大数据时代的差别化定价，让消费者更容易被恰如其分地诱导

俄狄浦斯

对价格歧视的简要说明

歧视性定价行为指的是商家在向不同的消费者提供相同等级、相同质量的商品或服务时，基于后者的购买意愿与支付能力，实行不同的收费标准或价格政策。价格歧视存在的条件之一是商家可以根据顾客针对一系列产品或服务做出的消费决策而对后者做出区分。虽然货架上的产品大同小异，但总有一些品牌在市场营销上下了更大力气。或者，也总有一些商品更加契合特定消费者的喜好。

一个简单的例子是，如果本地的零售商知道每一位消费者分别愿意为一罐可乐付出多少钱，那么他很可能会向一个重度可乐依赖者收取3美元，而向一个不太情愿喝可乐的家伙要价40美分。就连执法者也承认，商家的歧视性定价行为若想成功需要满足两个条件：其一，差别化的定价能力；其二，有限的套利空间。

差别化定价

差别化定价反映出了卖家按照消费者的购买意愿与支付能力将他们区分开来，并且对每一位消费者或每一类消费者群体的需求弹性做出合理判断的能力。假设一家画廊在售卖美国摄影师沃克·埃文斯（Walker Evans）的黑白摄影作品时并没有标明作品的具体售价。倘若你恰好喜欢他的作品，在你的脑海中恐怕会对这幅作品有个大致的心理价位。为了实现价格歧视，画廊经理的任务就是弄明白你愿意为这幅作品支付的最高价格，经济学家则将其称为消费者的“保留价格”（Reservation Price）。如果画廊经理拥有读心术，他就可以轻松地掌握每一位客户对沃克·埃文斯作品的保留价格 —— 有人可能只愿意掏出10美元，而另外一些人可能会为此支付超过100美元。在掌握了这些有关消费者保留价格的具体信息后，画廊经营者就可以实现完全价格歧视（又称一级价格歧视），从而向每一位消费者索取后者对任意数量的产品所愿意支付的最大货币量。

在完全价格歧视的情况下，画廊经理通过获取全部消费者剩余而实现利润最大化。一般来讲，消费者剩余指的是消费者购买一定数量的某种商品愿意支付的最高价格与这些商品市场售价之间的差额。如果画廊经理失去了他的读心术，他就无法实现完全价格歧视，转而只能按照固定价格收费。假设，你原本打算为沃克·埃文斯的作品支付500美元，但是当你走进画廊时却发现他的作品售价仅为100美元。那么这样说来，你的消费者剩余就是400美元（即用你所愿意支付的价格减去你实际上支付的价格）。于是，你就可以自行支配这剩下来的400美元。

接近于完全价格歧视的现实案例是美国私立大学征收的学费。学校首先会向报考者的父母了解他们的财务状况以及学费支付能力。通过奖学金制度，一部分家庭收入水平较低的学生将可以支付更少的学费。我们之所以称其为接近于完全价格歧视，原因在于也许还有一部分学生的家长会为了让孩子能进入理想的学校而情愿支付超过公告学费的更多金额。根据学生的个人素质与大学的入学标准，这可能需要家长做出一笔数额不菲的捐赠（如为学校建一栋新的宿舍楼）。

在过去，卖方往往缺乏足够的信息对每一位消费者的保留价格做出估算。他们中有些人转而采取不完全价格歧视，这种行为也被称为三级价格歧视。在这种情况下，卖方将消费者划分到了更为广泛的顾客群当中，并针对归属于不同群体的消费者设定不同的产品售价。在生活中，电影院多年来都在奉行不完全价格歧视政策 —— 他们对成年人、孩童、学生和老人收取不同的观影票价（此举是基于学生与老人的可支配收入较少、保留价格较低的缘故，所以进行差别定价）。

有限的套利空间

价格歧视成立的另一个条件是有限的套利空间，这关乎卖家防止消费者“倒买倒卖”的能力。在上述例子中，画廊必须找到一些办法确保以10美元价格买到沃克·埃文斯黑白摄影作品的顾客不会在eBay或者亚马逊上把这幅作品再以高价转卖出去。通常来讲，卖家可以通过以下几种方式阻止套利：提供定制化产品、取消产品转手后的质保、抬高二手产品的服务档次与费用等。执法者认为，“虽然小规模的套利空间总是存在，但是由于成本高昂与盈利有限，它无法阻挡企业的歧视性定价策略。”

动态定价

价格歧视与动态定价的区别在于，前者的价格调整是对市场供需关系变化的回应，而后者则并非如此。举例来看，民航产业是较早从动态定价中获利的行业。数据显示，自20世纪90年代以来，作为率先采用动态定价的行业先锋美国航空公司（American Airlines），通过有效的收益管理，每年可以额外获得5亿美元的回报。如今，动态定价策略已经在民航产业中得到普及。为了实现利润最大化，根据对乘客出行时间安排、可选航班情况以及保留价格等信息做出的合理估量，航空公司不仅频繁地调整机票价格，还为出行者提供了更多不同价格水平的舱位选项。在其他产业中，不论是酒店行业还是体育赛事承办，兼顾线上市场与线下市场，相似的商业行为也并不鲜见。

同样，零售商还会根据不同采购时间、同类产品的购买便捷性以及商品的保质期长短而对商品的价格做出适当调整。通常情况下，这些定价策略都很简单易行。比如，超市往往会在面包、牛奶等食品临近保质期的最后几日，采取降价销售的手段。这时候超市的经营者并不一定存在开展歧视性定价的意图。毕竟，快过期的食品和新鲜出厂的食品在口感、可贮藏时间以及消费者需求量上还是有很大不同的。所以，为了尽快卖出这些快要过期的存货，超市不得不降价销售。在这里，零售商的调价行为正是对市场需求变化的回应。反观价格歧视，超市经营者则是基于不同顾客针对同一个面包的不同保留价格，而开出不同的价码。

另有很多时候，当卖方采取了更加复杂的营销手段时，动态定价与价格歧视的边界开始变得模糊。再举一个动态定价的例子，针对同一个商品，超市的经营者可能会在午餐时间和晚上闭店前夕调低该产品的售价（考虑到这两个时段超市的客流量较少），而在傍晚时分调高产品的价格（此时逛超市的人明显较多）。但与此同时，这种行为还可以被看成是商家基于客户的价格敏感度而采取的价格歧视。考虑这样一种情况：如果超市的经营者认为对价格较为敏感的顾客会选择推迟消费，直到他们晚上腾出工夫时才进行采购工作。同时，这些对价格较为敏感的顾客也清楚，超市会在每天闭店前降价销售面包。那么，这种做法（在晚上7点前，对价格敏感度较低的顾客收取更高价格，而在此后，打折售卖面包）究竟是对市场需求变化的回应还是一种价格歧视？这很难讲。也许，表面上看似有效的动态定价，实则却是超市经营者有意根据消费者的价格敏感度而对他们做出的区分。

企业缘何会采取价格歧视

简单来讲，价格歧视总能令企业获利。回到之前讲到的画廊例子，当画廊经理对沃克·埃文斯的那幅黑白摄影作品采取统一定价（姑且算作250美元）时，对该作品的保留价格高于或等于250美元的顾客会为画廊贡献后者所有的销量。但同时，画廊也失去了那批保留价格低于250美元的潜在顾客。更何况，愿意支付1000美元购买沃克·埃文斯作品的“金主”也不一定会为了低价而一鼓作气购买4幅同样的摄影作品。相反，他可能会用250美元购买一幅摄影作品，而将另外的750美元用作其他消费。但在完全价格歧视情景下，画廊却可以获取这部分消费者剩余。不仅如此，即便顾客的保留价格低于250美元，但只要这个保留价格高于画廊的成本，画廊就会为了更大的获利而努力争取这批买家。从本质上讲，画廊不愿意放过可以赚到的每一分钱。每个人会为这幅作品支付所愿支付的最高价格，更多的摄影作品会被卖出，画廊也实现了利润的最大化。就算是在不完全价格歧视的情况下，画廊获得的消费者剩余也比锁定价格的情况高。

在下面的章节中我们将看到，拥有数据优势的企业能够攫取更多消费者剩余，从而不断放大利润，以至于诱导消费者为那些自己都不曾意识到自己需要的产品支付更高的价格。

完全价格歧视时代的到来？

2015年，个性化推荐技术成为拥有全球影响力的广告行业盛会 —— 纽约广告周（Advertising Week） —— 的核心话题。在分会场的研讨会上，一位演讲者谈到一种可能：到2020年，广告界将会利用家庭级别和个人级别的数据制作个性化内容的广告，并实现广告投放的精准化。难道，大数据的崛起会令互联网攀上完全定价歧视之巅 —— 让所有消费者情愿奉上自己的保留价格？

在不远的将来，不完全价格歧视（如老年人优惠证）或将成为过去式。企业正在不断尝试各种策略以更好地实现价格歧视，随之而来的是竞争秩序的悄然改变。回溯企业在数据追踪与收集进程中取得的种种进展，完全价格歧视似乎已然可期。套用中世纪天主教最重要的哲学家和神学家圣·托马斯·阿奎那（St. Thomas Aquinas）关于“快乐”所做的注解 —— 即便完全价格歧视不曾存世，但不完全价格歧视却在不断攀阶，走向极致。

……

数据挖掘、追踪与利润最大化

企业可以利用数据库建设来辅助自学习算法，实现优化行为定向广告、制作个性化促销信息以及定价的工作。Coupons.com的首席执行官认为，该公司的数据分析产品运用最顶尖的科技，如机器学习和跨设备用户定位追踪，可以将“大数据”转化为“智能数据”，掌握的顾客个人信息数据越多，定价算法便可以更好地预测我们的行为和喜好，进而实现价格歧视的目的。

在企业收集顾客的日常行为与个人信息的进程中，会员卡和交易记录不过是它们种种方式方法的冰山一角。事实上，实体店铺正在加速推进这项“事业”。从前，当我们不曾申请会员卡时，商场里的店员并不知道我们姓甚名谁，我们在寻找什么商品，又有哪些商品吸引了我们的注意。但如今，商家可以利用无线网络以及手机应用程序实现与顾客的互动。此外，它们还在试图通过复杂的人面识别技术增进对顾客的了解。

2014年，美国联邦贸易委员会承办了一期研讨会，会议的主旨是拆解企业是如何在用户毫无察觉的情况下通过移动设备实现对用户行为进行追踪。此后一年，联邦贸易委员会揪出了第一个惩治对象 —— Nomi科技公司（Nomi Technologies）。该公司运用移动设备追踪技术，仅在2013年的前三个季度里，就实现了对900万台手机的追踪，而这大多是在用户无意识下发生的。作为一家信息技术公司，Nomi科技将自己的数据分析服务卖给了实体商铺，为后者提供有关消费者出行模式的数据分析报告，内容包括：过店而不入的手机用户与实际进店采购的手机用户的比例、消费者到店的频率、进店消费人群使用的手机型号、访问同一超市品牌其他连锁店的消费者人数等。有趣的是，让Nomi科技深陷舆论旋涡的不是它的数据追踪行为，而是隐私政策的误导性。在业务开展的过程中，Nomi科技曾做出承诺，如果手机用户想要摆脱行为数据追踪，那么它可以在Nomi科技的网站或是“使用Nomi科技数据分析服务的零售商”的移动程序上选择禁止数据追踪。然而，Nomi科技从未要求它的零售商客户出示相关通告，而这些零售商也并未告知消费者这一事实。

除了企业在自身经营活动中收集到的顾客个人信息数据，它们还不时仰仗于数据掮客。据美国联邦贸易委员会的一份报告显示：

在这些数据掮客手中掌握着规模空前的个人信息数据。收集14亿笔交易数据、拥有超过7,000亿的聚合数据元素，每个月向数据库注入30亿个新的数据元素，这些可都没有夸大其辞。更重要的是，这浩如烟海的数据都是关于消费者自身的数据。在全美九大数据掮客当中，有家公司已将每位消费者的个人信息数据细化到了近3000个数据段。

在收集消费者个人喜好与行为数据的同时，数据掮客也为他的客户提供数据分析服务。美国联邦贸易委员会发现，个别数据掮客已将他们的数据分析工作巧妙地转化为“营销成效打分表”，意在依据消费者对具体营销策略的回应、自身影响力、消费记录等指标对他们进行排名。但归根结底，数据掮客的目的是准确推断消费者的兴趣以及价格敏感度，从而开出恰当的价格（或者折扣）将某件商品有针对性地推销给某位消费者。

在当代社会中，我们的日常生活已与互联网密不可分。不论是在工作场合还是娱乐消费和社交场合，想一想你平日里花了多少时间在手机和计算机上吧。即便只是兜里揣着手机，应用程序的开发商也有办法收集到你的实时定位信息。再往后想一想，当无人驾驶汽车、物联网、智能手表得到普及时，我们的个人信息又会在无形当中“溜走”多少。在算法大行其道的市场环境中，卖家必将投入更多资金和精力深挖大数据分析的潜力，以便在“适当的时机”里能够恰如其分地诱导我们消费。

《算法的陷阱》，阿里尔•扎拉奇 (Ariel Ezrachi) / 莫里斯•E. 斯图克 (Maurice E. Stucke) ，中信出版社，2018年5月。