大数据考研考哪些科目(数据科学与大数据技术考研考哪些科目)

大数据考研考哪些科目，数据科学与大数据技术考研考哪些科目

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%（即成本70元），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%（即成本90元），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%（即成本63元），以“回馈老客户”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“回馈老客户”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”讨论得比较多，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（因为不想让得不到优惠的新客户不满），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，没有便宜10元钱换不来的客户隐私，如果有，那就再便宜10元。

“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；航空公司按预订时间不同，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，买得越多越便宜。

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”商家用复杂的优惠方法，让不同客户得到不同优惠。

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被公平对待的感受。

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。

机票预订时间越晚，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。所以，这里的公平并非是利益上的公平，而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，企业用户用电量大，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重要，甚至超过了实际利益呢？关键在于品牌。

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：有品位的低调奢华。

承诺的意思代表对所有客户有效，“公平地对待所有客户”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，而火车餐不强制消费，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。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。

实际上，传统品牌营销中“给新客户专享优惠券”和网络平台“给老客户显示更高的价格”，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，但基于大数据隐蔽的价格歧视却复杂得多。

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。或许不太远的未来，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，以最大限度获取利润。

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，被骂到“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%。

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”出的三个亚裔，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。不是坏人变成了机器，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元的地摊货，给别人展示的都是几千元的名牌包，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行为，就会愈加赤裸裸地呈现在我们面前。 （本文来自微信公众号人神共奋) 编辑：立夏

大数据考研考哪些科目(数据科学与大数据技术考研考哪些科目)