大數據與云計算、人工智能、區塊鏈并列，成為決勝科技未來的重要技術和產業方向。由于互聯網數據資源的沉淀優勢和人工智能算法的率先應用，大數據較之其他前沿科技，實現了更快的產品落地，在廣告營銷、用戶畫像等維度已經呈現商業價值。
舉最簡單的例子，當用戶瀏覽網頁時，總能發現符合需求的廣告展示；當用戶瀏覽電商網站時，推薦的商品與朋友的并不相同——這就是大數據“精準營銷”和“千人千面”的體現。
但大數據也是把雙刃劍，尤其在“殺熟”這筆糊涂賬上爭議不斷。繼今年3月之后，又一家旅游平臺被炮轟“大數據殺熟”：給予老用戶的價格高于普通用戶。
當事企業照例予以否認，鑒于平臺型公司有負責的技術架構和商業模式，比如第三方商家可以動態調整價格；比如機票往往不同時間刷新網頁會呈現不同價格。這種背景下，消費者想要“找回公平”既沒有技術能力也沒有太多法律支撐。
大數據殺熟，以單個案例的形式出現，越來越頻繁，而對于用戶來講，這種利益受損具有極強的隱蔽性——人們會對比不同平臺的價格，卻不會對比不同用戶的價格。
一旦遭遇傷害，用戶只能被動離開，企業(平臺)卻能推出優惠策略，吸引更多新用戶前來。
大數據殺熟，情感上難以接受，換個說法卻似乎順理成章。人們能夠認同，企業(平臺)利用優惠券或更低的價格拉攏新用戶，是合乎情理的。當用戶成為高頻購買者時，是否還給予低價，就是個值得商榷的問題了。
不給優惠，還是抬高價格？看起來更像一種邏輯的兩種描述角度。
所以，作為弱勢的一方，消費者寄希望于企業自律并不現實，找到應對大數據殺熟的方法，是當務之急。
市場自然趨向壟斷，但永遠存在競爭者，用戶不要沉迷于一款軟件走天下，卸載-替換-重裝，是個不錯的選擇。這等于給了企業重要信號：我并非忠實用戶，仍需要享受優惠。
根據行為軌跡揣測用戶真實需求，是大數據的真諦，如果不想可選目標變得稀少。用戶能做的就是盡量隱藏真實想法，在檢索產品時，插科打諢地給出一些非核心關鍵詞，也能夠迷惑企業的大數據算法。
最笨的方法，往往是最有效的方法。既然老用戶比新用戶更慘，在購買一些產品時，何不讓親朋好友幫著檢索目標，反而可能收獲更性價比的答案。
不過，上述這些方法只是權宜之策，在大數據應用上，消費者可選擇的余地不多。企業可以正反兩面使用，能給你優惠也就能給你高價。這還算得上正派的商業策略，一旦涉及信用泄露和數據濫用，消費者更加有苦難言。
在復雜多變的新經濟浪大數據與云計算、人工智能、區塊鏈并列，成為決勝科技未來的重要技術和產業方向。由于互聯網數據資源的沉淀優勢和人工智能算法的率先應用，大數據較之其他前沿科技，實現了更快的產品落地，在廣告營銷、用戶畫像等維度已經呈現商業價值。
舉最簡單的例子，當用戶瀏覽網頁時，總能發現符合需求的廣告展示；當用戶瀏覽電商網站時，推薦的商品與朋友的并不相同——這就是大數據“精準營銷”和“千人千面”的體現。
但大數據也是把雙刃劍，尤其在“殺熟”這筆糊涂賬上爭議不斷。繼今年3月之后，又一家旅游平臺被炮轟“大數據殺熟”：給予老用戶的價格高于普通用戶。
當事企業照例予以否認，鑒于平臺型公司有負責的技術架構和商業模式，比如第三方商家可以動態調整價格；比如機票往往不同時間刷新網頁會呈現不同價格。這種背景下，消費者想要“找回公平”既沒有技術能力也沒有太多法律支撐。
大數據殺熟，以單個案例的形式出現，越來越頻繁，而對于用戶來講，這種利益受損具有極強的隱蔽性——人們會對比不同平臺的價格，卻不會對比不同用戶的價格。
一旦遭遇傷害，用戶只能被動離開，企業(平臺)卻能推出優惠策略，吸引更多新用戶前來。
大數據殺熟，情感上難以接受，換個說法卻似乎順理成章。人們能夠認同，企業(平臺)利用優惠券或更低的價格拉攏新用戶，是合乎情理的。當用戶成為高頻購買者時，是否還給予低價，就是個值得商榷的問題了。
不給優惠，還是抬高價格？看起來更像一種邏輯的兩種描述角度。
所以，作為弱勢的一方，消費者寄希望于企業自律并不現實，找到應對大數據殺熟的方法，是當務之急。
市場自然趨向壟斷，但永遠存在競爭者，用戶不要沉迷于一款軟件走天下，卸載-替換-重裝，是個不錯的選擇。這等于給了企業重要信號：我并非忠實用戶，仍需要享受優惠。
根據行為軌跡揣測用戶真實需求，是大數據的真諦，如果不想可選目標變得稀少。用戶能做的就是盡量隱藏真實想法，在檢索產品時，插科打諢地給出一些非核心關鍵詞，也能夠迷惑企業的大數據算法。
最笨的方法，往往是最有效的方法。既然老用戶比新用戶更慘，在購買一些產品時，何不讓親朋好友幫著檢索目標，反而可能收獲更性價比的答案。
不過，上述這些方法只是權宜之策，在大數據應用上，消費者可選擇的余地不多。企業可以正反兩面使用，能給你優惠也就能給你高價。這還算得上正派的商業策略，一旦涉及信用泄露和數據濫用，消費者更加有苦難言。
在復雜多變的新經濟浪潮中，做一個價格敏感的消費者，利仍然大于弊。從長遠來看，對付大數據殺熟，在于企業自律、行業規則和監管立法。
首先是大數據使用規范問題，企業在給予用戶個性化選擇時，是否也應該給予常規性選擇。
其次，恰恰是最重要的定價標準問題。一罐可樂的定價往往是相對固定的，高級酒店的品牌溢價，消費者能夠知曉和理解。
但最近頻頻發生的大數據殺熟，集中在非標品的旅游、餐飲等服務行業。即便沒有大數據，這些市場本就是價格爭議的重災區。有了大數據，只會讓“價格欺騙”更加隱蔽。
因此，在解決大數據殺熟問題之前，服務市場的價格標準問題顯得更為緊迫，這也恰恰是立法的關鍵所在。