读算法的陷阱：超级平台、算法垄断与场景欺骗笔记07_价格歧视.png
1. 行为歧视
1.1. 单个企业通过使用数据驱动的算法，从而更好地实现锁定客户、开展个性化营销与定价的目的
1.2. 市场环境再次发生了变化
1.2.1. 在共谋场景中，定价算法提高了企业经营者在销量数据上的透明性，这也促使各家企业开展协作化的定价行为
1.2.2. 针对个性化的产品和服务，企业正在有意限制价格的透明度
1.2.2.1. 人们不能再看到一个统一的市场溢价
1.2.2.2. 为了实现利润最大化，每家企业会针对不同的客户设定不同的报价
1.2.2.3. 你所看到的价目表，反映出了企业对你愿意为这件商品支付多少金钱做出的估算
1.2.3. 广告（或者说内容）在多大程度上反映出了我们的搜索记录、购买历史或是近来收发的邮件和信息
1.3. 独立、公正的互联网环境正在让位于一个越发定制化的线上世界
1.3.1. 做到实时监测访客访问该网站时的情况，并以此为依据向后者推送不同版本的网页页面
1.3.2. 普通的互联网用户无法察觉到网站在产品定价、种类与广告文案上的区别
1.3.3. 企业正在追踪并收集有关“你”的个人信息数据，它们打造出了一个资料库，里面装满了有关消费者的个人档案
1.3.3.1. 将在网页中为你呈现契合你个人喜好的广告，以此来诱导你消费
1.4. 行为定向广告、个性化产品推送以及差别化定价的确有效降低了搜寻成本，并且节省了我们的采购时间与精力
1.4.1. 定向广告与促销令我们可以迅速捕捉到市场中的机会，并且极大地促进了社会消费总量的增长
1.4.2. 歧视性行为也会降低消费者的福利
1.5. 个性化服务并不止步于为我们提供促销信息，它还会影响到企业的定价决策，这也就是我们常说的“定价优化”或“动态化差别定价”
1.5.1. 易于冲动消费的人们会为自己更加频繁的消费支付更高的价格
1.6. 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
1.6.1. 由数据驱动的算法正在学习将消费者归入不同分组，并对我们“分而治之“
2. 价格歧视
2.1. 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
2.2. 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
2.2.1. 总有一些品牌在市场营销上下了更大力气
2.2.2. 总有一些商品更加契合特定消费者的喜好
2.3. 商家的歧视性定价行为若想成功需要满足两个条件
2.3.1. 差别化的定价能力
2.3.1.1. 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
2.3.1.2. 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
2.3.1.3. 画廊
2.3.1.3.1. 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）
2.3.1.3.2. 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
2.3.1.3.2.1. 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
2.3.1.3.3. 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
2.3.1.4. 美国私立大学征收的学费
2.3.1.4.1. 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
2.3.1.4.2. 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
2.3.1.4.3. 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
2.3.1.4.4. 接近于完全价格歧视
2.3.1.5. 非完全价格歧视，最典型的例子是基于年龄段（儿童、老年人、学生）和简单独立变量（消费者的定位信息、时段）的歧视性定价
2.3.1.6. 三级价格歧视
2.3.1.6.1. 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
2.3.1.6.2. 影院多年来都在奉行不完全价格歧视政策
2.3.1.6.2.1. 对成年人、孩童、学生和老人收取不同的观影票价
2.3.1.6.2.2. 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
2.3.2. 有限的套利空间
2.3.2.1. 关乎卖家防止消费者“倒买倒卖”的能力
2.3.2.2. 阻止套利
2.3.2.2.1. 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
2.3.2.2.2. 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
2.4. 动态定价
2.4.1. 动态定价策略已经在民航产业中得到普及
2.4.1.1. 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
2.4.2. 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
2.4.3. 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
2.4.3.1. 超市的经营者并不一定存在开展歧视性定价的意图
2.4.3.2. 为了尽快卖出这些快要过期的存货，超市不得不降价销售
2.4.3.3. 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
2.4.4. 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
3. 完全价格歧视
3.1. 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
3.2. 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
3.3. 对于动态差别定价而言，数据才是关键
3.3.1. （动态差别定价）不过是榨干消费者油水的手段
3.3.1.1. 麻省理工学院的尤西·谢菲（Yossi Sheffi）教授
3.4. 为了能够索取高价，一些在线零售商正在收集消费者的常住地址、消费习惯和其他个人数据
3.5. 定价算法正在基于消费者的所在位置向其呈现不同的产品价格目录
3.6. 一些线上商家会根据用户使用的硬件设备来决定折扣的多寡
3.6.1. 如果有人使用智能手机的iOS系统或是安卓操作系统登录Orbitz和CheapTickets这样的出行订票网站，那么他最高可享受50%的折扣
3.7. 就连店内的摄像头也已不再限于发挥安保功能，它们还会被用来监测店内存货状况以及其他作用
3.8. 总有人会抵触这种数据采集行为
3.9. 好事达
3.9.1. 好事达不根据保险标的的风险而计算保费，倒是考察起了客户的比价行为
3.9.2. 选择性定价行为会令价格的浮动空间下至标准费率的10%，上至800%
3.10. 百安居（B&Q）
3.10.1. 2014年，英国零售商百安居（B&Q）开始尝试一种电子标签，它可以基于消费者的个人档案而实时调整商品的定价
3.10.2. 基于存储于顾客会员卡中的个人信息以及从他们手机客户端中获取的消费习惯数据，电子标签会自动生成一个“适当的”价格
3.11. Coupon.com
3.11.1. Coupon.com公司2014年的年报来看，它所运营的电子平台意在“深度参与消费者的日常采购决策
3.11.2. 优惠券的派发也变得更加个性化和有针对性
3.11.3. 利用视频信息的呈现方式来吸引消费者，而这依托于对消费者的网络个人信息以及门店消费习惯数据的掌握和分析
3.11.4. 企业的核心价值体现在拥有自己专利的大数据分析软件，从而有效识别客户的购买意图，并诱导他们进行采购
3.12. 塔吉特公司
3.12.1. 塔吉特公司可以从消费记录中判断顾客是否怀孕
3.12.2. 还可以通过对方所购买的产品类型，对怀孕客户的临产期进行大致预测
3.13. 长年以来，零售商都将发展会员卡业务视为收集消费者个人数据并向他们递送产品目录，开展促销活动的重要渠道
3.14. 在英国的超市里，个性化促销同样也非常普遍
3.15. 越来越关注细分市场的客户需求与目标定位
3.16. 就大多数行业而言，20%的消费者贡献了80%的利润
3.16.1. 如果你总在乐购或者森宝利超市（Sainsbury）购买一些他们卖不掉的产品，那么这两家超市恐怕会得出这样的结论：你并非他们的目标客户
3.16.2. 企业也可以选择顺水推舟，继续将这些不受目标客户欢迎的产品卖给特定的客户
3.17. 经济学理论研究显示，当商品的供给者可以有效地对不同消费者进行区分（也就是开展价格歧视）时，它将实现利润的最大化
3.17.1. 大数据的作用就是更好地实现消费者细分
3.17.2. 利润的递增也将反过来助推大数据市场的壮大，同时强化人们的个人信息保护意识
3.17.3. 有了数据规模的扩大、分析能力的优化与消费者细分水平的升级，具备自学习能力的定价算法将越发逼近完全价格歧视
4. 挡在完全价格歧视面前的阻碍
4.1. 数据不足
4.1.1. 为了实现完全价格歧视，企业需要研发一套算法，做到准确识别每一位消费者的保留价格
4.1.1.1. 推算这个能让消费者做出购买决定的价格水平
4.1.2. 挡在完全价格歧视面前的第一道阻碍就是有限的数据
4.2. 可预见性与非理性
4.2.1. 如果想要在数据不充分的情况下实现完全价格歧视，预测工作则需要基于一些假设
4.2.1.1. 人的意志力并没有那么强大
4.2.1.2. 决策过程往往会受到固有偏见与“一时兴起”的干扰
4.2.1.3. 很多人都会重视“公平”的问题
4.2.2. 即便消费体验相同，但是保留价格却相差甚远
4.2.2.1. 来自高档酒店大堂的啤酒付出更高的价格，两者的意向价格分别是2.65美元和1.5美元
4.2.3. 不论是专业人士还是普通人，报价的高低显著影响到了他们对房屋价值的判断
4.2.3.1. 非专业人士坦承自己的估价受到了报价的影响，房屋经纪人们却“断然否认”了两者的关联性
4.2.4. 锚定效应（Anchoring Effect）
4.2.4.1. 原价的先入为主以及其他易被忽视的因素都干扰到了我们的定价坐标系
4.2.4.2. 在我们出国游玩时，一开始有多少人会惊诧于当地物价水平与本国的不同
4.2.4.2.1. 最终，我们都会适应这新环境
4.3. 样本规模的有限性
4.3.1. 收集到的数据往往不足以支撑定价算法的假设
4.3.2. 像一些大额耐用品的开销（如电视、轿车），样本数据的可参考性就要打个问号了
4.3.3. 如果没有海量数据（特别是性情因素与环境因素）的支撑，一个人的保留价格实在难以被定价算法准确估算
4.3.3.1. 没有海量数据的支撑，定价算法要准确识别并量化消费者的保留价格谈何容易
4.3.3.2. 每一笔交易都是一起独立的事件，受方方面面因素的影响
4.3.4. 定价算法没有那么多数据弹药可以用来反复试错，从而识别并准确计量所有影响消费者保留价格的变量
4.4. 除非消费者可以准确地揭示自己的保留价格（好比在火热的房产交易市场中买家的竞价），在可预期的未来，不少线上市场的定价算法尚不能有效识别消费者的保留价格
4.5. 所有的定价算法都尚且存在难以克服的缺陷
4.5.1. 它们的任务变成了不断对照现实、查找不足、提升自己的预测能力
5. 数据挖掘
5.1. 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
5.2. 会员卡和交易记录不过是它们种种方式方法的冰山一角
5.2.1. 利用无线网络以及手机应用程序实现与顾客的互动
5.2.2. 通过复杂的人面识别技术增进对顾客的了解
5.2.3. 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
5.2.3.1. 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
5.2.3.2. 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
5.2.4. 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
5.3. 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
5.3.1. 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
5.3.2. 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
5.4. 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
5.5. 企业在消费者行为追踪、收集与分析个人信息数据、采用差别化定价等活动中所取得的进展都是为了提升自己的歧视性定价能力
