春節假期要開始了，很多人在線上平臺買機票、訂酒店，為避免“大數據殺熟”等情況，不少人會選擇多平臺比價，甚至有人選擇“反向馴化”大數據，即試圖通過各種方法，改變自己的“用戶畫像”干擾大數據算法。

　　但是，大數據真能被“反向馴化”嗎？

　　01

　　“見人下菜”的平臺價格

　　近日，記者邀請了15位不同年齡、職業背景、消費習慣的平臺用戶，在同一個時間段，對4家知名線上旅游預訂平臺進行測試(分別以平臺A\B\C\D指代)。

　　記者根據春節假期的出行習慣，隨機選擇了7趟航班和6家酒店，讓這15位用戶同一時間段下單，發現不同人之間，價格確實存在區別。

　　首先，在相同平臺上，不同賬號的預訂價格不同。以正月初二某趟航班的經濟艙票價為例，在平臺B上預訂，最低價為1428元，最高價為1840元；不同平臺間也有價格差異。測試者們在平臺A上預訂同樣的航班，最低價為1522元，最高價為1888元。這意味著，這一趟航班，不同人和不同平臺之間的價差是460元。

　　為計算返程票價，測試者們在預訂正月初七的同一航班同等艙位時，發現有人在平臺C的預訂價格為1260元，平臺B則為1387元，差額達127元。

　　酒店預訂同樣如此。比如選擇在平臺D上預訂除夕當晚上海某高端酒店的大床房，最低價與最高價之間相差681元；同一個用戶在預訂正月初四某家位于景區旁的連鎖酒店時，平臺B和平臺D之間的差價達到189元。

　　從上述測試看，光是來回機票和兩晚住宿，“用對”賬號和平臺就能省下1457元。

　　02

　　價格差異是怎么造成的？

　　測試發現，不同用戶的價差，主要是以下因素造成的：

　　1、優惠券不同

　　比如，平臺A主要靠“賬戶券包”拉開價格差距，其中新客賬戶分別有10元及20元優惠券的差別，有的賬戶還有面值200元的當地文旅消費券；

　　在平臺D中，不同用戶的“賬戶券包”的數量及金額不同，從20余張優惠券至50余張優惠券不等；

　　而平臺B有早鳥價、春節補貼、抹零卡等不同優惠活動，不同人享受的活動不同，補貼金額也不同。

　　2、高頻次搜索

　　高頻次的搜索可能會帶動機票、酒店等價格出現起伏。

　　首先是，在測試平臺B過程中，多位用戶同時搜索，“動作慢”、搜索時間靠后的人，預訂價格會出現上漲；等到當天晚些再搜索，價格又出現不同程度的降低。

　　不過，高頻搜索帶來的影響并不確定。有的產品不會出現這一現象，有的價格波動是因優惠券的調整引起的。

　　3、商家不同

　　除了以上原因外，也會出現因平臺推薦排名靠前的分銷店鋪不一致，或者產品提供商不同，有的是官方店鋪、有的是代理商家而導致的價格差異。

　　03

　　什么樣的用戶更能拿優惠？

　　在15名測試人員中，有喜歡“貨比三家”的理性消費者，有習慣宅家極少出門旅游的平臺新用戶，身份上有仍在大學就讀的學生、經常出行的旅游達人、喜愛家庭出游的寶媽等。

　　從測試結果來看，價格敏感、出行頻次較少人群，更容易被平臺“看重”。

　　相比之下，經常出行的人，賬戶券包金額通常較小或沒有優惠券；出行頻次較少的用戶，在預訂時界面會頻繁顯示航司禮遇、春節大額補貼等活動。

　　對于價格敏感的用戶，在主打性價比的平臺B，預訂機票會更高頻次彈出早鳥價及春節補貼。

　　有人擔心，手機不同也有可能影響預訂價格。記者注意到，在測試過程中，數千元至上萬元的不同型號手機，在平臺預訂時沒有明顯差別。

　　04

　　這些方法能“壓價”？

　　有些用戶會采用撥打客服電話、反復評論留言、改變消費習慣等方式，來影響大數據對自己的判斷。在本次測試中，記者對部分常見方法加以求證。

　　1、先下單不付款有效嗎？

　　有效。

　　用戶未付款時，平臺會隨機為賬號發放優惠券，且限時較短，催促用戶下單。此外，平臺B還會在瀏覽階段添加“當前有XX數量的人也在看該航班”的信息，給用戶預訂增加緊迫感。

　　2、撥打平臺客服電話反映問題有效嗎？

　　有效。

　　在出現價格不同時，撥打電話提供相關截圖給平臺客服，有的平臺會予以退差價或贈送一定金額的優惠券，以消除用戶預訂時的顧慮。有的平臺還會進行數次電話回訪，以確保用戶的問題已經被解決。

　　3、價格會越搜越便宜嗎？

　　有時會。

　　測試后的第三天，當參與測試的人員再次搜索同一酒店產品時，在平臺D上，一家高端酒店客房價格降了百元，主要是大額優惠券的數額增加所致。但這種現象并沒有出現在所有平臺中。

　　05

　　“反向馴化大數據”

　　技術人員：作用不會很大

　　“平臺通過算法對用戶的大量數據進行分析，得出用戶對價格敏感度、購買意愿等與優惠券發放相關的模型。”中國人民大學律師學院院長助理楊洪浦分析。

　　在技術層面上，用戶的瀏覽歷史、搜索偏好、預訂頻率、消費能力，以及是否是新用戶、比價用戶，以及市場需求、產品庫存等因素，都會影響平臺算法的判斷。

　　至于能否“反向馴化大數據”，有技術人員告訴記者，人為干擾的作用并不會很大。因為大數據依托的維度十分廣泛，平臺的用戶賬戶大多數是實名制，使用虛擬賬戶的可能性很小，所以很難通過一些簡單偽裝行為迷惑大數據模型，而且大數據模型本身就有較強的學習能力。

　　06

　　“大數據殺熟”合法嗎？

　　在采訪中，多名律師表示，“針對不同用戶發放不同優惠券本身并不一定違規，需要分情況看待。”

　　楊洪浦認為，如果平臺的優惠券發放規則是公開透明的，并且用戶能夠清晰知曉獲得優惠券的條件，那么這種行為是合規的。

　　從法律層面來說，大數據算法與大數據殺熟有著本質區別。楊洪浦介紹，大數據算法本身是一種技術手段，可以高效運營、精準營銷、提升用戶體驗；而大數據殺熟指平臺利用大數據分析，對老客戶或者消費能力較高的用戶，在相同產品或服務上設置比新用戶或其他用戶更高的價格，以此獲取不正當利潤。

　　“大數據殺熟”的核心在于，利用信息不對稱，對特定用戶群體進行價格歧視。《消費者權益保護法實施條例》中規定，經營者不得在消費者不知情的情況下，對同一商品或者服務在同等交易條件下設置不同的價格或者收費標準。

　　也就是說，如果只是針對消費者特點，展示不同的商品和服務，法律是允許的。

　　但是，“如果經營者利用大數據算法，通過抓取和分析消費者的消費習慣、價格偏好，在消費者不知情的情況下，設定不同的價格、增加額外的費用，就涉嫌違法。”北京市法學會旅游法學研究會副會長李廣說。（央視網微信公眾號）