原題：這篇文章把大數據殺熟的架構和規制問題講透了
文 | 《財經》E法特約評論員 張欣
2020年歲末，一篇題為《我被美團會員割了韭菜》的文章在社交媒體上被頻繁轉發。作者講述了自己在美團外賣平臺上的不正常經歷：同一家店鋪、同一個配送地址、同一時間下單，會員帳戶比非會員配送費預估更高。
上述文章指出，本以為開通外賣會員會省錢，卻發現，在美團平臺上，開通會員的手機顯示的所有外賣配送費都比非會員高1元至5元不等。一時間，全網輿論沸騰，美團深陷大數據殺熟漩渦。僅一天，美團股價下跌2.32％，市值蒸發近400億港元。
針對上述文章，美團外賣聲明：「會員和非會員配送費差異」與會員身份無關，是由於定位緩存導致並未顯示用戶的最新實際位置從而引發的配送費預估差別。但美團外賣回應的理由不僅並未得到當事人的認可，社交媒體上還充斥著網友們的控訴。
此次美團事件之所以引發用戶強烈反彈，主要原因在於平臺企業利用大數據技術對消費者進行歧視性定價的事件近年來層出不窮。眾多網友曾指出餓了麼、京東、攜程、飛豬、去哪兒等知名平臺公司均存在大數據殺熟現象。這些平臺企業雖歷經多次網友曝光，但似乎並未引起實質性改善。
網民憤怒的背後，實際上折射出這樣一種困局：算法時代，面對擁有海量數據、強大算力、高效算法的平臺企業，消費者無從反抗、無力救濟、無計可施。
要真正有效地對大數據殺熟行為予以規制，需要綜合性、系統性地協同共治，唯有切實保障用戶權利，強化集體行動機制，提升技術性監管水平，增強平臺自律監督，才能夠綜合性、系統性、根本性地杜絕大數據殺熟現象的再次發生。
大數據殺熟的架構原理和技術隱憂
毋庸置疑，數字時代，建立在海量數據和高效算法之上的數據挖掘技術極大地為平臺企業賦能，使其能夠精準識別消費者的偏好、需求、支付意願和支付能力，提供更為精準、個性的商品和服務。但與此同時，數據和算法可能致使平臺企業利用「信息權力」針對終端消費者實施剝削性和歧視性定價。
所謂大數據殺熟，是指平臺企業通過收集、追蹤用戶數據，利用數據挖掘技術對用戶進行分類和預測的基礎上，對具有一定黏性的用戶進行歧視性定價，從而獲得差額利潤的行為。具體而言，表現為平臺上同一商品或者服務會員的定價可能高於普通用戶，而普通用戶的定價可能高於新用戶和潛在用戶。
與很多人觀念中認為的大數據殺熟是「千人千面千價格」的邏輯有所不同，大數據殺熟是特定算法程序批量分析和執行的結果。只要符合設定特徵的用戶群體就會被程序篩選出來並受到類似對待，因此雖一定程度上體現了「個性化定價」特質，但實際上具有批量化、數據化、平臺化特徵。
其實，由於大數據殺熟具有極強的數據依賴特性，因此在平臺自行收集和追蹤用戶數據之外，數據進行標籤化歸類後還可能進行再次交易。所以在數據標籤化時代，不僅單個平臺上的大數據殺熟現象值得警惕，跨場景、跨類型的平臺間利用數據挖掘技術對特定標籤的用戶群體進行歧視化定價甚至達成「算法共謀」的情形更加令人擔憂。因為後一種情形中，用戶所受到的差異化待遇是跨越平臺和場景的，具有更強的隱秘性。
面對大數據殺熟的經濟特性，曾有為其辯解的意見認為，大數據殺熟行為無可厚非，只是經濟活動中差別定價的數據化表現形式而已。後者在日常經濟活動中並不鮮見。例如乘客在飛機選座時為了獲取更大空間而額外支付的座位升級費用，亦或商家對於消費者購買指定數額、數量的產品而實施的額外優惠，再如商家在教師節對教師群體基於身份、職業等展開的低價優惠活動等等。但深究本質可以發現，大數據殺熟場景下的差別定價雖然也體現為不同特徵用戶的定價或者服務差異，但二者仍存實質不同。
首先，商品或者服務的定價策略對於消費者而言是否知情、透明。
在傳統差別定價活動中，無論是額外支付的座位升級費，還是因符合特定條件而享受的價格優惠，對於消費者而言均是知情透明的。這意味著消費者可以全盤考慮所有影響成交的因素並按照內心真實意願做出支付購買的行為。
而在大數據殺熟場景下，平臺伺服器通過追蹤和記錄設備識別碼等關鍵信息對消費者進行智能化綁定，依據特定算法實施隱秘化、差異化、歧視性定價，不僅並無知情可言，此時的定價策略甚至與消費者的內心預期和普遍認知相悖離。
其次，在促進成交的過程中是否存在數位化誘導和操控行為。
在傳統差別定價場景下，商家清晰公布定價規則，並無明顯的誘導和操控行為。而在大數據殺熟場景下，平臺企業可以基於用戶的購買習慣、消費能力等數據進行誘導和「操控」，以是否願意支付定價金購買會員等方式識別出「忠誠度較高」的黏性用戶，實施差異化定價。
在一些場景下，差異化定價的表現形式還呈現間接隱蔽的特性。例如，新用戶可以通過申領方式獲得更多的優惠券或者支付減免。
因此，大數據殺熟行為實質上侵犯了消費者的知情權和公平交易權，不僅會降低用戶對平臺的信任度，還會對市場秩序的健康有序造成實質性不利影響。
大數據殺熟現象的法律規制之道
如前所述，大數據殺熟的技術性、數據性、隱蔽性極強，不僅難以被用戶發覺，即使知曉後也難以通過個體化的方式有效反制。例如，有的用戶通過卸載、重裝、利用不同信息重新註冊的方式試圖規避，但卻發現徒勞無功。
因此，面對甚囂塵上的大數據殺熟現象，應當以數據生命周期管理為視角，實現用戶、行業團體、監管機構和平臺企業的多方聯動、協同共治。
首先，切實保障用戶對自動化決策的拒絕權和免除權。
我國《電子商務法》第17條規定了消費者的知情權和選擇權，第18條規定電子商務經營者應當向消費者提供不針對其個人特徵選項的商品或者服務搜索結果。雖然此兩條規定旨在保護消費者免受大數據「殺熟」，但既未明確規定大數據殺熟行為的構成要件，又未明確賦予消費者在電子商務場景下拒絕和免於受到基於其個人特徵的自動化決策的權利。
目前正在徵求意見的《個人信息保護法（草案）》第25條明確賦予了個人拒絕對僅通過自動化決策方式作出決定的權利。《數據安全管理辦法（徵求意見稿）》第23條規定，用戶選擇停止接收定向推送信息時，網絡運營者應當停止推送並刪除已經收集的設備識別碼等用戶數據和個人信息。
上述兩個立法的內容可以作為良好的制度基礎，一方面擴展適用的自動化決策類型，將完全自動化決策和非完全自動化決策悉數納入；另一方面應當切實在立法中明確消費者在電子商務場景下對自動化決策的拒絕權和免除權，重拾主體性地位。
其次，促進消費者協會有效行使公益訴訟權。
大數據殺熟現象的另一治理難點在於難以根據「殺熟行為」認定構成價格欺詐並適用懲罰性賠償。此外，被大數據殺熟的用戶具有個體分散性，難以達成有效的集體行動。
我國《消費者權益保護法》第37條規定了公益訴訟權。在發生大規模消費者侵權行為時，可以由消費者協會代表向法院提起訴訟。但在實踐中，不僅權利行使主體受限，能夠提出訴訟請求的內容規定也過於模糊，限制了該權利的有效性。
消費者協會的公益訴訟權有利於扭轉消費者的弱勢地位，增加大數據殺熟的違法違規成本。因此在數字經濟時代應積極推進完善消費者公益訴訟制度，對權利適用的內涵與外延予以明確，並適時擴展權利行使主體，切實保障公益訴訟權的行使。
再次，應當分級分類實施算法影響評估制度。
因循數據生命全周期管理的視角，美國、英國、加拿大等國已經通過專門立法規定對於個人權利、社會經濟、生態環境等具有高風險的算法應用在事前、事中、事後均需實施算法影響評估制度。政府專門機構、技術專家、行業代表、公民代表等組成專業評估工作組，對高風險場景下的算法模型進行系統評估，以確保該領域的算法適用符合法律法規和倫理規範。
我國《個人信息保護法（草案）》第54條規定了自動化決策風險事前評估制度，第53條規定了算法審計制度。筆者建議應當細化明確算法風險事前評估和算法審計制度的啟動條件、適用場景，分級分類有序推進電子商務場景下智能定價算法的影響評估制度。
最後，需要有序倡導平臺企業實施自我規制，踐行科技倫理。
在大數據殺熟場景下，各類數據挖掘技術只是分析和執行的工具。對消費者「殺熟」的主體仍然是處於網絡生態中基礎單位、核心樞紐和關鍵鈕結的平臺企業。
黨的十九大提出「推動網際網路、大數據、人工智慧和實體經濟深度融合」，從而對我國數字經濟的發展提出了更高的要求。對於平臺企業而言，一方面要深度創新，實現高質量的發展和突破；另一方面也要清晰認知平臺責任和義務邊界。雖然平臺間的經營模式各不相同，但在科技向善，打造負責、安全、友好、公平的數位技術時，應當始終存有「重疊共識」和數據有度的底線倫理原則。
（作者為：對外經濟貿易大學法學院副教授、院長助理）
（來源：財經E法）