算法價格歧視下消費者感知背叛與應對策略分析

劉延雪

（天津師范大學政治與行政學院，天津 300387）

一、引言

近些年來，隨著互聯網技術蓬勃發展，一些先進的互聯網技術，如5G、大數據等先進的數字技術已融入人們生活中，互聯網數據逐步發展成為一種重要的戰略性資源，甚至成了許多企業的發展數字資源。在大數據分析、大數據挖掘等技術的支撐下，眾多企業通過利用網絡技術，搜集和分析消費者的數據，對消費者進行個性化需求分析，制定出吸引消費者且易于被他們所認可的營銷方案，最大程度地促進其消費，提升企業的銷售成功率，為企業創造更多的訂單和利潤。然而，由于商業的趨利性，部分企業會選擇對數據信息進行灰色化分析和使用，將算法價格歧視當作提高銷售額的手段。在此情況下，企業根據不同消費人群的消費心理和消費習慣等，記錄和分析顧客的消費心態和消費行為，對相同的商品進行差異化定價，導致部分人群的消費開支增大，從而損害消費者權益。在感受到自身遭遇到算法價格歧視時，不同的人群對這一行為的感知背叛感也存在差異，進而所引發的連鎖反應也存在不同。因此，了解不同群體的感知背叛程度及規避算法價格歧視的出現，對電子商務的發展具有重要意義。

二、算法價格歧視的機理分析

（一）算法價格歧視的具體實現步驟

實施算法價格歧視的過程在各個行業中呈現出不同的特性，但總的來說，可以分為三個主要階段，即“數據匯集階段—算法判定階段—信息推送階段”。

1.數據匯集階段

在數字化的時代背景下，許多經濟行為都被數字化記錄下來，同時網絡平臺也儲存了大量用戶的設備信息、服務記錄、身份信息及行為偏好等數據。這些數字信息通常被稱為用戶的“元數據”。要獲得這些“元數據”，首要步驟是收集數據，將分散在各處的“元數據”整合到一個統一的數據集中，通過對這些“元數據”進行適當的轉換，就能得到用戶的特征數據。這些特征數據通?？梢苑譃橄M者屬性數據和消費者行為數據兩大類。消費者的主要特征數據包括用戶畫像（如性別、年齡、職業等）、地理畫像（如所在的行政區域和級別等）、設備畫像（如登錄的設備品牌、型號等），而消費者的行為數據則包括他們常使用的APP、頻繁關注的頻道及在購物時的支付方式（如微信、支付寶、銀聯等）。在過去，個人隱私信息主要由政府部門統一管理，然而在數字化的時代，如網絡運營商、平臺運營商、智能設備制造商等非政府組織，可以方便地獲取全面的樣本數據，獲取的用戶數量、樣本覆蓋面和時間跨度都大大超越了過去。當前，企業對數據元素的競爭已轉變為關鍵資源，因此，大數據也被視為21世紀等同“石油”的重要資源。

2.算法判定階段

根據石穎（2022）的觀點，在數字化的信息時代，許多社會經濟企業部門已逐漸開始使用算法作為決策的手段。這些算法能夠對大批數據進行融合、排序、分類、培養，然后把問題拆分為若干個子問題，創建數據集，給各種數據打上標記，最終利用機器學習方法去分析和預測新的數據。

通常，機器學習存在兩種不同的識別方式。一種是監控識別方式，利用已標記的數據樣本來構建“輸入”和“輸出”之間的規則；另一種是無監控識別方式，直接識別未標記的數據并創建相應的規則模式。如今，算法已轉變為人類思維的一種表現形式，基于已有的知識體系和經驗判斷，在特定環境下能夠自我推導出因果關系。隨著算法決策的普遍應用，算法也逐步演變為一種新的社會經濟管理模式，成為人類創造的一種用于規范并影響個人行為和社會秩序的工具。盡管算法的運行方式可能是完全公正的，但算法編寫、參數挑選和標記都包含了編程人員的個人決定。特別是對那些由商業資金支配的互聯網平臺公司來說，算法的運行方式深深地烙上了商業邏輯的印記，這導致了其獨立性、客觀性和公正性遭到了普遍的懷疑。

3.信息推送階段

借助消費者在平臺所留下的“數字足跡”，平臺公司運用算法技術為其建立“數字畫像”，根據利潤最大化的準則，針對特定的消費人群實施有針對性的營銷和差異化的定價。通過運用算法，平臺公司能夠篩選出那些對價格不太敏感的消費者作為推銷對象，而這些消費者的購買決定往往是由習慣性的心態所影響，當他們對某個網絡平臺有了深入了解之后，就不再愿意花費更多的時間去比較通過各種渠道購買商品的價格和質量。此類消費者被稱為對該平臺有依賴或黏性的用戶，同時他們也是算法價格偏差的主要受害者。由于這些平臺的忠實用戶無法立即感知到其商品或服務的某種程度的變動，因此網站能夠借助消費者的習慣思考，對他們實施漲價政策并通過發布個性化廣告、精準推送等手段，使其陷入高額消費的陷阱。目前的計算機系統能夠根據每一個用戶創造獨特的數據模型并持續追蹤，協助公司識別出導致用戶不合理消費或者易受傷害的主要原因，并借此機會把消費欲望變成了實際的購買行動。

（二）算法歧視的經濟學分析

依托經濟學分析框架，可從福利的角度來分析算法價格歧視的具體實現過程及其后續影響。在這一過程中，需要對經濟學模型進行必要的假設，并對一些相關的參數進行界定、說明。通過分析網絡電商平臺與用戶之間的均衡關系，假定交易雙方都是理性經濟人，并且在購物的消費者中存在一定比例的消費者對商品的價格敏感度較低（即算法價格歧視中更容易被加價的對象）。為進一步分析福利的變化，還需要假設參與交易的消費者只消費兩種不同的商品分別是商品A 和商品B，其中一種商品是從網絡平臺購買的。而另一種則是通過非網絡的形式購買，從而可以在一定程度上展現實際生活中商品交易的多樣性。

基于上述原則設定，通過效用水平和福利水平變化來對算法價格歧視的經濟學影響進行分析。與此同時，進一步對部分參數進行核校，其中消費者買單一個商品的價格是p，所帶來的效用用u表示，市場中所有的消費者都有著總收入的約束；在總收入中消費者用于網絡購物的消費比例是y，并且存在著一部分對價格不敏感的消費者群體，其比例是λ，在網絡電商平臺中企業銷售產品的成本是θ，這一成本也就是網絡電商平臺商戶可以接受的最低的銷售價格，而商戶在銷售過程中對平臺價格不敏感用戶的加價幅度為c。

1.沒有算法價格歧視影響下的福利分析。研究中先從不存在價格歧視角度下分析不同的市場交易主體的福利狀況，在商家不實現算法價格歧視的情況下，商家對所有的消費者都采用統一的定價策略，此時從網絡上購買商品A的價格是pA，而非網購的商品B價格定價為pB，此時單個消費者可以獲得的總效用則為：

而就網絡平臺的銷售商家來說，如果有n個消費者選擇從線上平臺消費，則經濟剩余約為：

社會總福利為：

2.存在算法價格歧視影響下的福利分析。在存在算法價格歧視時，如果網絡平臺商家針對部分價格不敏感的用戶進行算法價格歧視，那么相比于傳統的定價策略則會產生相應的變化，如果平臺對價格不敏感的用戶的價格幅度是ε，在此情況下所有消費者的總效用則變化為：

對很多的網絡電商公司來說，企業的經濟剩余變化為：

社會總福利為：

3.上述兩種狀況的對比分析

通過對這兩種不同的狀況下的消費者總效用及社會總福利的變化情況，分析算法價格歧視的經濟學差異。對比公式（2）與公式（5），可以得出網絡電商平臺在進行算法價格歧視定價之后，其總體的經濟剩余提高了nθε，但反觀消費者的總效用則是出現了明顯下降，而社會總福利的變化無法得出一個準確結果，需要進一步分析才可以得出較為精確的結果。

三、研究設計與結果分析

（一）算法價格歧視對顧客感知背叛的影響機理檢測研究

以實驗的方式來分析算法價格歧視與消費者感知背叛之間的關系。一方面，假定算法價格歧視的程度越高，消費者所感受的背叛程度也越高。另一方面，算法價格歧視越大，用戶動機屬性就會越高，因此其對交易行為的認知也就越高。

1.實驗法

預調查：研究目標是在什么樣的應用中，用戶最容易遇到“大數據殺熟”這一問題。以2022 年12月7 日為研究時間節點，進行了相關的調查研究。選取30個研究對象，要求他們描述出在哪個在線平臺上被殺熟（包括算法價格歧視）。從數據統計看，排名依此分別是美團、滴滴、攜程、淘寶、京東、飛豬、去哪兒、拼多多等，美團和滴滴分別以11/30 和10/30 的比例排在第一、第二位。因此，將進一步以美團、滴滴作為研究對象。

實驗一，以美團中的酒店預訂系統為研究樣本，進行實證研究結合預調查實驗。美團之前被曝光存在有大數據殺熟現象，所以選擇美團作為實驗對象，并且調查發現在美團提供的服務中，酒店預訂和外賣是最有可能被“宰”的。另外，在調查中，如果消費者同時在美團上購買了同樣的商品，那么很可能會被美團認定為一個忠實的客戶，而不是一個新客戶，忠實客戶在購買相同的商品時就有可能會出現差價，這樣的差價實際上就是美團對其“大數據”進行了“殺熟”，對消費者的權益可能造成極大損害。

實驗二，測試算法中的價格歧視是否真實及強弱。以2022年12月7日為研究時間節點，進行了調查研究。使用Hindermann（2018）的算法價格歧視問卷，測量美團的算法價格歧視。第一，美團（M=5.60）熟客較新客多支付；第二，美團通過AI算法（M=5.54）對新客戶的“高價”進行了“大數據殺熟”；第三，這樣的差價會對個人權益產生重大的影響（M=5.69）；第四，這是美團（M=5.60）對熟客進行了價格歧視。使用Likert7 進行打分，1 表示很反對，7 表示很贊同。對算法定價歧視進行的信度和效度檢驗結果分別為0.844、0.811，顯示出較好的信效度。

實驗三，以2022 年12 月15 日—16 日為研究時間節點，進行本次調查。以使用美團的個體為主要研究對象，采用定向試驗方法，收集近期有出游意向的386位大學生信息，開展定向實驗，填寫相關調查表。

2.調查分析結果

首先，根據得到的386位調查結果，將這些調查對象分成高、低差價兩個群體。單變項檢驗顯示，高價差群體對算法價格歧視的分值明顯大于低價差群體，高、低差價群體兩者間的均值差為47.63，P＜0.001，表明研究結果能夠有效地測算出算法的價格歧視。

其次，研究算法價格歧視對用戶感知背叛的影響。圖1 展示了調查對象在不同的運算法則下，在感知背叛和蓄意歸因分數上的價格歧視。圖1（a）是針對感知背叛而產生的算法價格歧視的影響，圖1（b）則是針對蓄意歸因而產生的算法價格歧視。從圖1（a）可以看出，兩個群體都存在價格背叛行為，而低價群體所感覺到的價格背叛明顯比高價群體要少，結合圖（16）低價群體的感知背叛和畜意歸圖平均水平分別為4.11、4.62，P＜0.001。結果顯示，相對于較弱的算法價格歧視，較高的算法定價會對用戶的感知背叛產生更大的作用。

圖1 算法定價歧視化對顧客忠誠認知的影響及其蓄意歸因在其中的調節效應

圖2 算法價格歧視對顧客感知背叛的影響及蓄意歸因的中介作用和關系質量的調節效應

在此基礎上，檢驗算法價格歧視對決策動機及其他可能的解釋變量的作用。從圖1（b）可以看出，低價群體對欲望的感知比高價群體要低，同理高消費水平的消費者平均水平分別為為5.37、5.6，P＜0.001。研究結果顯示，相對于較弱的算法價格歧視，較高程度的算法歧視讓用戶更傾向于認為其是廠商故意為之。

其中，高價群體個體化定價均值1.102，低價群體為1.234、F=0.921、P=0.217。情感狀況方面，高學歷者平均為4.066，學歷較低者為4.012，F=0.207，P=0.325。因此，這兩個因素對算法價格歧視不大的群體的評估不明顯，不能用來解釋算法價格歧視對感知背叛的作用。而且高、低價個體化定價平均值都遠小于4，表明個體化價格不會成為一個中間變量。另外，兩個實驗對象的平均情感水平都在4左右，表明實驗對象的情感較穩定，由此將這兩種可能的干擾因素剔除。

采用過程模型4（Hayes，2017）來檢驗蓄意歸因對認知加工的影響。結果表明，蓄意特征變量對出賣知覺的預測存在顯著的干擾作用，95%的置信區間為[0.6523，1.2827]。對于較弱的算法價格歧視而言，被算法價格歧視的用戶具有較高的動機和較高的感知背叛。由此，用戶受到的算法價格歧視越大，用戶的動機屬性及其對交易行為的認知都會更高。

總之，通過對比實驗，檢驗高強度的算法價格歧視對感知背叛的主效應和檢驗動機的調節機制。這一研究將從理論上闡明算法價格歧視對用戶感知背叛的機制，并進一步考察在何種情況下這種效應仍有可能被削弱。

（二）關系質量的調節作用檢驗

1.實驗設計

預調查表明，在用戶眼中，滴滴是排名第二的“殺熟”應用，而其提供的“快車”服務則是最有可能成為“大數據殺手”的一類。因此，選擇滴滴出行為研究對象。

首先測試滴滴提供的特快車是否適合前往浦東國際機場。一是以10 位使用滴滴軟件的受訪者為代表，他們常用的“滴滴出行”到浦東機場的次數最多（30%）。二是以“滴滴出行”前往浦東國際機場為例，對其定價機制與合理性進行實證分析。實驗對象為30 人。使用Likert7 打分，1表示很反對，7 表示很贊同。在問卷調查中，第一，“前往浦東國際機場的常用滴滴服務”的問題，M=5.20。第二，“新客戶支付的費用高于新客戶，是因為有定價歧視”的問題，M=5.50。第三，“你覺得，新客戶和新客戶之間的差價，是不是因為滴滴使用了AI 技術，導致了這個問題”“你認為這個差價對你的權益造成了很大的損害”的問題，M=5.36 第四，“你認為這種行為屬于滴滴對熟客的定價行為”的問題，M=5.43。計算結果顯示，算法定價歧視的信效度分別為0.801 和0.776，說明該量表具有較好的信效度。

主實驗：檢驗關系質量對結果的影響。以2022 年度12 月18 日—19 日為研究對象，采用隨機抽樣的方法，選取321位搭乘滴滴出行前往浦東國際機場的乘客。借鑒真實情境下的算法價格歧視行為，并以Gregoire ＆ Fisher（2008）研究結果為基礎，對關系質量的控制效應進行研究。

2.調查分析結果

首先，對調查結果進行統計。共獲得321 個有效的調查結果。將調查結果分成兩類，其中，平均水平較高的（157 個）被納入高算法歧視，而較低的（164 個）則屬于低算法歧視。在此基礎上，將高、低算法歧視中又分為高、低關系質量兩個類別。在低算法歧視中，91 個低關系質量結果，73 個關系高質量結果，在高算法歧視中，95 個低關系質量結果，62個高關系質量結果。

其次，對實驗操作的有效性進行檢查。在考慮了對算法價格歧視后，發現高價歧視群體對算法價格歧視的評價分數明顯大于低價歧視群體，低價位歧視群體的平均分數為4.05，高價位歧視群體的平均分數為5.70，兩者之間的平均比率F(1317)=78.54，P＜0.001。所以，筆者所提出的針對算法定價歧視化操作方法有效。

在此基礎上，采用兩因子變異數回歸方法，構建基于信任度的兩因子變異數回歸模型，發現算法價格歧視和關系質量之間存在著明顯的負反饋效應。在用戶認知中，算法價格歧視和關系品質之間的相互作用，低關系質量下，低算法價格歧視的被調查對象表現出了明顯的感知背叛，其中，群體的感知背叛平均水平分別為4.62、5.32。在高關系質量下，其感知背叛水平都有所提升（低算法價格歧視感知背叛水平5.15，高算法價格歧視感知背叛水平5.61）。當面對強烈的算法價格歧視時，高關系質量群體的感知背叛水平明顯提高。結果也表明，在算法價格歧視對出賣知覺的影響中，存在著“關系質量”這一中介效應。通過這一實驗可以得出，如果企業與消費者之間合作較為融洽，更高的計算式價格差別會讓消費者心中產生更高的感知背叛。

進一步分析，將研究算法價格歧視、關系質量等因素對決策動機的作用機制。通過兩因子變異數檢驗，發現算法價格歧視與關系質量間的互動效應，均對決策動機有明顯的正向影響。在算法價格歧視下，高關系質量組中高算法價格歧視的主觀動機顯著高于低算法價格歧視，蓄意歸因水平分別為6.11、5.38，F(1317)=16.37，P＜0.001。結果表明，關系質量會提升蓄意歸因的水平。

（三）物價敏感性在消費物價敏感性中的中介效應檢驗

1.實驗方法

首先，將美團的“塔斯汀中國漢堡”餐廳作為上海電氣學院周邊地區最流行的送餐地點，進行詳細分析。以2022年12月21日為研究時間節點。在美團外賣等多家外賣網站上，對20 名經常光顧“塔斯汀中國漢堡”門店的20 名學生進行調研與訪談，其中“塔斯汀中國漢堡”門店中所提供的自選套餐（92.6%）、板燒鳳梨套餐（83.2%）、香辣雞腿套餐（81.7%）、培根煎蛋漢堡套餐（77.6%）這一系列的產品最受消費者的歡迎，排名為第一、第二、第三和第四。

其次，進一步圍繞上述4個套餐對“塔斯汀中國漢堡”店算法價格歧視的存在情況及強度進行了分析。在實驗分析中，一共有40名測試者參加了此次實驗。采用Likert 評分法，評選出最先被視為最經常使用美團外賣訂購“塔斯汀中國漢堡”（M=5.43）的漢堡；同時，實驗結果也表明，第一，當熟客比新客戶支付更多的費用時，其算法價格歧視為M=5.66。第二，由于使用了一種用于大數據殺熟的算法來操控定價，所以老客戶在購物時要額外支付費用的問題數值為M=6.03。第三，“此報價歧視已對你的權益造成了損害”的問題，其數值為M=5.45。第四，之所以會有這樣的定價歧視，是由于美團針對長期客戶提供了一個針對定價的問題，其價值為M=5.79。第五，若長期客戶所支付的費用高于新客戶，其每日所受的歧視將會進一步加深，即M=5.85。該實驗的可靠性和有效性均比較理想，其邊界因子分別為0.81和0.78。

本實驗的重點在于驗證消費者對價格敏感度的調節效應。以2022年12月20日—21日為研究時間節點，以兩因子2（算法價格歧視：高/低）×2（價格敏感度：高/低）為研究對象，開展實驗研究。選取了487 位最近使用美團外賣訂餐的學生為調查對象，以快遞替代實驗商品（低價商品）。另外，將美團平臺上的“塔斯汀中國漢堡包”4 種被調查的商品進行了比較。筆者在實證研究的基礎上，借鑒Goldsmith（2005）所建立的三個調查問卷，進行實證研究。

2.調查分析結果

對所有搜集到的調查問卷進行統計，本次調查共收到483份有效問卷，經過測算，得出了被測售價和實驗者發布售價（49 元）的差額為6.03 元，并對這些問題進行了分類，將187 份高于平均值的問卷歸為高價格差異組，296 份問卷歸為低價格差異組。同時，將每份調查問卷中價格敏感度系數4 以上的都認為是高價格敏感，4 以下的全部認為是低價格敏感?；诖?，篩選出低算法價格歧視的低價格敏感樣本159 份，低算法價格歧視的高價格敏感樣本151份，高算法價格歧視的低價格敏感樣本79份，高算法價格歧視的高價格敏感樣本93 份。在受試者的性別和年齡上，各組別的受試者不存在著顯著差異。對算法價格歧視的強度進行研究。從方差的角度看，對于被判定為算法價格歧視情形，價格差越大的群組，其得分就越高；在低價格差異組中，其均值為4.64，而高價格差異組的平均值為5.30，F（1483）=11.537，P＜0.001，由此可知，實驗對算法的價格歧視的處理較為成功。

價格敏感度在算法價格歧視對顧客感知背叛起中介效應，并對其交互效應進行了檢驗。而在低價格敏感度的消費者分析中，這兩種算法價格歧視所帶來的消費者感知背叛所產生的差異比高價格敏感組出現明顯下降。通過這一系列的分析顯示，消費者的高價格敏感度在實際的算法價格歧視中，對消費者的感知背叛中有一個較為明顯的負向增強，所以進一步驗證了隨著顧客對價格敏感度的提高，其對算法的價格歧視會產生更明顯的感知背叛。

根據前文的研究，對外賣產品的類別分析再一次驗證了較高的算法價格歧視會使消費者會產生強烈的感知背叛，探討了價格敏感度對消費者情感的影響，發現高價格敏感度的消費者在遭遇價格歧視時會表現得更加激烈，所以價格敏感度是實現高強度算法價格歧視行為的重要約束。

四、算法價格歧視的應對措施

（一）保護消費者應享有的知情權

首先，數據管理部門要對電商行業的運營進行專門監管。有必要完善電商行業的法律法規，確定電商行業的監督管理機構，確保經營者依法履行相關責任，更好地保障消費者的知情權。另外，做好電商領域的數據監管職責，對算法的歧視性定價及其他不合法行為進行規范管理。在管理過程中將承擔數據管理的職責轉移到大數據管理部門，實現對電商經營行為的全面監督管理。

其次，要進一步強化對消費者的個人信息保護?！吨腥A人民共和國個人信息保護法》中規定了企業需要在消費者完全知情且同意的條件下，才能使用消費者的個人信息，并且對如何使用個人信息要履行對消費者的告知程序。然而在現實經營和對個人信息的使用過程中，消費者明顯處于劣勢地位，在監管與執法方面都存有難度，對經營者使用消費者個人信息的告知義務履行情況及如果違反這一法律需要如何進行處罰，許多管理細則需要進一步細化，從法理上讓企業更好地履行對消費者個人信息的規范使用的義務。

最后，在算法定價的過程中要維持好消費者與商家之間的利益平衡。算法在發展過程中已經逐漸演變成了一種權力，掌握大量數據的群體與被算法支配的群體之間在權利義務方面存在著明顯的不平衡。就算法本身而言，其在運用過程中難以被查詢與調查，消費者在面對著算法價格歧視難以獲得相應的救濟。對于算法的管理整治來說，解決這些問題的一個重要途徑，就是要增強算法的透明性，推動政府部門和使用者共同監督算法的價格歧視行為。應明確禁止經營者使用顧客的個人資料實施歧視價格，而且必須將價格定價機制公布出來。在用戶和管理者之間實現一種相對的平衡，防止因為資源分配的不同造成的權利義務不平衡。

（二）實現消費者面對侵害可以依法求償

首先，要實現并加強消費者線上購物糾紛的線上處理。當前中國已經在部分地區開設了互聯網法院，需要加強互聯網法院的宣傳和推廣，讓消費者在遇到算法價格歧視時，借助這一平臺實現線上受理線上審判，降低維權的難度。同時，互聯網法院的線上公開庭審，可以讓更多人了解這一維權途徑，發揮好教育的作用。另外，鑒于算法價格歧視的案件往往標的額偏小，能夠在線上進行仲裁。一是創新電商爭議的在線解決，借助在線立案，進行庭前調解或是做好仲裁；二是引入公共服務實現對裁決的輔助，特別是借助于消協等機構做好消費者的投訴調解及法律咨詢等；三是利用好科技創新實現爭議的高效解決，如在爭議處理中可以引入人工智能進行簡單問題的回復、法律條文的解釋等。

其次，要將舉證責任的重點轉向企業。在算法價格歧視方面的爭議糾紛中，許多企業是算法數據的主動方，對消費者個人信息的收集更占優勢，而消費者的舉證難度非常大，雙方之間存在著明顯的強弱不平衡。就法律中“誰主張誰舉證”的邏輯對消費者而言，存在著很大的不公平，甚至會導致維權困難。當前，在定價問題上，消費者和企業的爭端主動權通常掌握在企業的手中，企業必須保留價格等相關的數據資料，而且一旦發生了爭議，企業必須承擔起舉證責任，為定價的合理性與合法性提供證據。

最后，完善陪審團制度。借助陪審團的審判介入制度，有利于充分利用這一群體的專業知識，有利于法官更好地查明案情。這既能為當事人節約舉證成本，又能提升庭審的效率，讓當事人更加認可判決的結論，從而提升法院的公信力。在眾多的算法價格歧視案例中，很多企業都不愿將定價算法公布出來。因此，在這個過程中，專家陪審員可以利用自身的專業特長，給法官們提出不同的審判理念和參考意見，以此達到司法的公正。

五、結束語

隨著人工智能的發展，數據信息逐漸變得越來越豐富，但同時也帶來了個人信息泄露、算法價格歧視、用戶信任等問題。筆者首先從消費者視角，剖析大數據殺熟情境下的感知背叛效應，并將該理論拓展到人工智能發展中，更好地剖析消費者在面臨不同等級算法價格歧視時的心態與對策。其次基于歸一化的視角，剖析算法價格歧視對顧客忠誠度的作用機制，對相關人員的屬性進行了區分。在多個情境下，通過情境調查，擴展研究的外在有效性，更加完整地認識到，在算法價格歧視情境下顧客忠誠的產生機制。再次基于關系質量和價格敏感度與算法價格歧視之間的內在聯系，發現高關系質量引起的消費者感知背叛水平較高，價格敏感度在算法價格歧視對顧客感知背叛起中介效應。最后為保護消費者的相關權益，提出了處理算法價格歧視的應對方法。