但一位程序员告诉我们，在电商场景中，还存在另一种“杀熟”现象。
她举例称：假如我平时浏览服装和宠物用品时间比较多，那么某宝在给我推荐这类产品时，需要推荐相似但性价比高的产品，因为花费了较多时间，会产生“价格敏感”——因为常用，我会对这些商品价格区间更为熟稔。
反之，当我突然开始浏览平时不怎么看的产品，比如机械键盘，男生球鞋，且浏览时间不长，那么算法就会倾向于推荐价格较高的产品。
而原因也呼之欲出——我不熟。
几年前，在一次采访中阿里云的程序员曾满脸自豪地讲到，“我们现在已经能够做到全中国几亿人口的淘宝界面都是不一样的，而且几乎做到了秒级更新。”
而那个阶段也正是阿里发力“千人千面”的新零售的高潮，这里的“千人千面”可以简单地理解为每个人的淘宝界面都不一样，都是基于算法进行“量身定制”的。
也正是因为所谓的“千人千面”的存在，所以当我在这次采访中，追问到底我们什么样的行为关键词会触发大数据杀熟机制时，并没有得到一个唯一的答案。
因为我们每一个人，都被一套特定的算法所“操纵”。
一位多年的行业从业人员告诉我：“首先，行为关键词属于算法的一部分，而算法对于公司来讲属于商业机密；其次，具体的测算方式不唯一，每个人的行为都会被进行无数次分析，然后进行个性化推荐，效果最好的才会被采用。”
为了更形象地解释，他还举了这样一个例子：假设我们每个人的数据是一个面积不同的正方形，我们要在正方形中找到一个特定最佳的面积值。
我们需要在这个正方形中从各个角度画无数条线，直到找到那个最优解。而这条带来最优解的线就是“专属于你的算法”。
对于用户A，可能紫色线是最优解，而对于用户B，可能黄色的是最优解。
不过，一个很有意思的特殊案例也在最近出现了，它证明了“大数据杀熟”不能被完全判定为“不利于消费者的涨价行为”。
今年十一期间，电影《夺冠》上映。出于娱乐的心态，我一个朋友购买了电影票，但一刷之后，她备受情节鼓舞。于是在接下来的一周内，她又去同一影院刷了三次。
在这期间，戏剧性的一幕发生了，她发现自己每次买票都比上一次便宜。第一次价格是将近100元，但四刷的电影票只需要26元。
当然，被大数据杀熟而减价的事情肯定并不常见，因为我们也无法判断这是否是影院为了市场回暖而采取的特殊降价举措。
但从商家来讲，降低了客单价，同时又增加了用户粘性，也不失为一个经商之道。
低成本，高回报
了解这样一套操作流程后，不知道大家是否跟我一样，会考虑到大数据杀熟的成本问题，毕竟这样看似复杂多变而又个性化的操作，显然不是一日之功。
于是，我又把这个问题抛给了算法工程师们，以期大数据技术在操作难度和成本上为我们的权益上一道锁。
然而，我的天真想法却再一次落空。
“搭建企业大数据系统后台当然是需要花费一定时间和金钱，但搭建系统的目的是为了App的正常使用，而‘杀熟’，恰好是可以捎带上的一个能力。”一位在多个OTA平台工作的算法工程师告诉了我真相。
换句话说，“我们被杀熟”只是随着数据、系统与产品愈加丰满而出现的一个附加能力，但没想到让企业取得了意想不到的效果。
“没你想象得那么难，打标签这项工作不需要付出很多成本。而至于怎么来杀熟，那只是用样本验证模型的事情。”另一位产品负责人补充道。