这是一个非常好的问题，直接点出了现代消费中的痛点。我们来分两部分解答：为什么会出现这种情况，以及“大数据杀熟”是如何被发现的。
第一部分：为什么老用户反而比新用户贵？
这背后的核心逻辑是基于用户数据的“价格歧视”或“差异化定价”。平台利用大数据分析用户的消费习惯、价格敏感度、忠诚度等，对不同用户给出不同价格。这不仅仅是“杀熟”，更是一种复杂的商业策略。
用户忠诚度与价格敏感度假说：平台认为，老用户已经形成了使用习惯和依赖，对价格的敏感度相对较低。即使涨价，他们流失的可能性也较小。相反，新用户还在尝试和比价阶段，对价格极其敏感，需要用低价吸引。
收割消费者剩余：平台的目标是让每个用户支付其“最高心理价位”。老用户的消费历史数据（如购买频率、对优惠券的使用情况、浏览但不购买的商品价格等）可以帮助平台更精准地估算这个“最高心理价位”，从而给出一个更高、但又不会导致其立刻流失的价格。
新用户拉新成本：平台愿意为获取一个新用户支付补贴（比如首单优惠、新人专享价）。这笔钱可以看作是营销费用，目的是扩大用户基数。这笔“补贴”最终可能通过向老用户收取更高费用来部分弥补。
渠道与设备差异：有时差别定价并非直接针对“人”，而是针对“渠道”。例如：
- 苹果 vs 安卓用户：一些服务（如会员订阅、打车）可能因苹果App Store收取的“苹果税”而定价更高。
- 不同手机型号：曾有案例显示，使用高端手机的用户看到的酒店价格更高。
- 是否使用优惠券入口：从普通入口进入和从优惠券/特定活动入口进入，价格可能不同。
动态定价与供需关系：虽然同一趟车，但老用户可能是在高峰时段打开APP，系统处于动态定价的高价期；而新用户可能恰好在平台推广的“新人专享”低价时段浏览。这种时间差会造成误解，但内核仍是平台希望用低价吸引新客。
简单总结：在老用户身上，平台追求“利润最大化”；在新用户身上，平台追求“用户数量最大化”。
第二部分：“大数据杀熟”到底怎么被发现的？
“杀熟”行为非常隐蔽，因为平台不会公开其算法。它的发现主要依靠用户的偶然对比、媒体及专业人士的主动测试。
偶然的个人发现（最普遍）：
- 亲友间比价：最经典的情景。两个人（一新一老）在同一时间、同一地点、搜索同一家店、同一趟车，截屏对比价格，发现明显差异。
- 更换设备/账号测试：用户自己用主手机（老账号）和备用手机（新注册账号）测试，发现价格不同。
- 使用不同网络：比如连接公司Wi-Fi（可能被识别为商务用户）和家用Wi-Fi，价格也可能有差异。
媒体与消费者组织的调查测试：
- 这是让“大数据杀熟”进入公众视野的关键力量。记者、测评博主、消费者协会等会进行受控实验。
- 方法：准备多台干净设备，注册新旧不同的账号，在同一时间、同一地理位置（甚至使用同一Wi-Fi）、搜索完全相同的商品或服务，并记录所有价格、优惠券信息。
- 扩大样本：他们会测试不同场景（如打车、订酒店、买机票、电商购物），使用不同用户画像（如高频消费用户 vs 低频用户），从而系统地揭示平台的定价模式。
数据分析和算法研究：
- 一些计算机科学、经济学领域的研究者，会通过程序模拟大量虚拟用户（具有不同行为特征）与平台交互，收集海量定价数据，用统计模型分析是否存在基于用户特征的系统性价格差异。
企业内部员工爆料或代码分析：
- 偶尔有匿名员工透露公司存在差异化定价策略。
- 技术人员通过分析App的前端代码，有时会发现标注着“新用户专享”、“老用户推荐”等不同接口的线索。
一个著名的真实案例：2020年，复旦大学某教授带领团队做了打车软件测试，用多个手机账号在同一地点呼叫同一路线，结果发现手机越贵、打车费越高的现象，引发广泛讨论。
如何应对与自我保护？
比价：用不同账号、不同设备（尤其是新旧账号对比）进行查询。
清理痕迹：偶尔退出登录，以“游客”身份浏览，看看基础价格。
善用新渠道：考虑用家人手机的新账号下单，享受新人优惠。
关注法律法规：近年来，中国《个人信息保护法》、《电子商务法》等都对大数据杀熟有所规制。2021年，深圳甚至开出了首张“大数据杀熟”罚单。遇到明显不公时，可以向市场监管部门举报。
总之，“大数据杀熟”是平台在数据驱动下追求利润极致的表现。它的发现依赖于消费者的警觉、媒体的监督和技术的分析。作为用户，保持“价比三家”的习惯，永远是最有效的防御策略。
