
富人发正品,穷人发A货,大数据售假是个什么鬼
前段时间曝光的一系列杀熟事件似乎给大数据头顶压上不轻的一座大山。接踵而来的讽刺段子堪比现在刷屏朋友圈的菊言菊语。
雷锋网编辑在“如何看待大数据杀熟”的知乎问题下,却看到了大数据的另一波骚操作——售假。
知友逻格斯写的一段关于大数据售假的内容获得了四百个赞,内容节选如下:
大数据杀熟算什么,你知道「大数据售假」吗?
某平台代购化妆品,对于 Dior、阿玛尼这些很贵的化妆品,会根据其掌握的买家的收入、消费状况进行细分:
A、如果系统判断你是个富人,平常一直用这个化妆品,就会给你发正品;
B、如果系统判断你是个穷人,买不起专柜里的化妆品,就会给你发 A 货,反正以你的消费水平你也没买过正品,更不知道什么是 A 货了。
更厉害的是,他们还「7 天无理由退货」,只要你敢申请他们就敢退。
那么退货率是多少呢?
2% 左右罢了。
这个场面是皆大欢喜的:
富人 A:23333 买到了便宜的粉底好开森。
穷人 B:23333 我也能用得起富人的粉底液了好开森。
穷人 C:诶,这个粉底液我用了起痘痘了,会不会是假货啊?
平台:小姐每个人的肤质不一样的,如果您不满意我们支持 7 天无理由退货。
穷人 C:啊?化妆品也还可以退货?好开森。
这样的场景无处不在,这一次的「杀熟」无非是击中了某些人脆弱的一面:我把你当兄弟,你居然想……?
抱歉,资本是不讲情义的,正如马克思所说的,如有 50% 的利润,它就铤而走险;为了 100% 的利润,它就敢践踏一切人间法律;有 300% 的利润,它就敢犯任何罪行,甚至绞首的危险。
什么什么,商家开始用大数据分析你的贫富状况并根据结果选择发A货还是真货了?前两天刚从某平台买了一堆化妆品的编辑感觉脸上一紧……
大数据为您一键细分,贴心服务
如果数据分析中心工作时候会说话,它可能的状态是:
哦上帝,看看这位女士前段时间都买了什么,XX、XX……好的相信我,她想要买的这瓶XX一定是她最近甚至是史上买过最贵的护肤品了,即使给她一瓶A货她也会用的很开心。
Amazing!这位女士一星期买了几万的美妆护肤品,我强烈建议给她划分至有钱人梯队,优先发货,从优发货。
……
当然以上情形只是想象,现实中大数据售假是怎么操作的?
邦盛科技副总经理孙斌杰告诉雷锋网,从理论上说,大数据售假主要利用的是数据爬取、采集和建模分析技术,通过把用户的职业、家庭收入、消费状况等各类数据,爬取和采集过来后,经过深度的清洗、加工后,通过关联分析等技术,建立相应的模型。简单说,就是对这个用户的经济收入、进行购买习惯和消费习惯等方面做一个用户画像,然后用设定的规则模型去套这个画像,画像跟哪类规则模型匹配,就采取类似的发货策略。
钱塘号曾概括过收到A货的人可能需要的特殊品质。比如购买能力,你在网上买件商品,订单提交后,系统会自动查询分析你在全平台的购物数据,如果你在同类产品消费倾向绝对大部分是低价位品牌,系统就判定你没用过高价位大牌真品,所以后台经分析后将你备注为低风险客户,给你发的货就容易是高仿货;
又比如收货习惯,其中退货少的人更容易买到假货,你的消费记录、购买记录、客单价记录将作为发货参考数据被系统识别。很多人有类似经历,买来的产品有小问题又不影响使用,怎么办?退货嫌麻烦,只有忍了。你如果真想退货,电商常常解释是因为发货前没有检查货品!
这显然是假话,因为每一批次的瑕疵品都有记录,之所以发给你,是因为你的综合退货率偏低而已,系统会自动认定你“好说话”、“能将就”,一有假货就优先“照顾”你。如果你收到货连看都不看,假货不给你给谁呢!
甚至收货地址也可能促使你买到假货。这并不是说二三四线城市就一定发假货。如果能识别收货手机与收货地址所在城市有没有产品专卖店。如果没有,你也没买过同类产品,系统会“放心”分配高仿货给你;如果有专卖店,系统会查询你是否买过同品牌产品。有消息透露,按此套路售卖高仿货,退货率还不到5%。
大数据真的售假了?还是过分解读
看完上述的售假事件,围观群众瑟瑟发抖,纷纷表示自己从没给过差评、没退过货、甚至买东西时都不会跟店主聊上一句。一但系统认为自己是个“没脾气的老好人”是不是就悲剧了?对方会故意给次品,故意把排后发货。
“所以以后我要多多退货、多多投诉。一但发现我被杀熟了,我就故意购物、故意退货、故意投诉、故意去举报。”某网友这么说道。
众多网友担心的情况会出现吗?
在孙斌杰看来,尽管从理论上分析大数据售假事件是可行的,但这种平台恶意行为并不常见。
因为这需要收集用户的多维度数据,同时进行相关的计算分析后,建立相应的规则模型。每次用户购买时,要启动相关的数据匹配后进行计算,查看是否与相应的规则模型匹配,才能确定发假货还是真货。、
这听起来容易,做起来却没那么容易,需要数据技术等支撑。一般商家没有能力也没有预算投入大数据分析。但随着互联网发展,不排除这类情况会增加。
“从某种层面上讲,大数据售假真实存在,通过大数据的能力把买卖双方串联起来,双方各取所需。但正如前面所说,我认为目前各类平台,不至于太多的存在专门投入相关经费整合数据,利用技术卖假的现象,这一说法有点过分解读。”
售假事件并非电商首创,类似事件一直存在。就算卖菜的小贩也会看人报价,只不过大数据可以把感性的“看人外表猜性格”替换成按数据了。
至于大数据售假到底存不存在?
电商那么多,一定有商家正在这样做,也一定有商家没想到可以这样。
而对于消费者,似乎只能更谨慎的网购,保护自己的各种数据不泄露了。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28