近日，网信办等四部分决定开展【关于开展“清朗·网络平台算法典型问题治理”专项行动的通知】。通知中的“算法专项治理清单指引”给出了核验项目、核验要点、核验内容。今天针对大数据“杀熟”，和大家分享一下美国FTC（联邦贸易委员会）正在对“监控式定价”开展的调查。
一、定价方式概述
在描述大数据杀熟之前，需要先介绍几个概念。
首先是动态定价。想象一下，您正在浏览一家在线商店，考虑购买一款高端智能手机。你已经盯上它一段时间了，但今天，当你查看价格时，你发现了一个有趣的现象——价格比昨天略低。出于好奇，在刷新了几次页面，结果发现价格一直在波动。这种实时价格调整被称为动态定价，是由一种复杂的算法驱动的，它能适应市场条件和客户行为等因素。
还有一个细分概念就是算法定价。算法定价是一种动态和数据驱动的方法，用于设定收入最优的产品或服务价格（revenue-optimal prices）。与传统的固定定价不同，算法定价是指使用先进的数学模型和数据分析来确定任何特定时刻的最优价格。这种方法考虑了各种变量，如供求关系、竞争、客户行为，甚至天气条件等外部因素。目标是什么？最大限度地提高盈利能力，同时获得竞争优势并对市场变化保持快速反应。
传统定价方法。几十年来，传统定价方法一直是制定产品价格的首选方法。传统定价依赖于长期保持不变的固定定价结构。这种静态定价方法有其优点，既简单又易于实施。最常见的方法包括成本加成定价、竞争对手定价和价值定价。这些方法为制定价格提供了基准。但是传统定价方式存在以下几个问题：
传统定价模式僵化，无法适应市场波动。它们不考虑需求变化、季节性变化或消费者偏好的变化。这往往会导致在高峰期错失收入机会，或在淡季造成库存过剩。
完全依赖基于竞争对手的定价可能会导致竞相压价，从而侵蚀利润空间。使用传统定价方法的公司往往会陷入定价战，从而难以脱颖而出并保持盈利能力。
传统的定价方法可能无法准确反映产品的感知价值。这可能会导致定价过低，使潜在利润流失，或定价过高，使对价格敏感的客户望而却步。
动态定价算法的一个显著特点是其灵活性。零售商可以根据市场趋势、需求波动、顾客行为、购买力和其他众多因素，为特定购物群体量身定制价格，提供最佳价值产品。
二、动态定价的“负面例子”
2002 年，亚马逊率先采用了这一系统，并进行了一项实验，对不同消费者购买相同的 DVD 收取不同的价格。不过，亚马逊声称他们是随机定价，而不是根据消费者的个人数据。但是，当消费者注意到价格差异时，立即引起了公众的愤怒，迫使亚马逊发布了以下声明：
"现在回想起来，这种随机测试是一个错误，我们对此感到遗憾，因为它给客户带来了不确定性和复杂性，而我们的工作就是简化客户的购物流程。因此，两个多星期前，我们根据客户的反馈意见，改变了我们的政策，以保护客户的利益。
"亚马逊创始人兼首席执行官杰夫-贝索斯（Jeff Bezos）在一份声明中说："我们从未测试过，也永远不会测试基于客户人口统计的价格。"我们所做的是随机价格测试，即便如此也是一个错误，因为这给顾客带来了不确定性，而不是简化了他们的生活。"
2019年，调查记者发现，美国零售商Target应用程序上的价格会根据用户的位置而增加。该应用程序收集了用户的地理位置信息。当用户在 Target停车场时，该公司收取的价格明显高于用户在其他地方时的价格。据报道，这些价格上涨是基于这样一种假设，即已经前往商店的用户承诺购买产品，因此愿意支付更高的价格，而其他购物者可能需要更大的激励才能前往商店购买产品。
另外，同样是一家美国公司Staples，其利用用户的位置信息向附近选择较少的客户收取较高的在线价格。该网站向距离OfficeMax或Office Depot实体店约 20 英里范围内的客户提供更低的价格。
三、动态定价的基础：供求关系 vs. 个人信息
在域外的文献中，动态定价和监控式定价都是根据市场情况调整价格的策略，但它们在实施方式和侧重点上有所不同。
动态定价（Dynamic Pricing）是一种根据实时市场需求、供给情况、竞争对手价格以及其他宏观因素来调整商品或服务价格的策略。价格可能会频繁变化，以优化销售和利润。例如，航空公司根据座位销售情况和剩余座位数量实时调整机票价格，网约车平台根据供需关系实施“高峰加价”。
监控式定价（Surveillance Pricing）则更侧重于对个体消费者的行为和特征进行监控和分析，然后根据这些数据对价格进行调整。这可能涉及使用消费者的浏览历史、购买记录、地理位置、设备类型等信息，来制定个性化的价格策略。目的是通过了解消费者的支付意愿，最大化企业收益。
总结区别：
调整依据不同：动态定价基于宏观的市场因素，如供需和竞争；监控式定价基于对个体消费者的微观数据分析。
定价目标不同：动态定价旨在适应市场变化，提高整体销售和利润；监控式定价旨在从每个消费者身上获取最大收益。
技术手段不同：动态定价主要依靠市场数据和算法；监控式定价需要收集和分析大量的个人消费者数据。
因此，基于供求关系变化的动态定价，区分于基于个体消费者行为和特征的定价模式。
四、美国FTC近期发起对监控式定价的官方问询动
2024年7月，美国联邦贸易委员会（FTC）宣布对监控定价做法展开调查，列出了对公司如何利用个人数据为消费者制定个性化价格的担忧。联邦贸易委员会向八家公司发出了 6(b) 命令，以收集有关其数据监控定价做法和数据收集的信息。
联邦贸易委员会的调查主要集中在几个关键领域：
透明度和公平性：联邦贸易委员会希望确定消费者是否因其个人数据而被收取不同的价格，这可能会导致不公平或歧视性的定价行为。
数据收集和使用：调查旨在揭示正在收集的数据类型、如何使用这些数据，以及消费者是否意识到他们的数据是价格制定的一部分。
对竞争的影响：联邦贸易委员会担心，监控定价可能会使公司在市场上获得不公平的优势，从而损害竞争。
消费者保护：该研究旨在评估消费者是否受到充分保护，免受监控定价的潜在剥削，特别是在隐私和数据安全方面。
联邦贸易委员会要求涉及的8家企业提供以下特定类型的信息：
用户细分和定向定价解决方案：
每个解决方案的详细说明，包括预期用途、技术方法、算法模型、功能和数据输入。
所有宣传材料的副本。
计划、业务战略、研究、产品路线图和竞争定位。
2. 数据来源
内部和外部数据源：
使用的所有数据源的详细清单。
数据收集方法、使用的平台、保留期限，以及数据是否由公司、数据经纪人或第三方收集。
关于外部数据提供方的信息，包括成本和数据共享协议。
对数据源进行监督和尽职调查，包括消费者通知和同意使用数据。
数据地图显示所使用的所有数据字段，并详细说明数据来源、更改、专有状态、合规工作和保留期限。
3. 技术文档：
细分和定价。
关于如何为单个消费者确定细分或定价的技术文档，包括设计文档、输入参数、系统图、模型验证和应用程序接口。
解决方案随时间推移而发生变化的详细信息，包括模型训练频率。
与消费者数据收集或使用相关的所有隐私通知、披露信息、同意书、使用条款和最终用户许可协议的副本。
4. 商业客户信息：
销售和客户信息：
对所有商业客户的年度总销售额，包括单位和美元。
所有商业客户和潜在客户名单，以及合同详情。
顶级企业客户的名称和地址，以及采购、合同和服务协议的详细信息。
企业客户使用解决方案的合同限制和执行机制。
了解企业客户如何使用公司的解决方案。
同一行业多个企业客户使用相同解决方案或数据源的实例。
5. 分析和报告：
对定价和消费者的影响：
评估细分或定价解决方案对企业客户的定价、销售或收入以及对目标消费者的影响的所有分析、报告、研究、交流、宣传材料和调查。
6. 合规与保密：
遵守隐私和数据保护规定：
就数据使用是否符合隐私法、消费者通知和同意以及解决方案的准确性和可靠性向企业客户做出的陈述。
五、小结和展望
我国的【关于开展“清朗·网络平台算法典型问题治理”专项行动的通知】的“算法专项治理清单指引中，对大数据杀熟的检查要点如下：
在公号君看来，显然FTC提出的信息项也很可能成为我国算法专项治理行动中检查的重点信息。
以下附上FTC发给8个公司的信息调取公函。
声明：本文来自网安寻路人，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
