李燕 張聰婧
摘 ? 要:大數據的興起讓數據挖掘技術實現快速發(fā)展和廣泛應用,部分商家搜集并利用消費者的歷史消費信息甚至是瀏覽記錄,建立商家對消費者的消費動態(tài)“大數據”,實現同一商品或服務對不同的消費者制定不同的價格以提高利潤,這種“殺熟”現象引起大眾的廣泛關注。本文從大數據“殺熟”展開,構建商家與消費者博弈主體的動態(tài)演化博弈模型,分析消費者與商家的動態(tài)演化策略,研究發(fā)現:消費者對商品或服務的評估價值、消費者發(fā)現自己被“殺熟”的概率及商家提價被發(fā)現帶來的潛在損失等是影響消費者與商家選擇策略的重要因素。商家要合理利用大數據,不要越界,自覺避免價格欺詐行為;消費者要提高法律意識,積極維權;政府相關部門要加大監(jiān)管力度,維護良好消費環(huán)境。
關鍵詞:大數據“殺熟”;演化博弈;穩(wěn)定策略
DOI:10.3969/j.issn.1003-9031.2020.12.009
中圖分類號:F062.6文獻標識碼:A ? ? ? ? ? 文章編號:1003-9031(2020)12-0058-08
一、引言及文獻綜述
大數據分析讓商家對消費者的服務更具有針對性和個性化,但商家通過大數據對用戶的平臺使用習慣、產品的需求程度、平臺忠誠程度進行分析,進而實行差別定價,在打車出行、網上購物等方面已被廣泛運用,一些商家獲取了更大的利潤。這便是引起大眾廣泛關注的大數據下“殺熟”現象。
一般意義上,“大數據是指無法在可容忍的時間內用傳統(tǒng)IT技術和軟硬件工具對其進行感知、獲取、管理、處理和服務的數據集合”。楊善林等人(2015)從管理的視角看大數據的定義和特征,對大數據中的管理問題進行研究,認為當大數據被視為一種資源時,為了有效管理和利用這種資源,它的獲取、處理方法等問題必須得到應有的重視,讓大數據的潛在價值得以充分挖掘,推動大數據產業(yè)健康發(fā)展。梁宇等人(2020)研究了大數據時代信息倫理問題,認為看待大數據技術的發(fā)展應更全面、更規(guī)范,使其更好地服務于社會經濟的發(fā)展和人民的美好生活。
對于大數據殺熟現象的研究。朱杰(2018)認為相較于傳統(tǒng)框架,大數據環(huán)境下價格歧視表現為主體更為寬泛、行為更為隱蔽、精準市場劃分等特征。胥雅楠等(2019)從法學視角、經濟學視角、管理學視角對“大數據殺熟”產生的原因進行分析,并提出從健全法律法規(guī)、鼓勵市場競爭及加強部門監(jiān)管方面規(guī)避該情況。孫善微(2018)對大數據“殺熟”行為及其危害的進行法律分析,認為應不斷完善、細化相關規(guī)則,加快個人網絡信息立法保護工作對大數據“殺熟”進行規(guī)制。洪亮等人(2016)以淘寶、京東和亞馬遜為例,發(fā)現網站的推薦系統(tǒng)對顧客的消費行為、消費偏好進行數據處理,為差別定價提供了更精確、更強大技術支持。
對消費者和電商平臺的博弈研究。梁雯和陳廣強等(2017)利用演化博弈的方法,分析了電商商家與消費者之間的利益博弈行為,發(fā)現當商家實施逆向物流的成本較小及政府對電商商家的處罰力度較大時,電商商家傾向于實施逆向物流,進而消費者也會選擇舉報策略。余得生等人(2019)構建商家與消費者博弈主體的動態(tài)演化博弈模型,系統(tǒng)地分析消費者與商家的演化穩(wěn)定策略,發(fā)現消費者對商品或服務的評估價值、相關部門對商家的罰款及消費者發(fā)現自己被“殺熟”的概率等是影響消費者與商家選擇策略的重要因素。余敏(2019)以經典的 Akerlof 的“檸檬”問題理論模型為分析基礎,在電子商務市場框架下研究商家與顧客間的信息非對稱情況,發(fā)現消費者對于商品價格信息的披露最為敏感,與購買意愿的關聯(lián)度最高。
綜上,對于大數據下的“殺熟”問題,許多學者已從定性和實證的角度進行了研究,但目前較少學者利用演化博弈的方法分析“大數據殺熟”關系下,消費者和商家的決策過程和演化趨勢。
二、商家與消費者的消費博弈關系分析
大數據的利用是利弊并存的。網絡時代,線上銷售平臺數量增加使得國內線上消費需求大幅度提高。同時,大數據技術的快速發(fā)展、互聯(lián)網的網絡集中發(fā)展以及壟斷效應,幫助商家實現數據高度集中,讓商家在精準營銷等方面實現高效優(yōu)質的服務。大數據技術下,商家恰當差別定價,合理市場區(qū)分不但幫助商家提高服務能力和收益,還可以幫助商家提升產品或服務的競爭力和市場滲透力。大數據技術的科學利用是商家長久發(fā)展的重要方向,但商家對大數據技術的利用應該存在一個合理的“界限”。線上消費會讓消費者的個人信息、消費喜好、交易信息等較多隱私消費數據被商家收集和利用,不良商家為獲取更大利益會進行針對性價格歧視,如同種服務老用戶比新用戶價格高等,此類種種區(qū)別定價行為即為大數據下的“殺熟”。雖然很多平臺對此矢口否認,但“殺熟”行為確實存在。大數據下的“殺熟”成本更低,針對性更強,隱秘性更高,一定程度上促進了商家的壟斷。
與傳統(tǒng)的商業(yè)銷售模式相比,商家利用互聯(lián)網大數據,數據分析更加專業(yè)化、商品信息的處理更加便捷,消費者可以接觸到更多商品或服務的信息,選擇增多,比價更為直觀,消費主動性提高。線上平臺讓商家與消費者之間的信息不對稱問題得到一定解決。但商家與消費者之間的信息不對稱問題還是存在,并且難以根除。對于商家而言,利用網絡平臺更改商品定價的成本更低,搜集消費者的個人消費數據更為便利,大數據技術幫助商家分析用戶數據,進行用戶畫像,實現區(qū)別定價,進而更大程度擠占消費者剩余,獲得更高的利益。大數據技術讓商家在消費博弈中的優(yōu)勢逐漸被放大。反之,消費者操作網絡平臺進行消費時,產生的需求信息或消費數據被平臺記錄。而商品相關信息很難在消費者之間共享,因此對于消費者而言,對商品價格變動或與他人之間的價格差異很難發(fā)現。若是平臺老用戶,則很難知道目標商品是否被提價。價格敏感型消費者則會對價格產生懷疑,根據之前消費信息或與其他平臺進行對比,提高發(fā)現自己被“殺熟”的概率;而一旦消費者發(fā)現自己被商家進行大數據“殺熟”,用戶會減少在該平臺進行消費。因此,在大數據技術被商家利用背景下,商家如何追求自身利潤最大化時不損耗消費者利益,而消費者通過線上消費提高消費福利時不會被擠占消費者剩余,這樣便出現了商家與消費者線上消費演化博弈過程。
三、商家與消費者演化博弈模型構建
(一)模型假設
3.博弈分析
由上述動態(tài)博弈過程分析發(fā)現,初始狀態(tài)不同,平臺商家和消費者所產生的決策不同(見圖1)。當最初狀態(tài)為第一象限時,(x=1,y=1)為博弈平衡點,即商家選擇提價策略,此時消費者進行購買,消費者沒有發(fā)現自己被“殺熟”,商家獲得了更高的利潤;當最初狀態(tài)為第二象限開始時,(x=1,y=0)為博弈平衡點,即商家提價,此時商家提價行為下,消費者不進行購買,商家沒有從提價中獲得更高利潤,若消費者發(fā)現被殺熟,商家還會有一定的損失;當最初狀態(tài)為第三象限時,(x=0,y=1)為博弈平衡點,即商家不提價,消費者進行購買,雙方都沒有損失;當最初狀態(tài)為第四象限時,(x=0,y=0)為博弈平衡點,即商家不提價,消費者不購買。
同時,如果相關取值范圍發(fā)生變化,也會帶來博弈雙方在選擇進化穩(wěn)定策略層面的改變。
當?著M>p2-p1時,進化穩(wěn)定策略為x=0,商家提價產生的凈收益小于0,即商家提價策略帶來的損失要大于商家通過提價賺取差價帶來的額外收益,商家便不會進行提價。但這取決于消費者發(fā)現自己被“殺熟”的概率,消費者對價格的敏感程度不高,就不會發(fā)現目標商品被差別定價。從提高利潤角度出發(fā),商家在實踐中更傾向于提高定價,獲得高額利潤?,F實中消費者與商家之間的信息不對稱問題是存在的,這就使得商家對消費者產品進行差別定價有利可圖的。因此,消費者應提高消費意識,消費時應多平臺使用,多價格比較。對于自己被殺熟的消費平臺及時與商家反饋減少自己的損失,同時,減少不合理定價平臺使用次數。
當?著M>p2-p1,進化穩(wěn)定策略為x=1,即當對商家提價策略帶來的損失要小于商家提價賺取差價帶來的額外收益,提價會給商家?guī)磔^高收益,商家會進行提價。商家對平臺商品恰當的個性化定價可以幫助商家提升自身的市場滲透力,提升自身對消費者的個性化服務能力。商家通過針對多層次的消費者以及他們差異化的產品需求來定價,從而增加商家的收入與利潤。如將機票艙位、演出門票座區(qū)位進行差別定價等,這些差別定價方式可以擴大產品目標消費群體,提升商家的整體銷量以及社會的福利總量?,F實中,商家的提價不局限于此,更存在同等服務或產品不同消費者不同價格的現象,商家過度價格歧視行為會產生負面效應和信譽問題,不利于自身長久發(fā)展。
當(R-p1)>(p2-p1),進化穩(wěn)定策略為y=1,商家進行差別定價,提高商品價格。但對于消費者而言,商品或服務的評估價值仍高于提價后的商品或服務的價格,消費者還是會選擇購買,這似乎是一種“雙贏”局面。在現實中,消費者很難接受商家不合理的定價。據艾媒調查發(fā)現,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,40.5%的受訪者表示如果被平臺 “殺熟”,便不會再使用該平臺進行消費或其他操作,更有部分人會告知親友讓他們避免在該平臺消費;由此可見,在實際消費過程中,商家提價,消費者照舊買單不會大量存在,商家存在潛在損失。
當(R-p1)>(p2-p1),進化穩(wěn)定策略為y=0,即消費者對商品或服務的評估價值要低于商家提價后的價格,所以消費者不會選擇購買。商家提價的行為既會使得消費者的反感,損害商家形象,特別是老客戶與商家建立起的關系,透支商家信用,導致客戶流失。
四、結論與建議
(一)結論
本文以大數據“殺熟”為背景,建立商家與消費者博弈模型,以此為基礎討論商家與消費者在互聯(lián)網平臺上交易的博弈演化過程。研究發(fā)現:消費者發(fā)現自己被殺熟的概率、商家差別定價帶來的損失以及商品價格變動幅度越大,商家進行差別定價的操作可能性越小。商家要合理利用大數據技術,不要“越界”,自覺避免價格欺詐行為。部分不良商家利用大數據“殺熟”損害消費者利益,消耗商家的信任和品牌的聲譽,商家會承擔相應損失,大數據的正確應用是商家和消費者互利共贏。
(二)建議
1.大數據技術的合理利用不應該被限制。大數據作為一種資源,其本身發(fā)展和使用是中立的,數據的潛在價值應該被合理且充分的發(fā)揮。同時,我國當下提倡數字化、智能化,對大數據一味的制約,也會限制網絡時代對數據利用和發(fā)展。商家對用戶數據的收集和利用不應該被完全禁止,同時也不能縱容企業(yè)的惡意定價行為。首先,企業(yè)應當尊重用戶的權益和隱私,消費者有權知曉自己的相關數據被商家收集利用。對于消費者每一次使用平臺時,平臺都應對消費者提供必要的授權使用說明,企業(yè)平臺對于消費者數據的利用絕對不可逾越授權范圍,消費者有權對自己的數據進行修改和刪除。其次,企業(yè)對于搜集的消費者信息,進行差異化處理,通過對信息的敏感程度進行界定,敏感信息禁止搜集利用。最后,商家應提高自身倫理道德建設,不侵占消費者剩余,破壞市場秩序。商家內部應有自律制度,簽訂自律公約,提升自我監(jiān)督的自律水平,提升行業(yè)對消費者個人信息使用的規(guī)范程度。
2.消費者要提高意識,積極維權。信息時代,消費者的個人信息作為一項重要的信息資源,在被合理的利用的同時應得到合理的保護。但當下大部分狀況卻是消費者的相關信息在消費者不知情的狀況下被收集使用,使得消費者在使用消費平臺時變成“透明人”,消費者權益受損卻不自知,信息的保護十分重要。對于價格敏感型消費者來說,他們會很容易發(fā)現目標商品或者服務的價格變動,同時對其他商家商品的條件進行對比挑選去發(fā)現更適合的價格條件,這要付出了更多的時間成本。對于非價格敏感型消費者來說,在互聯(lián)網平臺上購物時,他們不易發(fā)現自己被“殺熟”,被商家實行差別定價而買單。此外,消費者經常在同一商家平臺的重復消費行為是被“殺熟”的最大影響因素,消費者要多平臺使用,多價格比較,避免對同一商家產生消費習慣,從而做出最優(yōu)購買選擇。
3.政府等相關部門要加大監(jiān)管的力度,維護良好的環(huán)境。目前,我國電商領域存在缺乏專項立法和相關部門有效監(jiān)管的現象。我國的《電子商務法》自2013年多次審議后在2018年8月31日通過,立法時間較短,且未明確電商的監(jiān)管部門。因此,應當對電商監(jiān)管部門的職責分配進行明確和調整,避免發(fā)生多部門共同管理,職責卻難以落實的現象,形成國家監(jiān)管部門的合力,提高執(zhí)法力度;對于平臺數據過度收集、消費者舉證難、公益訴訟適格原告的范圍較小等現象,相關部門應完善《消費者權益保護法》和電子商務信息披露制度,擴大消費者權益保護公益訴訟適格原告的范圍,推行電商平臺交易糾紛中舉證倒置制度,從法律角度完善對消費者個人信息權的保護。
(責任編輯:王艷)
參考文獻:
[1]李國杰,程學旗.大數據研究:未來科技及經濟社會發(fā)展的重大戰(zhàn)略領域——大數據的研究現狀與科學思考[J].中國科學院院刊,2012,27(6):647-657.
[2]楊善林,周開樂.大數據中的管理問題:基于大數據的資源觀[J].管理科學學報,2015,18(5):1-8.
[3]梁宇,鄭易平.大數據時代信息倫理問題與治理研究[J].圖書館,2020(5):64-68+80.
[4]朱杰.網絡大數據環(huán)境下價格歧視行為研究[J].哈爾濱師范大學社會科學學報,2018,9(2):64-66.
[5]胥雅楠,王倩倩,董潤,汪辛怡,吳崢.“大數據殺熟”的現狀、問題與對策分析[J].改革與開放,2019(1):15-20.
[6]孫善微.大數據背景下價格欺詐行為的法律規(guī)制——以大數據“殺熟”為例[J].北方經貿,2018(7):51-52.
[7]洪亮,任秋圜,梁樹賢.國內電子商務網站推薦系統(tǒng)信息服務質量比較研究——以淘寶、京東、亞馬遜為例[J].圖書情報工作,2016,60(23):97-110.
[8]梁雯,陳廣強,王欣.電子商務發(fā)展中的逆向物流問題——電商商家與政府、消費者的不同利益關系博弈分析[J].產經評論,2017,8(1):67-79.
[9]余得生,李星.消費者與商家大數據“殺熟”的動態(tài)演化博弈研究[J].價格理論與實踐,2019(11):129-132.
[10]余敏.“大數據殺熟”可以避免嗎?——電子商務逆向選擇風險規(guī)避[J].價格理論與實踐,2019(4):141-144.
[11]李飛翔.“大數據殺熟”背后的倫理審思、治理與啟示[J].東北大學學報(社會科學版),2020,22(1):7-15.
[12]胡君倩,段佳慧.殺熟與數據場景下消費者權利保護問題研究[J].法制與社會,2019(17):55-56.
[13]鄭佳和,曹金瑞,蔣炘睿,陳杉.大數據“殺熟”行為綜合治理研究[J].法制與經濟,2020(3):135-137.
[14]劉超凡.大數據“殺熟”現象下公民隱私權保護研究[J].新聞研究導刊,2018,9(23):6+77.