因此美團能否證明自己不存在“大數據殺熟”才是最重要的，只憑一面之詞無法給廣大用戶一個交代。

　　在這件事中，“大數據殺熟”之所以能引起這么大共鳴，源于用戶早已飽受其摧殘。

　　此前國內出現過最矚目的“大數據殺熟”事件，主角則是攜程。2019年3月，用戶陳利人在攜程上購買國際機票時，第一次搜索時價格為17548元，退出后再去支付就顯示“無票”，而該用戶再次進入搜索頁面搜索時，價格就變成了18987元，此后多次搜索都是這個價格，最終用戶只能選擇在航空公司的官網購買機票。

　　平臺通過“大數據殺熟”，讓用戶變成了任人拿捏的柿子，用戶自然對此深惡痛絕。

　　02 殺熟是門“好生意”

　　對于某些平臺來說，為何熱衷于“大數據殺熟”這門生意？

　　從經典的案例中能找到一些啟發——2000年，電商平臺亞馬遜選擇了68種暢銷 DVD 進行試驗，根據潛在用戶的人口統計資料、購物歷史、上網行為等，對這些 DVD 光盤進行差別定價。

　　其中名為《泰特斯》的DVD光盤對新老用戶的定價分別為22.74美元、26.24美元，通過這一策略，這些DVD的銷售毛利率得到明顯提升。

　　此外，美國布蘭戴斯大學經濟學系助理教授Benjamin Shiller基于 Netflix的研究發現，使用傳統人口統計資料（種族、收入、郵編）的個性化定價方法，可以使Netflix的利潤提高0.3%，但根據用戶網絡瀏覽記錄（瀏覽了哪些網站、在哪個網站停留了、停留了多久），使用機器學習技術來估算用戶愿意支付的最高價格，可以使Netflix的利潤提高14.55%。

　　而對于類似美團這種提供服務的平臺，甚至能夠以“大數據殺熟”消費者和服務提供者兩方，從而讓自身獲益。

　　因此這種方法對于商家而言是強烈的吸引力。

　　從上述案例中能看出，“大數據殺熟”的本質其實就是商家通過收集數據，以此找到用戶對每件商品的“最高承受價格”，從而實現利潤最大化。

　　但利潤與風險同在，雖然這種方法能夠讓平臺最大程度上獲利，但消費者可不會輕易買單。在艾媒咨詢發布的《2018中國“大數據殺熟”網民態度行為調查報告》中，77.8%的受訪網民會認為服務應用利用大數據進行差異定價的行為不能接受，認為可以接受的受訪網民僅占12.2%。

　　更嚴重的后果是，報告顯示42.9%的受訪網民表示會因為應用利用大數據進行差異定價考慮更換應用；40.5%的受訪網民會認為如果自己使用的應用利用大數據進行差異定價，未來將不會再使用該應用。

　　以亞馬遜為例，此前其推出差別定價被發現后，隨著消息的傳播，越來越多被“坑”的老用戶知道了這件事，在一陣聲討聲中，不少人公開表示以后絕不會在亞馬遜購買任何東西。最后此事鬧得越來越大，直至亞馬遜CEO貝佐斯親自道歉，并對商品進行退還差價處理才漸漸息事寧人。

　　對于平臺而言，采用“大數據殺熟”無異于冒著巨大的風險。但仍有無數平臺前赴后繼采用，除了巨大的利益，更重要的是“大數據殺熟”的隱蔽性，在《2018中國大數據“殺”網民態度行為調查報告》中，73.9%的受訪網民不知道互聯網服務應用利用大數據針對不同用戶進行差異定價的情況。

　　最好的方法是讓用戶對“大數據殺熟”不知情。

　　首先，熟客天然比生客好“殺”，熟客的心理會自然而言的代入自己在消費者將會享受更好的服務和更優惠的價格，并且在購物的過程中省略“貨比三家”，在加上購物習慣使然，熟客對價格沒有那么敏感，因此商家好把控。

　　其次，如今“大數據殺熟”在互聯網領域廣為應用，和線下的實體交易相比，互聯網服務交易平臺“殺熟”手段相對隱蔽，用戶在支付過程中存在一個“私密空間”中，導致“大數據殺熟”不容易被用戶發現。

　　種種原因，造成“大數據殺熟”一直被平臺使用但秘而不宣。

　　此外，在“大數據殺熟”的具體應用上常見的情況為：同一應用上的不同階層用戶價格不同；同一應用的同一階層用戶的價格也不同；在此基礎上，更有甚者平臺利用大數據分析同一階層用戶的需求，為其提供個性化的產品或服務，做到“千人千面”。

　　如若在上述美團事件中，確實存在當事人所說的情況，其應屬于同一應用上的不同階層用戶價格不同。

　　03 如何避免被“殺熟”？

　　事實上，如今國內對“大數據殺熟”的監管力度愈發嚴格。

　　首先是在“大數據殺熟”的重災區——OTA，2020年9月，文旅部出臺了《在線旅游經營服務管理暫行規定》，預計在10月1日正式執行，其中第十五條的規定為“在線旅游經營者不得濫用大數據分析等技術手段，基于旅游者消費記錄、旅游偏好等設置不公平的交易條件，侵犯旅游者合法權益?！?/font>

　　這使OTA平臺使用“大數據殺熟”的成本增加。

　　此外，2020年11月10日，市場監管總局發布《關于平臺經濟領域的反壟斷指南(征求意見稿)》中，第十七條為“具有市場支配地位的平臺經濟領域經營者，可能濫用市場支配地位，無正當理由對交易條件相同的交易相對人實施差別待遇，排除、限制市場競爭?！?/font>

　　意見稿首次提及基于大數據和算法，根據交易相對人的支付能力、消費偏好、使用習慣等，實行差異性交易價格或者其他交易條件；基于大數據和算法，對新老交易相對人實行差異性交易價格或者其他交易條件等，并把這些行為定義為濫用市場支配地位、實施差別待遇。

　　“大數據殺熟”或將成為反壟斷法明令禁止的行為。

　　需要注意的是，雖然近些年監管力度正在加強，但目前來看，如何界定平臺是否存在“殺熟”等違規行為在判定上存在一定難度。

　　對于美團這樣的本地生活企業來說，早前新華社記者調查報道過程中做了試驗，發現不同賬戶存在明顯的價格差異，2019年的“大數據殺熟”風波中，科技日報點名美團存在“大數據殺熟”情況，但對美團并無大礙。

　　類似也有不少用戶向相關機構投訴平臺，卻發現想要舉證難度很高，原因在于平臺通常以商品型號或配置、享受套餐優惠、時間點不同等為理由，通過了補貼、優惠力度等方式掩蓋。同時，平臺以商業機密為由不對外公布具體算法、規則和數據，

　　在裁判文書網上同樣能找到相關案例，在2019年12月27日發布的《劉權、北京三快科技有限公司（美團母公司）侵權責任糾紛二審民事判決書》中，劉權表示，他通過某外賣平臺訂購了一份套餐，當日劉權另一同事在該平臺上向同一商家訂購了同一份套餐，送貨地址相同，但配送費卻比劉某少1元，以此投訴三快科技。但法院認為三快科技公司的外賣配送費是動態調整的，以劉權與其同事下單時間并不一致為由對劉權的訴訟請求不予支持。

　　可見在難以監管的前提下，對于消費者而言，更小心平臺“殺熟”。

　　因此除了監管的因素，作為消費者，養成避免被“大數據殺熟”的習慣同樣十分重要。例如在購物時，習慣使用各種網站比價；經常卸載APP或清理緩存等。

　　歸根結底，用戶之所以遭遇“大數據殺熟”的絕大部分原因是信息不對等，只要抹除信息不對等，大多網購平臺的“大數據殺熟”手段就無所遁形。實際上，互聯網的特性本就讓我們獲取信息更加方便，很多時候只是懶得去主動獲取，這才給“大數據殺熟”留下了可乘之機。

　　當然也需要注意的一點——大數據沒有原罪，技術本身是中性的，通過大數據不一定只能去“殺熟”，平臺如果使用得當的話，也能為用戶帶來方便。

　　回到這件事情本身，如今正處在反壟斷的關鍵時刻，美團自然需要打起十二分精神。

　　但對于廣大消費者來說，此事如若只是像此前那般成為一個普通的輿論事件，隨著輿論沉寂，“大數據殺熟”也沒有得到監管。即使諸如此類的事情正在使越來越多的消費者覺醒，但終究未能從源頭上徹底阻截。