通过用户主动提交和被动被索取，平台获取用户基础数据及行为数据进行分析后，就能给一个用户贴上成千上万的标签，完成用户数字画像。里面清晰记录着用户的身份信息、使用喜好、消费习惯等，方便机器识别，甚至深层次预测用户行为，并在此基础上进行商品推荐。

中国科协“源新闻”专家库成员、中国传媒大学大数据研究中心教授 沈浩：用户画像的本意是针对个性化推荐。不同的用户的数据信息量是不一样的，就个性化来讲，我只针对你的数据来进行相应的推荐算法的实现。而对另一个人，他是另一种算法的实现。这个服务包中，可能有更好的比如说时效性或者优先性，它可能会出现“杀熟”的现象。

对于算法而言，通过用户数据量以及数据更新频次，就可轻易判断出是“生客”还是“熟客”。而随着用户行为的固化，比如说经常购买某一类商品，算法对其的识别也就越来越简单。

中国科协“源新闻”专家库成员、中国传媒大学大数据研究中心教授 沈浩：只要有个性化推荐，其实都存在着我们一般意义上的所谓的“杀熟”的可能性。就像大海捞针一样，它也能够捞出绝对数，因为对它来讲大海捞针没有成本。从操作上来讲，计算机在互联网上很容易实现。

“杀熟”手法多样 消费者防不胜防

要想精准锁定消费者，对于大数据来说太容易了。所以近来大数据“杀熟”也出现了不少变种。

比如根据你的地理位置定价。如果你附近的商场少，大数据就会认为你买东西不方便，然后给你看到的商品加价。

根据你的消费记录定价。如果你买过的东西价格普遍较高，大数据就认为你“不差钱”，然后给你加价。

根据你的搜索频率定价。如果一件商品你在短时间内搜索过多次，大数据就会认为你急需这件商品，然后给你加价。

还有就是控制商品的可见性，直接把价格低的商品屏蔽掉，逼你买贵的。

与算法斗智斗勇 “反杀熟”胜算几何？

既然知道了大数据的一些“杀熟”套路，我们能不能反其道行之，来进行“反杀熟”呢？比如说通过不断安装卸载购物平台，来伪装成新客户，享受优惠价格。与算法斗智斗勇，胜算究竟有多大呢？

中国科协“源新闻”专家库成员、中国传媒大学大数据研究中心教授 沈浩：有可能会改变，起点作用，但是我觉得大部分“反杀熟”是不起作用的，甚至应该说，应该说微不足道这件事情。

专家表示，改变自己的部分行为或许能一时骗过大数据，但无法从根本上解决问题，因为你周围的人群并未改变。大数据能够通过你朋友的朋友的用户行为，来推测出你的消费偏好。这就是“社会网络分析算法”。

中国科协“源新闻”专家库成员、中国传媒大学大数据研究中心教授 沈浩：朋友的朋友是朋友，这叫链路预测，一个人的价值不是由连接这个人的价值决定的嘛。算法实际上是很容易搞清楚它的这个里边的这个关系是什么，谁跟谁的关系。那在这个关系里边，我们就可以找到这种网络的这个影响，那这样，这个人的价值是由这些人影响。那么购物也是这样的。

在个性化推荐的基础上，进一步使用深度学习算法后，平台甚至可以摆脱对“用户画像”的依赖。也就是说，无所谓生客还是熟客，瞬间就能完成商品推荐。以电影海报为例，当记者模拟购买编号为366的商品时，有9款与它造型相似的产品被瞬间推送过来。

中国科协“源新闻”专家库成员、中国传媒大学大数据研究中心教授 沈浩：理论上可以推无限，我只是显示了9个。显然这个东西都是设计好了的，就是套餐都做好了的，所以他从这样来讲不会因为你的改变而来改变。如果说他真正有意做这个“杀熟”，实际上是更容易做到的。

文章来源：《大数据》 网址: http://www.dsjzz.cn/zonghexinwen/2020/1104/1316.html