|美团“大数据杀熟”背后的伦理之困_

_原题是：美团“大数据杀熟”背后的伦理之困
近来，一篇《我被美团会员割了韭菜》刷屏各大网站，更冲上了微博热搜，美团倾刻间身陷“大数据杀熟”漩涡。
那篇文章作者指出，自己开通会员后，发现常点的一家店铺，配送费由平时的 2 元变为了 6 元。颇感意外的是，作者用另一部没有开通会员的手机点了同一家店铺，同一时间配送费依然是2元。
一时之间， “会员配送更贵”引发热议，纷纷指责美团“价格歧视”“割会员韭菜”“不顾吃相”……面对网民“控诉” ，美团方面回应称：配送费差异与会员身份无关，由于软件存在定位缓存，错误地使用了用户上一次的历史定位，与用户实际位置产生了偏差，导致了配送费预估不准。在实际下单时，会按照真实配送地址计算，不受影响。
这则回应没有承认是“大数据杀熟” ，不过是技术问题，程序员得背锅了。仅仅一次“杀熟风波” ， 12月18日美团股价大跌 3% ，逾 400 亿市值瞬间蒸发。
【|美团“大数据杀熟”背后的伦理之困】美团到底存不存在“大数据杀熟” ，已不再是问题的关键。
关键的问题是， “大数据杀熟”早不是什么新鲜事，美团也曾被传成了“大数据杀熟”的重灾区。新华社的采访人员在调查报道过程中，曾拿两个手机账户登陆美团APP ，一部是使用过该APP的手机，一部是没有使用过该APP的手机，显示结果是：查询同一房型同一时间的房价，前者明显高于后者，其他人也遇到过同样的情况。
诸如此类的案例，网上多得是。
“大数据杀熟”的现象，不仅仅存在于美团，也存在于饿了么、淘宝、当当、天猫、携程、飞猪等等这些平台。与美团一样，饿了么平台也曾被人指“大数据杀熟” ，如金牌会员的折扣被暗中取消，同一时间同一地点同一时餐厅，其他人的配送费就低一些等等，诸如此类，林林总总。
不仅国内如此，国外类似平台也早存在同类问题。
早在2000 年，亚马逊 “差别价格实验”即是“大数据杀熟”起源。当时，亚马逊根据潜在用户的画像，终合购物历史、上网行为等大数据轨迹，对68种DVD 光盘进行差别定价，不同的人群不一样的价格。结果是，老用户“被坑了” 。
“最懂你的人伤你最深” ，这些平台在信息不对称的情况下，借助大数据“精准打击” ，利用了老用户的“消费路径依赖”专门“杀熟” ，似乎是隐性的内在运行逻辑。
我们可以容忍美团“定位缓存”所造成的表面伤害，但不能无视背后的大数据伦理之困，更不能让平台做大后可以任意宰割用户。
畸形的平台运营模式背后，是大数据伦理的失范。
像美团这类平台公司，谋求企业利润的最大化，过于短视，而无法合理平衡平台收益与用户利益的关系问题。
尽管“大数据杀熟”一直存在，也引起了舆论的关注，同时，《电子商务法》明确“大数据杀熟”是违法行为，然而可怕的问题则是“隐性杀熟” 。
因为平台线上交易，借用大数据平台，依据算法形成用户画像， “个性定制”式杀你没商量，而你一般情况下不深究，无法发现被平台坑了。
大家稍反思下，就会明白，目前网络购物消费，基本上注册会员模式。为了刺激消费，平台想方设法“拉新” ，通过秒杀、满减、现金红包、积分兑换、预付直减……各种层出不穷玩法吸引新用户。
紧接着，大量会员陷入了平台早已布设好的“温柔陷阱”中，没有钱也不用担心。一切都为你想好了，会员可以用借贷模式消费，平台打通“现金流—支付流—物流” ，用诸如美团月付、蚂蚁花呗、京东白条，消费毫无痛感，平台不时提醒老会员的信用额度增加了，而到了还钱时才一切恍然大悟。这隐性的消费逻辑，正是当前欲望主导、情绪驱动、符号化消费的“后消费网络”时代最大的症结。
正如法国社会学家、哲学家让·博德里拉认言，人们从来不消费物的本身，人们总是把物用来当做能够突出你的符号，或让你加入视为理想的团体，或参考一个地位更高的团体来摆脱本团体。这些涉嫌“大数据杀熟”的平台，正是充分利用了会员、用户的这些心理来牟利。
可以想见，若不是《我被美团会员割了韭菜》之类这些作者，我想大多数人可能还会继续蒙在鼓里。先是现金红包、打折优惠、套餐团购让利，如同诱饵，当平台用户成了规模，也就是平台收割杀熟时。这些“大数据杀熟”的方式隐藏在消费的所有环节，如打包、配送、更换、额外添加小菜等等流程或服务上。
这对用户的伤害可想而知。接下来，如何治理“大数据杀熟”？
一方面，政府管理部门规范市场秩序，比如出台实施《电子商务法》，还需要进一步完善交易消费环节的程序，更要切实有效地跟进监督，或者建立健全遏制“大数据杀熟”的维权机制。
否则，广大的个体很难维护自身利益，毕竟不可能每个人都能写篇《我被美团会员割了韭菜》。无论怎么揭露，最后还得回到互联网治理层面上来。
另一方面，从伦理治理层面着手“大数据杀熟” ，显然是数字经济关键而又长远的策略方向。
尤其是5G时代，如何强化反垄断、平台治理、企业社会责任，如何使算法少一点算计，在大数据提供个性化服务时，以透明公正的要义，打造平衡用户权益与平台收益的健康生态，形成共同遵守的商业伦理准则或行业公约，关上大数据的“偏见之门” ，是从根本上治理“大数据杀熟”的题中应有之义。