基于靜態博弈模型的網購平臺“殺熟”行為研究

摘 要：大數據時代，消費者個人信息極易被平臺及商家獲取利用，“殺熟”現象由此產生，其中最為顯著的是“首單優惠”策略。在此背景下，消費者和商家之間的博弈將影響雙方行為的選擇，由此構建收益矩陣得出：影響“殺熟”的主要因素有消費者對自身權利重視程度、購買意愿、上期滿意度及差異化定價下商家的潛在損失。為此，商家應理性使用大數據，消費者應審慎決策，政府應加強監管。

關鍵詞：“殺熟”現象;不完全信息靜態博弈;差異化定價

本文索引：楊賀雯.<變量 2>[J].中國商論，2022（06）：-058.

中圖分類號：F276 文獻標識碼：A 文章編號：2096-0298（2022）03（b）--03

互聯網持續深度發展讓商家營銷重心深入電商平臺，消費者購買渠道逐漸向線上轉移。據CNNIC數據，截至2021年6月我國網絡購物用戶81206萬人，使用率80.3%，包括實體商品購買、出行及服務支付，在此過程中消費者購買記錄、瀏覽偏好甚至私人相冊、通話都被大數據定位搜集，似乎為平臺及商家帶來“比消費者更了解消費者”的紅利。大數據商業化運用具有不可否認的公開性和隱秘性，便于商家捕捉消費者偏好信息卻很難被監管系統準確檢測。平臺及商家追求利潤最大化，因此充分獲取消費者剩余成為新時代銷售的出發點，可以幫助企業設計高度精準的營銷策略，“殺熟”應際而生。盡管近年多部法規明令禁止，這一現象仍屢見不鮮，“首單優惠”行為仍是多數平臺采取的主要方式，似乎讓新用戶“嘗到甜頭”，但究竟是平臺真發福利還是消費者受欺騙不可一言蔽之。學者紛紛對“殺熟”定義提出不同見解，但都表明：對于購買同一商品和服務的新老用戶實行差異化定價，后者買價顯著高于前者。

“殺熟”現象涉及平臺、商家、消費者、市場、政府等多主體行為，學界對此從不同主體角度進行探討。荊坤（2021）認為，平臺應承擔監督職責，從源頭上定價以營造良好的電商交易環境[1]。余敏（2019）通過構建商家與消費者的電子商務逆向選擇實證模型分析該現象，從而為消費者提出享受均衡價格的方法[2]。胥雅楠等（2019）以旁觀學者角度，從法學、經濟學、管理學視角分析該現象產生的原因，進而探究其影響和存在的問題并提出政策性建議[3]。

對于該問題多主體間行為關系的模型構建，一些學者選擇了博弈模型。王潺（2021）從商家視角探究市場中兩寡頭基于雙方均衡價格定價博弈，消費者在其中扮演卡特爾聯盟接受者的角色[4]。吳斌等（2021）構建平臺與政府部門間的演化博弈模型，并根據其過程提出針對性建議[5]。楊豐梅等（2017）引入電商平臺作為第三方信用監管主體，構建演化博弈模型與雙價交易模型，分析商家與消費者的長期交易策略[6]。

綜上，目前學術界多橫向分析同一時間維度不同主體間行為的演化過程，而未有從縱向分析不同時間同一消費者經歷的“被殺熟”情況。基于這一思考，可以采用橫向、縱向相結合的全新分析視角，通過構建網購平臺與消費者群體之間的靜態博弈收益矩陣，在差異化定價策略中引入“首單優惠”，綜合分析雙方行為選擇的影響因素。

1 “殺熟”平臺與消費者博弈關系分析

1.1 平臺及其商家策略

2021年3月，新浪財經發布的大數據“殺熟”調查結果顯示，92.57%的網友遇到過大數據“殺熟”;央視財經調查的“殺熟”方式結果顯示，消費者認為有“舊用戶優惠比新用戶少”的情況，占比52.3%。消費者數據的高度集中便于電商平臺進行“點對點”銷售，即花費較低成本對每一類甚至每一位消費者制定不同營銷策略，“差異化定價”以實現對消費者提供最匹配高效的服務，其顯著方式是“首單優惠”，即商家對同一消費者不同時期縱向優惠差別，包括但不限于優惠券、打折卡、購物卡，通常情況下，每位消費者新用戶特權僅有一次。表1是不同平臺首單（新用戶）優惠方式對比。

事實上，“殺熟”現象涵蓋的企業數量、產品及服務種類繁多，手法也不僅限于上述，而所謂的“首單優惠”不乏先提高商品原價，再進行優惠使新用戶支付實際價格與老用戶支付的正常價格一致甚至更高。

1.2 消費者行為

消費者瀏覽平臺頁面、選擇產品及服務本是自主行為，從消費者角度看，“殺熟”的影響因素主要包括：自身消費能力、對價格變化的敏感度、對價格的心理預期，消費能力越強、敏感度越低、心理預期越高，對平臺擬定價格的接受程度越高。

“殺熟”現象的負面作用主要針對老用戶，即在同一平臺二次或多次消費的用戶。若用戶對平臺定價接受程度較高，不能及時發現被“殺熟”，會在短期內陷入營銷陷阱。若對同一商品通過不同平臺定價或同一平臺首單及之后下單價格比較發現被“殺熟”，一部分人會為維護自身消費者權益采取舉報措施而不論維權成本;而注重機會、時間成本的人將會采取躲避策略，改變購買渠道或不再交易，這往往是大部分消費者的選擇。

2 雙方博弈模型構建與求解

2.1 模型假設

假設1：平臺及商家是理性經濟人，以追求利潤最大化為目標;消費者群體包含的是一般消費者，不能獲取完全商業信息。

假設2：為簡化模型假設市場僅有一種產品，而且各個單位產品之間完全無差異;“殺熟”僅針對差異化定價策略。

假設3：采取比較靜態分析，而且不考慮同一消費者不同時期消費能力的變化、商家生產能力的限制。

2.2 模型構建與求解

2.2.1 參數描述

平臺及其商家為追求成本一定下利潤最大化，對價格擬定的行動集為ɑ1={差異化定價，統一定價};消費者為追求支付價格一定下效用最大化，對平臺定價策略采取的行動集為ɑ2={不接受，接受}。平臺“差異化定價”和“統一定價”的期望收益為Rb1和Rb2;消費者對平臺擬定價格“不接受”和“接受”的期望收益為RC1和RC2（見表2）。

對該產品平臺實行統一定價P0，成本C0;差異化定價下平臺為大數據收集支付費用C1（C1>0），此時成本，

即使消費者選擇不購買平臺商品仍需支付數據收集費用。消費者的心理預期價值W（W>0），差異化定價下購買概率λ（0<λ<1），對價格差異的敏感程度y。為在該產品市場占據優勢，給予每位消費者均有優惠力度，統一定價時所有消費者支付價格均為p1=P0-ωP0;平臺選擇差異化定價概率x，為吸引新用戶，首單交易提供r（0≤r

對擬定價格不接受的消費者為價格比對支付成本c1。統一定價下，消費者以p1價格購入產品，經對比發現未被“殺熟”會獲得W1的心理收益，平臺及商家獲得I單位潛在收益;差異化定價下，新用戶首單低價支付帶來W1'的心理收益，若消費者以p1價格支付，經對比發現被“殺熟”產生W2單位的心理損失，則c1<W1<W2且W1'<W2，產生損失基礎上，消費者以θ（0≤θ≤1）概率維權，為此支付的機會、時間成本之和為c2，獲得心理損失補償W3，則c2<W3<W2，這一系列行為給平臺及其商家帶來潛在損失I'。

2.2.2 收益矩陣求解

由假設條件，平臺與消費者間的博弈是不完全信息靜態博弈，假定這里消費者是消費者群體，差異化定價下縱向區分新老用戶，依前文調查結果，分別給新、老用戶購買行為賦權值0.2和0.8，建立靜態博弈的收益矩陣如表2所示。

2.2.3 重復博弈簡單分析

在該博弈模型中假定消費者了解平臺“殺熟”策略，如優惠力度ω隨消費次數的增加而遞減，因此隨著博弈的進行，消費者滿意度將不斷降低，心理損失W2逐漸積累，維權概率θ遞增，記滿意度σ（0≤σ≤1），則，可得，那么，即消費者維權概率與滿意度呈反比關系。假設消費者下期購買意愿的概率λ'，則，即與當期購買意愿和滿意度相關，且，即下期購買意愿與當期滿意度正相關。

2.3 模型結論

2.3.1 平臺是否“殺熟”與用戶對自身消費者權益的重視程度有關

由x*結果，W1-c1為平臺選擇統一定價策略時，消費者經價格對比后獲得的心理收益與該行為所需支付的成本之間的差額;為消費者群體選擇接受平臺定價時，統一定價所獲心理收益和差異化定價心理損失之和。均衡時平臺選擇差異化定價策略的概率是：統一定價下消費者比價總收益與消費者選擇比價下心理總收益的比值。因此對于“不接受，差異化定價”組合，消費者總收益損失越大，平臺統一定價概率越大，此時重視自身權益的消費者為平衡損失，維權概率θ更大。用戶若傾向維權會使平臺受負面輿論影響，信譽形象下降，潛在損失擴大，而維權的透明性與商家對相關數據獲取的隱蔽性也會影響部分消費者的選擇。

2.3.2 消費者是否“接受”定價與自身購買意愿及差異化定價下平臺及其商家的潛在損失有關

由y*結果，為平臺差異化定價獲得的收益與成本的差額，即額外收益;為消費者選擇比價策略時平臺統一定價獲取的潛在收益與差異化定價受到的潛在損失之和。均衡時消費者比價的概率是差異化定價下平臺及商家額外收益與消費者不接受定價時平臺潛在總收益的比值。

，消費者選擇比價策略的概率隨其購

買意愿提高而增加。現實情況表現為消費者越想購買某產品越關注其價格對自身滿足情況，自然會“貨比三家”以實現價格一定的效益最大，或在效益相同下支付最低價格。，消費者不接受定價的概率隨其實際收益增

加而減小，表現為首單優惠力度越大，老用戶越會選擇不接受定價而比對價格，對同一產品橫向上與其他消費者比較收益，或縱向上與首單購買價格對比，更能發現自身實際收益大小。

2.3.3 重復交易中當期平臺定價策略與上期消費者滿意度相關

因為，且，消費者滿意度遞減帶來維權概率遞增，直接影響平臺及商家潛在損失增量ΔI'>0，若平臺不改變銷售、補償方案使消費者損失補償W3不能與心理損失W2相抵，會導致ΔI'遞增。因此平臺為了自身生存發展不得不放棄“殺熟”，選取差異化定價概率x將會更小。該結論符合實際，當平臺及商家發現體現在用戶評價上的消費者滿意度顯著降低，會采取差價彌補、退換貨等措施以挽回口碑，穩定顧客黏性。也表現為在制定營銷策略時，對滿意度反應較強的用戶盡量避免“殺熟”，以在重復博弈中獲取長久穩定利益。

3 結語

大數據背景下“殺熟”現象博弈雙方的行為相互影響、相互制約：平臺及商家盲目“殺熟”會對自身發展產生負作用，消費者對價格的接受程度會影響效益取得。消費者對自身權益重視程度提高、購買意愿變化、差異化定價下潛在損失增加、上期滿意度，都對“殺熟”起到制約作用，若能對大數據進行合理運用，有利于實現雙方共贏。

3.1 商家應理性使用大數據，背離“殺熟”行為

平臺經濟是“國內大循環”的重要推動力量，大數據本身具有潛在價值，商家應在保證消費者隱私情況下了解消費者偏好，在縱向上根據不同消費者喜好推薦不同商品，從而改善供給結構、供給質量，使整體消費環境得到優化，越界使用往往適得其反。在公平競爭前提下形成行業內部公約，達到橫向規范局面。商家自律行為會樹立良好的信用形象，為自身帶來潛在收益。

3.2 消費者應增強維權意識，審慎決策

消費者在購物過程中應有意識“貨比三家”，了解市場行情，審慎決策購買行為。同時，要增強個人信息保護，提高甄別眼力及對定價的敏感程度，謹防商家非法獲取信息。例如，可設置應用程序防御，不輕易開啟相冊、位置、通訊錄等隱私權限;個人合法權益受到侵害時借助法律手段積極維權，防止無良商家持續侵權行為。

3.3 政府應當加強監管，規范平臺定價行為

一方面，相關部門應提高大數據獲取成本，保證市場公平競爭，要求平臺定價公開透明化，破除“殺熟”隱蔽性以減少信息不對稱，維護消費者合法權益，實現同行業公平競爭的同時提高商家與消費者雙方交易的公平性。另一方面，應制定更加全面細化的相關行業法律法規，加強對平臺數據使用、定價策略的監管，對“殺熟”做出嚴密界定，嚴厲打擊該行為。但在規范過程中也要謹防“一刀切”，從而維護網絡交易生態。

參考文獻

荊坤.淺析電子商務平臺對“大數據殺熟”的監管義務[J].中國商論，2021（13）：31-33.

余敏.“大數據殺熟”可以避免嗎：電子商務逆向選擇風險規避[J].價格理論與實踐，2019（4）：141-144.

胥雅楠，王倩倩，董潤，等.“大數據殺熟”的現狀、問題與對策分析[J].改革與開放，2019（1）：15-20.

王潺.“大數據殺熟”該如何規制：以新制度經濟學和博弈論為視角的分析[J].社會科學文摘，2021（8）：16-18.

吳斌，程晶，宋琰.心理賬戶視角下電商平臺“殺熟”現象演化博弈分析[J].運籌與管理，2020，29（11）：37-44.

楊豐梅，王安瑛，吳軍，等.基于博弈論的C2B2C模式下電商信用監管機制研究[J].系統工程理論與實踐，2017，37（8）：2102-2110.

Research on Big Data Discriminatory Pricing Behavior of Online Shopping Platforms Based on Static Game Model

—— Taking “First Order Discount” as an Example

Beijing University of Chemical Technology? Beijing? 102202

YANG Hewen

Abstract： In the era of big data， consumers’ personal information is easily obtained and utilized by platforms and merchants， resulting in the phenomenon of big data discriminatory pricing， the most notable of which is the strategy of “first order discount”. In this context， the game between consumers and merchants will affect the behavioral choices of both parties. From this， the income matrix is constructed and it is concluded that the main factors affecting big data discriminatory pricing are consumers’ attention to their own rights， purchase willingness， and satisfaction in the previous period. and potential losses for merchants under differentiated pricing. To this end， businesses should use big data rationally， and consumers should make prudent decisions， and the government should strengthen supervision.

Keywords： big data discriminatory pricing; static game with incomplete information; differentiated pricing