2015年，个性化推荐技术成为拥有全球影响力的广告行业盛会——纽约广告周（Advertising Week）——的核心话题。在分会场的研讨会上，一位演讲者谈到一种可能：到2020年，广告界将会利用家庭级别和个人级别的数据制作个性化内容的广告，并实现广告投放的精准化。 1 难道，大数据的崛起会令互联网攀上完全定价歧视之巅——让所有消费者情愿奉上自己的保留价格？
在不远的将来，不完全价格歧视（如老年人优惠证）或将成为过去式。企业正在不断尝试各种策略以更好地实现价格歧视，随之而来的是竞争秩序的悄然改变。回溯企业在数据追踪与收集进程中取得的种种进展，完全价格歧视似乎已然可期。套用中世纪天主教最重要的哲学家和神学家圣·托马斯·阿奎那（St. Thomas Aquinas）关于“快乐”所做的注解——即便完全价格歧视不曾存世，但不完全价格歧视却在不断攀阶，走向极致。
这可不是老一辈赶的集市
人们可能还会觉得诧异，当竞争对手在轻触两下鼠标的距离之外亮出低价竞争时，企业是如何实现价格歧视的，它们又是如何冲淡消费者货比三家之念的？
说起来，经济学家与反垄断律师眼中的“价格歧视”何尝不是互联网商家口中的“价格优化”或“动态差别定价”？麻省理工学院的尤西·谢菲（Yossi Sheffi）教授曾言道，“（动态差别定价）不过是榨干消费者油水的手段”。 2 伴随大数据与自学习定价算法的崛起，线上商家仍在不断探索优化价格歧视的方式方法。
为了能够索取高价，一些在线零售商正在收集消费者的常住地址、消费习惯和其他个人数据。 3 2012年，《华尔街日报》曝光了办公用品公司史泰博的价格歧视行为。 4 记者发现，该公司线上销售平台的定价算法正在基于消费者的所在位置向其呈现不同的产品价格目录。 5 作为美国三大办公用品零售商之一，面对两位对手——麦克斯办公用品（OfficeMax）、家得宝办公用品（Office Depot）的强敌环伺，史泰博公司另辟蹊径。文章中介绍，“如果竞争对手的实体店与史泰博网站访客的住地相距不足20英里，史泰博网站上的产品就会自动显示折扣价格”。 6 无独有偶，家得宝办公用品的高管也承认，该公司的官方网站会利用消费者的搜索历史以及定位信息来确定网站页面内容和产品价格。 7 2000年，亚马逊向购买相同DVD的消费者索取了不同价格。对此，亚马逊方面的官方说法是：这不过是一次线上测试行为，公司已将相关费用返还给了为此付出更高价格的消费者。 8 亚马逊全球副总裁帕特里克·米塞纳（Patrick Misener）在某公开场合将这场价格测试称作个案，并声称“（亚马逊）绝不会在定价时使用网络访客的个人信息，从前不会，今后更不会”。“我们不会利用消费者的购买历史或者其他信息向他们开出不同的价格。就这起事件来讲，除了‘愚蠢’，我也不好再做出其他评价，”米塞纳还说道。 9
2010年，《华尔街日报》还曾爆料了一起有关美国第一资本投资国际集团（Capital One Financial Corp）的新闻。原来，这家以发行信用卡著称的金融机构正在使用某项个性化检索科技，并以此确定应向首次注册该公司网站的访客提供哪类信用卡服务，而这项技术还能有效地甄别出客户信用的高低。 10
不仅如此，另有一些线上商家会根据用户使用的硬件设备来决定折扣的多寡。“如果有人使用智能手机的iOS系统或是安卓操作系统登录Orbitz和CheapTickets这样的出行订票网站，那么他最高可享受50%的折扣。” 11 此外，多媒体语言教学软件公司罗塞塔石碑（Rosetta Stone）还会选择在不同市场投放不同的产品系列，并基于网站访客的访问渠道——搜索引擎、社交网络链接、移动设备或计算机——而为他们提供个性化的学习建议。 12 “我们越来越关注细分市场的客户需求与目标定位。毕竟，每一位顾客都是独立的个体，”罗塞塔石碑公司的发言人表示。 13
近日，好事达保险公司（Allstate）因为它所使用的名为“市场观察”（Marketplace Considerations）的算法而背了不少骂名。这家保险公司正通过“观察”客户在购买保险前是否会去别处比价而向客户开出价格不同的账单。批评之言也非毫无缘由，作为一家保险公司，好事达不根据保险标的的风险而计算保费，倒是考察起了客户的比价行为，这岂不荒唐？更夸张的是，这种选择性定价行为会令价格的浮动空间下至标准费率的10%，上至800%！ 14
不单是线上商家，在动态差别化定价的运用方面，实体店铺也不甘落后。2014年，英国零售商百安居（B&Q）开始尝试一种电子标签，它可以基于消费者的个人档案而实时调整商品的定价。基于存储于顾客会员卡中的个人信息以及从他们手机客户端中获取的消费习惯数据，电子标签会自动生成一个“适当的”价格。对此，百安居方面声称此举是为了笼络那些忠实顾客。 15
有趣的是，就连优惠券的派发也变得更加个性化和有针对性。2015年内的每个月里，折扣商品推荐网站Coupon曾向近1,500万消费者逐一推送个性化的促销广告，内容覆盖了700家知名企业旗下的2,000多个品牌的产品。从Coupon公司2014年的年报来看，它所运营的电子平台意在“深度参与消费者的日常采购决策”。 16 同样在2015年，这家公司开始利用视频信息的呈现方式来吸引消费者，而这依托于对消费者的网络个人信息以及门店消费习惯数据的掌握和分析。 17
不难推断，对于动态差别定价而言，数据才是关键。为了确保消费者能够看到并且轻松访问与之最相关的内容，Coupon会综合利用基于人口统计学和定位信息而研发的个性化技术。 18 用户会查看哪些网络页面，他会主动搜索什么信息，又会激活哪类产品的折扣码，这些问题的答案也同样为个性化营销找到了解题方法。 19 此外，如果使用Coupon的手机客户端，人们还会收到针对自己的购物清单所特别定制的折扣券。对于Coupon这样的商家而言，企业的核心价值体现在拥有自己专利的大数据分析软件，从而有效识别客户的购买意图，并诱导他们进行采购。 20
长年以来，零售商都将发展会员卡业务视为收集消费者个人数据并向他们递送产品目录，开展促销活动的重要渠道。 21 以美国知名折扣商店塔吉特（Target）为例，当你走进塔吉特的商铺时，你可能会在无意识中收到“一个独特的代码”——会员卡号，它会记录你在店内完成的每一笔交易信息。 22 在你使用信用卡支付、兑换优惠券、填写调查问卷、申请产品退款、打通客服热线、点开塔吉特的促销邮件与访问它的网站时，塔吉特已将这些信息关联到了你的会员卡上。 23 除此以外，你恐怕还不知道它已经掌握了多少关于“你”的信息：你的年龄、婚姻状况、常住地址、距塔吉特商铺的距离、大致工资水平、近期是否搬家、常用信用卡以及勤于访问的网站等。 24 不限于此，塔吉特公司说不准已经获知了你的民族、过往从业经历，喜欢的期刊杂志，是否曾宣告破产或者办理离婚，在哪一年失去了自己的房产，在何处读的大学，关注哪一类热点新闻和话题，钟爱哪个品牌的咖啡、纸巾、麦片或苹果酱，以及你的政治倾向、阅读习惯、是否曾做出慈善捐赠以及拥有几台轿车等个人情况。 25 就连消费者所使用的手机型号、操作系统、内存数据都有可能被塔吉特获知。 26 在得到用户同意后，塔吉特可以追踪消费者的所在位置，甚至具体到你正身处塔吉特商店里的哪一排货架旁。 27 哪怕是你的脸书账号、头像、友人的脸书以及你的谷歌ID和头像也都可能在自己首肯的情况下，纳入塔吉特的用户信息数据库。 28 在你尚未察觉的时候，塔吉特已经通过你在用户采集表中填写的社交互联网平台信息，从你的博客、网络聊天室中收集到了更多关于你的信息。 29
显然，总有人会抵触这种数据采集行为。于是，你可以在搜索引擎的设置中勾选“不记录搜索历史”，明确自己的要求。但是直到2016年，塔吉特公司仍未对一些消费者提出的这种要求做出“响应”。 30 就连店内的摄像头也已不再限于发挥安保功能，它们还会被用来监测店内存货状况以及其他作用。 31
那么，公司为什么会费这么大精力收集消费者的个人信息数据呢？《纽约时报》给出了答案：为了提高顾客对塔吉特的客户忠诚度并促进消费。对于商家而言，孕妇正是一个理想的目标群体。塔吉特的线上商城可以将各式各样的妇婴用品卖给她们。通过塔吉特分发给顾客填写的产前派对登记表，它们可以获悉一部分顾客的怀孕信息。为了进一步明确哪些女顾客已经怀孕，塔吉特的数据库系统会根据顾客的消费记录做出分析。一般来讲，孕妇会有意购买一些特定产品，比如她们往往会在孕中期购买大容量的舒缓乳液。 32 通过对海量采购数据进行分析，塔吉特公司甄选出了判断顾客“怀孕可能性指数”的25种商品。 33 借此，塔吉特公司不仅可以从消费记录中判断顾客是否怀孕，还可以通过对方所购买的产品类型，对怀孕客户的临产期进行大致预测。 34 运用全国数据库资源和分析工具，塔吉特公司锁定了那些最有可能已经怀孕的女顾客，并有针对性地向她们派发妇婴产品的优惠券，以期她们可以到店消费。
《纽约时报》还记录过一件生活逸事，曾有一位女中学生的父亲找到了明尼阿波利斯市塔吉特门店的经理讨说法：
这名中年男子手中拿着那些寄给他女儿的优惠券，气急败坏地说：“我的女儿竟然收到这些东西！她还在上高中，可你们竟然给她寄来婴儿衣服和婴儿床的优惠券？难道你们是在鼓励她做一个未成年妈妈吗？”塔吉特门店的经理对男子的讲述简直是毫无头绪。他看了看信封，这的确是寄给他女儿的信件，里面是妇婴服饰和婴儿小家具的广告，上面还附着孩子那可爱的笑脸。对此，门店经理立即道歉，并在几天后再次致电男子表达歉意。但在电话的那头，这位父亲听起来却有些窘迫。“我和我女儿谈过了，”男子如实说道，“家里的确发生了一些我没有料到的事情。我女儿就要在今年8月生产了。抱歉，是我难为了你。” 35
在英国的超市里，个性化促销同样也非常普遍，其中的翘楚是乐购超市（Tesco）。早在1995年，乐购就引入了会员制度。乐购超市的前任首席执行官表示，“我们将消费者视作独立的个体，并尽可能地去主动了解他们的兴趣所在和生活习惯。为了契合他们的需要，我们也会向他们提供个性化的营销”。 36 那么，为什么是收集所有的个人信息数据？麦肯锡咨询公司一语道破——这样可以提高顾客的忠诚度。 37
在实践中，这种个性化的服务还影响到了商家会提供哪些商品给顾客。IBM公司商业研究部门的负责人莫林·斯通（Merlin Stone）认为，“就大多数行业而言，20%的消费者贡献了80%的利润”。没有哪家零售商会把自己的会员制度称作歧视行为，但在斯通看来，它确实奏效。比如，如果你总在乐购或者森宝利超市（Sainsbury）购买一些他们卖不掉的产品，那么这两家超市恐怕会得出这样的结论：你并非他们的目标客户。就此，乐购或是森宝利可能会选择有意抬高这些不受欢迎的产品的价格，或者干脆停止售卖这些商品。还有一种可能，为了让这些人“知难而退”，商家会有意将这些商品摆在一些不太显眼的位置或是挤占它们的货架空间。“就超市自身而言，它们总得腾出精力更好地服务优质客户，但这种‘排斥’想法可以恰如其分地通过这些做法来实现，”斯通认为。 38
反过来看，企业也可以选择顺水推舟，继续将这些不受目标客户欢迎的产品卖给特定的客户。对于这类客户而言，他们在乐购和森宝利超市里很难享受到额外的折扣或优质的服务，但他们或许也不甚介怀。就连英国竞争与市场管理局（Competition and Markets Authority）的总裁亚力克斯·切斯霍尔姆（Alex Chisholm）也不无讥讽地说：“这些小心翼翼的商家啊，他们生怕叫醒那些‘沉睡的’顾客，恨不得能悄无声息地终止产品的折扣……” 39
数据挖掘、追踪与利润最大化
企业可以利用数据库建设来辅助自学习算法，实现优化行为定向广告、制作个性化促销信息以及定价的工作。Coupons的首席执行官认为，该公司的数据分析产品运用最顶尖的科技，如机器学习和跨设备用户定位追踪，可以将“大数据”转化为“智能数据”， 40 掌握的顾客个人信息数据越多，定价算法便可以更好地预测我们的行为和喜好，进而实现价格歧视的目的。
在企业收集顾客的日常行为与个人信息的进程中，会员卡和交易记录不过是它们种种方式方法的冰山一角。事实上，实体店铺正在加速推进这项“事业”。从前，当我们不曾申请会员卡时，商场里的店员并不知道我们姓甚名谁，我们在寻找什么商品，又有哪些商品吸引了我们的注意。但如今，商家可以利用无线网络以及手机应用程序实现与顾客的互动。 41 此外，它们还在试图通过复杂的人面识别技术增进对顾客的了解。 42
2014年，美国联邦贸易委员会承办了一期研讨会，会议的主旨是拆解企业是如何在用户毫无察觉的情况下通过移动设备实现对用户行为进行追踪。 43 此后一年，联邦贸易委员会揪出了第一个惩治对象——Nomi科技公司（Nomi Technologies）。 44 该公司运用移动设备追踪技术，仅在2013年的前三个季度里，就实现了对900万台手机的追踪，而这大多是在用户无意识下发生的。作为一家信息技术公司，Nomi科技将自己的数据分析服务卖给了实体商铺，为后者提供有关消费者出行模式的数据分析报告，内容包括：过店而不入的手机用户与实际进店采购的手机用户的比例、消费者到店的频率、进店消费人群使用的手机型号、访问同一超市品牌其他连锁店的消费者人数等。 45 有趣的是，让Nomi科技深陷舆论旋涡的不是它的数据追踪行为，而是隐私政策的误导性。在业务开展的过程中，Nomi科技曾做出承诺，如果手机用户想要摆脱行为数据追踪，那么它可以在Nomi科技的网站或是“使用Nomi科技数据分析服务的零售商”的移动程序上选择禁止数据追踪。然而，Nomi科技从未要求它的零售商客户出示相关通告，而这些零售商也并未告知消费者这一事实。 46
除了企业在自身经营活动中收集到的顾客个人信息数据，它们还不时仰仗于数据掮客。据美国联邦贸易委员会的一份报告显示：
在这些数据掮客手中掌握着规模空前的个人信息数据。收集14亿笔交易数据、拥有超过7,000亿的聚合数据元素，每个月向数据库注入30亿个新的数据元素，这些可都没有夸大其辞。更重要的是，这浩如烟海的数据都是关于消费者自身的数据。在全美九大数据掮客当中，有家公司已将每位消费者的个人信息数据细化到了近3,000个数据段。 47
在收集消费者个人喜好与行为数据的同时，数据掮客也为他的客户提供数据分析服务。美国联邦贸易委员会发现，个别数据掮客已将他们的数据分析工作巧妙地转化为“营销成效打分表”，意在依据消费者对具体营销策略的回应、自身影响力、消费记录等指标对他们进行排名。 48 但归根结底，数据掮客的目的是准确推断消费者的兴趣以及价格敏感度，从而开出恰当的价格（或者折扣）将某件商品有针对性地推销给某位消费者。
在当代社会中，我们的日常生活已与互联网密不可分。不论是在工作场合还是娱乐消费和社交场合，想一想你平日里花了多少时间在手机和计算机上吧。即便只是兜里揣着手机，应用程序的开发商也有办法收集到你的实时定位信息。再往后想一想，当无人驾驶汽车、物联网、智能手表得到普及时，我们的个人信息又会在无形当中“溜走”多少。在算法大行其道的市场环境中，卖家必将投入更多资金和精力深挖大数据分析的潜力，以便在“适当的时机”里能够恰如其分地诱导我们消费。
完全价格歧视就在不远处了吗？
个人信息数据的爆炸式增长与自学习定价算法的精进必然会促成更多商家实现完全价格歧视吗？为了更好地理解市场竞争机制将如何演进，我们先要明白为什么对于特定市场来讲，完全价格歧视无法在短期内实现（可惜，这里有个不幸的例外——房地产行业。分处英国牛津与美国华盛顿特区的本书的两位作者，面对火爆的楼市行情，就不得不在竞价中告知卖家自己的保留价格。但在这里，先把个人琐事放在一边，让我们把视线的焦点集中在线上市场）。
数据不足
首先，为了实现完全价格歧视，企业需要研发一套算法，做到准确识别每一位消费者的保留价格。殊不知，消费者的保留价格却是一个潜在变量。也就是说，这是一个无法直接获取，只能推演生成的变量。消费者在网上店铺中浏览产品时，店家往往无法获知他的理想价位。于是，定价算法只能通过收集与分析交易数据以及消费者的行为，推算这个能让消费者做出购买决定的价格水平。
准确估算每个人的保留价格需要充分的数据，从而有效计量每一个对保留价格产生影响的变量。挡在完全价格歧视面前的第一道阻碍就是有限的数据。虽说相比20年前的实体商铺，定价算法的使用已让卖家占到了不少便宜，但就每一位具体的消费者而言，个人信息数据库的储备尚不充分。站在消费者的角度说，他可能从未购买过这类商品，他的行为可能也不具有“启发性”，因而定价算法也就失去了数据弹药。
可预见性与非理性
其次，如果想要在数据不充分的情况下实现完全价格歧视，预测工作则需要基于一些假设。但问题在于个体的性情因素与环境因素都有可能影响到消费者做出的购买决定，更何况有时就连消费者自己也不清楚自己的保留价格是多少。
有悖于新古典主义经济学派关于人的理性、利己与意志力的基本假设，在行为经济学家看来，人们的内心和行动要更为复杂。在过去20年的微观经济学研究工作中，经济学家开始重视起了行为经济学的理论，他们发现：（1）人的意志力并没有那么强大；（2）决策过程往往会受到固有偏见与“一时兴起”的干扰；（3）很多人都会重视“公平”的问题。 49
研究者曾做过这样有一个实验：实验参与者被要求回答，假设他们正身处海滩，此时他们愿意为一瓶冰镇啤酒付多少钱。 50 这个实验假设，人们在海滩畅饮一瓶啤酒的体验感是相同的，但区别在于这瓶啤酒的销售来源——或是附近的高档酒店，或是一家破败的杂货铺。实验表明，对于大多数消费者来说，他们会为来自高档酒店大堂的啤酒付出更高的价格，两者的意向价格分别是2.65美元和1.5美元。这样看来，即便消费体验相同，但是保留价格却相差甚远。
事实上，消费者往往无法说清自己的保留价格，甚至还会在无意识中低估一些影响因素所起到的作用。好比说，一个被人为抬价的价目表是否会影响消费者的保留价格？对于这个问题，经验丰富的房地产经纪人言之凿凿，声称自己不会受到影响，但实验结果却给出了不同答案。 51 在下面要介绍到这个实验中，每位实验对象（参与者中既有房地产经纪人也有一些非专业人士）收到了一份10页纸的房屋价格专业分析报告。 52 起先，本地房地产经纪人宣称，如果价目表中的报价比房屋评估价值高出5%以上，绝大多数的经纪人都可以察觉到这种“明显的价格偏离”。 53 为此，实验假设了两种情况，房屋报价或是与评估价值（暂且被看成是房屋的实际价值，74,900美元）相差无多（±4%），或是与评估价值有较大差距（±12%）。实验结果显示，不论是专业人士还是普通人，报价的高低显著影响到了他们对房屋价值的判断。虽然假设其他条件不变（同样的房屋、同样的市场条件），但是当报价较高时，实验对象也倾向于对房屋的评估价值开出较高的估价。 54 对于两组实验对象而言，他们之间的唯一差别是非专业人士坦承自己的估价受到了报价的影响，房屋经纪人们却“断然否认”了两者的关联性。
在面对一个有意抬价的价目表时，我们普通人何尝不是和那些房地产经纪人一样忽视了它对我们的影响，也让商家钻了空子。亚马逊网站曾卖过一款原价2,152.86美元折后21.53美元的猫砂盆。 55 同样，买家似乎也能够只花7.9美元就买到一包6盎司装、原价822美元的狗粮。 56 不用细想也知道，没有人会真的花费2,152.86美元或是822美元购买猫砂盆和狗粮。但考虑到人们决策中的锚定效应（Anchoring Effect） 57 ，这一切似乎又都说得通，原价的先入为主以及其他易被忽视的因素都干扰到了我们的定价坐标系。举一个简单的例子，在我们出国游玩时，一开始有多少人会惊诧于当地物价水平与本国的不同，但最终，我们都会适应这新环境。
在追求完全价格歧视的路上，企业要能够识别每一位消费者的有关关键参数并且不断修正假设条件的准确性，可这些消费者，他们既没有那么理性，也没有很强的意志力。即便只是针对一罐可乐，在不同情况下，消费者的保留价格也会大相径庭。购买场所（便利店还是机场）、天气因素（酷暑还是晚秋）、当前状态（刚结束锻炼还是家中静坐），什么都有可能影响到消费者的出价打算。
没有海量数据的支撑，定价算法要准确识别并量化消费者的保留价格谈何容易。更何况，每一笔交易都是一起独立的事件，受方方面面因素的影响：买东西的人是在星期几、具体几点几分下单；他人身处何地；当时又在网上浏览什么信息；此人的性别、年龄、家乡何在、受教育水平；商品是以怎样的排序陈列出来，它们各自的价格又是多少……这些因素恐怕也难以综合考量吧！
样本规模
为了全面识别所有影响消费者保留价格的变量，商家往往需要进行反复验证。但摆在完全价格歧视面前的第三个阻碍却是样本规模的有限性，收集到的数据往往不足以支撑定价算法的假设。
这么说来，多大体量的数据可以成就定价算法的完全价格歧视呢？对于一些频繁的日常交易，商家收集数据自然较为容易，样本数据的可参考性也较强。但像一些大额耐用品的开销（如电视、轿车），样本数据的可参考性就要打个问号了。
可见，如果没有海量数据（特别是性情因素与环境因素）的支撑，一个人的保留价格实在难以被定价算法准确估算。算法不仅要识别影响消费者保留价格的种种变量，还需要相关的数据来尝试预测消费者在不同情境下的反应。实践中的难题在于，定价算法没有那么多数据弹药可以用来反复试错，从而识别并准确计量所有影响消费者保留价格的变量。如果算法无法纳入特定的行为因素和环境因素，它又如何能够实现完全价格歧视呢？
本章回顾
在过去的几十年中，企业都在践行着粗放模式的非完全价格歧视，最典型的例子是基于年龄段（儿童、老年人、学生）和简单独立变量（消费者的定位信息、时段）的歧视性定价。
企业在消费者行为追踪、收集与分析个人信息数据、采用差别化定价等活动中所取得的进展都是为了提升自己的歧视性定价能力。然而，除非消费者可以准确地揭示自己的保留价格（好比在火热的房产交易市场中买家的竞价），在可预期的未来，不少线上市场的定价算法尚不能有效识别消费者的保留价格。尽管有时算法可以做到超常发挥、表现优异，但不得不承认，所有的定价算法都尚且存在难以克服的缺陷。于是，它们的任务变成了不断对照现实、查找不足、提升自己的预测能力。
下一章将讲到，定价算法的演进与数据库的丰富将令线上商家得到保留价格的估算值，并将他们引向完全价格歧视与可喜的利润增长。为了这一天的到来，企业会加紧优化手中的定价算法，进一步对消费者群体进行精细化划分。欧盟数据保护监督局的研究表明：
经济学理论研究显示，当商品的供给者可以有效地对不同消费者进行区分（也就是开展价格歧视）时，它将实现利润的最大化。比如，如果药品企业不了解购买自己产品的消费者都为何人，那么它只能为每一款药剂设定一个统一市价。然而，若是这家企业可以获知不同消费者的经济实力和对药剂的需求，那么它很有可能会向那些财力足、迫切需要购买这款药剂的人们开出更高的价格或者推出一款“升级版”产品以便堂而皇之地抬价。在这个过程中，大数据的作用就是更好地实现消费者细分。不难看出，在居民健康数据库和医疗保健企业的利润水平之间存在一个正相关关系，对于大数据的应用可以有效转化为实实在在的收益。在大数据技术自我增强的趋势下，利润的递增也将反过来助推大数据市场的壮大，同时强化人们的个人信息保护意识。 58
有了数据规模的扩大、分析能力的优化与消费者细分水平的升级，具备自学习能力的定价算法将越发逼近完全价格歧视。