为什么外卖平台会对不同用户显示不同的价格与优惠？

外卖平台对不同用户显示不同的价格或优惠，根本原因是平台利用推荐算法实施了微观经济学中的“个性化定价”（或称一级价格歧视）。通过海量数据精准测算每个用户的“价格弹性”和“支付意愿”，算法试图在每一单交易中，将用户的“消费者剩余”极限压缩并转化为平台的利润。

算法时代的“一级价格歧视”

在传统商业中，商家很难知道每个顾客心里的“最高底价”，只能统一定价或搞粗放的“学生半价”活动（二级/三级价格歧视）。但在移动互联网时代，外卖平台掌握了你的设备型号、下单时间、地理位置、历史客单价甚至浏览停留时长，这使得“千人千面”的算法杀熟成为可能。

用户画像与“价格弹性”的精准测谎

算法的核心任务是测试你的“价格弹性”（Price Elasticity of Demand），即你对价格变化的敏感程度。

• 低弹性用户（刚需/时间贫困者）：如果你经常在恶劣天气、深夜加班时段下单，或者历史数据显示你总是直接搜索特定店铺且从不使用比价软件，算法会判定你对价格不敏感，更看重时间效率。此时，平台会悄悄减少你的红包金额，甚至提高配送费。
• 高弹性用户（摇摆/比价者）：如果你经常领了红包却不付款，或者频繁在多个外卖平台之间切换，算法会判定你极易流失。为了挽留你，系统会自动触发“定向大额补贴”，让你看到比旁人低得多的最终结算价。

转换成本与“大数据杀熟”的本质

人们常说的“大数据杀熟”（老用户价格高于新用户），在经济学上其实是平台对“转换成本”（Switching Cost）的精准收割。新用户为了培养使用习惯，平台必须支付高昂的获客成本（CAC），因此展示极低的价格；而老用户已经形成了肌肉记忆，绑定了支付方式，甚至积累了会员积分，他们放弃该平台转向竞品的“摩擦力”很大。算法正是利用了这种路径依赖，对忠诚的老用户减少补贴，实现利润最大化。

“算法通过强化学习不断进行A/B测试，在‘发券促成交易’与‘少发券赚取更高毛利’之间寻找每个用户的最优临界点。”

动态博弈下的“千人千面”策略矩阵

为了更直观地理解外卖平台后台的算法定价逻辑，我们可以将用户分为三个典型阵营：

用户类型标签	算法识别特征	平台定价与优惠策略	经济学动机
沉睡/流失边缘用户	超过30天未下单，或近期频繁浏览竞品	发放无门槛大额红包，展示极低配送费	降低获客/唤醒成本，防止用户彻底流失
高频忠诚用户（被杀熟）	每周下单5次以上，设备为最新款旗舰机，固定商圈	减少通用红包，动态上调打包费或配送费	榨取消费者剩余，利用高转换成本收割利润
价格敏感型“羊毛党”	经常加购不结算，只在有满减活动时下单	推送精准的“差X元满减”凑单建议及定向满减券	提高客单价（AOV），用虚假折扣换取实际交易额

弄明白了这个机制，你就能掌握一个反制算法的“物理外挂”。由于外卖平台的推荐系统高度依赖实时的行为反馈，你可以故意向算法释放“高弹性”的假信号。比如，把想吃的餐品加入购物车后故意放置几个小时不付款，或者直接取消订单去打开另一个竞品App。此时，后台的“挽回机制”会被触发，算法为了防止你这笔交易流失，往往会在接下来的半天内，通过Push通知或首页弹窗，精准地给你塞一张大额的“定向召回优惠券”。下次点外卖时，不妨把你和平台之间的交易，看作是一场人类心理学与深度学习模型之间，关于几块钱配送费的微观博弈。