个性化定价|算法歧视：个性化定价背后的价值考量( 二 )

为什么数字生活越是深入，我们跟数字服务提供商讨价还价的筹码越少？
为什么口口声称的“上帝”如今成为引颈待割的“韭菜”？
究其原因在于数字化世界具备了上文提到的两个先决条件。
（1）数字化世界里的买家呈现原子化的特征：每个人单独面对着自己的电脑或手机屏幕，每一块屏幕将买家区分开来。
除非特意，否则买家根本无从得知，显示在这个屏幕上的价格，到底是一个标准定价，还是针对他个人的定价。
（2）所谓的平台和系统根据用户的属性、历史行为可以收集大量的数据，从而分析出买家的画像，使得有能力了解不同买家的购买能力和偏好，从而做到千人千价。
接下来，我从买家商业价值分析入手，把自己一知半解的、关于个性化定价的知识分享给大家，虽然乍看起来，这些内容也是负能量深重，但却是商业社会实实在在必需的操控技巧。
1. 你的口袋Data可见数据最懂你。根据你搜索的时间、频率，能判断出你是“随便逛逛”“有点种草”还是“迫切需要”，进而调整价格。还可以根据你的收货地址，判断你的居住区域、进而衡量你的消费能力。
总而言之，买家在平台上的注册、浏览、点击、购买、咨询都会被用来投喂平台或系统的算法，进而从三个维度六个指标衡量买家的商业价值：
维度一：忠诚度
指标一：最近一次消费时间（Rccency）：理论上来讲，上一次付费时间距离现在越近的买家的商业价值越大。
指标二：消费频率（Frequency）：消费频率越高，买家价值越大，用户忠诚度越高。
维度二：购买力
指标三：消费金额（Monetary）：消费金额越大，买家的消费力也越大。
指标四：最大单笔消费金额：用以衡量买家的消费潜力。
维度三：价格敏感度
指标五：特价商品消费占比：表示特价商品在买家累计销售额中的占比，作为衡量买家对价格敏感程度的一个指标。
指标六：高单价消费占比：表示高价商品在买家累计销售额中的占比，作为衡量买家对价格敏感程度的一个指标。
其中前三个指标就是著名的买家价值研究的RFM模型，它源于美国数据库营销机构的研究，目前已经成为买家价值研究以及用户运营的通用模型。
这三个维度既可以单项分析，也可以组合在一起分析。
单项分享比较简单，这里不做介绍，而综合分析则可以较为完整的刻画买家的商业价值，我们首先需要量化上述6个指标，一般采用标准打分制（行业不同、企业不同、标准也会不同），参考下表：

文章插图
——买家价值评分标准
通过对以上六个指标的量化分析，卖家基本上可以完整描摹出买家价值。

文章插图
——买家类型的雷达图
于是乎，卖家看到了精准营销的空间。图中的1号买家，忠诚度很高，但是购买力和价格容忍度都不高。这种类型的买家，虽然消费力不够，但节约了营销资源，即便不互动（不发优惠券），他们也会定期复购的。
同样坐拥庞大数据的滴滴也可以对不同用户采用不同的定价策略。比如说，根据用户在App上的使用记录推断用户的价格敏感度，并以此对高敏感的用户做打折优惠、或者对非活跃用户做价格营销。
若论本质，上述的个性化定价就是经济学上的三级价格歧视。
然而不同的是，淘宝和滴滴们可以把定价策略持续细分，直到每个用户都有一套针对自己的价格体系。在极限情况下，定价会变成一级价格歧视，所有的用户端的剩余都将归淘宝/滴滴所有。