个性化定价|算法歧视：个性化定价背后的价值考量( 二 )

1. 你的口袋Data可见数据最懂你。根据你搜索的时间、频率，能判断出你是“随便逛逛”“有点种草”还是“迫切需要”，进而调整价格。还可以根据你的收货地址，判断你的居住区域、进而衡量你的消费能力。
总而言之，买家在平台上的注册、浏览、点击、购买、咨询都会被用来投喂平台或系统的算法，进而从三个维度六个指标衡量买家的商业价值：
维度一：忠诚度
指标一：最近一次消费时间（Rccency）：理论上来讲，上一次付费时间距离现在越近的买家的商业价值越大。
指标二：消费频率（Frequency）：消费频率越高，买家价值越大，用户忠诚度越高。
维度二：购买力
指标三：消费金额（Monetary）：消费金额越大，买家的消费力也越大。
指标四：最大单笔消费金额：用以衡量买家的消费潜力。
维度三：价格敏感度
【 个性化定价|算法歧视：个性化定价背后的价值考量】指标五：特价商品消费占比：表示特价商品在买家累计销售额中的占比，作为衡量买家对价格敏感程度的一个指标。
指标六：高单价消费占比：表示高价商品在买家累计销售额中的占比，作为衡量买家对价格敏感程度的一个指标。
其中前三个指标就是著名的买家价值研究的RFM模型，它源于美国数据库营销机构的研究，目前已经成为买家价值研究以及用户运营的通用模型。
这三个维度既可以单项分析，也可以组合在一起分析。
单项分享比较简单，这里不做介绍，而综合分析则可以较为完整的刻画买家的商业价值，我们首先需要量化上述6个指标，一般采用标准打分制（行业不同、企业不同、标准也会不同），参考下表：

文章插图
——买家价值评分标准
通过对以上六个指标的量化分析，卖家基本上可以完整描摹出买家价值。

文章插图
——买家类型的雷达图
于是乎，卖家看到了精准营销的空间。图中的1号买家，忠诚度很高，但是购买力和价格容忍度都不高。这种类型的买家，虽然消费力不够，但节约了营销资源，即便不互动（不发优惠券），他们也会定期复购的。
同样坐拥庞大数据的滴滴也可以对不同用户采用不同的定价策略。比如说，根据用户在App上的使用记录推断用户的价格敏感度，并以此对高敏感的用户做打折优惠、或者对非活跃用户做价格营销。
若论本质，上述的个性化定价就是经济学上的三级价格歧视。
然而不同的是，淘宝和滴滴们可以把定价策略持续细分，直到每个用户都有一套针对自己的价格体系。在极限情况下，定价会变成一级价格歧视，所有的用户端的剩余都将归淘宝/滴滴所有。

文章插图
其实，这些玩法在美国传统销售行业早已践行几十年，而网络经济里，电商元老Amazon堪当始作俑者。早在 2000 年，Amazon就小范围玩起了价格歧视的骚操作：
同样的 DVD 碟片，如果你是新用户，价格是 22 美元，而如果你是一名被认为有购买意愿的老用户，价格就会动态调整到 26 美元。结果这一测验在震耳欲聋的骂声中下线了。
然而，骂声和投诉就能难倒卖家吗？这儿，还有一个暗黑系的办法。
2. 每次只有你和屏幕页面上同样一台Mac，买家A看到卖10000，B看到卖8000，当然是不合适的。不过，可以换一个思路：对大家都标价11000，然后以感恩回馈的名义邀请AB抽奖，让A抽到一张1000元的优惠券，B抽到一张3000的，结果不是一样的么？

文章插图
——是不是很熟悉这个界面
看似“随机”的噱头，其实背后蕴含着算法歧视背后的另外一个技巧：精准推送。
其实，“精准推送”这个概念早在互联网广告兴起的时候就已经被提出来了，只不过广告行业的叫法是“精准投放”，即“广告主将合适的广告投放给合适的人群/受众”。
精准推送从本质上来讲，也是一种广告形式（Push或者应用内消息），实践中，常将”精准推送“与”个性化推荐“进行区分，这里为便于讨论，归为一种类型，即“把合适的内容推送给合适的人群/受众”，这里的“内容”可以是价格，可以是优惠，也可以是UGC。
无论内容为何，精准推送的要义在于具备了一种实现买家区隔的能力。正是具备了这个能力，