大資料殺熟算什麼，你知道「大資料售假」嗎？某平臺代購化妝品，對於 Dior、阿瑪尼這些很貴的化妝品，會根據其掌握的買家的收入、消費狀況進行細分：

A、如果系統判斷你是個富人，平常一直用這個化妝品，就會給你發正品；

B、如果系統判斷你是個窮人，買不起專櫃裡的化妝品，就會給你發 A 貨，反正以你的消費水平你也沒買過正品，更不知道什麼是 A 貨了。更厲害的是，他們還「7 天無理由退貨」，只要你敢申請他們就敢退。那麼退貨率是多少呢？2% 左右罷了。

這個場面是皆大歡喜的：

富人 A：23333 買到了便宜的粉底好開森。

窮人 B：23333 我也能用得起富人的粉底液了好開森。

窮人 C：誒，這個粉底液我用了起痘痘了，會不會是假貨啊？

平臺：小姐每個人的膚質不一樣的，如果您不滿意我們支援 7 天無理由退貨。

窮人 C：啊？化妝品也還可以退貨？好開森。

以後那幫搞電商還能做到分辨每一個購買者是高帥富還是屌絲，同樣買一雙 Nike,根據你平時的消費，判定是高帥富的，有一定鑑別能力的，給發真貨。一般窮屌絲，就圖個牌子的那種，直接發假的，美滋滋。

這樣的場景無處不在，這一次的「殺熟」無非是擊中了某些人脆弱的一面：我把你當兄弟，你居然想……？抱歉，資本是不講情義的，正如馬克思所說的，如有 50% 的利潤，它就鋌而走險；為了 100% 的利潤,它就敢踐踏一切人間法律；有 300% 的利潤，它就敢犯任何罪行，甚至絞首的危險。

現實中大資料售假是怎麼操作的？

大資料售假主要利用的是資料爬取、採集和建模分析技術，通過把使用者的職業、家庭收入、消費狀況等各類資料，爬取和採集過來後，經過深度的清洗、加工後，通過關聯分析等技術，建立相應的模型。簡單說，就是對這個使用者的經濟收入、進行購買習慣和消費習慣等方面做一個使用者畫像，然後用設定的規則模型去套這個畫像，畫像跟哪類規則模型匹配，就採取類似的發貨策略。

收到A貨的人可能需要的特殊品質。

比如購買能力，你在網上買件商品，訂單提交後，系統會自動查詢分析你在全平臺的購物資料，如果你在同類產品消費傾向絕對大部分是低價位品牌，系統就判定你沒用過高價位大牌真品，所以後臺經分析後將你備註為低風險客戶，給你發的貨就容易是高仿貨；

又比如收貨習慣，其中退貨少的人更容易買到假貨，你的消費記錄、購買記錄、客單價記錄將作為發貨參考資料被系統識別。很多人有類似經歷，買來的產品有小問題又不影響使用，怎麼辦？退貨嫌麻煩，只有忍了。你如果真想退貨，電商常常解釋是因為發貨前沒有檢查貨品！

這顯然是假話，因為每一批次的瑕疵品都有記錄，之所以發給你，是因為你的綜合退貨率偏低而已，系統會自動認定你“好說話”、“能將就”，一有假貨就優先“照顧”你。如果你收到貨連看都不看，假貨不給你給誰呢！

甚至收貨地址也可能促使你買到假貨。這並不是說二三四線城市就一定發假貨。如果能識別收貨手機與收貨地址所在城市有沒有產品專賣店。如果沒有，你也沒買過同類產品，系統會“放心”分配高仿貨給你；如果有專賣店，系統會查詢你是否買過同品牌產品。有訊息透露，按此套路售賣高仿貨，退貨率還不到5%。

圍觀群眾瑟瑟發抖，紛紛表示自己從沒給過差評、沒退過貨、甚至買東西時都不會跟店主聊上一句。一但系統認為自己是個“沒脾氣的老好人”是不是就悲劇了？對方會故意給次品，故意把排後發貨。