原創 張琦 定量群學
一、消費者的現實困境
當我們首次打開一個購物網站或者APP時，首先會看到一個寫著「是否向網站分享cookies等數據」的彈窗，下面一般附有一個小小字的「隱私政策」和「服務政策」超連結；大部分人都會直接選擇同意（Obar & Oeldorf-Hirsch, 2018）並快樂剁手。這意味著平臺可以追蹤、記錄你的網絡行為，並將這些隱私數據用於提供個性化商品推薦。確實，商家掌握的個性化信息越多，其做出的「用戶畫像越清晰，對需求的把握就越精準，基於興趣和消費能力的推送就越準確」（覃建行& 錢童，2020）。這看似是個雙贏的過程：商家賣出商品獲得了利潤，消費者通過精準推薦快速找到了心儀的物品。
但是我們用隱私換來的不僅是便利，也可能是更高的價格。與線下購物中一覽無餘的商品種類與價格不同，在線上購物中，消費者無法在商品被推薦之前知曉商品的價格。所以，商家可以根據我們的隱私數據對我們進行價格歧視，即「大數據殺熟」。那麼，如果商家承諾不根據隱私為我們進行個性化定價，我們會以更低的價格買到心儀的商品麼？
今天推介的文章是Ichihashi發表在American Economic Review上的文章Online Privacy and Information Disclosure by Consumers。此文運用博弈模型研究在單一商家壟斷的購物平臺中，消費者線上消費過程中的隱私披露決策，以及商家採取的隱私使用承諾和定價策略間的博弈，並以此討論為什麼比起「使用隱私進行價格歧視」（大數據殺熟），在商家「承諾不使用隱私數據定價」（大數據不殺熟）的情況下，消費者會為商品支付更高的價格，即購買商品的收益下降；這同時也意味著商家獲得了更高的收益。
二、理論基礎1
1.此部分提到的理論均為原文的參考文獻。此處不再列出。
1.壟斷市場價格歧視理論根據三級價格歧視理論，壟斷賣家可以根據消費者對商品需求彈性的不同來為同一件商品進行差異化定價。然而本文認為：首先，市場分割是內生的，因為消費者可以通過改變信息披露的策略來影響商家如何應用消費者的信息來進行市場分割。其次，更好的市場分割可以使得商家對每個劃分下的消費者推薦更合適的產品，從而提高消費者對產品的需求。
此外，也有理論認為商家會基於購買時間的考慮而不對消費者進行價格歧視。但是作者從不同的路徑解釋了商家為什麼不會根據信息進行價格歧視2：因為這會激勵消費者向商家透露更多有價值的信息，商家從而能進行精準推送。
2.文中原話為：「在我的模型中，商家更傾向於不降低價格，即使這是在消費者透露自己的信息時的最佳選擇」
2.關於隱私的經濟學以往文獻中關於隱私的討論主要集中於商家如何利用消費者的隱私進行個性化的商品供給操控（飢餓營銷）和定價的情況。而此文的研究更加關注何種因素導致了商家承諾不用隱私數據來進行定價，以及消費者在不知道自己想要購買什麼東西之前的隱私披露決策。
三、從理論到模型作者構建了一個博弈模型，來對商家利用隱私進行價格歧視和不使用隱私定價情況下消費者最終收益進行分析。
模型中包含兩個主體：
一個擁有K個待出售商品的壟斷平臺商家
一個擁有1單位需求的消費者。
博弈過程如圖1。可以看出，商家是否承諾不使用隱私進行價格歧視在模型體現在定價時間的不同：
價格歧視模型 商家在進行產品推薦時才根據消費者隱私進行定價。
承諾不使用隱私定價模型 商家在一開始就對商品進行定價。
圖1 兩種模式下消費者和商家行動的時間序列
雙方的博弈過程在時間上表現為：
1. 消費者從策略集合D中選擇一種隱私披露策略(M,ϕ)3。此時承諾模型中的商家對商品進行定價。3.這在現實中簡單表現為你在多大程度上同意商家追蹤你的cookies、瀏覽記錄等數據。但是顯然大多數時候我們只能選同意或者不同意。
2. 從消費者的隱私披露策略(M,ϕ)中抽取具體信息m和消費者對某個商品的偏好u。3. 商家觀察到消費者的隱私披露策略(M,ϕ)和具體隱私信息m。作者使用了純策略精煉貝葉斯均衡（PBE）來獲得博弈過程的最終結果4；並用均衡狀態下的消費者剩餘情況u-p，即消費者願意為該商品支付的最高價格與購買該商品的價格之差來衡量消費者的收益。最後發現承諾不使用隱私定價模型中的消費者收益低於價格歧視模型中的消費者收益。
4.作者在原文中對模型假設、簡單模型（只有兩個商品）和嚴格模型（有多個商品）均進行了介紹和均衡分析；並對模型的定理、性質和推論進行了推導。由於筆者水平有限和文章篇幅限制，不能進行詳細介紹。感興趣的讀者可以移步原文圍觀。
四、主要結論1.相比於價格歧視模型，承諾（不使用隱私定價）模型中的消費者收益更低在價格歧視模型的情況下，消費者可以通過儘量少的透露隱私來獲得一個更低的商品價格，從而擁有更高的消費者收益。
在承諾模型中，消費者不能通過減少隱私透露來獲得更低商品價格，因為商品價格在博弈開始之初就被固定。同時，消費者會為了精準推薦而更多的披露隱私；這使得商家能夠更精準的把握消費者需求並進行推薦，從而提高了消費者購買某件商品的概率。所以即使商品的定價較高，消費者也願意購買。明確了這一過程的商家會在不認識消費者時就為商品設置更高的價格。這最終導致了消費者收益的下降。
2.承諾模型中消費者的隱私披露行為具有負外部性在承諾模型中，即使只有一部分消費者選擇儘量多的向商家披露自己的隱私，也會導致該平臺中商品的普遍漲價。這一後果需要消費者群體來共同承擔。而消費者本可以通過集體拒絕給予商家自己的隱私信息而獲得更高的收益。
3.在承諾模型下，消費者可能會受益於相關部門的隱私監管如果監管者限制了商家可以從消費者處獲得的隱私上限（如從1變為0.8），則不管商家的定價模式如何，消費者都會選擇同一種信息披露策略（0.8），則消費者可以獲得更高的收益。
五、討論當商家承諾自己不會「大數據殺熟」時，大家可能會忘記懷疑其是否能從中獲取更大的利益。而當商家作為更一般化的服務提供平臺出現時，我們也不會試圖思考我們隱私披露行為的反身性：用隱私換取的服務是否會最終通過其他方式作用於我們自身。這提醒我們：珍愛隱私，謹慎衝浪。
在數據為平臺壟斷的情況下，定量學者無從獲知作為Structure的平臺和作為Agency的使用者之間的互動關係。經濟學者可以通過將這種交往行動簡化為Agency-Agency間的交換關係來通過模型的推演獲知一個看似「向善」的平臺行動可能潛藏的「謀利」動機。那麼社會學者又該如何探索這一交換關係背後的平臺行為模式和其結構性後果？平臺自身又是否能提供一種具有向善動機的制度設計？
參考文獻
[1] Ichihashi, S. (2020). Online privacy and information disclosure by consumers. American Economic Review, 110(2), 569-95.
[2] Obar, J. A., & Oeldorf-Hirsch, A. (2020). The biggest lie on the internet: Ignoring the privacy policies and terms of service policies of social networking services. Information, Communication & Society, 23(1), 128- 147.
[3] 覃建行& 錢童, (2020, November 30). 封面報導|個人信息保衛戰打響 利益與安全 如何博弈. 財新周刊, 2020(46), 來自http://weekly.caixin.com/2020-11- 27/101633092.html?p0#page2
推薦人
張琦，中山大學社會學專業在讀博士。研究方向為計算社會科學、政府數字治理。
原標題：《他山之石|為什麼大數據不殺熟 ——線上購物中的隱私披露與定價策略》
閱讀原文