近日，復旦大學孫教授的一項調研成了網上熱議的話題。
孫教授帶領團隊在國內5個城市，花50000元，收集了常規場景下的800多份樣本，得出一份打車報告。調研結果顯示，蘋果機主更容易被專車、優享這類更貴車型接單；如果不是蘋果手機，則手機越貴，越容易被更貴車型接單。
該結論隨即引發網友熱議。
一
此報告隨即衍生出了一個熱詞：“蘋果稅”。
不知道多少蘋果機主看到該報告後會發出一陣苦笑，面對這樣扎心的結論，自己面對“殺熟”，連一個規避的方式都沒有，逃無可逃，遁無可遁，莫名成為“韭中貴族”，充當冤大頭。
此外，“蘋果稅”還體現在蘋果使用者比非蘋果使用者享受到的打車優惠更少。資料統計發現，蘋果手機使用者平均只能獲得2。07元的優惠，而非蘋果使用者平均可以獲得4。12元的優惠。同時，蘋果手機使用者打車延誤時長比例均高於非蘋果手機使用者。
就算使用者不是蘋果機主，平臺也會根據所持手機的價位來“針對性服務”，即機價位越高則越有可能被更貴車型接單。
報告還揭露了兩點真相：第一，使用者實際支付價格會大機率高於平臺預估價；第二，資料分析表明，平臺存在先提價，再淆以各種名義進行減免的“偽優惠”現象，給使用者造成平臺在“補貼”的假象。
孫教授的這項調研算是“實錘”了打車平臺的大資料殺熟。類似的情況，在外賣、電商平臺也曾被曝出過——總而言之，在這個資訊透明、隱私無處遁形的時代，我們已經被演算法完全滲透，一時再難以殺出重圍。
二
大資料殺熟，老生常談了。通俗解釋一下，就是網際網路平臺利用大資料和演算法對使用者進行畫像分析，從而收取不同價格等行為的概括性說法。
大資料殺熟的運作邏輯是這樣的：首先使用者在（打車、外賣、電商）平臺註冊賬號，在平臺的資料庫裡就會形成一個ID，隨著使用者在平臺上活躍行為增多，在平臺就留下了種種資料痕跡，演算法透過這種痕跡就可以計算出使用者的下單均價、點單喜好、常去的位置等資訊。
在平臺的演算法體系中，面對消費者就有一套標籤體系，根據這些標籤，演算法平臺再對使用者進行匹配，形成一套最終的報價。
雖然每次一有相關新聞被爆出，就會被平臺大力闢謠，但隨著時間推移，傳聞越來越多，大資料殺熟卻儼然變成了平臺定價通行的“潛規則”。消費者面對平臺信誓旦旦的“保證”，再加上生活上對這些平臺已形成高度依賴，根本無法做到“解除安裝棄用”。
有業內人士表示，大資料殺熟，違規也違法，大資料殺熟源自資訊不對稱，興於較低的試錯成本。買賣雙方間擁有資料量的差異造就了資訊不對稱，而正是這些不對稱資訊讓消費者處於明顯的相對劣勢地位，給予了大資料殺熟生長的空間。
網際網路公司之所以能進行大資料殺熟，除了因為演算法掌握著海量的資料，另一個原因，是一人一屏的消費場景給消費者創造了一種虛假的公共性。
與傳統線下消費的統一標價不同，網際網路時代，每個人一部手機，每個人的手機介面都是大資料演算法為其“量身定製”的結果，如果不刻意比對，消費者會以為自己手機上看到的介面、價格是與其他人一樣的，這便給大資料殺熟開了捷徑。
目前，只有加快個人資訊保護、反壟斷和反不正當競爭方面的相關立法，才能為大資料運用劃出一道道紅線，實現“資料趨惡”向“資料向善”的改變。
