數(shù)據(jù)確權(quán)背景下電商平臺大數(shù)據(jù)“殺熟”治理分析

李國昊, 梁永滔, 蘇佳璐

(江蘇大學(xué) 管理學(xué)院,江蘇 鎮(zhèn)江 212000)

0 引言

隨著移動支付在近幾年的崛起,大數(shù)據(jù)“殺熟”的行為可謂“變本加厲”,遍布生活各個(gè)領(lǐng)域的電商平臺都在對用戶進(jìn)行“殺熟”。關(guān)于“大數(shù)據(jù)‘殺熟’”的含義,目前學(xué)術(shù)界暫無明確的界定。在國外,與大數(shù)據(jù)“殺熟”相關(guān)的研究主要是基于消費(fèi)者行為的價(jià)格歧視(BBPD)和因人定價(jià)(Personalized pricing)[1,2]。然而BBPD和因人定價(jià)都和大數(shù)據(jù)“殺熟”非有一個(gè)本質(zhì)的不同:大數(shù)據(jù)“殺熟”是在消費(fèi)者不知情下進(jìn)行的。在國內(nèi),學(xué)者普遍認(rèn)為大數(shù)據(jù)“殺熟”是一種不正當(dāng)?shù)膬r(jià)格歧視行為,具有隱蔽、難以監(jiān)管等特性,并且可能涉嫌價(jià)格欺詐[3-5]。因此,從以上學(xué)者的探討來看,大數(shù)據(jù)“殺熟”信息技術(shù)快速發(fā)展過程中的一種不良市場行為,是一個(gè)需要迫切解決的難題。

在國外,大數(shù)據(jù)“殺熟”相關(guān)研究主要從企業(yè)角度展開,分析BBPD和因人定價(jià)對企業(yè)利潤的影響[6-9],從國外的研究成果來看,大部分文獻(xiàn)集中在企業(yè)和消費(fèi)者視角,分析BBPD和因人定價(jià)的各種因素對企業(yè)利潤造成的影響,但鮮有學(xué)者考慮政府機(jī)構(gòu)和數(shù)據(jù)權(quán)利在其中的作用。

在國內(nèi),關(guān)于大數(shù)據(jù)“殺熟”的治理研究,則會考慮到政府在大數(shù)據(jù)“殺熟”中的作用,例如,余得生和李星指出政府降低消費(fèi)者維權(quán)成本可以在一定程度上抑制大數(shù)據(jù)“殺熟”[10];吳斌等研究表明政府加大處罰力度、提高政府部門的提成系數(shù)均可有效降低“殺熟”的定價(jià)傾向[5]。雖然政府的嚴(yán)格監(jiān)管和消費(fèi)者的應(yīng)付策略確實(shí)會對大數(shù)據(jù)“殺熟”造成一定的影響,但是大數(shù)據(jù)“殺熟”的治理仍然存在著個(gè)人信息保護(hù)不到位、算法定價(jià)具有隱秘性、難以舉證等困境[4],導(dǎo)致消費(fèi)者的維權(quán)難以進(jìn)行。因此,不少學(xué)者提出大數(shù)據(jù)“殺熟”行為的治理要從個(gè)人信息權(quán)利方面進(jìn)行,擴(kuò)大消費(fèi)公益訴訟主體范圍[11],要求平臺的大數(shù)據(jù)算法要公正、透明[12]。還有學(xué)者探討了歐盟《一般數(shù)據(jù)條例》中的“數(shù)據(jù)可攜權(quán)”是否能治理大數(shù)據(jù)“殺熟”問題[3],但是“數(shù)據(jù)可攜權(quán)”在歐盟中并沒有的到良好的實(shí)施,也難以引進(jìn)國內(nèi)的法律之中。

通過對現(xiàn)有文獻(xiàn)的分析,目前大數(shù)據(jù)“殺熟”的治理存在一定的困境,并且少有學(xué)者從數(shù)據(jù)確權(quán)角度進(jìn)行研究。而深圳發(fā)布的《深圳經(jīng)濟(jì)特區(qū)數(shù)據(jù)條例》為治理大數(shù)據(jù)“殺熟”打開了新篇章,給消費(fèi)者提供了極其有利的法律武器。因此,本文以該條例為基礎(chǔ),構(gòu)建政府、電商平臺和消費(fèi)者為主體的演化博弈模型,探討數(shù)據(jù)確權(quán)背景下各主體對大數(shù)據(jù)“殺熟”治理的影響。

1 模型構(gòu)建

1.1 模型參數(shù)介紹

本模型主體為政府、電商平臺和消費(fèi)者,假設(shè)所有平臺只出售一種同類且價(jià)格相同的產(chǎn)品。其中政府的策略為是否在數(shù)據(jù)確權(quán)的情況下加強(qiáng)對市場的監(jiān)管和減輕消費(fèi)者的行使權(quán)力、維權(quán)成本等,簡稱{作為,無作為},用x和(1-x)表示。電商平臺的策略則是{殺熟,不殺熟},對應(yīng)的概率為y和(1-y)。而消費(fèi)者的策略是為比較價(jià)格和不比較價(jià)格,即{比價(jià),不比價(jià)},對應(yīng)概率為z和(1-z)。

為區(qū)分新老顧客,消費(fèi)者總數(shù)標(biāo)準(zhǔn)化為1,定義φ表示老顧客比例,V為消費(fèi)者估值。消費(fèi)者在使用電商平臺產(chǎn)生的數(shù)據(jù)可以分為個(gè)人數(shù)據(jù)、觀測數(shù)據(jù)和衍生數(shù)據(jù)[13]。消費(fèi)者在以L的成本進(jìn)行“比價(jià)”之后會離開原有平臺,以at1或at2的概率行使數(shù)據(jù)權(quán)利并獲得電商平臺的觀測數(shù)據(jù),收益為D1;此時(shí)商家被禁止使用消費(fèi)者的數(shù)據(jù),即損失了個(gè)人數(shù)據(jù)和觀測數(shù)據(jù),其價(jià)值為D2。

定義t為政府對原電商平臺的稅率,而m代表政府對“殺熟”的電商平臺的懲罰金額;若政府行使“作為”策略,則需花費(fèi)成本Cg,電商殺熟造成的負(fù)效應(yīng)為B1,消費(fèi)者以at1的概率行使數(shù)據(jù)權(quán)利,成本為C1。若政府行使“無作為”策略,平臺殺熟造成的負(fù)效應(yīng)為B2,且B2>B1,此時(shí)消費(fèi)者以at2概率行使數(shù)據(jù)權(quán)利,成本為C2,且at2C1。電商平臺正常運(yùn)營成本為Cm,利用大數(shù)據(jù)“殺熟”時(shí)的價(jià)格為P1,反之為P2。

1.2 收益分析

1.2.1 政府“作為”下收益分析

當(dāng)電商平臺選擇“殺熟”而消費(fèi)者選擇“比價(jià)”時(shí),消費(fèi)者付出比價(jià)成本L,此時(shí)消費(fèi)者發(fā)現(xiàn)電商平臺殺熟,老顧客選擇離開該電商平臺,并以at1的概率使用數(shù)據(jù)權(quán)利,成本為C1,因此消費(fèi)者的收益為(1-φ)(V-P2)+φ(V-P2)+at1φ(D1-C1)-L。電商平臺會以at1的概率失去顧客的數(shù)據(jù)并且受到政府的懲罰,分別為φD2和m,而獲得的只有新顧客購買產(chǎn)品的利潤,即(1-φ)(P2-Cm),因此電商平臺的總收益為(1-φ)(P2-Cm)-at1(φD2+m)。政府執(zhí)行“作為”策略,投入成本Cg,而電商平臺“殺熟”帶來的負(fù)效應(yīng)為B1,對原電商平臺的稅收和處罰分別為t[(1-φ)(P2-Cm)]和at1m,故政府總收益為t(1-φ)(P2-Cm)-B1-Cg+at1m。

當(dāng)電商平臺選擇“殺熟”而消費(fèi)者選擇“不比價(jià)”,那么消費(fèi)者的收益為V-φP1-(1-φ)P2,此時(shí)電商平臺的收益為φ(P1-Cm)+(1-φ)(P2-Cm)。由于政府的監(jiān)管基于消費(fèi)者行使數(shù)據(jù)權(quán)利之上,政府無法監(jiān)管到電商平臺的殺熟行為,因此其效用為t[(P1-Cm)+(1-φ)(P2-Cm)]-B1-Cg。

當(dāng)電商平臺選擇“不殺熟”而消費(fèi)者選擇“比價(jià)”,由于電商平臺沒有殺熟,所以老顧客不會離開和行使數(shù)據(jù)權(quán)利,故消費(fèi)者、電商平臺和政府的收益分別為V-P2-L,P2-Cm,t(P2-Cm)-Cg。

當(dāng)電商平臺選擇“不殺熟”而消費(fèi)者選擇“不比價(jià)”,那么老顧客不會離開且不會行使數(shù)據(jù)權(quán)利,因此消費(fèi)者的收益為V-P2,此時(shí)電商平臺為P2-Cm,政府效用為t(P2-Cm)-Cg。

1.2.2 政府“無作為”下收益分析

當(dāng)電商平臺選擇“殺熟”而消費(fèi)者選擇“比價(jià)”時(shí),老顧客離開該平臺,但由于政府的“無作為”,老顧客只能以at2的概率行使數(shù)據(jù)權(quán)利,成本為C2,故消費(fèi)者收益為V-P2+at2φ(D1-C2)-L。電商平臺有at2的概率失去φD2的數(shù)據(jù)價(jià)值,新顧客購買產(chǎn)品產(chǎn)生的利潤為(1-φ)(P2-Cm),由于政府“無作為”策略,電商平臺不會受到懲罰,因此電商平臺總收益為(1-φ)(P2-Cm)-at2φD2。由于政府“無作為”,電商殺熟帶來了更大的負(fù)效應(yīng)B2,因此政府的總收益為t(1-φ)(P2-Cm)-B2。

當(dāng)電商平臺選擇“殺熟”而消費(fèi)者選擇“不比價(jià)”,消費(fèi)者無法發(fā)現(xiàn)平臺殺熟,因此消費(fèi)者的收益為V-φP1-(1-φ)P2,此時(shí)電商平臺為φ(P1-Cm)+(1-φ)(P2-Cm)。與前文類似,消費(fèi)者不比價(jià)格時(shí)政府無法監(jiān)管到電商平臺的殺熟行為,故其效用為t[φ(P1-Cm)+(1-φ)(P2-Cm)]-B2。

當(dāng)電商平臺選擇“不殺熟”而消費(fèi)者選擇“比價(jià)”,消費(fèi)者付出比價(jià)成本L,但電商平臺沒有殺熟,老顧客不會行使數(shù)據(jù)權(quán)利,故消費(fèi)者的收益為V-P2-L;此時(shí)電商平臺為P2-Cm;政府效用為t(P2-Cm)。

當(dāng)電商平臺選擇“不殺熟”、消費(fèi)者選擇“不比價(jià)”時(shí),老顧客不會離開該電商平臺且不會行使數(shù)據(jù)權(quán)利,因此消費(fèi)者的收益為V-P2;此時(shí)電商平臺為P2-Cm;政府效用為t(P2-Cm)。

2 演化穩(wěn)定策略求解

首先,根據(jù)各主體收益分析可得以下動態(tài)復(fù)制方程,其中x,y和z分別代表政府、電商平臺和消費(fèi)者:

F(x)=x(x-1)[Cg+y(B1-B2-zat1m)]

F(y)=φy(y-1)[P2-P1-z(Cm-P1-D2at2)+xz(at1m+D2at1-D2at2)]

F(z)=z(z-1){L+φy[P2-P1+at2(C2-D1)]+xy(C1φat1-C2φat2-D1φat1+D1+D1φat2)}

其次,令所有復(fù)制動態(tài)方程等于0,得到表2的純策略均衡點(diǎn)。接著,根據(jù)三個(gè)主體的動態(tài)復(fù)制方程分別對x,y,z的偏導(dǎo)來構(gòu)建雅可比矩陣,利用李雅普諾夫間接法,把各個(gè)均衡點(diǎn)代入到雅可比矩陣中,并求其特征值,各均衡點(diǎn)的雅可比矩陣特征值如表2所示。

表2 雅比可矩陣特征值

由表2可得,根據(jù)Cg和φ的大小可以劃分兩種均衡,進(jìn)而得到以下命題:

該均衡意味著在消費(fèi)者不比價(jià)的情況下,盡管政府促進(jìn)數(shù)據(jù)權(quán)利發(fā)展,電商平臺仍會大數(shù)據(jù)“殺熟”。雖然政府對保護(hù)個(gè)人信息權(quán)利采取了立法行動,加大了對電商平臺的懲罰,但是由于大數(shù)據(jù)“殺熟”的隱蔽性,政府難以直接對其監(jiān)管,導(dǎo)致消費(fèi)者如果不主動比價(jià),就仍然會有電商平臺采取大數(shù)據(jù)“殺熟”策略來獲益。

命題2證明與命題一類似,該均衡結(jié)果對應(yīng)的是現(xiàn)實(shí)中大部分情況,目前針對電商平臺的大數(shù)據(jù)“殺熟”行為,政府并沒有采取相應(yīng)的監(jiān)管措施,而消費(fèi)者也沒有意識去比較價(jià)格,任由電商平臺宰割,這是因?yàn)榇髷?shù)據(jù)“殺熟”通常在悄無聲息中進(jìn)行,導(dǎo)致消費(fèi)者無從得知是否被差異化定價(jià)。

通過觀察以上兩種均衡結(jié)果,本文發(fā)現(xiàn)消費(fèi)者是否比價(jià)是電商平臺大數(shù)據(jù)“殺熟”的關(guān)鍵,而政府立法以及促進(jìn)數(shù)據(jù)權(quán)利發(fā)展則是一種輔助作用。因此,要想從源頭上解決大數(shù)據(jù)“殺熟”行為,政府更應(yīng)該是從宣傳方面進(jìn)行,從提高消費(fèi)者的意識出發(fā),讓消費(fèi)者知道每一個(gè)電商平臺都有大數(shù)據(jù)“殺熟”的潛在動機(jī),進(jìn)而在交易之前進(jìn)行比價(jià),遏制電商平臺的不良行為。

另一方面,通過對穩(wěn)定點(diǎn)的條件進(jìn)行數(shù)學(xué)初等變形,從而進(jìn)一步分析了消費(fèi)者與政府兩個(gè)主體的策略選擇原因,并得出以下兩個(gè)命題:

命題3演化穩(wěn)定狀態(tài)下,消費(fèi)者選擇比價(jià)的效用總是小于不比價(jià)被殺熟的收益,故消費(fèi)者的“不比價(jià)”策略為嚴(yán)格占優(yōu)策略,且為演化穩(wěn)定策略。

命題3解釋了消費(fèi)者為什么不選擇“比價(jià)”策略的原因,實(shí)際上這種現(xiàn)象非常普遍,很多消費(fèi)者由于比較價(jià)格的時(shí)間成本太高而沒有進(jìn)行價(jià)格比較,加劇了大數(shù)據(jù)“殺熟”的現(xiàn)象。

對于政府來說,要想解決大數(shù)據(jù)“殺熟”的問題,除了前文提出的提高消費(fèi)者比價(jià)意識之外,還可以降低消費(fèi)者維權(quán)成本,獎勵消費(fèi)者的投訴行為,抑制電商平臺大數(shù)據(jù)“殺熟”行為。

命題4在演化穩(wěn)定的條件下,政府的策略選擇取決于“作為”策略所需投入的成本,當(dāng)CgB2-B1,政府選擇“無作為”策略。

該命題解釋了政府是否選擇“作為”策略的原因,在政府的投入成本小于“作為”和“無作為”情況下電商平臺“殺熟”造成的危害之差時(shí),政府愿意加強(qiáng)監(jiān)管,促進(jìn)個(gè)人權(quán)利發(fā)展。然而,當(dāng)政府投入成本過于高昂,已經(jīng)超過“作為”和“無作為”情況下電商平臺“殺熟”造成的危害之差時(shí),從社會角度來看,政府會選擇“無作為”策略來維持社會福利最大化。

3 數(shù)值仿真分析

為驗(yàn)證模型分析的有效性以及探究相關(guān)因素對三方演化進(jìn)程的影響,本節(jié)將根據(jù)上節(jié)分析的ESS條件并結(jié)合現(xiàn)實(shí)情況對系統(tǒng)中的參數(shù)賦予數(shù)值,利用MATLAB 2018b進(jìn)行仿真模擬。

首先,根據(jù)美團(tuán)大數(shù)據(jù)殺熟的其中一件商品價(jià)格設(shè)定P1=22和P2=19;根據(jù)北京消費(fèi)者協(xié)會2019年的調(diào)查報(bào)告中消費(fèi)者遭遇“殺熟”后進(jìn)行投訴維權(quán)的比例設(shè)定at2=0.267;根據(jù)中國企業(yè)所得稅一般稅率25%令t=0.25;根據(jù)邢根上等對老顧客比例、消費(fèi)者支付意愿賦值設(shè)定φ=0.8和V=24[3];在此基礎(chǔ)上結(jié)合命題1和命題2的條件推導(dǎo)并賦予D1=20,D2=30,m=50,Cg=20,B1=20,B2=50,L=10,C1=10,C2=14,at1=0.6和Cm=18,代表均衡點(diǎn)(1,1,0)的賦值,并命名為數(shù)組1;僅改變Cg=35則代表均衡點(diǎn)(0,1,0)的賦值,并命名為數(shù)組2。

其次,將x,y,z進(jìn)行等差數(shù)列的形式來賦值,設(shè)置0.1為起點(diǎn),公差為0.2,終止值為1,演化50次后得出圖1和圖2,分別對應(yīng)數(shù)組1和數(shù)組2。

圖1 數(shù)組1演化50次結(jié)果

圖2 數(shù)組2演化50次結(jié)果

從圖1可得數(shù)組1的線條從每個(gè)初始點(diǎn)出發(fā),先下降到(0,0,0)的位置,然后到(0,1,0),最后匯集在(1,1,0),符合在命題1的假設(shè)下系統(tǒng)的演化穩(wěn)定均衡。由圖2可知數(shù)組2的線條從每個(gè)初始點(diǎn)出發(fā),先下降到(0,0,0),然后直接匯集在(0,1,0),符合在命題2的假設(shè)下系統(tǒng)的演化穩(wěn)定均衡。

然后,在數(shù)組1和數(shù)組2的基礎(chǔ)上單獨(dú)改變賦予m={50,500,5000},D1={10,20,27.034}和D1={10,20,52.005}(其中27.034和52.005為突破(1,1,0)和(0,1,0)均衡的閾值,通過多次實(shí)驗(yàn)獲得),at1={0.6,0.8,1}和at2={0.267,0.534,1},并將政府、電商平臺以及消費(fèi)者的初始參與意愿設(shè)為0.5,即x=y=z=0.5,以探討政府懲罰金額大小、消費(fèi)者數(shù)據(jù)獲益大小對演化過程及結(jié)果的影響。

如圖3和圖4所示,無論在何種均衡狀態(tài)下,都有m越大時(shí),電商平臺“殺熟”策略的演化速度就越慢,但最終均衡狀態(tài)下電商平臺依然會選擇“殺熟”策略。這意味著政府對電商平臺大數(shù)據(jù)“殺熟”行為的懲罰具有威懾作用,并且隨著懲罰越大,對大數(shù)據(jù)“殺熟”行為的抑制作用越強(qiáng)。但從長期來看,由于大數(shù)據(jù)“殺熟”的隱蔽性、消費(fèi)者難以察覺和政府難以對其監(jiān)管等原因,電商平臺依然有利可圖,故許多電商平臺仍然冒險(xiǎn)使用大數(shù)據(jù)“殺熟”獲益。

圖3 數(shù)組1下m對均衡的影響

圖4 數(shù)組2下m對均衡的影響

如圖5和圖6所示,當(dāng)D1足夠大時(shí),無在哪種均衡狀態(tài)下,最終都會打破均衡,政府和消費(fèi)者的策略分別變?yōu)椤白鳛椤焙汀氨葍r(jià)”。這意味著當(dāng)消費(fèi)者足夠重視自身數(shù)據(jù)的情況下,比價(jià)和使用數(shù)據(jù)權(quán)利的意愿增強(qiáng),政府也更愿意加強(qiáng)監(jiān)管,降低消費(fèi)者使用數(shù)據(jù)權(quán)利的成本。所以對于大數(shù)據(jù)“殺熟”的治理來說,政府應(yīng)該聯(lián)合消費(fèi)者采取協(xié)同監(jiān)管措施,共同應(yīng)對電商平臺的大數(shù)據(jù)“殺熟”行為。

圖5 數(shù)組1下D1對均衡的影響

圖6 數(shù)組2下D1對均衡的影響

如圖7和圖8所示,當(dāng)消費(fèi)者使用數(shù)據(jù)權(quán)利的概率增大時(shí),在(1,1,0)均衡中呈現(xiàn)出電商平臺向“不殺熟”演化速度加快、在(0,1,0)均衡中向“殺熟”演化速度減緩的趨勢。這意味著消費(fèi)者的個(gè)人數(shù)據(jù)權(quán)利行使會對電商平臺造成收益損失,在一定程度上會抑制其“殺熟”行為。但是消費(fèi)者可能最終由于比價(jià)成本高、維權(quán)成本高,放棄個(gè)人數(shù)據(jù)權(quán)利的使用,最終導(dǎo)致電商平臺的策略向“殺熟”演化。

圖7 數(shù)組1下at1對均衡的影響

圖8 數(shù)組2下at2對均衡的影響

4 結(jié)語

本文構(gòu)建了政府、電商平臺以及消費(fèi)者之間的三方演化博弈模型,探究了數(shù)據(jù)確權(quán)背景下數(shù)據(jù)權(quán)利對治理電商平臺大數(shù)據(jù)“殺熟”的效果,并分析了各參與者的策略選擇、影響均衡的條件以及相關(guān)因素對三方演化過程的影響,得到以下結(jié)論:

首先,消費(fèi)者是否進(jìn)行價(jià)格比較是電商平臺大數(shù)據(jù)“殺熟”的關(guān)鍵。其次,在演化穩(wěn)定條件下,政府的策略選擇取決于投入成本。此外,政府對電商平臺大數(shù)據(jù)“殺熟”行為的懲罰金額具有一定威懾作用,并且隨著懲罰金額越大,對大數(shù)據(jù)“殺熟”行為的抑制作用越強(qiáng)。最后,消費(fèi)者個(gè)人數(shù)據(jù)權(quán)利行使會對電商平臺造成收益損失,進(jìn)而抑制其“殺熟”行為。但是由于現(xiàn)實(shí)中大數(shù)據(jù)“殺熟”的隱蔽性、消費(fèi)者的比價(jià)和維權(quán)成本高、意識低等原因,使消費(fèi)者較少行使個(gè)人數(shù)據(jù)權(quán)利,最終導(dǎo)致了“殺熟”行為接踵而至。

根據(jù)以上結(jié)論,本文提出以下建議:從政府角度來看,我國政府應(yīng)該從宣傳出發(fā),聯(lián)合消費(fèi)者共同監(jiān)管,提高消費(fèi)者的權(quán)益保護(hù)意識,增加其比價(jià)的意愿。此外,政府對大數(shù)據(jù)“殺熟”的懲罰不單從金額方面思考,也可以通過官方平臺披露存在大數(shù)據(jù)“殺熟”行為的電商企業(yè),以社會輿論對其施壓。從消費(fèi)者角度來看,一方面應(yīng)該提高自身的權(quán)益保護(hù)意識,時(shí)刻警醒電商平臺的不良行為。另一方面也可以在購買之后比價(jià),從事后控制角度抑制大數(shù)據(jù)“殺熟”行為。