个性化定价的具体算法是怎样的？

　　一、现象本质：优惠券游戏取代直接改标价

　　表面标价一致，到手价不同：平台不再直接修改商品公开标价，而是将差价隐藏在系统派发的优惠券、满减、专属福利等个性化权益中

　　典型案例：同一烤肉店500元代金券，有人只减5元，有人却减42元；同一家外卖店22元的菜，三位用户结算价分别为9.68元、17元和18元

　　高等级会员反而更贵：同一打车行程，高等级会员预估价22.8元，低等级会员仅15元；同一羊肉礼盒，PLUS会员价238元，非会员反而228元

　　二、算法核心：用户画像驱动的个性化定价

　　数据采集维度：平台通过手机号、设备型号（如苹果用户被标记为“高消费力”）、LBS位置、搜索频次、历史消费记录、会员等级等信息构建用户画像

　　价格敏感度判断：算法根据画像评估每位用户的“支付意愿”和“价格敏感度”——高频消费的“熟客”和高等级会员不一定享受更多优惠，反而可能因“不差钱”或“懒得比价”被报更高价

　　动态调整机制：一次不经意的重复浏览、近期搜索记录，都会影响优惠券面额；记者实测仅隔13分钟刷新同一酒店房型，价格从550元跳涨至658元

　　三、监管边界与消费者处境

　　法律明确禁止：2026年4月10日起施行的《互联网平台价格行为规则》明确规定，经营者不得在消费者不知情的情况下，根据支付意愿、消费习惯等信息，对同一商品在同等交易条件下设置不同价格

　　算法黑箱困境：平台常以“优惠随机发放”作为说辞，消费者难以证明价格差异与自身画像直接相关；单笔差价仅几十元，维权成本远高于收益

　　辨别关键在“同等条件”：新用户券、会员价、银行卡优惠等公开规则导致的差价不违法，真正需要警惕的是同等条件下、规则不透明且反复“看人下价”的定价行为