一、推薦演算法。透過監測分析消費者的消費行蹤軌跡，如瀏覽過的頁面、廣告、商品服務、話題等，有針對性的對消費者進行商業營銷。這類推薦演算法利用消費者的資料畫像，實施所謂精準推送。許多消費者誤以為自己看到的與旁人無異，導致知情、選擇不足。有些經營者透過演算法應用推送的商品、服務內容甚至違背法律和公序良俗。
二、價格演算法。有些經營者利用演算法進行價格歧視。一是對新老使用者制定不同價格，會員使用者反而比普通使用者價格更貴。二是對不同地區的消費者制定不同價格。三是多次瀏覽頁面的使用者可能面臨價格上漲。四是利用繁複促銷規則和演算法，實行價格混淆設定，吸引計算真實價格困難的消費者。這類演算法造成選擇性目標傷害。
三、評價演算法。部分平臺及平臺內經營者為了獲得好評，運用刷單等方式，編造虛假高分評價，或者隱匿中評、差評，使真實評價無法顯現。虛假評價、評價失實呈現，不僅破壞經營者之間的公平競爭，也對消費者購買決策產生誤導。
四、排名演算法。平臺經營者制定各類排名榜，聲稱基於消費者好評率、銷量等，對各行業或商品服務類別進行排序，引導消費者選擇，但具體如何計算得出的難以知曉。
1.老使用者比新使用者價格高
2.蘋果使用者比安卓使用者價格高
3.不買價格變更貴
4.不同使用者價格不同
一、推薦演算法。透過監測分析消費者的消費行蹤軌跡，如瀏覽過的頁面、廣告、商品服務、話題等，有針對性的對消費者進行商業營銷。這類推薦演算法利用消費者的資料畫像，實施所謂精準推送。許多消費者誤以為自己看到的與旁人無異，導致知情、選擇不足。有些經營者透過演算法應用推送的商品、服務內容甚至違背法律和公序良俗。
二、價格演算法。有些經營者利用演算法進行價格歧視。一是對新老使用者制定不同價格，會員使用者反而比普通使用者價格更貴。二是對不同地區的消費者制定不同價格。三是多次瀏覽頁面的使用者可能面臨價格上漲。四是利用繁複促銷規則和演算法，實行價格混淆設定，吸引計算真實價格困難的消費者。這類演算法造成選擇性目標傷害。
三、評價演算法。部分平臺及平臺內經營者為了獲得好評，運用刷單等方式，編造虛假高分評價，或者隱匿中評、差評，使真實評價無法顯現。虛假評價、評價失實呈現，不僅破壞經營者之間的公平競爭，也對消費者購買決策產生誤導。
四、排名演算法。平臺經營者制定各類排名榜，聲稱基於消費者好評率、銷量等，對各行業或商品服務類別進行排序，引導消費者選擇，但具體如何計算得出的難以知曉。