来源/连线Insight
撰文/王古锋
编辑/子夜
要说今年的行业乱象，大数据杀熟榜上有名。
OTA平台上，两部不一样的手机同时预定酒店房间，经常使用该平台的手机的房价高，另一部新号码手机房价低；
电商平台上，购买一款kindle产品，浏览该产品次数更多的人显示价格为998元，浏览次数少的用户显示的价格却只有599元。
像这样的案例不胜枚举，可以说国内各大互联网平台已经陷入了大数据杀熟的重灾区。
近日，美团大数据杀熟事件，再次引发舆论关注。
12月14日，自媒体“漂移神父”发布了《我被美团会员割韭菜》，“漂移神父”表示在开通美团外卖会员之后，发现一家常点的店铺，配送费从平时的2元变为了6元.
“漂移神父”发布的文章截图，图源“漂移神父”公众号
多家媒体也实测，在美团外卖平台上，不同的手机用户，其配送费用确实不一样，频繁使用美团平台的用户，比新用户费用更高。
而在美团贴吧，网友也积怨已久，会员用户不仅享受的津贴更少，配送费用还更高；黑猫投诉充斥对美团的不满，“同一个地址，同样的时间，不同账号点外卖，别人点外卖都不要配送费，我的账号只要是美团配送商家都多一两块配送费，是所有商家……”
美团大数据杀熟可谓一石激起千层浪。
对于此次引发的舆论，美团方面回应，原因在于软件的定位错误，与会员身份无关。显然这个理由很难令人信服，舆论还在继续声讨美团。
互联网平台杀熟已经不是什么新鲜事，在衣食住行各个领域，每隔一段时间都会爆出平台杀熟事件。
令人气愤的是，即便面对千夫所指，互联网平台却总是明里暗里地大数据杀熟，每次严正声明、责令改正之后，又会死灰复燃。
在今年9月，文旅部就发布新规，明令禁止大数据杀熟；11月，国家市场监督管理总局也下发《关于平台经济领域的反垄断指南（征求意见稿）》，其中也将大数据杀熟归为滥用市场支配地位的范畴。
大数据杀熟究竟是怎么进行的，在新的法规下，未来会发生什么样的变化？
1、“杀熟”愈演愈烈
根据黑猫投诉相关数据，仅键入关键词“杀熟”和“美团”，相关结果显示就有65条，其中2018年1条，2019年9条，2020年55条；
同样的方法键入“杀熟”和“饿了么”，显示结果49条，其中2019年13条，2020年36条。
对此，连线Insight还分别键入了“杀熟”和“淘宝”、“携程”、“去哪儿”等关键词组合，均出现了2018年、2019年、2020年三年投诉明显飙升的情况。
黑猫投诉“杀熟”相关截图，图源黑猫投诉
可见大数据杀熟一次次带来的舆论声讨并没有促使这一行为降温，反而愈演愈烈。
从2018年3月开始，大数据杀熟一词进入公众的视野，据《中国青年报》对2008名受访者的调查，51.3%的受访者表示自己遇到过互联网企业大数据杀熟的情况，63.4%的受访者认为互联网企业利用大数据杀熟的情况普遍。
2019年，北京市消费者协会发布的一份大数据杀熟调查结果显示，56.9%的被调查者表示有过被大数据杀熟的经历，88.3%的人表示大数据杀熟现象普遍。
针对杀熟事件的泛滥，从2018年起，相关部门已经陆续制定了一些禁止杀熟的政策法规。
但即便这样，大数据杀熟的现象并没有消失。
其原因在于大数据杀熟难以界定，互联网平台多归结为技术原因。去哪儿网副总裁勾志鹏曾回应，大数据杀熟等于自杀，价格体系源于技术原因。就像美团此次对外界的回应，配送费变动主要是技术上的定位误差。
这个技术原因，可以理解为，不同消费者面对不同的消费场景，在大数据平台，会随时进行供需要素的匹配，导致了价格的不同。
比如一位需要出远门的游客需要订一趟航班，但是因为在线预定和取消的实时进行，导致机票库存变化不一，由此导致游客定完机票立马降价的情况出现；再比如美团配送，在同一高峰时间面对大量的订单涌入，系统生成排队机制，由此根据轻重缓急重新制定配送费用。
不过解释为技术问题，已经无法让人相信。
在“杀熟”的过程中，互联网平台既当裁判员，又当运动员，对这种价格体系的波动互联网平台不可能毫不知情，即便是大数据平台产生的“错杀”、“误杀”，这种所谓的技术BUG也是平台的责任，而不应转由消费者背锅。
2、“杀熟”是怎么进行的？
说到大数据杀熟，人们的第一印象是算法的强大之处。但是如果揭露算法背后的逻辑，其实并不复杂。
现在的算法，本质上是通过一系列互联网编程语言构建起来的，比如市场上火热的C、Java、Python，如果把算法比一栋高楼大厦，这些编程语言就是形形色色的建筑材料。
但是也如同这栋高楼大厦一样，目前的算法是“死”的，简单地说就是高级的流水生产工。在算法面前，不同的用户只是简单地化成了多个数据维度，通过算法的流水化分工，打上特定的标签。
如果说有一套大数据杀熟的算法是针对外卖场景的话，它的运作逻辑是这样的：
首先人们会在外卖平台注册账号，在平台的数据库里就会形成一个ID，随着用户在APP上的活跃行为增多，比如日常点餐，下单时间点，点菜的种类，在平台就留下了种种数据痕迹，算法通过这种痕迹就可以计算出用户的点餐均价，喜欢的菜品等各种标签。
在平台的算法体系中，面对消费者就有一套标签体系，比如标签1“川菜”，标签2“低消费人群”，标签3“上海XX小区”，用户点了一道毛血旺就可以归类为标签1，消费的价格在15元以下归类标签2，在XX小区订餐归类为标签3。
根据这些标签，算法平台再从商家供应的数据平台进行匹配，筛选出合适的餐饮店。
那些在平台驻留时间长的，其留下的痕迹也越多，被打上的标签也越多，平台也可能会根据用户的不同标签进行差别定价。
反而新注册的用户，没有数据痕迹，平台算法很难进行标签界定。
所以一幕幕大数据杀熟，总是以老用户被坑，新用户幸免的形式出演。
从目前的算法来看，也并不高级，就像现在的人工智能也并不那么智能。
算法体系的就像一个树状型的漏斗，每个人不同的行为模式最终去到了不同的地点，但是选择路径是消费者决定的而不是平台决定的。就像用户可以频繁在平台低价购买产品，伪装成“低消费人群”，去钻算法的漏洞。毕竟从目前的技术条件来看，算法的程式是固定的，用户多使用几次，就大致能摸清算法的规律所在。
但在大数据杀熟中，起作用的不只是算法，还有用户运营，如果把算法比作骨骼，用户运营实则充当了血肉。
一位互联网运营岗的从业者也告诉连线Insight，“售卖一款互联网产品，尽管只有点击率和转化率两项指标，但是根据这两个指标可以拆分成文案、地点、时间、机型等十几个维度，通过这些不同维度的排序组合就可以轻松刻画出消费者的特征。”
可见一旦个人信息泄露，很快用户数据就会被肢解成一个个独立的符号，被平台放在放大镜下观看。
以美团为例，“人人都是产品经理”上就有对美团会员体系的一套拆解。
美团的会员等级由成长值决定，从V0-V6分为7个等级，获得成长值需要两个条件，一个是购买金额1：1转化为成长值，另一个是完成任务获得相应成长值，从V0到V6共计需要166300点成长值.
根据会员的等级不同，可以获得身份铭牌、积分抵现、免费试吃、急速提款、客服优先接入，这些充满诱惑的任务，已经让用户和平台捆绑，也心甘情愿为平台“献身”各类个人数据.
这些数据成了算法分析用户的窗口，进而将不同用户分类.
在具体的细节上，“深燃”还对会员体系有过分析，焦点大致在于每一单的利润是有限的，需要在平台、骑手、商户之间分配，为了平衡前三者的利润，消费者往往成为成本转嫁的对象.
餐饮行业风险成本高，对应的毛利回报有限，美团除了维持自身的利润还要小心试探其他三者的底线.
所以平台在搭建好了算法骨骼后，美团要对整个数据库进行活血，就是通过精细化的用户、商户、骑手运营，去了解他们真实又多变的需求.
因为平台根据活跃程度已经收集到了足够的信息，也对不同的群体打上足够多的特征标签，剩下的就是如何对这些特征标签重新排序组合.
但不论是算法还是用户运营，难免出现疏漏，也存在对用户群体定性不准的情况.
所以隔三岔五就可以看到，不是美团商家在喊冤，就是骑手不满，这次又是用户投诉.
不过可能美团也没有想到，相比于过去用户的小打小闹，“漂移神
