（頭圖選自韓劇《惡之花》）

文|新經濟沸點 天驕

繼大數據殺熟后，“毒算法”又添一種“新玩法”，那就是惡意推薦。

近日，朋友A因健康因素，需要住院，好在有醫保“護體”，減少了部分花費，加之A同學的先生幫她買過一款補充醫療險P，這樣就能最大限度地降低自付費用。

因為涉及到商業險理賠，A同學便提前研究了保險P的賠付條件，她完全符合條件，這就意味著在接下來的一個月，她將專心準備入院。

01

虛偽的推薦

然而，就在等待入院的這段時間，A同學發現，她常用的某款超級APP開始頻繁向她推薦醫療保險。

出于好奇，她點開了某款每天推送的產品，竟然是其先生買的保險產品P，而且，每次打開這款APP，P都占據顯示頁的C位。

A同學覺得，如果她事先沒研究過P保險，在這種強勢推銷下，她極有可能下單購買，其結果等同于她的家庭重復買同一保險公司的同一款保險產品，然而，該保險屬于“費用報銷型醫療險”，不能重復獲得理賠，因此，這件事可能變成這樣的結果：交兩份保險的錢，只能獲得一份保險理賠。

在大數據技術這么發達的平臺上，為什么就重點向她推P產品呢？

此前，A同學的先生經常在這款APP上買保險送她，該APP很容易就從技術的角度能識別出她和她先生的關系；另外，A同學從該APP掛號看病、繳費，甚至是以此為通道，登錄訪問過個人的社保數據……這些點擊行為無形中變相告知平臺，她的健康出現了問題，平臺則依據一定的算法，達成推薦。

保險是一種特殊的商品，最初與移動互聯網渠道結合，其上的大數據技術給保險產品做出過很多創新，其前提是用戶的瀏覽記錄、停留時長、興趣愛好等都被平臺記錄，這些行為數據轉而成為訓練算法的原始材料。

顯然，向A同學重復推薦P產品的行為，既不是大數據出錯，也不能算大數據誤判，而更像是APP利用千人千面的原理，結合保險精算的規則，向用戶做毫無誠意的推薦，甚至有些惡意，以達到平臺商業利益最大化的目的。 要知道產品P屬于月度自動扣費，一年需繳納大幾百元。

筆者發現，類似惡意推薦在互聯網保險領域比較普遍，這類產品的定價經過分期后月度付費都不高，幾十到一兩百，多數產品用處并不大，甚至是一種偽需求，例如，某些平臺上推薦“財產安全險”，多以贈送為主，但堂堂一個金融科技平臺，早在技術上解決了識別到交易的真偽、甚至是對攻擊、盜號等行為做出應對，贈送保險的行為，更進一步獲取了更多的用戶信息。

02

惡之花

互聯網公司利用消費者的大數據，制定一套算法，實現千人千面的推薦，這原本屬于技術進步，卻沒想到其上生出一堆“有毒算法”。

“大數據殺熟” 就是其中一種，并飽受詬病，例如在某機票平臺，從A地到B地，安卓手機用戶和蘋果手機用戶會看到不同價格； 外賣平臺，不同賬戶能得到的紅包優惠不同； 同一品牌的電商促銷活動，不同地域用戶領到不同優惠券等。

官方為此做過一個調查，在2022年3月，北京市消費者協會公布一個數據：在選取16個常用電商品牌、共計4186份的問卷中顯示，有86.91%的受訪者認為自己有過被殺熟的經歷。

大數據殺熟的實質是利用算法原則，實現不同用戶的差別化定價，中國人民銀行上海總部博士后馮攀認為，大數據殺熟是平臺利用大數據和個人數據畫像，對相同的商品和服務制定不同的價格，它違反了公平公正的原則，屬于“有毒算法”之列。

馮攀總結，有毒算法具有三個特征，不透明、規模化、破壞性。除了大數據殺熟，典型的有毒算法還有“控制流量類算法”和“不當排名算法”。

控制流量類算法 的案例來自于某電商平臺，它為了獲取優勢競爭地位及交易機會，利用自己的技術手段，通過限流、產品下架、屏蔽等手段減少品牌經營者的流量、消費者注意及交易機會。

不當排名算法的案例來自法國。法國一家科技公司利用自己搜集的大數據，開發了一套自有酒店排名系統，對酒店進行評分，并把評分結果顯示在地圖上，引導消費者下單。

然而，這個做法違反了法國法律，因為當地法律規定，“酒店評級必須有當地旅游組織按照標準制定。”酒店把自己的評級結果放在地圖上，讓消費者誤以為地圖上顯示的評級就是官方評級，有誤導消費者的行為，最后該科技公司被判罰110萬歐元。

在有關技術的哲學思考中，曾流行一時的觀念是雅斯貝爾斯對技術所作的工具性和人類學詮釋：“技術僅是一種手段，它本身并無善惡。一切取決于人從中造出什么，它為什么目的而服務于人，人將其置于什么條件之下。”

創業者為了獲得更大的成功，將技術的目的帶到一條不歸路，曾經在中國互聯網圈子里流行過的對“人性的洞察”，使得很多產品極具成癮性，為了創造更大的商業價值，毫無邊界地黏住用戶，網絡游戲、網絡賭博、短視頻等，都是技術使用的劍走偏鋒，開出了“算法作惡”的惡之花。

*本文原創首發新經濟沸點，未經授權，請勿轉載。

*本公號優質內容同步36氪、鈦媒體、創業邦、新浪看點、新浪微博、虎嗅、第一財經、南財號、億邦動力網、微信公眾平臺、和訊網、支付寶APP、一點資訊、今日頭條、百家號、搜狐科技、鳳凰科技、企鵝號、商業新知等平臺。

▼近期熱文▼