大數據“殺熟”如何破?基于政府-消費者協同監管的演化博弈

雷麗彩 ,高 尚 ,陳瑞祥

(湘潭大學1a.商學院;1b.公共管理學院,湖南 湘潭 411105;2.南京大學 工程管理學院,南京 210093)

2018年初,一則網友自曝被電商平臺大數據“殺熟”經歷的微博“躥紅”媒體,并迅速引起人們對互聯網打車、購票、訂房等電商消費領域相似遭遇的聲討[1]。所謂電商市場的大數據“殺熟”,是指電商平臺運用大數據收集消費者的信息,并通過復雜算法分析其消費偏好、購買習慣、收入水平等信息,將同一產品或服務以不同的價格賣給不同的消費者,實行價格歧視的行為[2]。頻頻曝光的平臺大數據“殺熟”現象,暴露出電商市場存在平臺道德風險行為的隱患,無疑會降低電商平臺的信譽,致使電商市場遭遇誠信危機。

大數據“殺熟”行為最早產生于電商企業——亞馬遜,它曾根據平臺上消費者的人口統計資料、購買歷史、上網行為和登錄設備等消費大數據對不同的用戶進行差別定價,這一定價策略利用了忠誠用戶對亞馬遜平臺的路徑依賴和交易過程中信息的不對稱性,使得部分老顧客付出了比新顧客更高的價格。目前,我國還未出臺相關法律規范規制該行為,雖然正式生效的《中華人民共和國電子商務法》對電商平臺行為規范1)《中華人民共和國電子商務法》第十八條規定電子商務經營者根據消費者的興趣愛好、消費習慣等特征向其提供商品或者服務的搜索結果的,應當同時向該消費者提供不針對其個人特征的選項,尊重和平等保護消費者合法權益及相應的懲罰措施2)《中華人民共和國電子商務法》第七十七條規定電子商務經營者違反本法第十八條第一款規定提供搜索結果,或者違反本法第十九條規定搭售商品、服務的,由市場監督管理部門責令限期改正,沒收違法所得,可以并處5萬元以上20萬元以下的罰款;情節嚴重的,并處20萬元以上50萬元以下的罰款做了明確規定,但未明確界定平臺大數據“殺熟”現象,因而不能對其形成有效規制。根據我國《消費者權益保護法》相關條例規定3)《中華人民共和國消費者權益保護法》第八條規定消費者享有知悉其購買、使用的商品或者接受的服務的真實情況的權利。消費者有權根據商品或者服務的不同情況,要求經營者提供商品的價格、產地、生產者、用途、性能、規格、等級、主要成份、生產日期、有效期限、檢驗合格證明、使用方法說明書、售后服務,或者服務的內容、規格、費用等有關情況。第十條規定消費者享有公平交易的權利。消費者在購買商品或者接受服務時,有權獲得質量保障、價格合理、計量正確等公平交易條件,有權拒絕經營者的強制交易行為,消費者在購買商品或接受服務的過程中享有對真實價格的知情權和公正透明交易的公平權,同時,企業需承擔保障消費者個人信息安全的義務。因此,本文考慮電商平臺定價行為中存在不確定性的道德風險問題,基于消費者公平關切以及政府-消費者協同監管的視角分析,應該如何規范電商平臺的定價行為,維護消費者合法權益,為電商市場健康發展提供可資借鑒參考和依據。

大數據“殺熟”現象不斷被曝光后,引發了媒體和社會大眾的廣泛關注和爭議,也是學者們討論的熱點問題[3-4]。大數據的廣泛運用在顛覆某些傳統的社會認知和商業邏輯的同時,使得電商平臺實施價格歧視的“殺熟”行為也更加便捷,北京消協[5]通過問卷調查、輿情采集和體驗調查3種方式研究大數據“殺熟”問題,結果顯示,88.32%的被調查者認為大數據“殺熟”現象很普遍,其中56.92%的被調查者表示有過大數據“殺熟”的經歷。正如馬費成等[6]和劉朝陽[7]所言,在大數據背景下借助平臺銷售信息商品,由于銷售行為的獨立性,交易價格的隱秘性,消費者難以知曉其他用戶的交易價格,使得市場差別定價行為更加普遍和嚴重。Mark[8]提出,隨著對消費者數據收集的增加,在線商家越來越適應對不同消費者采取差別定價。但也有學者[9-11]認為,基于消費者購買歷史的差別定價行為可能會抑制技術創新效率,使得市場競爭變得更加激烈,導致企業利潤減少。

關于電商平臺差別定價行為的影響因素研究有:Richard[12]分析了《通用數據保護條例》如何影響基于用戶私人信息處理的消費者價格歧視,如為老客戶和新客戶分別提供更高和更低的價格;Wu等[13]通過建立網約車市場的中介定價模型來評估空間差異和網絡外部性對平臺定價機制的影響,結果表明,平臺的最優定價取決于乘客的異質性程度和司機的服務成本。

相關學者探討了電商平臺的價格歧視行為是否合理和公平的問題。Turow 等[14]認為在線平臺(如航空公司和酒店的在線銷售平臺)向不同客戶收取不同價格的行為是不公平的。史璇等[15]認為電商企業沒有能夠在網絡安全、個人信息保護、大數據“殺熟”等方面履行社會責任。另外,對于如何規制電商平臺大數據“殺熟”行為的問題,鄒開亮等[1]從《消費者權益保護法》的角度分析大數據“殺熟”的法律規制困境,并提出以“傾斜保護”為原則,以“責任傾斜”為基本路徑來有效規制大數據“殺熟”。鄭智航等[16]以美國法律實踐為例,介紹了美國政府對大數據算法歧視的法律規制措施以及法院對其司法審查的模式。

上述研究從理論探討和案例分析角度為大數據背景下電商平臺的“殺熟”定價行為及其監管規制提供了方法和建議,但這些研究大多忽視了處于信息弱勢地位的消費者的公平關切心理在電商交易中的重要作用[17-18]。然而,消費者往往在商品或服務質量監督中更具有主動性和積極性,可以糾正市場失靈問題[19-22]。而且,具有主觀能動性和環境適應性的平臺、消費者等主體往往有很強的學習能力,在多次的電商交易過程中可以“記憶”或“學習”其他主體的策略選擇行為,從而相應改變自身的選擇行為。與以往文獻相比,一方面,本文考慮了電商平臺定價策略的道德風險問題,建立以政府監管為主導的影響消費者渠道選擇和平臺定價決策的演化博弈模型,分析并量化不同程度的政府懲罰力度和消費者公平關切水平對系統均衡、演化穩定策略(Evolutionarily Stable Strategy,ESS)以及平臺“殺熟”定價行為的影響;另一方面,在此基礎之上,建立規避電商平臺定價行為道德風險的政府-消費者協同監管機制,分析此機制下電商平臺“殺熟”定價行為演化的影響因素以及影響機理,及時遏制平臺大數據“殺熟“行為,增強消費者對電商市場的信心,對維持電商市場健康可持續發展具有重要的現實意義。

1 政府監管模式下電商平臺“殺熟”定價行為的演化博弈

1.1 基本假設與模型建立

以消費者和電商平臺作為演化博弈參與人,其中消費者有兩種策略(購物渠道)可供選擇:{網絡消費}或{實體消費}。網絡消費策略是指消費者借助各大電商平臺(包括亞馬遜、京東、滴滴出行、攜程和飛豬等)實現產品或服務的線上交易;實體消費渠道是指消費者進行傳統的線下交易或消費,包括傳統實體零售、傳統出租車服務等。考慮到電商平臺在產品定價過程中可能存在道德風險問題,電商平臺也有兩類定價策略可供選擇:{公平定價}和{“殺熟”定價}。公平定價策略是指電商平臺以市場為基準、以需求為導向,制定公平合理的價格水平,不侵害消費者合法權益;殺熟定價策略是指電商平臺利用線上交易過程中存在的信息不透明這一特性,通過大數據和復雜算法對不同消費者進行差別定價和價格歧視。在消費者和電商平臺之間,可做如下合理性假設:

(1)假設消費者選擇網絡消費渠道和實體消費渠道的概率分別為x和1-x,電商平臺選擇公平定價策略和殺熟定價策略的概率分別y和1-y。針對某一電商平臺而言,面臨兩種類型的消費者:忠誠消費者和不忠誠消費者。忠誠消費者是指習慣于并且頻繁在同一平臺上重復購物的老客戶,這可能與其過去的購物習慣有關,也有可能是由于使用其他電商平臺的學習成本或實體消費的交易成本過高而不愿意嘗試新的電商平臺或實體消費。不忠誠消費者是指不愿意長期鎖定在某一電商平臺的消費者,要么是習慣于在眾多電商平臺上頻繁轉換的網絡購物者,要么是習慣于實體消費渠道的消費者。

(2)當消費者選擇網絡消費渠道購物時,電商平臺沒有對客戶進行大數據“殺熟”時消費者付出的正常成本為CL,而遭遇平臺“殺熟”價格歧視時其付出的成本為CH。當消費者選擇實體消費渠道時,所支付的商品或服務的成本為CT,考慮到網絡消費相比實體消費的價格優勢[23-25],不失一般性,假設CH>CL,CT>CL。此外,與實體消費不同,由于網絡消費可以突破時間和空間的限制快速了解產品的各種信息,大大降低了消費者的交易成本[26-27],故此處僅考慮消費者選擇實體消費所付出的交易成本為C,從而將網絡消費渠道的交易成本忽略不計,尤其是對于服務型平臺而言,如滴滴出行平臺,網約車服務相比傳統出租車服務在縮短等候時間、降低搜尋成本方面表現出明顯的效率優勢[28-29]。而且,網絡消費可以更好地滿足消費者對時效性、快捷性、經濟性、娛樂性等方面的個性化需求[30-31]。因此,在假設網絡消費渠道中消費者的基本效用為R1的基礎上,考慮消費者選擇實體消費時存在效用的折扣系數θ(0≤θ≤1),θ值越大,表示用戶對實體消費的滿意度越高。

(3)當電商平臺采取“殺熟”定價策略時,平臺對忠誠消費者購物的“殺熟”程度為α,即“殺熟”定價與公平定價時價格的偏離程度。由于遭受電商平臺的大數據“殺熟”差別定價,消費者會有受到不公平對待的憤怒心理而存在效用遞減[32],故假設消費者對平臺“殺熟”定價行為的公平關切程度為λ(λ≥0)。電商平臺采取“殺熟”定價策略時所獲得的額外收益為ωα,參數ω為平臺“殺熟”定價的邊際收益,即平臺獲得的額外收益對于“殺熟”程度的敏感系數。針對忠誠消費者和不忠誠消費者,電商平臺正常運營的基本收益分別為R2和R3,平臺對忠誠消費者和不忠誠消費者的補貼分別為SH和SL。

(4)政府對平臺“殺熟”定價行為給予的懲罰為C(P,α)=Pα2,懲罰成本與平臺“殺熟”程度α以及政府懲罰力度P有關。當平臺“殺熟”程度α一定時,=0,表明懲罰成本是政府懲罰力度P的遞增函數;當政府懲罰力度P一定時，>0,即懲罰成本是平臺“殺熟”程度α的遞增函數。而且,隨著平臺“殺熟”程度α的增加,政府對平臺“殺熟”行為實施更重的懲罰成本。

綜上所述,在政府監管模式下,消費者和電商平臺演化博弈的支付矩陣如表1所示。

1.2 演化博弈的均衡點及穩定性分析

根據表1的收益矩陣,得到忠誠消費者選擇網絡消費和實體消費時的期望收益及其平均收益分別為:

表1 消費者和電商平臺的支付矩陣

則忠誠消費者選擇網絡消費策略的復制動態方程為

同理,電商平臺選擇正常定價和“殺熟”定價的期望收益及其平均收益分別為:

則電商平臺選擇正常定價策略的復制動態方程為

復制動態方程式(4)、(8)分別描述了消費者購物渠道選擇和平臺定價選擇的演化過程。根據復制動態方程,可得演化博弈的雅克比矩陣:

命題1

(1)復制動態系統存在4 個固定的局部均衡點:(0,0),(0,1),(1,0),(1,1)。

(2)若0

證明根據微分方程穩定性定理,復制動態系統的均衡點應該滿足復制動態方程式(4)、(8),即(x,y)=0,(x,y)=0,且(x,y)∈[0,1]×[0,1]。因此,很明顯,命題1(1)滿足條件,(0,0),(0,1),(1,0),(1,1)是系統的局部均衡點。對于命題1(2),當0

時,聯立求解方程組

得到(x0,y0),且(x0,y0)∈(0,1)×(0,1),則(x0,y0)是局部均衡點,命題1(2)成立。

為了便于分析,令P0=ω/α,

命題2有如下情形:①若0λ0,則系統不存在演化穩定策略;③若P>P0,0<λ<λ0,則系統演化穩定策略為(1,1);④若P>P0,λ>λ0,則系統演化穩定策略為(1,1)。

證明基于Friedman(1991)的結論,可以通過雅克比矩陣分析系統演化均衡點的穩定性在4種情形下各個均衡點的雅克比行列式和特征值,如表2所示。

表2 不同情形下系統均衡點的穩定性分析

上述穩定性分析表明,當政府管制力度P和消費者公平關切水平λ不同時,電商平臺和消費者行為策略的演化博弈均衡會發生改變。具體結果如下:

(1)當政府對電商平臺“殺熟”行為的懲罰力度較小,即0P0時,(1,1)為穩定點,(0,1)為鞍點。

(2)當政府對電商平臺“殺熟”行為的懲罰力度較小,即0λ0時,(0,0)和(1,0)均為鞍點,(x0,y0)為中心點。

(3)當政府對電商平臺“殺熟”行為的懲罰力度較大,即P>P0,同時,消費者對于“殺熟”現象的公平關切程度較低,即0<λ<λ0時,(0,0)為不穩定點,(1,0)為鞍點;而消費者對于“殺熟”現象的公平關切程度較高,即λ>λ0時,(0,0)為鞍點,(1,0)為不穩定點。

1.3 電商市場“殺熟”定價行為演化博弈數值分析

為了更加直觀地說明平臺和消費者之間策略選擇的演變,以“滴滴出行”平臺為案例采用數值算例進行分析[34-36]?！暗蔚纬鲂小笔呛w出租車、專車、快車、順風車、代駕及巴士等全面出行服務的一站式多元化出行平臺,為大眾提供更為高效、經濟、舒適的出行服務,截至2019年5月,“滴滴出行”平臺憑借其較大的業務規模(快車、專車等)擁有7 517萬活躍用戶,現已成為國內乃至全球出行服務行業巨頭。從“滴滴出行”平臺優勢情況來看,相比傳統巡游出租車及其他網約車服務,調查顯示,51.4%的出行用戶認為價格實惠是“滴滴出行”的最大優勢[37],消費者選擇“滴滴出行”的正常費用CL低于傳統巡游出租車出行費用CT,即CLCL,“殺熟”價格CH與正常價格CL的差值表示平臺“殺熟”程度α,即α=CH-CL。

根據我國網約車市場的實際運營情況,在滿足條件CLCL和α=CH-CL的前提下,由于參數初始值的量級選擇并不影響本文結論,故將模型參數初始值設定為:ω=1,α=2,θ=0.4,R1=4,SH=0.5,CL=1,CT=2,CH=3,C=1,其中:P0=ω/α,

計算得到:P0=0.5,λ0=1.45。在保持其他參數不變的情況下,考慮政府懲罰力度P和消費者公平關切水平λ的不同取值對系統穩定性的影響,可將消費者和平臺行為的初始比例設置為:(x,y)={(0.3,0.7),(0.7,0.3)},以探究電商市場“殺熟”定價行為的演化趨勢。

(1)當滿足0

圖1 情形①的演化路徑圖

這種情況是當前電商市場中普遍存在的困局,一方面,消費者的公平關切水平較低(0<λ<λ0),同時,忠誠用戶的網絡消費習慣已養成,但由于平臺存在定價選擇的道德風險行為,其利用大數據算法的隱蔽性特征對消費者進行線上“殺熟”,消費者很難發覺自己的合法權益受到侵害,在不知不覺中就落入平臺“差別定價”套路,付出比線下購物更高的成本;另一方面,政府對于平臺“殺熟”定價行為的道德風險問題缺乏有效的監管機制(0

(2)在滿足0λ0的情況下(即情形②),令P=0.1,λ=3,得到此初始條件下博弈的動態演化路徑如圖2所示(圖2(a)反映消費者和平臺行為的初始比例為(0.3,0.7),圖2(b)反映消費者和平臺行為的初始比例為(0.7,0.3))。此時,電商平臺和消費者的博弈過程最終沒有形成演化穩定策略,雙方的策略選擇行為呈小幅震蕩,隨著市場情況的變化而改變。這是由于政府的低懲罰機制(0λ0),對平臺的調價行為敏感度較高,因而消費者會逐漸傾向于選擇實體消費渠道。于是“理性”的平臺在短期獲利和平臺長期發展的權衡之下,必然會對平臺定價模式進行調整,逐漸采取公平定價策略,而消費者出于對電商平臺的習慣鎖定和購物偏好等,又會逐漸重新選擇網絡消費渠道,此演化過程是電商市場朝著平臺定價模式日益公平透明的一個過渡階段,符合當前中國電商市場的發展態勢。

圖2 情形②的演化路徑圖

政府目前對電商平臺“殺熟”現象缺乏有效的市場監管機制,導致網絡購物、交通出行、在線購票等多個領域的電商平臺頻頻被揭露存在“殺熟”行為[2],消費者面臨的道德風險不斷上升。但是隨著消費者自我保護意識的加強,一部分消費者會轉而選擇實體消費渠道;電商平臺事后為挽回聲譽和奪得客戶,通過各種社交媒體申明不存在價格歧視,并保證會進一步優化網上產品交互和信息展示,但此舉仍難以完全撫平用戶的心理創傷。更為重要的是,平臺應針對大數據“殺熟”爭議積極優化定價模式,最大限度地降低公眾負面情緒,重拾消費者對電商平臺的信任。以網約車平臺Uber和Lyft為例,曾經由于網約車動態收費模式導致用戶支付的價格不確定,他們也遭遇過大數據“殺熟”的誠信危機,為了重獲乘客的信任,平臺及時推出“同一路線固定收費”的服務模式以應對乘客對平臺存在大數據“殺熟”的質疑,并上線“乘客等車時間越長費用越低”的新功能,降低乘客的網約車出行費用。

(3)在滿足P>P0,0<λ<λ0的情況下(即情形③),令P=1,λ=1,得到此初始條件下博弈的動態演化路徑如圖3所示(圖3(a)反映消費者和平臺行為的初始比例為(0.3,0.7),圖3(b)反映消費者和平臺行為的初始比例為(0.7,0.3))。由圖3 可知,(1,1)成為系統唯一的演化穩定策略。

圖3 情形③的演化路徑圖

(4)在滿足P>P0,λ>λ0的情況下(即情形④),令P=1,λ=3,得到此初始條件下博弈的動態演化路徑如圖4所示(圖4(a)反映消費者和平臺行為的初始比例為(0.3,0.7),圖4(b)反映消費者和平臺行為的初始比例為(0.7,0.3))。由圖4可知,此情形下的演化穩定策略和情形③一樣,(1,1)成為唯一的演化穩定策略。

圖4 情形④的演化路徑圖

情形③和情形④的均衡結果達到理想的演化穩定狀態,即消費者選擇網絡消費渠道收斂到1,平臺選擇公平定價行為收斂到1。因此,針對電商市場中大數據“殺熟”現象,政府亟須出臺相關法律規范對平臺的“殺熟”行為進行有效規制。同時,對電商平臺機會主義傾向的“殺熟”行為必須嚴厲懲處,努力提高“殺熟”行為的識別率,識別一起懲處一起,通過將對電商平臺“殺熟”行為的懲罰提高到機會收益及以上的水平從而令其即便是想為之也不敢為(即不敢“殺熟”定價),有效遏制電商平臺“殺熟”定價行為的道德風險,維護消費者的合法權益,促進電商市場誠信健康發展。

2 電商平臺大數據“殺熟”行為的監管機制設計:政府-消費者協同監管機制下的演化博弈

由于消費者存在信息劣勢,電商平臺利用大數據技術對同樣的商品或服務向不同消費者設置差別定價,透支消費者的信任。由上述分析可知,對于平臺的大數據“殺熟”定價行為,當政府實施的懲罰力度較小,且消費者的公平關切程度較低(容忍度較高)時,平臺出于機會主義傾向的道德風險,會選擇對忠誠消費者進行大數據“殺熟”的差別定價,追逐額外收益;而消費者由于習慣和鎖定了網絡購物方式,仍然選擇網絡消費渠道購物,在信息不對稱的情況下,消費者的合法權益由此可能受到電商平臺的侵犯。消費者作為電商平臺大數據”殺熟”行為的利益直接受損者,在對平臺“殺熟”定價行為的監督過程中會更具有積極主動性和可選擇性,因此,不能忽視消費者在完善大數據“殺熟”監管機制中的重要作用[19-22],故建立消費者協同政府對電商市場“殺熟”行為監管機制(見圖5),通過演化博弈模型探究有效規制電商平臺大數據“殺熟”行為的政府-消費者協同監管機制和影響因素。

圖5 政府、平臺和消費者職責關系圖

2.1 政府-消費者協同監管機制下電商平臺和消費者演化博弈模型

在政府-消費者協同監管機制下,消費者作為博弈的參與主體面臨兩種備選策略:{積極監督}和{消極監督}。積極監督策略是指消費者積極配合政府的管理制度,通過電商平臺和政府平臺投訴、電話投訴、以及各大媒體(電視、網站、新媒體)曝光產生輿論壓力等方式對電商平臺的大數據“殺熟”行為進行有效監督;消極監督策略是指消費者對平臺的“殺熟”定價行為持消極無作為的態度,沒有監督或維權的意識。當消費者配合政府積極監督平臺的定價行為,對“殺熟”現象進行曝光和投訴時,平臺會面臨一定的聲譽損失L1,主要表現為社會信號效應(吸引新客戶加入形成的“馬太效應”)和社會網絡效應(培養老客戶黏性形成的“鎖定效應”)的損失。當然,消費者配合政府“積極監督”平臺的“殺熟”行為,需要付出一定的時間和精力等成本C1(利他性懲罰成本),不惜犧牲自己的利益去懲罰違反社會準則的行為。而消費者對平臺積極監督所帶來的平臺服務水平提升和價格設置透明合理,消費者商品或服務知情權和公平交易權得到保障等社會效益為R3。政府-消費者協同監管機制下電商平臺和消費者博弈的支付矩陣如表3所示。

表3 協同監管下消費者和電商平臺的支付矩陣

消費者和電商平臺的復制動態方程分別為:

復制動態方程式(10)、(11)分別描述了消費者監督策略和平臺定價策略的演化過程。根據復制動態方程,可得演化博弈的雅克比矩陣:

命題3當消費者對電商平臺大數據“殺熟”行為積極監督產生的社會效益大于其付出的利他性懲罰成本,即R3>C1,且L1+Pα2-ωα>0時,系統存在唯一的穩定點(1,1)和鞍點(1,0)。當Pα2-ω α>0 時,(0,0)是不穩定點,(0,1)是鞍點;當Pα2-ωα<0時,(0,1)是不穩定點,(0,0)是鞍點。

證明當R3>C1,L1+Pα2-ωα>0,x=1,y=1時,行列式

特征值μ1=C1-R3<0,μ2=ωα-L1-Pα2<0,故(1,1)是演化穩定策略;當x=1,y=0時,行列式

特征值μ1=C1-R3<0,μ2=L1+Pα2-ωα>0,故(1,0)是鞍點。特別地,當Pα2-ωα>0時,對于點(0,0),行列式

特征值μ1=R3-C1>0,μ2=Pα2-ωα>0,故(0,0)為不穩定點;對于點(0,1),行列式

特征值μ1=R3-C1>0,μ2=ωα-Pα2<0,故(0,1)為鞍點。同理可得,當Pα2-ωα>0 時,(0,1)是不穩定點,(0,0)是鞍點。

根據命題3,可以得到如下結論(監管機制的適用性):當R3>C1時,懲罰參數L1和P的不同取值對平臺“殺熟”程度α的有效調控范圍為:當L1>ω2/(4p)時,α>0;當L1=ω2/(4p)時,α≠ω/(2P);當L1<ω2/(4p)時,

系統最終的ESS是(1,1)。

證明由命題3可知(1,1)是系統唯一ESS的充要條件是:detJ>0,μ1<0,μ2<0,即C1-R3<0,-L1-Pα2+ωα<0?？傻卯擱3>C1時,對于-L1-Pα2+ωα<0,建立關于α的一元二次函數:H(α)=-Pα2+ωα-L1?？紤]函數的零點問題,當L1>ω2/(4p)時,Δ<0,則H(α)=0無解,故對于α>0,-L1-Pα2+ωα<0恒成立;當L1=ω2/(4p)時,Δ=0,則H(α)=0有唯一零解α=ω/(2P),故對于α≠ω/(2P),-L1-Pα2+ωα<0恒成立;當L1<ω2/(4p)時,Δ>0,則H(α)=0有兩個零解,

故對于

-L1-Pα2+ωα<0恒成立。

此結論說明,懲罰參數L1和P的取值不同,監管機制能夠有效監管的電商平臺“殺熟”程度α也不同,較高的聲譽損失L1和懲罰力度P有助于提高政府對平臺“殺熟”程度α的監管范圍,進而有效遏制平臺過于關注“殺熟”帶來的額外收益從而侵犯消費者合法權益的行為。

2.2 政府-消費者協同監管機制下平臺“殺熟”行為演化策略及路徑

為了更加直觀地反映消費者監督行為和電商平臺定價行為的演化過程,采用數值算例進行分析[34-36],本文主要關注的問題是如何實現平臺由“殺熟”定價到公平定價的演變過程,故以演化穩定點(1,1)為例(即系統最終趨向于消費者選擇積極監督策略,平臺選擇公平定價策略),根據命題3條件,在滿足R3>C1,L1+Pα2-ωα>0的前提下,假設參數:R3=0.2,C1=0,L1=2,P=0.1,α=2,ω=1,常數初始賦值量級的選擇不影響本文結論。將消費者和電商平臺行為的初始比例設置為:(x,y)={(0.3,0.7),(0.7,0.3)},得到此初始條件下博弈的動態演化路徑如圖6所示(圖6(a)反映消費者和平臺行為的初始比例為(0.3,0.7),圖6(b)反映消費者和平臺行為的初始比例為(0.7,0.3))。

如圖6所示,由于政府實施的懲罰力度較小,電商平臺存在較高的機會主義“殺熟”定價行為道德風險,表現為前期電商平臺采取公平定價策略的比例不斷減少,消費者在網絡消費過程中屢遭大數據“殺熟”。但隨著采取積極監督策略的消費者比例增加,平臺“殺熟”行為頻頻曝光將遭受較大的聲譽損失,倒逼平臺被迫采取公平定價策略,系統演化的最終趨向是:消費者選擇積極監督策略,平臺選擇公平定價策略,即收斂到演化穩定策略(1,1)。此時,消費者積極配合政府對電商市場的“殺熟”定價模式進行有效監督,維護自身合法權益;另一方面,在政府-消費者協同監管機制下,電商平臺不得不實施公平定價模式,消費者面臨的道德風險下降,使得博弈雙方的收益均實現最大化,整個電商市場趨于集體理性的健康發展。

圖6 穩定點(1,1)的演化路徑圖

進一步探討影響消費者監督電商市場“殺熟”行為的主要因素——監督成本C1和社會收益R3,以及規避電商平臺“殺熟”定價行為的主要因素——政府懲罰力度P和聲譽損失程度L1,對消費者和電商平臺演化穩定性的影響過程以及影響程度,演化趨勢分別如圖7、8所示。

圖7 R3 和C1 對消費者策略選擇演化趨勢的影響

由圖7、8可以得到如下結論:

(1)當滿足條件R3>C1,L1+Pα2-ωα>0時,消費者最終選擇積極監督策略,平臺選擇公平定價策略,即系統的演化穩定策略為(1,1),符合命題3的結論。

(2)由圖7可見,當平臺聲譽損失L1和政府懲罰力度P一定時,社會收益R3對消費者積極監督行為的影響呈現正相關關系,監督成本C1對消費者積極監督行為呈現負相關關系,且社會收益與監督成本的差值(R3-C1)越大,消費者選擇積極監督行為的演化速度越快,即消費者越注重自身合法權益的維護。由圖8可見,當社會收益R3和監督成本C1一定時,聲譽損失L1和政府懲罰P對平臺“殺熟”定價行為的影響均呈現負相關關系,表明它們的共同作用使得規避平臺“殺熟”定價行為的演化速度更快,達到演化均衡的時間大大縮短。

圖8 L1 和P 對平臺策略選擇演化趨勢的影響

(3)圖7中,由于消費者積極監督帶來的社會收益R3高于監督所付出的必要成本C1,故積極監督策略的比例不斷上升。圖8中,當政府懲罰力度不足以約束平臺“殺熟”定價行為(P=0.1,P=0.2)時,電商市場初期表現為平臺公平定價策略比例小幅下降,但隨著采取積極監督行為的消費者比例不斷上升,平臺因“殺熟”行為曝光面臨的較大聲譽損失L1,使其不得不進行策略調整,表現為后期平臺公平定價策略比例大幅上升;當政府懲罰力度足夠大(P=0.5)時,電商平臺不愿意承受高額的聲譽損失和懲罰成本,選擇公平定價行為的比例不斷上升。

3 結論

電商平臺利用大數據算法分析技術對不同消費者進行差別定價,是以有意“消費”消費者對平臺的忠誠度和透支消費者的信任為代價的自殺式行為。對此,本文引入電商平臺“殺熟”定價行為的道德風險,分別從消費者購物渠道選擇和消費者協同政府監管角度構建了兩個演化博弈模型,通過對政府監管主導下電商市場潛在的“殺熟”行為進行演化博弈分析,探討政府懲罰力度和消費者公平關切水平對消費者購物渠道選擇策略以及平臺定價行為策略的影響。在此基礎上,針對僅考慮平臺自律行為和政府監管模式下電商市場陷入平臺大數據“殺熟”的困境,從政府-消費者協同監管角度,提出考慮消費者聯合政府對電商平臺“殺熟”現象進行聯合監管的新機制,建立規制電商平臺大數據“殺熟”行為演化博弈模型,進一步探討各參與主體不同行為策略的影響因素及演化路徑,并以網約車“滴滴出行”平臺為案例進行數值模擬分析。研究發現:

(1)在不考慮政府-消費者協同監管機制時,由于電商平臺機會主義道德風險的存在,使得消費者在不知不覺中遭受大數據“殺熟”的侵害,導致整個電商市場誠信環境的惡化。

(2)當政府懲罰力度P和消費者公平關切水平λ變動,其他參數保持不變時,盡管消費者公平關切水平λ對電商平臺的定價策略有一定程度的影響,但政府的懲罰力度P對于促進電商平臺和消費者的合作共贏機制具有決定性的作用,較弱的懲罰力度P無助于遏制電商市場“殺熟”現象,只有政府實施較大的懲罰力度P才可以有效抑制電商平臺的“殺熟”定價行為。

(3)在引入政府-消費者協調監管機制后,平臺聲譽損失L1和政府懲罰力度P對電商平臺“殺熟”行為具有明顯抑制作用,特別是當政府懲罰力度P不足時,消費者積極監督帶來的輿論壓力可以有效遏制平臺“殺熟”定價行為,從而規避平臺定價行為的道德風險問題。

(4)影響消費者監督策略的主要因素是社會收益R3和監督成本C1:社會收益R3對消費者積極監督行為演化速度呈正向的促進作用;反之,監督成本C1對消費者積極監督行為演化速度呈負相關的抑制作用。而且社會收益與監督成本的差值(R3-C1)越大,消費者越有動力選擇積極監督策略。

解決電商市場大數據“殺熟”定價困境需要技術、監管和機制三管齊下:首先,在技術方面,大數據時代亟需政府創新對大數據發展的管控技術,通過建立大數據監督平臺,利用大數據分析功能,監督企業是否存在“殺熟”嫌疑,從而為消費者提供便捷高效的維權渠道,降低消費者的監督成本;其次,在監管方面,大數據“殺熟”行為涉及面比較廣,需要很多政府部門參與監管,權責不清,亟需將大數據“殺熟”行為納入明確的法律治理范圍內,明確歸誰監管,對違規企業施以巨額罰款,增加其違法成本,并規定網絡平臺應當公示其平臺服務協議及支付規則;最后,在模式方面,形成政府-消費者協同監管的新模式,充分發揮政府監管和社會輿論監督的力量,真正剎住這種“薅用戶羊毛”的失信行為,遏制平臺大數據“殺熟”的道德風險,增強消費者對電商市場網絡消費的信任,重構電商市場誠信交易的氛圍。

本文研究存在需要改進的地方。首先,博弈雙方博弈機制設定比較簡單,策略空間也有一定程度簡化,未進行更為細致深入的建構,對其背后復雜的互動機制沒有進行深入研究,這也是今后進一步改進的工作。而且,由于仿真數值在模擬條件下進行,對電商市場大數據“殺熟”博弈參與者行為分析的有效性可能存在偏差,未來將收集電商平臺大數據“殺熟”的大數據,采用計量經濟學和數據挖掘方法進行實證分析,進一步完善電商市場大數據“殺熟”參與者行為的相關研究。