价格歧视？算法时代的一场“猫鼠游戏”

　　算法时代，大数据杀熟受到越来越多诟病与争议，但从经济学角度来看价格歧视，有着更深层次的分析框架与维度，甚至颠覆我们的常识。
　　本文将介绍价格歧视背后的经济学原理，同时指出按照大数据算法执行的周密定价策略，短期内可以增长利润，长期内却会导致“双输”；看起来会因为歧视得益的商家，最后可能反而联合要求通过反价格歧视的法案。而消费者也不是经济学课本上的假设“理性”，而是按“情感”出牌。
　　文章大纲：
　　价格歧视的相关理论；
　　讨论消费的两类“情感”，讨厌“侵入”与追逐“正义”；
　　为何长短期利益可能不兼容消费者也有办法反制；
　　基于历史的案例分析；
　　总结与讨论。
　　大数据“杀熟”和“千人千面价”的利弊是近年来各界争论的热点，有代表性的论点可以分成以下两类：
　　第一类，偏重消费者的福利，强调“杀熟”损害消费者的利益通过更精确和细致的个人信息定价，平台把本来归属消费者的福利全部转移到自己手里，导致前者从交易中得到的好处变少。这类观点认为，既然各国竞争法规均强调保护消费者福利，以上削减消费者福利的行为自然应该受到遏制。
　　和第一类观点相比，第二类论点更加“平台导向”，强调精准价格歧视在效率方面的优势。由于互联网时代“赢家通吃”的特性，许多新兴的行业都由少数寡头把持或干脆就接近垄断。相比由垄断定价造成的效率损失，充分的价格歧视反而可以达到社会总福利的最大化。既然如此，不妨允许平台进行这种类型的价格歧视。之后，通过税收等再分配工具，社会可以达到合理的分配结果。
　　然而，以上两类方法存在一个共同的缺点：假设消费者“呆若木鸡”。其中，平台可以自如地选择定价策略，消费者更多只能被动做出反映。
　　然而，近年来的诸多研究成果，让我们看到了这个问题更加复杂的侧面：消费者有时候不按“理性”，而是按“情感”出牌；周密的定价策略，短期内可以增长利润，长期内却会导致“双输”；看起来会因为歧视得益的商家，最后可能反而联合要求通过反价格歧视的法案。
　　以上佯谬初看之下令人疑惑，实则都有充分的依据。整合这些观点，我们才能充分理解大数据时代价格歧视的诸多得失利弊。
　　讨论这一问题时，务必“多想一步”：
　　只谈利润不谈情感，最后反而可能损失利润；
　　只看自己不看消费者，企业反而可能失去消费者；
　　只想“摁住”歧视而不顾及其它，监管带来的损害反而可能多于得益。多学科视角交叉，或为破除以上佯谬的仅有路径。
　　基于供求曲线的基础分析
　　借助大数据“量体裁衣”、针对消费者个别定价的技术实现相当繁难，但分析这一点的经济学模型却并不复杂，最基本的供求模型就足以胜任〔1〕。
　　在基础的《经济学原理》中，我们已经学习过如下的图示：
　　一条供给曲线，衡量了生产者在不同价格水平下愿意提供产品的数量；
　　一条需求曲线，标示了消费者在不同价格水平下愿意消费者商品的数量。如果有许多生产者与许多消费者或曰市场完全竞争，两条线的交点处就刻画了均衡时的市场。
　　在如此刻画的均衡中，生产者定出一个统一的价格；向下斜的需求曲线与向上撇的供给曲线之间，是商品交易创造出的所有福利。
　　这个福利被价格水平横着“剖”成两半：
　　一半是消费者的购买意愿高于价格的部分，这部分就是消费者福利；
　　另一半是价格高于生产者的成本的部分，这部分就是生产者福利。
　　在至少大半个世纪以前，经济学家已经严格证明了如下命题：完全竞争市场将会最大化社会总福利。
　　然而，在许多与互联网相关的新兴产业中，市场远远不是完全竞争；实际上，这类市场通常仅由一个或几个竞争者占据。在完全竞争市场中，诸多生产者间的剧烈竞争，会挫败任何将价格提升至供需交点以上的努力如此行为的唯一后果，就是消费者通通跑到其它家去消费。
　　然而，如果行业里的企业很少，即使提高价格，消费者也不会全部流失。从单个消费者身上获利的增加，可能足够弥补消费者流失的损失。
　　尽管企业可以因为这种行为获利，但消费者福利及社会福利都会因此遭受损失。消费者福利受损的原因很简单：垄断或寡头厂商定的价一般都要比竞争市场的价格高。
　　提价这种行为，相当于把一部分福利从消费者手里转移到了自己手里。社会总福利也会受损：市场价格提高，会导致那些消费意愿不是特别高的消费者放弃购买、退出市场。本来，这些交易也能为社会创造价格；现在，因为垄断，这些交易做不成了。
　　基于大数据的价格歧视为什么可以纠正这部分损失呢？
　　借助性别、年龄、教育、职业、资产等各方面资料，企业现在可以为消费者“量体裁衣”让每个人都“享受”到不同的价格。支付意愿高的消费者，就给他她定高价；支付意愿低的消费者，看到的则是相对低的价格。
　　当数据与算法的威力发挥到极致时，企业可以“沿着”需求曲线定价：把价格刚好定在每一消费者的支付意愿附近，恰好让他她剁得下去手。
　　这会带来两方面的影响：
　　一方面，社会福利损失现在没有了：通过“沿着”需求曲线定价，企业把那些之前本来会退出市场的消费者又“迎”了回来。现在，总福利回到了完全竞争时的情形每一位支付意愿高于企业成本的消费者，都会选择购买。
　　然而，虽然社会总福利没有损失，消费者福利却是少之又少。依据支付意愿来定价，意味着消费者福利支付意愿减去价格将因此无尽趋向于零。
　　理智与情感
　　上述分析阐明了开头争论中双方的依据：
　　一方看重消费者，担忧充分价格歧视下消费者的福利消散殆尽；
　　另一方着眼社会总福利，强调大数据价格歧视中社会福利的改进。
　　然而，当抽象的分析开始变得“鲜活”，以上结论可能变得“大相径庭”：实际生活中，算计支付意愿的价格的经济理性，只是支配消费者决策的诸多因素中的一种。近年来各学科的研究都指向以下事实：哪怕是研究买卖，也不能忽略情感在其中占据的比重。
　　具体到价格歧视中，企业行为可能触发以下两类负面情感：一是“侵入感”，二是“公平感”。
　　什么是侵入感呢？
　　大数据年代，包括定价在内，营销的每一个环节都讲究“精准”：如果对方在网上搜“地板品牌”这组关键词，那就应该适时给对方推送地板广告；既然地板可以推送，乳胶漆和家具是不是也可以推送呢？既然家具品牌都给对方推送了，检测甲醛含量的检测仪也可以一并介绍给对方〔2〕。
　　然而，以上智慧可能“过犹不及”。讨论大数据营销时为人津津乐道的例子，无疑是塔吉特了先于父亲了解到女儿怀孕，然后将纸尿片广告寄到家里，无疑会让这家人感到极为恼火〔3〕。已有的研究也验证了精准营销完全有可能带来负面效应：根据大数据发送巧克力广告是个好事；然而，如果消费者发现你不仅知道他们的名字，还知道他们的地址，还了解他们最近参加了某俱乐部的品尝活动，结果是他们反而会对品牌感到厌恶〔4〕。
　　另一种可能削弱企业利润的情绪是公平感〔5〕。
　　平时粮食廉价，灾时大米腾贵，百姓会斥责奸商，政府常常也会相应出手；城区饮食平价，景区价格高企，大家也会反感，报纸也时常刊登揭露类似现象的报道。以上情感在大数据年代是相通的：百米开外的人上网购物，又是八八折又是优惠券；自己上去买，打折是没有的，券更是领不到。背后原因，可能只是算法发现自己买东西不爱货比三家。这种情形，摊谁身上都要恼火。
　　因此，如果消费者都相当理智，精确的价格歧视不会带来多大问题；然而，实际生活中，消费者都是有喜怒哀乐的人。他们喜欢便利，但也注重隐私；他们在意好处，但也希冀公平。如果他们发现企业在进行价格歧视，情感可能驱使他们转投他家：价格歧视为企业带来的利润提升因此减少，竞争对手相比自己的势头因此上扬。
　　此外，消费者也可能借用各种工具逃避价格歧视：在下一节中，我们将针对这一点作更加详尽的分析。
　　当然，消费者的情感不止这两种。诸如参与感、自尊心等情绪，都可以被企业拿来做文章，比方说：借助热点人物及社交网络引发热潮，进而提高特定商品的附加价值，已是这个年代的“标准操作”。
　　然而，当这一行为与精确歧视相结合，社会总福利可能不升反降：让消费者在高于自己真实支付意愿的水平上购买商品，会对社会总福利带来负面影响。以大数据沿着需求曲线精准定价，则是把以上损失发挥到了极致〔6〕。
　　你有政策，我有对策
　　消费者面对价格歧视的反应未必一致。
　　首先，不是所有消费者都知晓自己遭受了价格歧视。那些缺少“货比三家”意识，又或者没有时间去详细计较的消费者，可能根本不知道自己受到了歧视，也就无从作出反映；
　　其次，对那些已经知晓自己遭受价格歧视的消费者，他们的反应也可能有很多种。除继续忍受外，一方面，他们可以改换门庭，跑到其他平台上消费；另一方面，他们可以借助各类工具，逃避平台的价格歧视。
　　将消费者的后续反应考虑进来，会让这个问题变得相当复杂。不妨以最后一种应对为例：既然企业可以挖掘数据，针对个体消费者定价，消费者自然也可以规避以上挖掘，借助比价和代购等方式逃避歧视。
　　将这个问题抽象出来，便是以下场景：企业可以根据消费者先前的信息针对定价。然而，通过付出一定代价，消费者可以“抹掉”企业的信息，阻止企业之后歧视自己。即使在较易分析的垄断情形中，对这一问题的回答也不简单〔7〕。
　　具体而言，如果抹掉信息的成本为零，所有消费者都会抹掉信息。这时候，价格歧视是做不成了，但社会福利也会因此受损：看不到消费者的个体信息，企业的最优策略自然是定垄断价格。按照前面的分析，垄断会减损社会福利。
　　随着抹掉信息的成本增加，抹去信息的消费者的比例越来越低，企业了解的信息也因此越来越多。然而，参考文献7的分析显示：在这个过程中，消费者福利是先上升后下降，企业利润反而是先下降后上升〔8〕。
　　此外，消费者为逃避价格歧视付出的成本，有许多都可以视为社会的无谓损失。
　　这是什么意思呢？
　　在只有一个价格的市场中，消费者是“爱买不买”；然而，如果价格多于一个，消费者自然有动机去套利低价入手，随即转卖，快哉快哉。厂商自然不能甘心，自然要投入成本去隐藏以上歧视、严控以上套利；措施收紧以后，消费者又有动机去开放新的套利手段。如此往返较劲，双方都付出了好多功夫，但其中很多对于社会都没有价值。
　　这样的情景不全是理论想象。无论是实际经营还是学术研究，都已有许多聪明才智投入到以上“猫鼠游戏”中。
　　有关前者，无论是各处生长的比价网站，还是各种大量注册账户抢券抢特价套利的“财路”，都可以放到以上框架中去理解。
　　关于后者，近年来计算机科学中颇为风行的一个领域，便是侦测厂商于消费者的追踪和针对定价行为。学者们不厌其烦，为网站追踪消费者的“强度”排出座次〔9〕，为网站依赖算法定价的程度找出度量〔10〕。
　　还有学者更加激进，主张消费者主动出手，行“鱼目混珠”或“颠倒黑白”之事。这一类可以用一个词概括：混淆〔11〕。比方说：为了防止企业按自己的搜索记录歧视，消费者可以先随机搜索几个词，再键入自己的真实意图。
　　为了便利普通人施行混淆，学者们还开发了相应的工具〔12〕。以上研究及实践都在蓬勃生长，相关领域的进展也是日新月异。这场科技含量十足的猫鼠游戏，暂时还看不到结束的那一天。
　　当历史照进现实
　　思考未来的路径不止一种。除了立足当下外，回顾历史也很有助益：隐私问题不是全有或全无，更多是一个程度问题；价格歧视亦然。在这一方面，美国约五十年前的经历，是一个很好的参照〔13〕。
　　当时，二战刚刚结束，美国的繁荣体现在以下两个方面：
　　第一，战时的许多技术进步逐步转入民用，计算机即是其中之一；
　　第二，经济高速增长，整个社会的的消费欲望空前高涨。以信用卡为代表的各类消费信贷工具，正是在这个背景下蓬勃生长。
　　放贷者总要面对坏账，风控因而显得尤其有必要。和今天一样，有效的风控依赖于尽可能详尽及时的个人信息。为了弄清不同个体的偿债能力，从而可以针对性地制定利率及额度等条件，从业者可谓煞费苦心：
　　首先，他们尽一切可能收集数据从政府部门手上查询，跑到社区发问卷，甚至直接采访借款人的邻居；
　　其次，他们采购设备加强自己的运算能力；
　　最后，各地放贷者还建立了信息共享机制，随时通报自己手上的“情报”。
　　此类措施增强了企业的风控效果、促进了信贷业的发展。然而，至1960年代，以上行为引致了反弹：用来做风控的数据里，亦充满了不准确（不是所有邻居都心存善意）或过时之处；消费者的申请则时常“莫名其妙”地被拒绝。
　　民意之下，当地政府在70年代通过一系列规定，要求给予个体查阅并更正数据的权利。此外，也有学者要求放贷机构对申请者解释自己的决定。今天各国个人信息保护中的相关规定，许多都有当年的影子。
　　拆开大数据这个“黑箱”，给予消费者一定程度的控制权，是历史上监管机构采取过的措施之一。19世纪末的美国则更加激进：直接立法禁止价格歧视〔14〕。当时，许多今日已成为“常规操作”的价格歧视手段，才刚刚在铁路行业出现：座位分等定价、按售票日期歧视、为熟客专门定价，等等。
　　民意推动下，各州纷纷通过法律规制此类行为，要求铁路企业定价“透明、公平、合理”，禁止“一切形式的价格歧视”，等等。
　　铁路运营者如何反应呢？
　　直觉上看，企业应该竭力反抗如此做法。实际却恰恰相反，企业不仅欢迎立法，还助推其通过。
　　背后动因在于卡特尔：之前，即使铁路厂商约定价格，个体企业也可以通过复杂的价格歧视规避盟约，最终导致垄断瓦解；要求“透明统一”价格的法案，反而起到了协调的作用，使卡特尔更为坚固〔15〕。结果，价格没有下降，垄断者反而因此狠赚。
　　这也凸显了规制此类问题的难点之一：彻底堵死一个损害消费者福利的口子，反而可能以意想不到的方式损害消费者的利益。此外，损害幅度可能还比先前更大。
　　结语
　　经典的供需分析固然简洁优雅，却未必能勾勒出新时代价格歧视问题的全景。以上分析至少可以沿以下三个维度进一步展开：
　　首先，经济理性以外，消费者也有心肝，也有情感；其次，考虑消费者逃避价格歧视的可能，或许会大大改写经典的结论；最后，历史带来的教训亦颇为丰富。
　　如果不从多个角度〔16〕综合理解这一问题，无论是手握丰富数据资源的企业，还是“令行禁止”的监管者，都有可能“过犹不及”，反而使策略的运行偏离自己的目的。技术与心理、理性与情感、历史与未来唯有开放胸襟，才能为回答此类问题做好准备。
　　参考文献：
　　〔1〕对价格歧视的经济学分析的经典总结，请见Varian，HalR。“Pricediscrimination。”HandbookofIndustrialOrganization1（1989）：597654。
　　〔2〕类似思想可见于Sathi，Arvind。EngagingCustomersUsingBigData：HowMarketingAnalyticsAreTransformingBusiness。PalgraveMacmillan，2014。
　　〔3〕许多探究大数据影响的书籍都会援引这一例子。原本报道可参见如下福布斯网站的链接：https：www。forbes。comsiteskashmirhill20120216howtargetfiguredoutateengirlwaspregnantbeforeherfatherdid70783dfa6668。
　　〔4〕此处援引的例子来自White，TiffanyBarnett，etal。“Gettingtoopersonal：Reactancetohighlypersonalizedemailsolicitations。”MarketingLetters19。1（2008）：3950。
　　〔5〕对于消费者的此类情绪及相应反应，以下研究提供了一个经典的分析框架：Xia，Lan，KentB。Monroe，andJenniferL。Cox。“Thepriceisunfair！Aconceptualframeworkofpricefairnessperceptions。”JournalofMarketing68。4（2004）：115。
　　〔6〕对这一点的深入讨论请见BarGill，Oren。“Algorithmicpricediscrimination：Whendemandisafunctionofbothpreferencesand（mis）perceptions。”Forthcoming，UniversityofChicagoLawReview。
　　〔7〕以上分析见于Conitzer，Vincent，CurtisR。Taylor，andLiadWagman。“Hideandseek：Costlyconsumerprivacyinamarketwithrepeatpurchases。”MarketingScience31。2（2012）：277292。
　　〔8〕这一结论与经典的“科斯猜想”有关。这一猜想的原始表述见于Coase，RonaldH。”Durabilityandmonopoly。”TheJournalofLawandEconomics15。1（1972）：143149。更加严格的探讨，可参见〔7〕及Gul，Faruk，HugoSonnenschein，andRobertWilson。“FoundationsofdynamicmonopolyandtheCoaseconjecture。”JournalofEconomicTheory39。1（1986）：155190。
　　〔9〕以下研究可视为这一领域的代表：Englehardt，Steven，andArvindNarayanan。“Onlinetracking：A1millionsitemeasurementandanalysis。”Proceedingsofthe2016ACMSIGSACConferenceonComputerandCommunicationsSecurity。ACM，2016。
　　〔10〕可见Chen，Le，AlanMislove，andChristoWilson。“Anempiricalanalysisofalgorithmicpricingonamazonmarketplace。”Proceedingsofthe25thInternationalConferenceonWorldWideWeb。InternationalWorldWideWebConferencesSteeringCommittee，2016。
　　〔11〕有关这一理论，最具代表性的无疑是这本著作：Brunton，Finn，andHelenNissenbaum。Obfuscation：AUser’sGuideforPrivacyandProtest。MITPress，2015。
　　〔12〕相关插件可在HelenNissenbaum的个人网站觅得，其中还有更多相关研究：https：nissenbaum。tech。cornell。edu。
　　〔13〕对这一案例的详尽论述见于Lane，FrederickS。AmericanPrivacy：The400yearHistoryofOurMostContestedRight。BeaconPress，2009。
　　〔14〕这一案例见于Odlyzko，Andrew。”Privacy，economics，andpricediscriminationontheInternet。”Proceedingsofthe5thInternationalConferenceonElectronicCommerce。ACM，2003。
　　〔15〕对类似现象的严格分析，可见Sugaya，Takuo，andAlexanderWolitzky。“MaintainingPrivacyinCartels。”Forthcoming，JournalofPoliticalEconomy。
　　〔16〕在这一问题上，各学科间的交叉渗透程度之深，或许早已超出了普通人的日常想象。以哲学为例，早在约二百年前，已有学者讨论过信息影响个体激励的问题；本文中提到的许多要点，也没有超出三、四十年前哲学家讨论的范围。有关这方面的综述，可见Gali，Maa，TjerkTiman，andBertJaapKoops。“Bentham，Deleuzeandbeyond：anoverviewofsurveillancetheoriesfromthepanopticontoparticipation。”PTechnology30。1（2017）：937。