近日，有微博網友自述其被大數據“殺熟”的經歷引起網友關該網友稱，他經常通過某旅行服務網站訂某個特定酒店的房間，長年價格在380元到400元左右。偶然一次，通過前臺他了解到，淡季的價格在300元上下。他用朋友的賬號查詢後發現，果然是300元；但用自己的賬號去查，還是380元。

每日經濟新聞稱，通過梳理下方網友評論時發現，網絡公司大數據“殺熟”的行為不僅發生於在線旅遊預訂平臺和打車軟件，還存在於人們日常生活的通訊套餐、電影訂票、網絡購物中。

用大數據來殺熟？不是按照一般消費者的理解，熟客應該更加便宜一些嗎？

難道大數據是佛系的，從來不“殺生”。答案或許會更加有趣：

大數據殺熟，其實就是貪小便宜的技術智障！

為什麽這麽說呢？通過大數據，發現某些人會長期高黏性的在平臺上購買某個服務。然後按道理來說，這時候就應該推送一些優惠來增加這種頻次吧。但其實不然。

比如開房，長期較為固定和有節奏的在特定時段開房，理由是什麽，咱們就不細究了。但這時候，優惠其實沒有任何作用。至少在平臺方覺得，優惠劵只是讓本來到手的利潤變少，不如不給，反正你會來開房，等你來就好了。

然後呢？大數據發現，您在平臺上消費的頻率不錯，是熟客，用互聯網思維來說，就是黏性很高的客戶，不怕你走，也不怕你貨比三家（一般這樣的客戶已經不再比價了，你覺得呢？），然後，一個思維出現了，既然你固定消費，定時定點開房，那麽貴一點，也是沒問題的吧……

於是，大數據就為你擅自加價了。當然，我們要認識到，這其實就是一種技術智障，而且不容易被發現，慣用一個App後，大多數用戶確實很少再裝一個同類App了，這時候，用戶自己就營造出一個信息不透明的信息繭房。。所以，佛系大數據就出手了。

但大數據忽略了一點，所謂當下的大數據，其實都是一個平臺或一個矩陣下的數據，很大但不全，總有極少數用戶會發現殺熟的問題，並廣而告之，最終眾人皆知。

只不過，反正在同一領域下，就是老大和老二之間的競爭，如果兩家都如此，也就無所謂這樣的技術智障了。

結果呢，很多時候為何一些新進的平臺立刻能躥紅，就是抓住了老大老二貪小便宜、店大欺客的漏洞，然後“咱不貪”。

補貼這種好事，為什麽只是給新客戶？

用喝可樂、看電影做個例子，更容易理解補貼或優惠劵這種事。如果你是才開始接觸可樂，或才開始習慣去看電影的用戶，大數據會發現你是初來乍到。這時候，好處來了。

新手進門就一個禮包（很多電商平臺都有這類新註冊用戶專屬禮包，優惠力度之大，比VIP都好），然後還附贈可樂。

結果新手可能不喜歡吃可樂，但會看電影，那麽下一次換雪碧、芬達、爆米花，總有一種你喜歡。然後，就看新手的軌跡了，最近頻率高，什麽電影都看，優惠劵灑一地，讓你逐步找到喜歡看的電影。

最近頻率有點低，優惠劵召喚你，讓你來二次消費。

一段時間頻率正常了，你是熟客了，給不給優惠劵你都會來，票價恢復正常，可樂請你自己買。

為何呢？就好像喝可樂，一天你也就消費一瓶，給你多了好處，大數據認為是浪費，不給你好處，反正你也會喝，那就讓你習慣“自費”就好了，比線下實體店便宜點，就算是很客氣的了。

“佛系”大數據如何正確的“殺熟”呢？

殺熟這種事，其實是大數據應用不充分的一種表現，換言之，就是大數據換上了小商人貪小便宜的毛病。

那麽真正的大數據如何正確的“殺熟”呢？用開房為例，如果發現某個用戶很長期普遍的開380元的房，在某個區域裏，大數據可以：

1.跳出來打招呼，要不咱們試試隔壁家380元的，原價1888，大床圓床泡泡浴，品質比現在這家多個星……結果，可能就進入消費升級模式了。

2.跳出來灑紅包，您覺得周邊的泛娛樂消費有興趣嗎？殺雞遊戲專屬網吧等著您，紅包拿好，咱家今天酬賓，出差在外，晚上別宅房間裏了……結果，可能因為這個用戶在家經常玩吃雞，就又消費升級了。

3.跳出來給驚喜，長期380元開房，沒問題，您是本店一千萬個到店住客，今天消費不免單，不過可以享受酒店提供的更多服務，這個可以5折……結果，本來喜歡自己洗衣服的你，現在開始酒店洗衣一條龍了

4.跳出來做更多的驚喜，說白了，就是別直接在開房的錢上占便宜，那是一個愚蠢的大數據，而是要根據用戶平時幹嘛，帶著他去逛花園……結果，消費都爆表了

文末補一刀，為何會殺熟呢？恰恰是大數據根本沒用好，只是單方面對著“開房”這麽一件事下功夫。

張書樂 人民網、人民郵電報專欄作者，互聯網和遊戲產業觀察者

為啥熟客就要多花80元開房？“佛系”大數據為何舉起殺熟的刀