为了让我们在网上“血拼”，电商们想了一招

　　【腾讯科技编者按】你是否愿意在晚上7点之前花更多钱买一双鞋子?如果你居住在郊区，商品价格是否会有所不同?

　　随着电商和大数据的发展，统一定价和简单折扣正让位于更复杂的定价策略，而这样做的目的是确保零售商获得最大化的利润。

　　《大西洋月刊》近期刊文，对互联网时代的电商定价策略进行了详细解读。

　　以下为腾讯科技(微信号ID：qqtech)编译整理的文章全文：

　　随着2015年圣诞节的临近，南瓜派香料的价格出现大幅波动。与经济学教材中的经典理论不同，这一价格并未大幅上涨，但也没有暴跌，而只是剧烈震荡。在亚马逊网站上，不同时间段一盎司装的南瓜派香料价格为4.49美元或8.99美元。约一年之后，随着2016年感恩节的临近，价格再次出现震荡，这次分别为3.36美元和4.49美元。

　　在当前的时代里，机票价格会不断变化，打车时会遭遇动态调价，而其他商品和服务的定价也时有创新。这是由于什么原因?是由于计算机故障?看起来，这更像是有意为之的做法。古鲁·哈里哈兰(Guru Hariharan)表示：“这更像是一种获取更多数据，测试最合适价格的策略。”

　　最合适价格，即零售商利润最大化的价格，正受到越来越多变量的影响。这正是创立5年的Boomerang Commerce的关注点。哈里哈兰是Boomerang Commerce创始人，也是亚马逊的前员工。他表示，这样的定价测试已成为寻找，或重新寻找最合适价格的常规做法。目前，最合适价格每天甚至每小时都会改变。(亚马逊表示，该公司的价格调整并不是为了获得关于用户消费习惯的数据，而是为了给消费者提供当前最低的价格。)

　　在购买一罐季节性香料的过程中，你可能已经参与了经过精心设计的社会科学实验。这样的事实令人震惊。然而，这正是在线比价购物的精密之处。简单来说，消费者有能力知道任何商品在任意时间、任意地点的价格，而这样的能力正引起零售商的重视，零售商希望在这场博弈中重新占得上风。零售商同样也在比较消费者。

　　在这一过程中，零售商掌握着丰富的工具：无论你是在电商网站上把一件商品放入购物车，还是在实体店的POS机上刷卡，都会留下详细的数据。顶级经济学家和数据科学家能将这些信息变为有用的定价策略。一名技术经济学家表示：“开展大规模试验的能力是经济学历史上前所未有的。”3月中旬，仅亚马逊的招聘网站上就列出了59个经济学家的职位，亚马逊同时开发了专门的网站去招揽这些人才。

　　另一方面，一些别出心裁的定价行为，包括相对于建议零售价的折扣，买一送一，或是简单的“每日最低价”，都在带来更不寻常的策略。

　　哈佛大学营销学教授罗伯特·多兰(Robert Dolan)表示：“我并不认为，有人能预料到这些算法会变得多么复杂。我当然也不能。”一项研究表明，目前，自动贩卖机中一罐苏打水的价格会随着外界气温而变化。谷歌(微博)推荐的耳机价格将取决于你是否喜欢在网上淘便宜货。对消费者来说，这意味着价格变得更加捉摸不定：目前的价格和20分钟后的价格不同，你看到的价格和邻居看到的价格也不同。多兰表示：“很长时间以前，对于特定商品有着统一的价格。”而当前的问题，即这罐南瓜派香料的价格究竟是多少，将取决于零售行业的“海森堡不确定性原理”。

　　这带来了更大的问题：一般认为互联网带来的透明度有利于消费者，但情况是否恰恰相反?

　　前互联网时代的状况

　　根据19世纪法国社会学家加布里埃尔·塔德(Gabriel Tarde)所说，如果说市场是买卖双方的一场战争，那么价格就是停战协议。为某款商品或服务确定价格的行为实际上是一种长期敌意状态，即讨价还价的终止。

　　与任何停战协议类似，双方在这一过程中都有所让步。买方被迫接受，或不接受价格标签上的价格(价格标签是零售业先驱约翰·瓦纳梅克(John Wanamaker)的发明)。零售商做出的让步更大，即不再研究买方在不同价格上的购买意愿，从而可能损失了额外的利润。但基于道德和实际原因，双方最终完成了讨价还价的过程。

　　贵格派教徒，包括纽约商人罗兰·梅西(Roland Macy)，从不认为应当根据不同对象制定不同价格。作为费城长老教会的成员，瓦纳梅克的Grand Depot商店遵循“面向所有人统一定价，没有歧视”的原则。其他商人也看到了梅西和瓦纳梅克统一定价策略带来的好处。在为新百货商店招聘店员时，训练数百名店员掌握讨价还价的艺术非常耗时耗力。制定统一价格有利于账目的可预测性，加速了销售流程，也使商家可以在印刷广告上明确标出某款商品的价格。

　　类似通用汽车的公司发现了一种方式，可以避免部分利润的损失。20世纪20年代，通用汽车为旗下不同品牌构建了价格层级。根据《财富》杂志的报道，“雪佛兰面向大众，庞蒂亚克面向没钱但自傲的人，奥兹莫比尔强调舒适而谨慎，别克面向奋斗的人群，凯迪拉克瞄准富人”。通用汽车将这种策略称作“根据不同经济状况和目的提供不同汽车”。实际上，这是一种客户分类的做法，只是促使客户自己将自己分类。

　　另一方面，消费者也可以通过优惠券的形式夺回属于自己的部分权利。40年代兴起的连锁超市将优惠券变成了美国人生活中最常见的东西之一。大型超市意识到，尽管消费者喜欢停战协议带来的保障，但他们也希望获得比自己的邻居更好的待遇。这样的行为随后也得到了经济学家的证实。消费者非常喜欢这样的优惠，而为了理解他们的行为，经济学家被迫对两种类型的价值进行区别：获得价值(即在消费者看来，一辆新车应该卖多少钱)，以及交易价值(将决定消费者认为，自己最终谈下的价格是好是坏)。

　　标签价格的概念，以及消费者有时能在此基础上获得的优惠，这些构成了停战协议的具体内容。这样的停战协议一直维持到世纪之交。零售业的超级霸主沃尔玛开始采取永远不变的“每日最低价”策略。

　　从90年代开始，互联网的发展打破了长期以来的和平。精明的消费者可以去逛百思买门店，了解想买的商品，随后却从其他地方以更低的价格入手。这也导致百思买这样的实体店变成了“展厅”。1999年，来自西雅图的亚马逊试图也发展成为类似Grand Depot的零售商。

　　互联网零售的时代终于到来，而买卖双方之间的敌意再次出现。

　　互联网兴起之初

　　回顾过去，零售商的改变速度很慢。即使其他企业职能，包括物流和销售团队管理，在世纪之初凭借强大的预测软件获得了明显的改善，但零售定价仍更多地是一种艺术，而非科学。在一定程度上，这是公司内部层级的反映。以往，定价权掌握在零售组织二号人物，即经销负责人的手中。该人士凭直觉去确定销售什么商品，价格是多少，而这在外界看来往往很神秘。

　　然而，两方面的改变削弱了经销负责人的权力。

　　首先是数据的增长。80年代初，托马斯·纳戈尔(Thomas Nagle)曾在芝加哥大学教经济学。根据他的回忆，学校当时从连锁店Jewel新安装的结账扫描仪获取数据。纳戈尔目前是德勤的定价高级顾问。他表示：“所有人都很激动。我们以往依赖于人工调查：‘如果这些商品是这个价格，你会怎么做?’然而现实世界并不是一场受控的试验。”

　　来自Jewel的数据颠覆了纳戈尔的教学内容。例如他曾经认为，相对于凑个整数，商品定价以0.99或0.98美元结尾不会带来销量的提升。他认为，这样的做法只是耍了个花招。以往许多商店这样做的原因是，店主用这种方式迫使收银员打开收银机去找零，避免收银员藏匿收到的现金。然而情况并非如此。他表示：“结果表明，在购买汽车或其他大件商品时，价格以0.99美元结尾并没有什么影响。然而在便利店，这样做的效果很明显。”

　　这种效应目前被称作“左位偏见”，并未出现在实验室试验中。这是因为，试验参与者通常只有有限的决策，他们对待每笔假想购物的态度就像是数学问题。而在真实世界中，人们不会这样做。

　　到本世纪初，零售商服务器收集到的数据变得越来越多，从而开始发挥出自身的“万有引力”。这也带来了第二点改变：“阴暗科学实践者”的大规模到来。

　　从某种方式来看，这是个很有趣的趋势。过去几十年中，学院派经济学家通常对企业漠不关心。(实际上，他们建立的大部分模型都几乎都不提企业在经济活动的存在。)

　　然而到2001年，情况发生了改变。当时加州大学伯克利分校的经济学家哈尔·瓦里安(Hal Varian)遇到了埃里克·施密特(Eric Schmidt)。瓦里安1999年出版的著作《信息规则》很有名。瓦里安知道施密特这个人，但他不知道施密特是一家小公司谷歌的CEO。瓦里安答应在谷歌花上一年时间，写一本关于创业经历的书。

　　当时，极少数工作在产业界的严肃经济学家专注于宏观经济问题，例如，对消费类耐用品的需求在未来一年中将会如何变化。然而，瓦里安当时被邀请关注谷歌一个“或许能赚点钱”的项目：这是个拍卖系统，也是谷歌AdWords的前身。在这之后，瓦里安再也没有离开谷歌。

　　其他经济学家也在这样做。伯克利的经济学家史蒂夫·塔德利斯(Steve Tadelis)表示：“eBay就像是个迪士尼乐园。”他于2011年加入eBay，而目前则供职于亚马逊。这些公司有经济学家关心的所有元素，包括定价、消费者、行为、声誉。此外，在这里还有机会“以前所未有的规模展开试验”。

　　最初，新到来的经济学家主要依靠分析现有数据去获取信息。例如在eBay，塔德利斯利用买家点击记录去估计，在一小时内，淘便宜货的行为总共给消费者省了多少钱。(答案是大约15美元。)

　　随后，经济学家们意识到可以更进一步，设计特定的试验来获取数据。这些经过谨慎设计的试验一方面是为了获得需求曲线，即随着价格上涨消费者购买商品的数量，零售商凭借这类信息来实现利润的最大化。另一方面，他们也试图弄清楚曲线每小时变化的情况。(网购高峰出现在工作日上班时间，因此零售商通常会在上午涨价，并在傍晚时降价。)

　　到00年代中期，一些经济学家开始关注，大数据技术是否能识别单个消费者的需求曲线，从而将理论中的“完美价格歧视”(即通过谨慎定价，导致个体消费者支付最高的价格)变为现实。

　　统一定价的消亡

　　随着新世界的逐渐成熟，电商最初对消费者的吸引力，例如购物方便、价格便宜，正逐渐发生改变。

　　这并不是说，消费者无法再享受到电商带来的优惠价格。价格仍然是便宜的，但某些优惠活动并没有看起来那么好。许多人开始怀疑自己被宰。2007年，加州一名名为马克·艾岑巴格(Marc Ecenbarger)的男子发现，标价999美元的一套庭院桌椅在Overstock.com上售价为449.99美元。他买了两套，在打开包装后发现，在沃尔玛这套桌椅的售价仅为247美元。他感到非常愤怒。他向Overstock.com投诉，而该网站最终同意退货。

　　他的经历随后被消费者保护律师当作证据，用于起诉Overstock.com发布虚假广告。此外在当时的内部邮件中，Overstock.com的员工承认，标签价格被“过分夸大”是众所周知的现象。

　　2014年，加州一名法官判决称，Overstock.com应当支付680万美元的民事罚款。(该公司随后选择了上诉。)TruthinAdvertising.org组织执行董事邦妮·帕腾(Bonnie Patten)表示，围绕虚高的标签价格，过去一年发生了多起类似诉讼。2016年，亚马逊开始大规模放弃“标签价格”的提法，而是改为提供另一项参考数据：商品的历史价格。

　　这被视为以往统一定价体系走向消亡的最后阶段。作为替代者的新定价体系非常类似于华尔街的高频交易。在全新的世界中，价格永远不会一开始就被“设定”。价格每小时，甚至每分钟都会改变。对于曾经将商品放入亚马逊购物车的消费者来说，这样的情况并不少见，他们常常收到提醒，告知购物车中商品价格的变动。一个名为camelcamelcamel.com的网站甚至会跟踪特定商品在亚马逊网站上的价格变化，并在价格低于用户预设值时发出提醒。对于任何给定的商品，价格变化就像是股票走势。

　　与金融市场类似，这一体系偶然也会发生故障。2011年，由于两名第三方卖家之间用算法展开的价格战，皮特·劳伦斯(Peter Lawrence)的著作《The Making of a Fly》平装版在亚马逊的售价突然变成23,698,655.93美元。为了了解当时究竟发生了什么，我们可以与参与当时软件开发的人聊聊。

　　实体零售商的处境

　　在加州山景城Boomerang总部的会议室里，古鲁·哈里哈兰拿出一支白板笔，试图解释究竟是什么原因促使零售商在一天内多次调整商品价格。在白板上，他画了多条曲线，代表在多种不同商品(图书、DVD和电子产品)的总销量中，电商所占比例的逐年上升。与此同时，他在曲线上标出了年份，代表多家实体零售商(Borders、Blockbuster、Circuit City和RadioShack)破产的时间。最初，这些年份看起来随机性很大，但在分析后可以看到，所有的破产都发生在电商销售占比达到20%至25%时。哈里哈兰指出：“决定性的节点就处在这个区间中。”

　　在达到决定性节点后，同时开展电商和实体业务的传统零售商将会感受到价格压力。哈里哈兰谈到，以往他走进RadioShack门店时，会有店员帮助他找到需要的线缆接头。然而，当零售商面临价格压力时，会倾向于削减员工、培训和客户支持费用。然而，利润率仍在继续下降，而如果店里没有任何人可以帮你，你为何还要去实体店购物?最终，这些零售商走向了失败。(这正是RadioShack走过的道路，该公司于2015年提交了破产申请。)

　　哈里哈兰认为：“情况并不一定非得是这样。”目前，他正在帮助实体零售商做出反击。

　　消费者没有能力处理所有的价格信息，因此会根据少数几款熟悉的商品去判断某家商店的商品价格是高是低。零售商知道这一点已有几十年时间。因此，它们会将店里鸡蛋和牛奶的价格定得很低，同时提高其他不容易被消费者注意到的商品价格。

　　哈里哈兰拥有机器学习的学位。在供职于亚马逊期间，哈里哈兰协助发明了“亚马逊销售教练”系统，并申请了专利。该系统帮助第三方卖家优化库存和价格。在Boomerang，他和团队开发了一个大规模的价格追踪系统，将数十亿价格决策告知其客户，包括Office Depot、GNC和U.S. Auto Parts。不过，这个软件的引擎并不是为了匹配市场上的最低价格。(哈里哈兰认为，匹配最低价格其实是一种很初级的算法。)软件的目标是管理消费者对价格的感知，能识别用户感知度最高的商品，并谨慎地确保这些商品价格与竞争对手一致。所有其他商品的价格都可以有所上浮。

　　哈里哈兰表示，亚马逊在很久之前就已经掌握了这种技巧。有一次，在黑色星期五之前的6个月，Boomerang监控了亚马逊网站上一款热门三星电视机的价格波动。在黑色星期五当天，亚马逊将电视机的价格从350美元下调至250美元，远远低于竞争对手。Boomerang的机器人也注意到，10月份，亚马逊曾将作为配件的某些HDMI线缆的价格上涨约60%。亚马逊知道，在网购时，消费者会针对价格较高的商品去比价，但对价格较低的商品并非如此。

　　有趣的是，其他零售商也在接受这样的做法。在演示中，Boomerang的员工打开了提供给客户的一个软件控制面板。在预定义的算法菜单上滚动，他选择了一条规则：对于满足以下筛选条件的商品，“比竞争对手便宜10%”。

　　用代码描述，这条指令就是：If (comp_price>cost) and (promo_flag = false) then set price = comp_price*0.90

　　这里的意思是：如果竞争对手的商品定价比商品制造成本高，且竞争对手没有开展一次性的促销活动，那么将价格定为竞争对手的90%。在一次点击后，这条规则得到了执行。在屏幕上，我可以看到该客户的价格感知指数出现了健康的下降。

　　不过，这还不是故事的全部。该客户的降价将会出现在竞争对手的价格监控面板上。是否做出回应部分取决于它们的算法如何表述这一信号。这是否是价格战的第一枪?或者这家零售商只是在清理库存?在实际中，这些问题很难回答。因此，良性的临时调价将会演变成为机器之间的价格战。如果不对这样的价格战做出干涉，那么最终结果将很快突破零售商的底线。Boomerang的客户可以选择“Guardrails”功能，这些额外的规则将会对最初设置的规则做进一步确认。此外，客户还可以加入一定程度的人工监控。Staples是Boomerang的首批客户之一。该公司首席技术官法萨尔·马苏德(Faisal Masud)认为，人工干预只在少数情况下是有意义的。“我们希望确保由软件来做出决策，而不是依靠人工。”他表示，“这是完全自动化的，否则你就会失败。”

　　当前的零售商定价非常复杂。因此，至少有一家Boomerang的客户开始关注博弈论。可以说，此前博弈论几乎没有在零售业得到过什么实际应用。哈里哈兰表示：“你要判断，‘主要竞争对手对我的反应是什么?如果我知道他们的反应，那么我第一步的最佳行动是什么?’这就是纳什均衡。”约翰·纳什(John Nash)对数学做出了重要贡献，而目前他的理论被用于研究商品定价。

　　那么，终点在哪里?

　　定价从复杂回归简单

　　其中的场景之一：追求简单。

　　例如，服装创业公司Everlane就计划针对消费者对零售商模糊定价的不满而采取措施。该公司列出了每件商品的成本，以及该公司所获得的利润。近期，Everlane告知消费者，来自内蒙古的羊绒成本出现下降。该公司随后将羊绒衫的价格下调了25美元。对于这种做法，Everlane创始人及CEO迈克尔·普雷斯曼(Michael Preysman)认为是“极度的透明”。

　　还有一次，Everlane决定清理服装和鞋子库存。该公司向消费者提供了付款的3种选择。最低价格仅包含商品制造和运输成本。中等价格中还包含了销售费用。而最高价格可以给Everlane带来利润。

　　有些人会好奇，这种人为制造的道德困境是否会是最终的价格花招?答案是否定的：87%的消费者选择支付最低价格。(选择中等价格的只有8%，而最高价格只有5%。)普雷斯曼强调，这样做是为了让消费者知道，商品如何制造，员工如何获得报酬，并让他们了解鞋盒和羊毛衫价格标签以外其他不容易被注意的东西。

　　普雷斯曼表示：“Everlane的理论仍是一种我们需要去证明的理论。”企业“训练美国消费者对促销上瘾。这已成为零售工业的核心部分，很难打破。因此，如果市场参与者每天都在玩这样的游戏，那么重新教育市场中的消费者就非常困难。”

　　然而在另一些场景下，消费者并不喜欢这样的透明度。如果他们认为自己少花了钱，认为自己有本事找到只提供给自己的特别优惠，那么即使支付更高的价格也无所谓。在这种情况下，消费者将拒绝Everlane的方式，而零售商和经济学家可以把握住自己的“圣杯”。

　　完美价格歧视再次被认为是只存在于课堂上的试验。然而，这种理论假定，卖家知道每个个体消费者选择拒绝的价格，因此通过提供比这一数字稍低的价格，卖家就可以实现利润的最大化。

　　以往，零售商使用群体数据去推断消费者的拒绝价格。2000年，有人认为亚马逊正在这样做。当时有消费者发现，在购买同一DVD时，不同用户看到的价格不同。亚马逊对此表示否认。亚马逊CEO杰夫·贝索斯(Jeff Bezos)在当时的公告中表示，这只是随机的价格测试。“我们没有测试过，也永远不会测试，根据消费者人群的不同而制定不同价格。”

　　布兰迪斯大学经济学家本杰明·席勒(Benjamin Shiller)近期在题为《利用大数据的第一级价格歧视》的论文中指出，在确定价格时，这种基于群体数据的做法是一种粗暴的方式。他的模型预测，如果Netflix仅仅利用人群特征信息，例如种族、家庭收入和邮政编码，去决定每月订购价格，那么利润只能获得0.3%的提升。但如果Netflix利用用户的网页浏览历史，例如用户周二上网的时间，访问烂番茄网站的次数，以及其他5000种变量，那么利润可以提升14.6%。

　　Netflix并没有这样做，该公司甚至并没有向席勒提供数据。(席勒从第三方获得了这些数据。)不过席勒证明，价格个性化的做法是可行的。

　　其他公司是否正在这样做?西班牙加泰罗尼亚的4名研究员试图回答这个问题。他们在一周时间里使用普通计算机去模拟“富人”和“价格敏感”人群的网页浏览模式。在虚拟人物“购物”时，他们看到的不是同一商品的不同价格，而是不同的商品。面向富人推荐的耳机平均价格是面向价格敏感人群的4倍。另一项试验以更直接的方式证明了价格歧视：对于同样的商品，地址为大波士顿地区的计算机看到的价格要低于马萨诸塞州更偏远地区的价格。

　　在题为《监测互联网上的价格和搜索歧视》的论文中，研究人员提出，消费者可以从价格歧视监控系统中获益。这样的系统能持续监控个性化的价格(不过目前并不清楚，谁将开发并运营这样的系统)。由谷歌的哈尔·瓦里安参与的另一篇论文则认为，如果价格个性化的做法太过分，消费者将会变得“更有策略”，会选择性地保守或披露信息，从而获得最优惠的价格。

　　对TruthinAdvertising.org的邦妮·帕腾来说，复杂的定价策略导致购物变成了一项庞大的工作。她表示，目前的情况已经“很复杂”。“一般来说，在我为孩子们购物时，我发现计算商品的实际价格很难。我的新技巧是走到收银机处再做出所有的决定。我挑选了许多衣服。在结账之前，我会忽略所有价格。如果有些商品价格太高，我会说‘不要了’。”

　　那么，她如何为自己购物?帕腾回答：“我不会去购物。我已经放弃了。”

　　在挂掉电话之后，我陷入了思考。帕腾这样做或许是由于她的工作让她知道了太多。或许她就是她自己口中所说的“生存型购物者”，不会为了一双帆布鞋从30美元降价至8美元而激动。这样的想法符合另一种解释，而加布里埃尔·塔德将其称作“怀疑的疯狂”：我们可以接受的不确定性是有限的，我们不会在一个上午无休止地去了解日用品的价格是在上涨还是下降，在某个极限点上，我们将自动屏蔽这些信息。帕腾已经触及了这样的极限点。(编译/昱烨)