反向驯化：天下苦“大数据杀熟”久矣

　　用算法打败算法，#反向驯化大数据#值得一个热搜。

　　近日，众多网友纷纷晒出自己的“锦囊妙计”，分享如何对抗那些让人“越看越贵”“越看越烦”的智能算法。

　　简单来说，为了不被算法所算计，年轻人致力于给自己打造一个全新的“穷鬼”人设。比如，在回帖和评论中反复提及“太贵了，买不起！”“这地方去不了，不适合穷人”……

　　如此表述多了，在平台的用户画像可能就会发生转向。有部分网友称，在给手机精准洗脑后，同样商品的价格确实有了显著下降。

　　以其人之道的“小聪明”，看似搞笑，背后却是大数据杀熟的严肃问题。

　　这些年，大数据“杀熟”现象愈发普遍，让人防不胜防。平台知错“不改”，消费者反向驯化大数据的苦衷，能够有效共鸣的人太多。

　　最常见的就是，通过算法的捕捉，复购的商品可能比第一次贵，打车费用也越来越高，会员价甚至比非会员价更高。

　　从平台的角度看，算法是财富密码。雁过留痕，互联网精准地捕捉用户习惯、消费痕迹、浏览记录，通过精准分析用户的消费习惯和偏好，商家执行差异化定价策略，从而刺激消费。

　　治理大数据杀熟，被各方呼吁，又一直无解。指望个体的反向驯化，去解决实际的杀熟问题，网友们喜提的恐怕只有一时的效果。

　　要真正根治大数据杀熟，还得强化源头治理，为大数据杀熟套上制度和规范的枷锁。

　　数据和算法，应该成为互联网治理的核心。数据安全不容忽视。

　　在数据采集方面，超范围过度采集用户个人身份、行为、偏好等隐私数据，倒卖精准的用户画像，拓展衍生业务非法牟利等问题必须引起重视。

　　在监管层面，应对典型的杀熟、信息茧房、算法歧视、氪金诱导，必须要定期审核和评估算法模型。

　　围绕具体的评估点，算法模型的可解释性、影响评估、安全测试、适用边界，都应该有公开明确的标准，与公众信息对称。

　　在制度建设上，数据处理的脱敏机制、被遗忘机制，数据集选择、算法选取等关键决策的记录和回溯机制等都应得到进一步完善。

　　消费者自我保护意识觉醒是好事，也是对治理大数据杀熟的提醒。但网络平台算法向上向善，不能仅靠社会呼吁商家自律、个体出招与平台斗智斗勇。

　　个体的反向驯化终究抵不过代码的升级，网络治理终究需要企业、政府、消费者“你来我往”。