从大数据杀熟到“全网杀熟”,“优质韭菜”用户或已被全网跟踪

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介: 2004年,刚入IT行业的伟哥对商业的理解还处于懵懂状态。一个关系非常好的同学找我组装PC,我带着那厮转遍了整个电脑城,见面就让商家报调货价。最终,给同学组装了一台令他满意的电脑,却得罪了整个电脑城的商户,老板们纷纷到我所在的公司控诉我的罪状。老板语重心长:弟儿啊,至少咱得挣出个售后服务费吧。

2004年,刚入IT行业的伟哥对商业的理解还处于懵懂状态。一个关系非常好的同学找我组装PC,我带着那厮转遍了整个电脑城,见面就让商家报调货价。最终,给同学组装了一台令他满意的电脑,却得罪了整个电脑城的商户,老板们纷纷到我所在的公司控诉我的罪状。老板语重心长:弟儿啊,至少咱得挣出个售后服务费吧。

后来,隔壁店的一个大哥,也是熟人了,对我进行了一番洗脑。他说,中国是熟人社会,朋友来找你就是想让你多挣几个钱,回头你去找他也是一个道理。所以,“杀熟”并不是个贬义词,而是朋友之间的相互照顾。

这个说法,当时不理解,随着对商业洞悉越多,也就越明白这个道理。后来不从事IT行业了,依然去朋友的店里买东西,都是明白人,自然知道我是在照顾他们的生意。而且,总有哪一天他们有什么事需要我帮忙,也总能会照顾我的生意。


朋友、熟人之间互相“杀熟”,可以看作礼尚往来。其实杀熟的概念,同样适用于企业,因为企业对客户越了解,就越能做到更有效的营销。互联网还未普及的年代,企业要对某些特定用户营销,都要倾尽全力去了解这些用户。具备专业管理水准的企业,都要对企业重点客户建档,一般的企业,至少负责人是了解客户的。那些讲究的以及不差钱的企业,在研发新产品之前,都要找调查公司了解受众基本特征。

但是慢慢的,杀熟却变了味道。现在所谓的“杀熟”,简单说就是绞尽脑汁、不择手段地专赚、专骗熟人钱物。原来是损人利己,现在是损熟人而利己。随着互联网技术的普及,各行各业都开始互联网+,平台型企业满天飞,更新的互联网技术也都开始应用到的企业之中。

image.png

大数据技术逐渐成熟的今天,每个平台对用户的分析维度已经细分到令你无法想象。尤其在消费金融成为电商平台生态的基础构成之后,征信数据让各平台对用户的了解甚至详细到每根发丝。你手中的移动设备一但同意各种APP可以获取你的隐私之后,你在某个酒店约会某个情人的场景它都能分析到,好在这些平台不是执法部门。

大数据的基本作用,是便于企业精准把握用户需求,根据用户的各种需求提供更多的个性化服务,这也就是新零售所讲究的“千人千面”。但现在的大数据技术在为消费者描绘用户画像的同时,竟也面向不同用户采取不同定价,出现了越是老用户价格越高的奇葩现象,人们管这种现象叫作“大数据杀熟”。


所谓“大数据杀熟”,是指互联网厂商利用自己所拥有的用户数据,对老用户实行价格歧视的行为。同一件商品或者同一项服务,互联网厂商显示给老用户的价格要高于新用户。越是在某个平台消费频次的高的,越容易成为其杀熟目标。

举个例子,有网友经常通过某旅行网站订一个出差常住的酒店,长年价格在380-400元左右,淡季某日,他的账号查到酒店价格还是380元,但朋友的账号查询显示价格仅为300元。

image.png

再如,有网友和其室友从公司回家的路线是同一条路,每次滴滴她消费都同事贵七八元,因为她是安卓手机,同事的是iPhone。

image.png

这种杀熟,因为不是个体之间的交易行为,跟本文开头所提正常的杀熟商业行为,有本质的不同。这是平台面向C端用户的行为,用户不可能反过来再对平台杀熟,因此是不可逆的。尤其是接下来我们的生活都将基于智能终端,所有的消费都是在各种互联网平台上的服务流转,所有用户对这种大数据杀熟都无能为力。目前,在机票、酒店、电影、电商、出行等多个价格有波动的平台都存在杀熟的情况。

眼下3.15刚过不久,大数据杀熟就被曝已经成为多个领域的消费重灾区,其中,以在线旅游平台为最。一位网友表示,其在某在线旅游平台订机票,选好的那班每次看时都会上浮;而当自己选好该机票后取消,再选那个机票时,价格立刻上涨甚至翻倍,在自己觉得“不买会更贵”而匆忙下单后,发现该航班价格又恢复到最初的低价。

image.png

当然,旅游网站还存在更多的问题。除了杀熟,被吐糟最多的应该就是“航意险”“航空延误险”“取消险”等捆绑搭售了,这些服务对于大多数消费者而言“形同虚设”。在结算付款时,取消位置过于“隐形”,没有经验的用户很难找到。而购买这些保险后,要想理赔一般很难。伟哥也曾在去哪儿网订酒店的时候购买过“取消险”,订房是明明显示酒店取消可以理赔,但真理赔时一般都不符合条件,最后只能无奈放弃,网上很多人都有这样的遭遇。


在当今物联网时代,通过大数据可以随意杀熟,且可以变着样的“花式杀熟”。各平台会通过你搜索过的关键词,向你推送各种你想购买的商品与服务。你感觉这种推荐非常人性化,解决了你不少比价的时间,并且帮你解决了选择困难症。

但这种推荐只是开始,你所选择的推荐商品之一,其实价格相对其他人购买商品的价格已经提高了。而这也只是平台的初步试探,如果你能接受这个价格,可能今后给你推荐的所有产品都要比正常价格高出几分,并且平台根据你的行为,可能会给你贴几个标签并进行定位:能接受涨价、没发现调价、不在乎价格、优质韭菜。

image.png

好了,在你成为“优质韭菜”之后,你在平台上的所有消费都比一般人高几个点,你这样的“优质韭菜”在平台上不知道有多少。更可悲的是,更多的平台可能也对你做完了测试,或者不同平台存在数据共享,都将你定位成“优质韭菜”,这意味着你已经成为全网的“优质韭菜”,将面临着各平台一轮又一轮的收割。


如果用人工智能来做杀熟这个事,其实挺恐怖的。即便每天有几十万人投诉大数据杀熟的事件,也抵挡不了人工智能利用熟客大数据,每天不知疲倦的针对老用户进行各种价格试探。据伟哥所知,要实现这个过程其实很容易,仅属于人工智能的初级应用。

image.png

说起来,2017年是人工智能应用元年,人工智能技术已经开始在各行各业落地。只是没想到,这么多的平台,刚引入人工智能技术便应用到了用户杀熟上。

如果所有平台都有这么一套成熟的“杀熟系统”,并将这些方法论以整体解决方案输出正在升级转型的传统企业身上,无疑传统企业在数字化转型之后也都具备了大数据杀熟能力,或将迎来一个前所未有的“全网杀熟”大时代。“全网杀熟”也将成为继全民荣耀、全民吃鸡之后的又一互联网力作。区别在于,全民游戏系列是腾讯出的,“全网杀熟”则属于互联网全平台。从全民吃鸡到“全网杀熟”,只差大数据是否用到杀熟上。

这样的大数据应用,是人类助手还是人类公敌呢?如果新零售都是用大数据来杀熟的新零售,这样的销售模式存在的意义是什么?效率提高了,但是用户的损失增大了,甚至都无法合理消费了,无法保证公平的消费权益了,这样的新零售存是否应该继续存在?如果这种方式也算是消费升级,那这种建立在牺牲消费者利益基础上的消费升级,其实不要也罢,因为消费额度是升上去了,但是体验没有升级,甚至连消费权益都无法保障。


但是话又说回来,大数据本身无罪,是否杀熟在于企业的经营理念。如果企业通过这种不断测试来提升消费者的消费能力,同样的产品对不同的消费者采取不同的定价,说明企业本身的经营理念就存在问题。这种面向用户的不知晓或者不易察觉心理而进行的数据营销,与现实中的不诚信无甚区别,这是否应该判断为一种欺诈行为?这种行为是否应该立法?受害消费者到法院起诉,又能否打赢官司?

image.png

大数据,有多种方式可以让用户体验升级,可以让企业效率提升。只是,眼下的大数据却大面积的用于杀熟,这可以说是对技术的一种亵渎。这些企业不如直接转型为黑客组织,直接去用户的账户抢钱吧,至少黑客不会挂羊头卖狗肉。

其实,企业压力也是蛮大,营收关乎企业存亡。但为了生存而用户的权益,岂是正途?善就是善,恶就是恶。技术无罪,善恶一念存乎企业本心。

目前,正有更多的企业被曝光,这份名单自会越来越长。伴随着曝光,用户也正在觉醒的途中。谁在真正以用户为中心,谁在以个性化推荐的名义大搞价格歧视,谁在为了一时之利而践踏用户利益,相信都会渐渐浮出水面。

坐等那些有取巧嫌疑、存在价格歧视、不重视用户的企业,在用户雪亮的眼睛中,将自己送上诚信与欺诈的断头台。

就说这些。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
SQL 存储 分布式计算
想了解大数据的鼻祖Hadoop技术栈,这里有一份优质书单推荐!
如何用形象的比喻描述大数据的技术生态?Hadoop、Hive、Spark 之间是什么关系?对于大部分人来说都是傻傻分不清楚。
|
15天前
|
存储 大数据 数据挖掘
【数据新纪元】Apache Doris:重塑实时分析性能,解锁大数据处理新速度,引爆数据价值潜能!
【9月更文挑战第5天】Apache Doris以其卓越的性能、灵活的架构和高效的数据处理能力,正在重塑实时分析的性能极限,解锁大数据处理的新速度,引爆数据价值的无限潜能。在未来的发展中,我们有理由相信Apache Doris将继续引领数据处理的潮流,为企业提供更快速、更准确、更智能的数据洞察和决策支持。让我们携手并进,共同探索数据新纪元的无限可能!
61 11
|
20天前
|
存储 分布式计算 大数据
MaxCompute 数据分区与生命周期管理
【8月更文第31天】随着大数据分析需求的增长,如何高效地管理和组织数据变得至关重要。阿里云的 MaxCompute(原名 ODPS)是一个专为海量数据设计的计算服务,它提供了丰富的功能来帮助用户管理和优化数据。本文将重点讨论 MaxCompute 中的数据分区策略和生命周期管理方法,并通过具体的代码示例来展示如何实施这些策略。
51 1
|
25天前
数据平台问题之在数据影响决策的过程中,如何实现“决策/行动”阶段
数据平台问题之在数据影响决策的过程中,如何实现“决策/行动”阶段
|
28天前
|
存储 监控 安全
大数据架构设计原则:构建高效、可扩展与安全的数据生态系统
【8月更文挑战第23天】大数据架构设计是一个复杂而系统的工程,需要综合考虑业务需求、技术选型、安全合规等多个方面。遵循上述设计原则,可以帮助企业构建出既高效又安全的大数据生态系统,为业务创新和决策支持提供强有力的支撑。随着技术的不断发展和业务需求的不断变化,持续优化和调整大数据架构也将成为一项持续的工作。
|
1月前
|
分布式计算 DataWorks 关系型数据库
DataWorks产品使用合集之ODPS数据怎么Merge到MySQL数据库
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
|
1月前
|
消息中间件 数据采集 JSON
大数据 - DWD&DIM 行为数据
大数据 - DWD&DIM 行为数据
34 1

热门文章

最新文章