研究；再完全不顾用户感受的卖给多个虎视眈眈的商户；最后用户不知道什么时候就会被自己的信息出卖，狠狠的被坑上一笔。
有种脱光了被大家围观，再被要求付费给围观自己的人感觉，这就很恶心了，难怪大家都出离愤怒。
全叔叨叨叨：
在大数据的分析下，一切有相关性的信息将无所遁形，这很可能被一些别有用心的人利用，比如人肉搜索。这些“人肉专家”想要找到某个人只需要两个条件：1.这个人上过网，并且留下过信息。2.这个人的亲友上过网，留下过于此人有关的信息。只要满足一个条件，他就能轻松的找到这个人。因此大数据时代也是一场信息的攻防战，很多互联网公司都会打出捍卫客户信息的情报，但即便如此，信息泄露事件仍是层出不穷。前不久的facebook就是个例子，所以在大数据时代“怎么保护自己的隐私”，是我们不得不去思考的问题。
“杀熟”这件事是可以从经济学的角度进行解释的。
从消费者的角度来看，这或许是一件非常不公平的事，同样的产品凭什么收取不一样的价钱？但是，很不幸地是从企业的角度出发，这是最为理性，同时也是利润最高的定价策略。
微观经济学里面，有一个重要的概念，叫消费者剩余，指消费者消费一定数量的某种商品愿意支付的最高价格与这些商品的实际市场价格之间的差额。
通俗的解释就是：消费者愿意支付的价格与消费者实际支付的价格之间的差异。
消费者剩余=消费者愿意支付的价格-消费者实际支付的价格
同一件商品，比如说手机，新推出时候的首次定价是3999，恰好消费者最高只愿意支付3999，那么消费者剩余就是0；而如果是另一位土豪消费者，他愿意为手机最高支付5000，那么他为这台手机只是支付了3999，那么他的消费者剩余是1001，他就有“赚到”了的感觉。
对于消费者来说，消费者剩余越多越好；对于商家来说，榨取消费者剩余越多越好！每个消费者对于同一样物品愿意支付的价格是不一样的，商家为了获取全部的消费者剩余，就需要制定价格歧视策略。
价格歧视（price discrimination）实质上是一种价格差异，通常指商品或服务的提供者在向不同的接受者提供相同等级、相同质量的商品或服务时，在接受者之间实行不同的销售价格或收费标准。根据价格差别的程度，价格歧视具体又区分为三个等级：
一级价格歧视又称完全价格歧视（perfect discrimination），商家为每一位顾客及其所购买的每一单位商品制定不同的价格，因此获取所有的消费者剩余。“杀熟”机制的原理就是这个一级价格歧视！！！
二级价格歧视（second-degree price discrimination），商家按不同的价格出售不同单位的产量，但是购买相同数量产品的每个人都支付相同的价格。和一级价格歧视不同的是，二级价格歧视针对的不是不同的人之间，而是不同的产量之间存在价格歧视。这个在生活中也非常普遍，饮料、洗发水、沐浴露，同样的产品，但是有不同容量的包装，大家会觉得大容量的包装更划算，其实这是商家采用的二级价格歧视策略。
三级价格歧视（third-degree price discrimination），商家将购买者分组，对每一组制定不同的价格，这种行为也成为市场分割（market segmentation）。这个也是国际品牌企业经常采用的一个策略，大家出国会发现，一些国际大牌在欧美地区的定价更低，而在国内的定价更高，背后就是三级价格歧视。
一级价格歧视在以前来说，是根本不可能实现的。一是交易信息不对称的问题，商家很难一个一个辨别普通消费者和土豪消费者；二是线下的大卖场，商家很难操纵价格。
电商的诞生，能够将不同消费者区隔开开，赋予了商家操纵价格的能力。但是那时，辨别土豪消费者还是普通消费者的机制还是不明朗，商家只能继续等待奇迹的发生。大数据分析的出现，完美的解决了辨别消费者属性的问题，商家终于按捺不住激动的心情，大开杀戒。
大数据杀熟，说到底，是理性商家的作为。
希望能回答你的问题~
补充一下~~
可能有人看到这个回答误解了我原本的意思，我并没有认同杀熟这个机制。只是客观的阐释了背后的逻辑。我也是一名消费者，当然不希望这件事发生，也当然希望这个社会拥有更多的良心商家。
只是我在学习Market and Price这门课的时候，老师让我们找二级价格歧视和三级价格歧视在我们自己国家的例子，我当时好奇为什么不让我们找一级价格歧视的例子，因为我学概念的时候，第一时间想到了携程，觉得这个例子特别好。后来我想了很久才明白到到，毕竟欧洲电商网购实在是落后，欧洲人没有这种体会，所以老师还不清楚一级价格歧视已经被美国亚马逊、中国电商巨头用于实践了。
看到这个问题，一下子联想到一级价格歧视，恰好觉得可以解释而已~~
没想到才疏学浅，引起误会了~
伊索寓言：
主人每天都多喂野鸽，少喂家鸽。过了几天，主人以为野鸽已经完全服从他了，便放心地清扫起野鸽的笼子，但野鸽却在主人不注意的时候，全都飞出窗外逃跑了。主人很是生气，对它们大骂起来：“你们这群忘恩负义的家伙，我这样对待你们，你们却跑了！”这时一只野鸽回过头来，对他说：“如果你再捕到新的野鸽，你肯定也会像对家鸽那样对我们。”说完，它们头也不回的飞走了。
其实价格歧视作为商家来讲是必要的盈利手段，优惠券，限时抢购，会员价，零售业的当面砍价都是实现价格歧视的一种方式，问题在于大数据杀熟的歧视性定价过于刚性，单个用户无法通过个人努力达成优惠，缺乏公平性，所以会受到舆论攻击。
反过来说，正式由于用户无法通过在系统内的努力得到优惠，导致用户只能启动舆论，工商，法律程序等外部手段进行议价，是这种产品设计必然面临的后果。
所以这一切还是产品经理的锅。