一、价格歧视
假设公司目前主力销售的一款产品，定价100元，毛利率30%，公司想推出类似的新产品，你觉得下面的哪一种定价行为，会让顾客不爽？
1. 推出“豪华版”，定价150元，毛利率提升至40%，以“升级款”的名义向老客户推销；
2. 推出“环保版”，定价90元，毛利率仍然是30%，以“老客户回馈”的名义向老客户推销；
3. 直接后台区分，推出成本完全一样的新包装，看到老客户，定价110元，看到新客户，定价90元。
毫无疑问，一定是“营销活动3”让人不爽，这就是标准的“大数据杀熟”。
那么，“豪华版”和“环保版”，哪一个更让你不爽呢——这两个活动多少也有点“杀熟”的意图。
大部分人都会选择“环保版”，因为企业只是降低了成本，却冠以“老客户回馈”的名义，这仍然是一种欺骗。
而“豪华版”，虽然提升了毛利率，但高价产品定高毛利，却是消费者比较容易接受的常规做法。此外，虽然公司的营销重点是老客户，但活动的名义是“产品升级”，也不算是一种欺骗。
从这些来看，“大数据杀熟”有三点令人不爽，而且“不爽”的程度依次升级：
1. 滥用用户隐私
2. 损害了客户的利益
3. 不公平，欺骗性定价
虽然媒体对“个人隐私”讨论的比较多，但大多数人感到愤怒的原因主要还是“被欺骗”和“利益受损”——用“个人隐私”换来的却是更贵的价格。
假想一下，如果平台的模式是自动识别老客户，专门给优惠，那么，客户会接受用“隐私权”换更便宜的价格吗？以我过去做电商的经验，大部分人会的，没有便宜十块钱换不来的客户隐私，如果不是，那就再便宜十块。
“大数据杀熟”本质上是一种价格歧视，并不是所有的“价格歧视”都会招致用户反感，以下价格歧视就被消费者普遍接受：
会员价与非会员价
新客户优惠券
航空公司按预定时间不同，给予的折扣不同
我国的工商电价贵，居民用电便宜
量贩超市，买的越多越便宜
还有一些定价方法，也被普遍接受，但同时有一些争议：
同样能力的员工不同薪酬，且不允许私自泄露工资
一瓶水在超市卖2元，在豪华酒店卖10元
双11用复杂的优惠方法，让不同客户得到不同优惠
那么，相比下面典型的“大数据杀熟”，上面两类定价方法有什么区别呢，为什么有些可接受，有些不可接受？
高峰期打车软件优先给“同时使用两款打车软件”的客户派单
外卖软件偷偷给会员用户提价
常订高价机票的乘客，显示的票价也高
二、效率至上
定价是一件商品能否获得商业上成功的核心因素之一，定价太高，销售不及预期，失败！定价太低，利润不及预期，同样失败！
定价成功的核心是找到消费者的心理预期，然后比这个“心理预期”低一点点。比如我开发了一款多功能扫地机，消费者在比较了多款商品后的心理预期是X元，那我的定价如果刚好是“X-1”元，那就可以获得最大的利润空间。
但问题在于，不同的消费者对同一款商品的“心理预期”是不同的，商品需要找到占比最大同时预期又很合理的那一群客户，这在新产品定价之前，只能靠经验判断——或者采用“价格歧视”策略。
价格歧视就是把相同的产品以不同的价格分别卖给不同的客户，其依据是客户的偏好、需求的迫切程度以及价格的接受能力。
假设商家认为，对品牌有偏好且价格承受能力强的人，喜欢到旗舰店购买，价格承受能力弱的人，喜欢找有折扣的淘宝C店，那么，商家就可以默许经销商通过淘宝C店给予更多优惠，但不给予正品保证，这实际上就构成了一个“价格歧视”。
为什么这种价格歧视不会引起用户的反感呢？关键在于，品牌不给C店正品保证，增加了消费者的购买风险，C店给消费者的优惠实际上是“风险补偿”，背后是一种公平的原则。
品牌明知C店卖的是正品，故意不给正品保证，也是基于“公平”的原则——让那些对品牌信任并付出更高价格的忠诚级消费者有“公平”对待的感受。
价格歧视本质上是一种“效率至上”导向下的定价策略：对于商家而言，可以利润最大化；对于消费者而言，不同价格满足了不同偏好的消费者；对于整个社会而言，商品的整体价格并没有提升。
只要是“效率”出现的地方，就会遇到“公平”的问题，可接受的“价格歧视”一定是在效率与公平之间，找到最佳平衡点。
机票预定时间越晚，折扣越低，其商业上的原因是，商务客户的付费能力高，但时间不容易确定，所以到最后几天订机票的可能性较大。
但这个价格机制从公平角度同样说得过去：早订票的客户，付出了行程变更的风险，更大的折扣力度就是“风险补偿”——非常公平。
价格歧视不需要实际上的公平，只要名义上公平，你只要能有一个大家能接受的理由就行了。
豪华酒店一瓶普通水卖10元，原因是住豪华酒店的客户付费能力高，但名义上还是“公平”，因为酒店付出了更多的服务——实际上成本根本摊不了这么高。
所以，这里的“公平”并非是利益上的公平，是消费者的个人感受。“大数据杀熟”的问题不在隐私和价格歧视，而在公平感的丧失。
既然是个人感受，差异就会很大，甚至在不同的社会环境下，对“公平”的看法不同，同样的价格歧视被接受的程度不同，甚至可能相反。
以电价为例：
国外的电价，企业用户电价低，居民用户电价高；
国内的电价，企业用户电价高，居民用户电价低。
其原因在于，国外的电力企业以私营为主，且存在竞争关系，企业用户电价量大，可以给一定的优惠；而国内电力企业都是国有企业，承担一定的社会责任，保证居民平价用电，而企业用户可以把高电价转嫁到商品价格上，所以可以定高价。
这就是不同性质的企业，对“公平”的看法不同，造成了完全相反的“价格歧视方向”。
那么，公平感为什么对于定价如此之重要，甚至重要性超过了“实际利益”呢？
关键在于品牌。
三、社会公正与品牌价值观
品牌的诸多定义中，有一条是承诺，品牌代表企业对用户的承诺。
可口可乐：全球如一的美国味道
中国李宁：中国人也可以有顶级潮牌
元气森林：提供健康的好味道
爱马仕：有品味的低调奢华
承诺的意思代表对所有客户有效，“公平的对待所有客户”就是承诺的前提，如果打破了这个前提，那么意味着品牌的所有承诺都不再可信。
实际的品牌管理中，企业更注重品牌形象的区分度，但过度强调品牌个性的时候，去想各种花哨的品牌主张、玩很多创意，反而违背了一些最基本的价值观。
公平感是一个非常复杂，甚至有一点“非理性”的感受，企业很可能在不经意间就触动了消费者敏感的神经。
在高铁尚未在祖国大地上遍地开花之前，每年到了春运，买不到火车票一直是网络讨论的焦点，偏市场派的经济学家每年都主张“提价”解决火车票供应紧张的问题，但每次都被骂得狗血淋头。
经济学家不服气，提价怎么不合理了？航空机票都是定一个特别高的价格，平时狠狠地打折，节假日按原价，大家皆大欢喜。
高价难吃的飞机餐价格含在机票中强制消费，就变成“优质服务”的一部分，同样高价味道好很多的火车餐。不强制消费，只是叫卖几声，反而不断惹争议。
低价提价是不公平，高价打折就是公平，结果就是后来的高铁定价，也是先定一个高价，再打折。
最终，在长期的营销实践中，大品牌们已经熟练地掌握了一系列营销套路——既能达到歧视性定价的目的，又不让顾客感到被冒犯。可惜到了大数据时代，急功近利的网络平台，又要把当年传统品牌踩过的坑，重新踩一遍。
传统品牌营销中“给新客户专享优惠券”，跟网络平台“给老客户显示更高的价格”，实际都是拉新的营销手段，但前者不破坏公平感，后者就让人觉得“不公平”，最后闹到要出台专门的法律禁止“大数据杀熟”。
然而，价格歧视可以直接禁止，但基于大数据的隐蔽的价格歧视却复杂得多。
四、机器学坏了？
美国康奈尔大学劳资关系学院的一项调查中，分析了职场人员的“随和度”特征后发现：性格随和的员工的薪酬比“带刺儿”的员工低18%。
这也是一种“杀熟”啊。
不太远的未来，HR中的薪酬专员将由大数据担任，它不但可以公平地评估每位员工的业绩，预测未来的发展空间，更重要的是，它还会预测你的行为，判断你可以接受的最低工资要求，以实现个性化的动态定价。
大数据时代，价格歧视进化为动态定价，通过机器学习，定价每分钟都在变化，以最大程度的获取利润。
1999年，可口可乐计划推出一款能够根据天气情况改变价格的自动售货机，经媒体披露后，被骂得“胎死腹中”；可到了2013年，亚马逊就通过动态定价，提高了25%的利润率，2014年元旦，Uber的动态定价系统失灵了26分钟，业务量立刻下跌了75%。
大数据不歧视你，大数据只是预测你的行为。可以立法禁止“大数据杀熟”，但比价格歧视更复杂的是更隐蔽的歧视。
很多人应该记得前几年出过的一件“大数据歧视”事件，美联航一班飞机超售票，在没有乘客自愿改签的情况下，美联航由电脑随机选出四名乘客强制改签，并将一名乘客强行拖下飞机。
评论认为其中有种族歧视，理由很明显，四个人中有三个亚裔，但机组人员很委屈，这是电脑“随机”选出来的，在场人员并没有干预结果。
听了工作人员的辩解，程序员笑了，人类才有“随机”行为，只要是电脑产生的结果，一定是按某种规律取参数计算出来的。只不过，有些参数是人为设定的，有些参数是机器自主学习的，后者就是人工智能。“随机”出三个亚裔，唯一的解释就是，电脑从历史改签数据学会了人类的某些行为模式。
如果让人类解读这个数据，那就是“亚裔服从性好，不会惹麻烦”——也是一种“杀熟”。
人会产生偏见，就会掩饰偏见，就会权衡一下，会不会给自己带来麻烦。但电脑没有偏见，自然也就不需要掩饰偏见，它只会把偏见赤裸裸地告诉我们。
不是坏人变成机器，而是机器“学坏了”。
同样在淘宝上输入“包包”，系统给你展示的是男包，给你女友展示的是女包，你会觉得系统推荐很准。但同样在淘宝上输入“女包”，系统给你展示的都是几十块的地摊货，给别人展示的都是几千块的名牌包，你就开始不爽了。
但是，大数据不歧视你，大数据只是预测你的行为。
“大数据杀熟”如果是一个设定的参数，法律可以强行禁止，但未来，依赖机器学习的决策场景越来越多，暗藏在历史数据中的人类的种种丑陋的行为，就会愈加赤裸裸地呈现在我们面前。
人类的最大缺点是虚伪，人类的最大优点也是虚伪，心里全是生意。嘴上却必须讲主义，虚伪至少可以让一切恶行隐藏在冠冕堂皇的理由之下。
所以，机器学习是不是先要让大数据学会人类的价值观呢？