同一盒麦片，五个价签：西雅图禁了「监控定价」

目录

• Safeway 的威胁：把「省钱」当筹码
• 62 页档案：监控定价长什么样
• 选择性折扣悖论：涨价和折扣是同一件事
• 修正案攻防：漏洞是怎么被塞进去的
• 国内对照：「杀熟」和「监控定价」的命名分野
• 现场验证：同一货架，五个价签

---

Safeway 的威胁：把「省钱」当筹码

9 月 22 日，西雅图市议会通过了《公平定价与透明法案》（CB 121267），准备成为全美第一个禁止「监控定价」（surveillance pricing）的城市。法案还没送到市长桌上，本地 17 家 Safeway 就先放了一句话：

如果法案通过，我们将无法提供这些额外优惠，顾客只能付全价。

翻译一下就是：敢禁我们用数据给你定价，那大家都别想省钱了——忠诚卡计划直接取消。

这个威胁很有意思。因为它恰好暴露了监控定价的运作方式：Safeway 不是在威胁涨价，而是在威胁取消「选择性降价」。 而选择性降价，正是监控定价的另一张脸。

62 页档案：监控定价长什么样

Consumer Reports（CR）在 2025 年 5 月调查过 Kroger 的消费者数据实践。一名顾客依据州隐私法申请调取自己的数据，收到了一份 62 页的档案——里面包含对他的收入、家庭规模、教育水平、性别，乃至健康状况的推断。

注意，是推断。不是你自己填的，是算法从你的购买记录、浏览历史、地理位置里拼出来的。你的麦片购买频率可能暗示你家里有几口人，你常买的药可能暗示你的健康状况，你住的小区可能暗示你的收入区间。

CR 随后在 2025 年 12 月和 Instacart 做了个实验：让近 400 名消费者在同一时间买同一篮子商品。结果：同一家店、同一时刻、同一件商品，不同消费者看到的价格不一样。算法定价实验造成的价差最高达 23%，一个家庭一年可能因此在结账时多花 1200 美元。

Uber 和 Lyft 也一样。CR 的最新调查发现，两家公司会对几乎同一时间、同一路线的行程收取显著不同的价格——而且经常在「虚高的原价」上打一个看起来很大的折扣。

这就是监控定价的本质：价格不再由商品决定，而由「你是谁」决定。 你的浏览器历史、实时位置、收入推断、家庭规模、健康状况——全都被折算进了那个小小的价签。

选择性折扣悖论：涨价和折扣是同一件事

现在回头看 Safeway 的威胁，就明白问题出在哪了。

西雅图法案明确允许忠诚计划和折扣行为。Safeway 的游说口径一直是「我们只是用数据给顾客省钱」。但 Nexus of Privacy 的作者在听证前抓到了这句话的逻辑破绽：

如果「用个人数据给一部分人更低的价」是合法的省钱，那么「用个人数据给另一部分人更高的价」为什么是非法的盘剥？

这两个操作在数学上是同一件事。 基础价设高一点，给「值得拉拢」的画像发券，给「跑不掉」的画像维持原价——一部分人看到 $3.49，一部分人看到 $4.99。打折的人沾沾自喜，没被打折的人甚至不知道自己多付了 43%。

游说者花了六周向议员保证「我们不用个人数据多收某些人的钱」。结果 Safeway 自己承认「我们用客户信息负责任地提供自愿折扣」——用数据让某些人少付，和用数据让某些人多付，用的是同一套数据、同一个机制。 只是话术上，前者听起来像恩惠，后者听起来像剥削。

从此监控定价不只是「多收钱」，而是用数据把人群分层，让每一层都付自己愿意付（或付得起）的最高价。这在经济学里叫价格歧视，在现实里叫：你不知道你付的价签，是给「你」定制的。

修正案攻防：漏洞是怎么被塞进去的

西雅图这场仗不是一次投票就打完的。

法案投票前一天，议员 Bob Kettle 密集提交了一整套修正案。其中两个特别值得看：

• 一个修正案允许用个人数据来决定折扣——等于把「选择性降价」从禁令里挖出去，而选择性降价恰恰是监控定价的暗门。
• 另一个修正案允许把消费者数据共享给制造商和第三方，用于决定发多少、发给谁优惠券——换个姿势，数据还是流向了第三方，价格还是因人而异。

更微妙的是这些修正案的节奏：在投票前不到 24 小时一口气端出来。听证会已经结束，公众评论已经关闭，普通人根本来不及消化这些条文意味着什么。Nexus of Privacy 的作者把这叫「看着立法香肠被制造出来」——当修正案多到一定程度，议员和公众都无法再听见彼此。

好在这次没得逞。修正案被挡下，法案以原始形态通过。但这段攻防展示了一个残酷的行业规律：每一次「禁止监控定价」的努力，都会遇到「那就让折扣合法化」的反击。 因为折扣是监控定价的 Trojan horse——从外面看是让利，从里面看是分层。

国内对照：「杀熟」和「监控定价」的命名分野

这个法案的英文名是 surveillance pricing。中文互联网对同一件事有个更直白的名字：大数据杀熟。

两个词指向同一个机制（用个人数据差异定价），但命名暴露了两种不同的关注点。「杀熟」强调受害者是老用户——你越忠诚，越被宰，因为算法知道你跑不掉。「监控定价」强调机制本身——监控才是问题，收集、推断、画像，这些发生在定价之前的行为才是要害。

这也解释了为什么两地立法路径不同。《个人信息保护法》第 24 条用「不合理的差别待遇」来约束自动化决策——它是行为后追责：先允许算法定价，出了事再判断是否「不合理」。西雅图法案是场景前禁令：不跟你讨论「合理不合理」，直接禁止在必需品（食品杂货）上用个人数据定价。

两种思路各有代价。事后追责灵活，但「不合理」的举证难如登天——你永远不会知道同一时刻别人付了多少钱。事前禁令干脆，但只能先覆盖最要紧的场景（食品杂货），其他领域继续裸奔。

还有一个细节值得注意：西雅图禁令只覆盖「必需品」。 议员们没有天真到禁止一切个性化定价——机票、酒店、订阅服务照样可以因人而异。他们只做了一个最小范围的实验：从最不能出错的领域开始禁。

现场验证：同一货架，五个价签

写这篇文章的时候，我忍不住想验证一件事：如果一个货架真的按画像定价，会是什么样？

我写了个小模拟。假设一盒麦片货架标价 $4.29，五个画像（新用户、家庭、预算敏感、高收入区、健康风险）各配一个价格系数——系数参考 CR 调查里 Instacart 实测的价差幅度（最高 23%）：

=== 同一盒麦片，同一时刻，同一货架 ===
货架标价：$4.29

  新用户     看到 $4.29  （便宜 0.0%）
  家庭画像    看到 $3.99  （便宜 7.0%）
  预算敏感    看到 $3.47  （便宜 19.1%）
  高收入区    看到 $5.28  （贵 23.1%）
  健康风险    看到 $4.29  （便宜 0.0%）

最贵 vs 最便宜：42.2 个百分点
折合每箱（12 盒装）：差 $21.72

五个真人站在同一排货架前，看到五个不同的价签；高收入画像比预算敏感画像多付 42%。最讽刺的是「健康风险」画像：算法推断你有慢性病、对这款麦片的细分需求更刚性，于是不给你折扣也不给你涨价——维持原价，因为知道你不会因为便宜 8 毛钱就换牌子。

这不是科幻。价格系数的每一档，都是 Instacart、Kroger、Uber 实测过的真实做法。CR 的 400 人实验证明了价差存在；Safeway 的威胁证明了分层是设计出来的；62 页档案证明了画像的颗粒度。剩下的，只是把这三件事连起来看。

而 Safeway 那句威胁里最值得玩味的部分是：他们宁可取消整个忠诚卡计划，也不肯放弃用数据定价。 一个「给顾客省钱」的功能，到了二选一的时候，厂商毫不犹豫地选择保住那个「省钱」背后的东西——数据分层的能力。

同一盒麦片，五个价签。法案管得住西雅图的杂货店，但机票、酒店、外卖、订阅费……价格因人而异的清单还有很长。下一次你结账时瞄一眼价签：它可能不只是价格，而是算法对你的一小段判断。

而这，就是有人开始立法反对它的原因。