
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
左偏态分布转正态分布:方法、原理与实践 左偏态分布转正态分布:方法、原理与实践 在统计分析、数据建模和科学研究中,正态分 ...
2025-07-21CDA 数据分析师的职业生涯规划:从入门到卓越的成长之路 在数字经济蓬勃发展的当下,数据已成为企业核心竞争力的重要来源,而 CD ...
2025-07-21MySQL执行计划中rows的计算逻辑:从原理到实践 MySQL 执行计划中 rows 的计算逻辑:从原理到实践 在 MySQL 数据库的查询优化中 ...
2025-07-21在AI渗透率超85%的2025年,企业生存之战就是数据之战,CDA认证已成为决定企业存续的生死线!据麦肯锡全球研究院数据显示,AI驱 ...
2025-07-2035岁焦虑像一把高悬的利刃,裁员潮、晋升无望、技能过时……当职场中年危机与数字化浪潮正面交锋,你是否发现: 简历投了10 ...
2025-07-20CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-18刚入职场或是在职场正面临岗位替代、技能更新、人机协作等焦虑的打工人,想要找到一条破解职场焦虑和升职瓶颈的系统化学习提升 ...
2025-07-182025被称为“AI元年”,而AI,与数据密不可分。网易公司创始人丁磊在《AI思维:从数据中创造价值的炼金术 ...
2025-07-18CDA 数据分析师:数据时代的价值挖掘者 在大数据席卷全球的今天,数据已成为企业核心竞争力的重要组成部分。从海量数据中提取有 ...
2025-07-18SPSS 赋值后数据不显示?原因排查与解决指南 在 SPSS( Statistical Package for the Social Sciences)数据分析过程中,变量 ...
2025-07-18在 DBeaver 中利用 MySQL 实现表数据同步操作指南 在数据库管理工作中,将一张表的数据同步到另一张表是常见需求,这有助于 ...
2025-07-18数据分析师的技能图谱:从数据到价值的桥梁 在数据驱动决策的时代,数据分析师如同 “数据翻译官”,将冰冷的数字转化为清晰的 ...
2025-07-17Pandas 写入指定行数据:数据精细化管理的核心技能 在数据处理的日常工作中,我们常常需要面对这样的场景:在庞大的数据集里精 ...
2025-07-17解码 CDA:数据时代的通行证 在数字化浪潮席卷全球的今天,当企业决策者盯着屏幕上跳动的数据曲线寻找增长密码,当科研人员在 ...
2025-07-17CDA 精益业务数据分析:数据驱动业务增长的实战方法论 在企业数字化转型的浪潮中,“数据分析” 已从 “加分项” 成为 “必修课 ...
2025-07-16MySQL 中 ADD KEY 与 ADD INDEX 详解:用法、差异与优化实践 在 MySQL 数据库表结构设计中,索引是提升查询性能的核心手段。无论 ...
2025-07-16解析 MySQL Update 语句中 “query end” 状态:含义、成因与优化指南 在 MySQL 数据库的日常运维与开发中,开发者和 DBA 常会 ...
2025-07-16如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15