一波未平一波又起!
“共享单车涨价”的热搜未退，媒体又开始关注“共享单车大数据杀熟”。
据北京青年报报道，美团、哈啰、青桔三家均存在同一套餐不同用户呈现不同价格的情况，最高差距可达22元。
在美团APP上，同样定位在北京市的三部手机显示的价格分别为14.8元、8.8元和19.8元;在哈啰APP上，以单车30天不限次卡为例，哈啰单车的30天不限次卡价格分别为16.98元、13.58元和13.97元;在滴滴青桔上，单车30天畅骑卡的价格分别为11.5元、12.5元和11.9元。
关于“共享单车大数据杀熟”一事，我接受北京青年报等媒体采访，谈了几点看法。
1、优惠券差异化发送，不属于大数据杀熟
透过网友的截图来看，不同手机显示的服务原价是相同的，只是因为不同的用户/手机领取了不同金额或者折扣的优惠券，最终造成了实际支付的价格差异，这种差异化服务不属于大数据杀熟。好比我们去买一台汽车，汽车的原价是公开的，但A通过团车网渠道领取2000元优惠，B通过易车网领取9优惠，C通过老带新返了3000元优惠，D通过4S的微信公众号领取了5元优惠券，最终的支付渠道是一样的，但实际支付价会有差异，这种情况不能算作大数据杀熟。
当然，平台优惠券的发放方式确实有一定的提升空间。像现在，一个简单的优惠券，搞出五花八门的优惠幅度，确实容易绕晕人。
关于优惠券发送这事上，企业需要动态地平衡哪种方式对用户和企业都更有利。这个问题是可以继续深入讨论的，目前尚未形成统一的标准。
2、要区分大数据杀熟和动态调价
撇开“共享单车大数据杀熟”事件不谈，现在互联网行业广泛存在“动态调价”，往往被误解为“大数据杀熟”。
大数据杀熟这种现象确实存在，但没有严重到我们以为的地步，现在我们密集的对大数据杀熟喊打喊杀之时，忽视了市场经济运行多年以来固有的“动态调价”机制。
当我们骂在线旅游APP上的酒店大数据杀熟的时候，忽视了工作日和节假日的区别、忽视了VIP会员的权益更优先、忽视了有些渠道会有额外补贴、忽视了有些支付方式会更优惠、忽视了早订和晚订给酒店带来的机会成本差异等等因素。机票动态调价的机制和酒店有一些类似，这里不再叙述。
当我们骂出行APP“昨日和今天，同一行程价格不一样”的时候，忽视了早晚高峰的1.X倍的价格调整来缓解供需矛盾。而且就算平时，也因为拥堵不一、交通灯等待因素，也会导致服务时长和路程的变化，这些变化必然导致价格差异。
很多文章把“动态调价”理解为“大数据杀熟”，这种文章只会激化矛盾，无益于解决实质存在的问题。而且盲目的把“动态调价”理解为“大数据杀熟”，很容易打击到商家经营的积极性，同时也掩护了真正的“大数据杀熟”企业的撤退。
3、法律法规逐步完善，很少有企业敢于大数据杀熟
大数据杀熟最早在2018年前后引发全民关注，相关部门迅速开展工作，出台一系列法律法规，严管大数据杀熟。
2022年1月4日，国家互联网信息办公室、工业和信息化部等四部门发布《互联网信息服务算法推荐管理规定》。
规定鼓励，算法推荐服务提供者应当以显著方式告知用户其提供算法推荐服务的情况，并以适当方式公示算法推荐服务的基本原理、目的意图和主要运行机制等。规定还提出，算法推荐服务提供者向消费者销售商品或者提供服务的，应当保护消费者公平交易的权利，不得根据消费者的偏好、交易习惯等特征，利用算法在交易价格等交易条件上实施不合理的差别待遇等违法行为。
到了今天，因为众所周知的原因，主要的互联网企业，都已经把合规化建设提升到了战略高度，怎敢公然挑战法律权威，怎敢主观上挑战公序良俗。
4、大数据恰恰是减少价格差异对待的手段
在我看来，真正带来价格差异或者价格歧视的是非透明的、非在线化、品牌化不强、非标准化的小数据/线下数据，而非大数据。
我记得2008年我刚来北京的时候，我经常去北京动物园服装城买衣服，不同的人在同一个店铺买同样的衣服，价格往往不一样，有时候差距甚至会翻倍。我也记得我当时经常打“黑车”出行，同一路段会出现5元、10元、15元等多个价格。
在没有互联网的时代，信息不透明且没有打通，这种情况非常普遍。请大家回想下，是不是如此?
这十几年，大数据、电子商务、社交网络在中国高速发展，商业社会的诸多环节变得越来越透明，各个领域的价格歧视和价格差异逐渐被抹平。换言之，互联网和大数据恰恰是避免杀熟、限制因信息不透明带来差异价格的有限手段。
10年前，你通过街头信息部找一辆卡车拉活，有些信息部报价1000，有些报价800、500元，而现在通过满帮这样的平台，服务者接单的价格基本都差不多;10年前你买手机，同一款手机在不同的手机店价格五花八门，今天我们无论去京东还是天猫，差距非常小;10年前，你找保洁阿姨上门收拾家里，价格和服务都参差不齐，现在有了天鹅到家这样的平台，家庭服务流程也变得标准化，价格极为透明......
简而言之，互联网行业大数据杀熟的情况远没有大家以为的那么严重。真正应该警惕的是小数据杀生，而不是大数据杀熟。