“大數據殺熟”是壹段時間以來的熱門話題,關於科普原理、揭示本質的文章數不勝數。但是,相比於“大數據殺熟”背後的策略和原理,我想大家可能更關心的是,我該怎麽做才能避免被“大數據”殺死。
首先,我們簡單介紹壹下“大數據殺熟”的現象和原理。
最常見的“大數據殺熟”現象:
對於壹款打車平臺軟件來說,同壹時間相同起點和終點的行程,預估價差可達20%以上;
在壹個在線訂票平臺上,如果妳高頻搜索並持續關註,搜索到的機票價格會持續上漲,預訂後才發現價格下跌;
簡單來說,就是指通過大數據分析和預測,對同壹商品和服務的不同對象收取不同價格的現象。
顧名思義,“大數據殺熟”——它的技術基礎是大數據,也就是海量的用戶數據。
通過妳的基礎屬性數據判斷妳的用戶群體和人群特征(比如消費能力),通過妳的行為數據判斷妳的偏好和強烈的消費意願。
綜合壹系列分析,判斷妳是誰,妳現在要做什麽,妳願意付出多少。然後通過精準的用戶畫像,向消費能力高、消費意願強的用戶展示更高的價格,賺取更多的利益。
知道了對方的伎倆,對策自然不言而喻——“反用戶畫像”。
具體應該怎麽做?我給妳提供以下思路和方案,大部分都是我自己試驗過的,是有效的。妳也可以試試。
想法壹:人像偽裝
1.簡單粗糙的版本
操作指南:卸載再重裝APP。
親測案例:某打車APP。卸載重裝後,票價比卸載前(2分鐘前)便宜5到6元。
背後的原理:偽裝流失用戶或者新用戶。
有相關運營經驗的同學應該知道,運營有四大任務:創新、留存、提升、轉型。為了吸引新客戶,通常會給新客戶更大的激勵;對於已經流失或即將流失的用戶,平臺通常會給予特別的優惠來召回和挽留。
而卸載的行為對應的是用戶的流失。重裝後有壹定概率被認為是新下載用戶。
所以通過卸載重裝這種簡單的行為,妳就會被賦予壹些特權,貼上“召回流失用戶”或者“新用戶”的標簽。
註意:
壹定概率的意思是:對於非強制登錄的產品,生成用戶標識的方式壹般是cookie id,卸載重裝後會有新的cookie id,判斷為新用戶;對於需要註冊登錄才能使用的產品,重裝未必有效,因為平臺用妳的手機號記錄妳是誰,記錄妳的數據。
卸載重裝不僅可以用於大數據殺,也可以用於壹些遊戲。比如去年風靡壹時的陰陽師,短時間卸載再重裝,基本上幾個平局之內就能產生SSR。其實也是常見的遊戲運營策略。
2.交叉驗證版本
操作指南:多找幾個朋友壹起試試。
親測案例:出行前兩個月,朋友在某訂票平臺上持續關註航班機票。關註了很久,發現門票價格居高不下,6000多元。我聽說後,馬上幫忙搜索查詢,搜索結果顯示票價不到四千,於是幫忙訂票,省了兩千塊。
背後的原理:精細化運營下,同壹策略同時擊中多人的概率很低。
所以盡量多找朋友,甚至用父母的手機(網絡行為不活躍,數據較少的用戶)搜索比較,然後選擇價格最低的。
3.妳得到的越多,妳就越容易上癮。
操作指南:偽裝價格敏感用戶。
親測案例:“無券不下單”的用戶越多,被派發紅包和優惠券的概率和優惠力度越大。
背後原理:價格敏感用戶是指下單意願受價格和優惠力度影響較大的用戶群體。在用戶運營上,為了節省預算,最大化轉化,平臺會選擇向最容易被補貼誘導轉化消費的用戶發放補貼。
所以,如果妳能被定義為價格敏感型用戶,獲得優惠補貼的概率會比普通用戶高很多。
想法二:肖像模糊了
操作指南:反向操作
案例舉例:當妳想搜索A的時候,搜索壹些不相關的B、C、D,用不相關的數據掩蓋妳的真實意圖數據。
背後的原理:用戶畫像的準確性來源於用戶行為數據的收集和分析。做壹些違背自己實際意圖的操作,留下錯誤的標簽,降低平臺采集數據的真實性和準確性,降低用戶畫像的匹配度。
但需要註意的是,用戶畫像是壹把雙刃劍。知道的越多,就越能體貼,也越容易發現妳的弱點,傷害妳。所以,當妳的用戶畫像的準確度降低時,妳受傷的可能性降低,同時妳享受的精細化、個性化服務的質量也可能降低。
選擇哪邊是妳的選擇。
想法3:數據保護
操作指南:關閉位置許可,關閉Wi-Fi自動連接,關閉APP數據需求許可。
案例舉例:這裏我想說壹個我自己的反例。
三月底的壹天,我去國家會議中心參加北京婚博會。晚上回到家,打開微博和微信,發現所有的信息流廣告都變成了婚紗照、婚慶公司、婚紗等等。讓我感到恐怖的是,我之前從未在手機上進行過任何與婚姻相關的搜索,之前也從未出現過與婚姻相關的廣告。這壹切改變的唯壹原因是我自己去了婚禮博覽會。
背後的原理:公共*** Wi-Fi泄露或者位置服務泄露。我和同事討論過這件事,經過分析得到了以上兩種可能性。無論哪種方式,原理都是通過網絡獲取妳的物理位置(婚博會現場),然後分析妳的歸屬人群(婚期臨近)和需求(婚禮相關消費),再推送信息流廣告。
我們需要做的是不要讓妳的私人數據(包括地理位置、通訊錄、相冊等。)得到盡可能多的。關閉所有不必要的位置權限、照片閱讀權限和通訊錄閱讀權限,不要連接未知的Wi-Fi,甚至壹些官方Wi-Fi。
寫在最後
以上思路和方案,目前來看應該還能有效壹段時間。基於這些思路,妳也可以想出更多其他應對“大數據殺熟”的方案。
但是,技術和方法總是在發展和進步的。如果我們不想成為待宰的羔羊,我覺得我們能做的就是跟上他們,知道他們是什麽,知道為什麽,然後想辦法解決。
範炳老師對大數據殺熟的名言做了壹個恰如其分的類比:
命運賜予的壹切禮物,在黑暗中早已標上了價格。
我們在享受數據帶來的越來越便捷的服務的同時,也要盡快考慮自己將要付出的代價。
以“大數據殺熟”為代表的動態定價只是冰山壹角。
在不久的將來,數據安全其實就是妳我的安全。