专题课程
消费者要的恰好相反，希望物美价廉。淘宝网、双十一、饭店、超市，一切消费，都可以上演一场买卖之间的剩余价值拉锯战。常言道，知己知彼，百战不殆；信息，就是决定这拉锯战（学者称博弈）胜负的关键。消费者的支付意愿或价格承受力，依其生活需求、财力、心情、环境等各样因素，可有很大的差异和波动。弄清楚这些因素同商品定价、市场营销策略等的复杂关系，就能获取消费者剩余价值。基于这一认识形成的理论和实践，即以价格歧视（price discrimination）为导向的动态定价系统。其基本策略，便是同一商品以随时变动的不同价格出售给不同的买家；其着眼点不在商品的质量或成本，而是随时发现并引导、控制每一个消费者的需求和支付意愿。
价格歧视大致有三个类别。大数据之前，因为没有工具来大规模获取个人消费行为的真实数据，商家只能通过划分消费者群体，对特定群体的一般或平均需求和支付意愿做一估计，据此实施第二级和第三级价格歧视。前者即按数量定价，类似于近年流行的团购：购买量越大，单位价越低。后者则是分群体定价，例如，公园门票分外地游客和本地居民两个价。这种简单的价格歧视随处可见，但“吸金能力”有限，因为定价基于大略估算的某个平均值，而非每个消费者不断变化着的需求和支付意愿所包含的剩余价值。后者才是商家真正心仪的东西：第一级价格歧视。
大数据让电商看到了曙光。大数据追踪、记录信息，描写并预测行为模式的能力，正是第一级价格歧视所必需的。大数据来到我们中间收集隐私，无声无息成就的便是这个。没错，人们照常用电脑、玩手机、交朋友、过日子，隐私却高速海量地流入了电商的数据库，无限期地保存起来，不管是收入、职业、行踪、心理、人际关系，还是消费需求、偏好、支付能力和意愿，没一件落下。接着，商家用算法处理数据，剖析用户隐私，发现他的行为模式，预测他的购买意向、每一次欲望和感情的波动。商家变得比消费者自己还要了解消费者。然后，就可以把数据分析的结果付诸使用了，如瞄准式广告的推送。而消费者对广告的每一次反应，都生成对特定商品的行为数据，这些都是大数据的素材，用以激活智能算法自我学习、自我调节的功能。这样循环往复，不断完善，大数据做出的预测就越来越精确；第一级价格歧视的条件也就成熟了！研究表明，由瞄准式广告推出的商品，其平均价格一般比传统广告要高（艾斯特夫）。更让商家激动的是，用互联网浏览行为数据甄别人群，实施第一级定价歧视，非常有效，被瞄准的消费者（如周二周四白天上网，并浏览wiki）可接受高出他人一倍的定价，而商家获利高达全部消费者剩余价值的百分之四十二（西勒）。
说到利润，商家的喜往往是消费者的忧，没法双赢。我们来看一个实例。“按使用保险”（UBI）是一款大数据汽车保险，正迅速占领多国市场。它被保险商吹得神乎其神，既能大大降低险费，又能有的放矢地改善参保人的驾驶习惯，使道路更加安全。UBI不同于传统车险的一个特点是，第一次把个人驾驶行为的“真实因果数据”（true causal data）引入了风险评估模型，据此量身定价，设置参保人的险费和保单理赔。它是这样操作的：在车上安装实时探测（telematics）装置，联网追踪驾驶行为、车况、路况和周边环境，上传至保险商的数据库。该装置的数据采集功能极强，除了时间、地点、公里数，连急刹车的次数和用力强度，急转弯的次数和弧度，是否听收音机、音量强度，是否接打电话、声调情绪如何，都一一记录。当然，常规的类聚群体变量，风险评估模型也照旧使用，如年龄、性别、婚姻状态、居住地、职业、受教育程度、健康状况、信用得分等；再加上环境变量，如区域天气、治安、路段事故发生频率等。如此，UBI的风险评估模型所用的变量参数，从传统的数十个、上百个，一下飙升到一百多万个！有了这样精密的大数据分析，保险商就可以识别并预测各种差异细微的风险。风险评估不再是类型化的平均值估算，而是十分接近参保人的真实风险，使得第一级定价歧视能够实施了。统计表明，UBI在美国上市不久，个人风险评估预测的准确度，较大数据之前提高了三倍。可以预见，随着个人驾驶行为数据的迅速积累、智能算法的自学和调节，风险评估型将进一步趋于“真实因果”，从而大大降低保险商的理赔风险，其利润的增长也可想而知了。
那么，参保人在失去隐私，被一刻不停地追踪记录之后，能得到什么好处呢？
这个问题的答案因人而异。如果参保人被评估为低风险，他的险费很可能会下降。但只要上路，就会有风险，而UBI保险商掌握了参保人的所有风险信息，包括隐私，很容易在保单上做文章，瞄准风险设定条款，将随机风险和遗留风险尽可能多地放到参保人身上，压缩参保人的实际受保护（即理赔）范围。
但如果参保人被锁定为高风险，情形就更不妙了。既然有“真实因果数据”的记录和预测，保险商就有充分理由将他的险费和保单设定在与风险相匹配的水平上。结果险费上涨，直逼事故发生后损害赔偿的实际费用；或者，罗列排除条款，严格限制理赔条件和范围。这样，车险在事实上失去了风险集体分担的基本功能，成了损害赔偿专项费用的事先存放。可以想象，因为难以承受大幅上涨的险费和苛刻的保单条款，多数高风险驾驶人将不得不离开车险市场。
也许有人会说，即便如此，大数据保险对消费者整体和全社会仍有好处。因为知道了哪些人有高风险及不安全行为的细节，保险商就能有的放矢地提出建议，敦促他们改正。这样，总体风险就会下降，道路也就更安全了。这的确是美好的憧憬。不幸的是，保险商恐怕不会对此感兴趣。帮助高风险人士改正驾驶习惯，成本太高了，保险商还得披露自己的风险评估模型和操作细节，承担遭调查和打官司的风险。何况另有一种简单、诱人的市场策略可供选择：以第一级价格歧视，用高额险费和排除条款将高风险人士驱逐出本公司的服务范围。保险商从来就不欢迎高风险人士，总是想方设法甄别他们、剔除他们。只是过去不容易办到。现在，有了大数据技术，瞄准了歧视就只是举手之劳。而高风险人士一旦受市场排斥，无力购买保险，不能合法驾驶，生活、工作都大受影响，反弹是必然的。他们很可能豁出去，非法上路。据统计，2010年美国有百分之十二点六的驾驶人没有车险，给道路安全和社会秩序带来极大的隐患。
所以，UBI在实际运作中，并没有兑现保险商宣传允诺的众多好处，无论对参保人，还是对社会大众。难怪，美国州保险专员联席会议的2015年UBI研究报告直言不讳：从消费者和公共政策角度看，UBI 走的是一条歧路，是市场的失败。报告提醒我们，大数据是工具，效用取决于掌控者。我们不能只期待大数据的好处，而忘记了掌控它的电商同消费者和公众的利益有冲突。资本的本性是追逐利润，我们的隐私就成了他们榨取利润的利器，而经常损害我们的利益，综合表现在以下各个方面。
收藏(0)
赞 
粤公网安备44010602001432号