算法价格歧视下消费者感知背叛与应对策略分析

刘延雪

（天津师范大学政治与行政学院，天津 300387）

一、引言

近些年来，随着互联网技术蓬勃发展，一些先进的互联网技术，如5G、大数据等先进的数字技术已融入人们生活中，互联网数据逐步发展成为一种重要的战略性资源，甚至成了许多企业的发展数字资源。在大数据分析、大数据挖掘等技术的支撑下，众多企业通过利用网络技术，搜集和分析消费者的数据，对消费者进行个性化需求分析，制定出吸引消费者且易于被他们所认可的营销方案，最大程度地促进其消费，提升企业的销售成功率，为企业创造更多的订单和利润。然而，由于商业的趋利性，部分企业会选择对数据信息进行灰色化分析和使用，将算法价格歧视当作提高销售额的手段。在此情况下，企业根据不同消费人群的消费心理和消费习惯等，记录和分析顾客的消费心态和消费行为，对相同的商品进行差异化定价，导致部分人群的消费开支增大，从而损害消费者权益。在感受到自身遭遇到算法价格歧视时，不同的人群对这一行为的感知背叛感也存在差异，进而所引发的连锁反应也存在不同。因此，了解不同群体的感知背叛程度及规避算法价格歧视的出现，对电子商务的发展具有重要意义。

二、算法价格歧视的机理分析

（一）算法价格歧视的具体实现步骤

实施算法价格歧视的过程在各个行业中呈现出不同的特性，但总的来说，可以分为三个主要阶段，即“数据汇集阶段—算法判定阶段—信息推送阶段”。

1.数据汇集阶段

在数字化的时代背景下，许多经济行为都被数字化记录下来，同时网络平台也储存了大量用户的设备信息、服务记录、身份信息及行为偏好等数据。这些数字信息通常被称为用户的“元数据”。要获得这些“元数据”，首要步骤是收集数据，将分散在各处的“元数据”整合到一个统一的数据集中，通过对这些“元数据”进行适当的转换，就能得到用户的特征数据。这些特征数据通常可以分为消费者属性数据和消费者行为数据两大类。消费者的主要特征数据包括用户画像（如性别、年龄、职业等）、地理画像（如所在的行政区域和级别等）、设备画像（如登录的设备品牌、型号等），而消费者的行为数据则包括他们常使用的APP、频繁关注的频道及在购物时的支付方式（如微信、支付宝、银联等）。在过去，个人隐私信息主要由政府部门统一管理，然而在数字化的时代，如网络运营商、平台运营商、智能设备制造商等非政府组织，可以方便地获取全面的样本数据，获取的用户数量、样本覆盖面和时间跨度都大大超越了过去。当前，企业对数据元素的竞争已转变为关键资源，因此，大数据也被视为21世纪等同“石油”的重要资源。

2.算法判定阶段

根据石颖（2022）的观点，在数字化的信息时代，许多社会经济企业部门已逐渐开始使用算法作为决策的手段。这些算法能够对大批数据进行融合、排序、分类、培养，然后把问题拆分为若干个子问题，创建数据集，给各种数据打上标记，最终利用机器学习方法去分析和预测新的数据。

通常，机器学习存在两种不同的识别方式。一种是监控识别方式，利用已标记的数据样本来构建“输入”和“输出”之间的规则；另一种是无监控识别方式，直接识别未标记的数据并创建相应的规则模式。如今，算法已转变为人类思维的一种表现形式，基于已有的知识体系和经验判断，在特定环境下能够自我推导出因果关系。随着算法决策的普遍应用，算法也逐步演变为一种新的社会经济管理模式，成为人类创造的一种用于规范并影响个人行为和社会秩序的工具。尽管算法的运行方式可能是完全公正的，但算法编写、参数挑选和标记都包含了编程人员的个人决定。特别是对那些由商业资金支配的互联网平台公司来说，算法的运行方式深深地烙上了商业逻辑的印记，这导致了其独立性、客观性和公正性遭到了普遍的怀疑。

3.信息推送阶段

借助消费者在平台所留下的“数字足迹”，平台公司运用算法技术为其建立“数字画像”，根据利润最大化的准则，针对特定的消费人群实施有针对性的营销和差异化的定价。通过运用算法，平台公司能够筛选出那些对价格不太敏感的消费者作为推销对象，而这些消费者的购买决定往往是由习惯性的心态所影响，当他们对某个网络平台有了深入了解之后，就不再愿意花费更多的时间去比较通过各种渠道购买商品的价格和质量。此类消费者被称为对该平台有依赖或黏性的用户，同时他们也是算法价格偏差的主要受害者。由于这些平台的忠实用户无法立即感知到其商品或服务的某种程度的变动，因此网站能够借助消费者的习惯思考，对他们实施涨价政策并通过发布个性化广告、精准推送等手段，使其陷入高额消费的陷阱。目前的计算机系统能够根据每一个用户创造独特的数据模型并持续追踪，协助公司识别出导致用户不合理消费或者易受伤害的主要原因，并借此机会把消费欲望变成了实际的购买行动。

（二）算法歧视的经济学分析

依托经济学分析框架，可从福利的角度来分析算法价格歧视的具体实现过程及其后续影响。在这一过程中，需要对经济学模型进行必要的假设，并对一些相关的参数进行界定、说明。通过分析网络电商平台与用户之间的均衡关系，假定交易双方都是理性经济人，并且在购物的消费者中存在一定比例的消费者对商品的价格敏感度较低（即算法价格歧视中更容易被加价的对象）。为进一步分析福利的变化，还需要假设参与交易的消费者只消费两种不同的商品分别是商品A 和商品B，其中一种商品是从网络平台购买的。而另一种则是通过非网络的形式购买，从而可以在一定程度上展现实际生活中商品交易的多样性。

基于上述原则设定，通过效用水平和福利水平变化来对算法价格歧视的经济学影响进行分析。与此同时，进一步对部分参数进行核校，其中消费者买单一个商品的价格是p，所带来的效用用u表示，市场中所有的消费者都有着总收入的约束；在总收入中消费者用于网络购物的消费比例是y，并且存在着一部分对价格不敏感的消费者群体，其比例是λ，在网络电商平台中企业销售产品的成本是θ，这一成本也就是网络电商平台商户可以接受的最低的销售价格，而商户在销售过程中对平台价格不敏感用户的加价幅度为c。

1.没有算法价格歧视影响下的福利分析。研究中先从不存在价格歧视角度下分析不同的市场交易主体的福利状况，在商家不实现算法价格歧视的情况下，商家对所有的消费者都采用统一的定价策略，此时从网络上购买商品A的价格是pA，而非网购的商品B价格定价为pB，此时单个消费者可以获得的总效用则为：

而就网络平台的销售商家来说，如果有n个消费者选择从线上平台消费，则经济剩余约为：

社会总福利为：

2.存在算法价格歧视影响下的福利分析。在存在算法价格歧视时，如果网络平台商家针对部分价格不敏感的用户进行算法价格歧视，那么相比于传统的定价策略则会产生相应的变化，如果平台对价格不敏感的用户的价格幅度是ε，在此情况下所有消费者的总效用则变化为：

对很多的网络电商公司来说，企业的经济剩余变化为：

社会总福利为：

3.上述两种状况的对比分析

通过对这两种不同的状况下的消费者总效用及社会总福利的变化情况，分析算法价格歧视的经济学差异。对比公式（2）与公式（5），可以得出网络电商平台在进行算法价格歧视定价之后，其总体的经济剩余提高了nθε，但反观消费者的总效用则是出现了明显下降，而社会总福利的变化无法得出一个准确结果，需要进一步分析才可以得出较为精确的结果。

三、研究设计与结果分析

（一）算法价格歧视对顾客感知背叛的影响机理检测研究

以实验的方式来分析算法价格歧视与消费者感知背叛之间的关系。一方面，假定算法价格歧视的程度越高，消费者所感受的背叛程度也越高。另一方面，算法价格歧视越大，用户动机属性就会越高，因此其对交易行为的认知也就越高。

1.实验法

预调查：研究目标是在什么样的应用中，用户最容易遇到“大数据杀熟”这一问题。以2022 年12月7 日为研究时间节点，进行了相关的调查研究。选取30个研究对象，要求他们描述出在哪个在线平台上被杀熟（包括算法价格歧视）。从数据统计看，排名依此分别是美团、滴滴、携程、淘宝、京东、飞猪、去哪儿、拼多多等，美团和滴滴分别以11/30 和10/30 的比例排在第一、第二位。因此，将进一步以美团、滴滴作为研究对象。

实验一，以美团中的酒店预订系统为研究样本，进行实证研究结合预调查实验。美团之前被曝光存在有大数据杀熟现象，所以选择美团作为实验对象，并且调查发现在美团提供的服务中，酒店预订和外卖是最有可能被“宰”的。另外，在调查中，如果消费者同时在美团上购买了同样的商品，那么很可能会被美团认定为一个忠实的客户，而不是一个新客户，忠实客户在购买相同的商品时就有可能会出现差价，这样的差价实际上就是美团对其“大数据”进行了“杀熟”，对消费者的权益可能造成极大损害。

实验二，测试算法中的价格歧视是否真实及强弱。以2022年12月7日为研究时间节点，进行了调查研究。使用Hindermann（2018）的算法价格歧视问卷，测量美团的算法价格歧视。第一，美团（M=5.60）熟客较新客多支付；第二，美团通过AI算法（M=5.54）对新客户的“高价”进行了“大数据杀熟”；第三，这样的差价会对个人权益产生重大的影响（M=5.69）；第四，这是美团（M=5.60）对熟客进行了价格歧视。使用Likert7 进行打分，1 表示很反对，7 表示很赞同。对算法定价歧视进行的信度和效度检验结果分别为0.844、0.811，显示出较好的信效度。

实验三，以2022 年12 月15 日—16 日为研究时间节点，进行本次调查。以使用美团的个体为主要研究对象，采用定向试验方法，收集近期有出游意向的386位大学生信息，开展定向实验，填写相关调查表。

2.调查分析结果

首先，根据得到的386位调查结果，将这些调查对象分成高、低差价两个群体。单变项检验显示，高价差群体对算法价格歧视的分值明显大于低价差群体，高、低差价群体两者间的均值差为47.63，P＜0.001，表明研究结果能够有效地测算出算法的价格歧视。

其次，研究算法价格歧视对用户感知背叛的影响。图1 展示了调查对象在不同的运算法则下，在感知背叛和蓄意归因分数上的价格歧视。图1（a）是针对感知背叛而产生的算法价格歧视的影响，图1（b）则是针对蓄意归因而产生的算法价格歧视。从图1（a）可以看出，两个群体都存在价格背叛行为，而低价群体所感觉到的价格背叛明显比高价群体要少，结合图（16）低价群体的感知背叛和畜意归图平均水平分别为4.11、4.62，P＜0.001。结果显示，相对于较弱的算法价格歧视，较高的算法定价会对用户的感知背叛产生更大的作用。

图1 算法定价歧视化对顾客忠诚认知的影响及其蓄意归因在其中的调节效应

图2 算法价格歧视对顾客感知背叛的影响及蓄意归因的中介作用和关系质量的调节效应

在此基础上，检验算法价格歧视对决策动机及其他可能的解释变量的作用。从图1（b）可以看出，低价群体对欲望的感知比高价群体要低，同理高消费水平的消费者平均水平分别为为5.37、5.6，P＜0.001。研究结果显示，相对于较弱的算法价格歧视，较高程度的算法歧视让用户更倾向于认为其是厂商故意为之。

其中，高价群体个体化定价均值1.102，低价群体为1.234、F=0.921、P=0.217。情感状况方面，高学历者平均为4.066，学历较低者为4.012，F=0.207，P=0.325。因此，这两个因素对算法价格歧视不大的群体的评估不明显，不能用来解释算法价格歧视对感知背叛的作用。而且高、低价个体化定价平均值都远小于4，表明个体化价格不会成为一个中间变量。另外，两个实验对象的平均情感水平都在4左右，表明实验对象的情感较稳定，由此将这两种可能的干扰因素剔除。

采用过程模型4（Hayes，2017）来检验蓄意归因对认知加工的影响。结果表明，蓄意特征变量对出卖知觉的预测存在显著的干扰作用，95%的置信区间为[0.6523，1.2827]。对于较弱的算法价格歧视而言，被算法价格歧视的用户具有较高的动机和较高的感知背叛。由此，用户受到的算法价格歧视越大，用户的动机属性及其对交易行为的认知都会更高。

总之，通过对比实验，检验高强度的算法价格歧视对感知背叛的主效应和检验动机的调节机制。这一研究将从理论上阐明算法价格歧视对用户感知背叛的机制，并进一步考察在何种情况下这种效应仍有可能被削弱。

（二）关系质量的调节作用检验

1.实验设计

预调查表明，在用户眼中，滴滴是排名第二的“杀熟”应用，而其提供的“快车”服务则是最有可能成为“大数据杀手”的一类。因此，选择滴滴出行为研究对象。

首先测试滴滴提供的特快车是否适合前往浦东国际机场。一是以10 位使用滴滴软件的受访者为代表，他们常用的“滴滴出行”到浦东机场的次数最多（30%）。二是以“滴滴出行”前往浦东国际机场为例，对其定价机制与合理性进行实证分析。实验对象为30 人。使用Likert7 打分，1表示很反对，7 表示很赞同。在问卷调查中，第一，“前往浦东国际机场的常用滴滴服务”的问题，M=5.20。第二，“新客户支付的费用高于新客户，是因为有定价歧视”的问题，M=5.50。第三，“你觉得，新客户和新客户之间的差价，是不是因为滴滴使用了AI 技术，导致了这个问题”“你认为这个差价对你的权益造成了很大的损害”的问题，M=5.36 第四，“你认为这种行为属于滴滴对熟客的定价行为”的问题，M=5.43。计算结果显示，算法定价歧视的信效度分别为0.801 和0.776，说明该量表具有较好的信效度。

主实验：检验关系质量对结果的影响。以2022 年度12 月18 日—19 日为研究对象，采用随机抽样的方法，选取321位搭乘滴滴出行前往浦东国际机场的乘客。借鉴真实情境下的算法价格歧视行为，并以Gregoire ＆ Fisher（2008）研究结果为基础，对关系质量的控制效应进行研究。

2.调查分析结果

首先，对调查结果进行统计。共获得321 个有效的调查结果。将调查结果分成两类，其中，平均水平较高的（157 个）被纳入高算法歧视，而较低的（164 个）则属于低算法歧视。在此基础上，将高、低算法歧视中又分为高、低关系质量两个类别。在低算法歧视中，91 个低关系质量结果，73 个关系高质量结果，在高算法歧视中，95 个低关系质量结果，62个高关系质量结果。

其次，对实验操作的有效性进行检查。在考虑了对算法价格歧视后，发现高价歧视群体对算法价格歧视的评价分数明显大于低价歧视群体，低价位歧视群体的平均分数为4.05，高价位歧视群体的平均分数为5.70，两者之间的平均比率F(1317)=78.54，P＜0.001。所以，笔者所提出的针对算法定价歧视化操作方法有效。

在此基础上，采用两因子变异数回归方法，构建基于信任度的两因子变异数回归模型，发现算法价格歧视和关系质量之间存在着明显的负反馈效应。在用户认知中，算法价格歧视和关系品质之间的相互作用，低关系质量下，低算法价格歧视的被调查对象表现出了明显的感知背叛，其中，群体的感知背叛平均水平分别为4.62、5.32。在高关系质量下，其感知背叛水平都有所提升（低算法价格歧视感知背叛水平5.15，高算法价格歧视感知背叛水平5.61）。当面对强烈的算法价格歧视时，高关系质量群体的感知背叛水平明显提高。结果也表明，在算法价格歧视对出卖知觉的影响中，存在着“关系质量”这一中介效应。通过这一实验可以得出，如果企业与消费者之间合作较为融洽，更高的计算式价格差别会让消费者心中产生更高的感知背叛。

进一步分析，将研究算法价格歧视、关系质量等因素对决策动机的作用机制。通过两因子变异数检验，发现算法价格歧视与关系质量间的互动效应，均对决策动机有明显的正向影响。在算法价格歧视下，高关系质量组中高算法价格歧视的主观动机显著高于低算法价格歧视，蓄意归因水平分别为6.11、5.38，F(1317)=16.37，P＜0.001。结果表明，关系质量会提升蓄意归因的水平。

（三）物价敏感性在消费物价敏感性中的中介效应检验

1.实验方法

首先，将美团的“塔斯汀中国汉堡”餐厅作为上海电气学院周边地区最流行的送餐地点，进行详细分析。以2022年12月21日为研究时间节点。在美团外卖等多家外卖网站上，对20 名经常光顾“塔斯汀中国汉堡”门店的20 名学生进行调研与访谈，其中“塔斯汀中国汉堡”门店中所提供的自选套餐（92.6%）、板烧凤梨套餐（83.2%）、香辣鸡腿套餐（81.7%）、培根煎蛋汉堡套餐（77.6%）这一系列的产品最受消费者的欢迎，排名为第一、第二、第三和第四。

其次，进一步围绕上述4个套餐对“塔斯汀中国汉堡”店算法价格歧视的存在情况及强度进行了分析。在实验分析中，一共有40名测试者参加了此次实验。采用Likert 评分法，评选出最先被视为最经常使用美团外卖订购“塔斯汀中国汉堡”（M=5.43）的汉堡；同时，实验结果也表明，第一，当熟客比新客户支付更多的费用时，其算法价格歧视为M=5.66。第二，由于使用了一种用于大数据杀熟的算法来操控定价，所以老客户在购物时要额外支付费用的问题数值为M=6.03。第三，“此报价歧视已对你的权益造成了损害”的问题，其数值为M=5.45。第四，之所以会有这样的定价歧视，是由于美团针对长期客户提供了一个针对定价的问题，其价值为M=5.79。第五，若长期客户所支付的费用高于新客户，其每日所受的歧视将会进一步加深，即M=5.85。该实验的可靠性和有效性均比较理想，其边界因子分别为0.81和0.78。

本实验的重点在于验证消费者对价格敏感度的调节效应。以2022年12月20日—21日为研究时间节点，以两因子2（算法价格歧视：高/低）×2（价格敏感度：高/低）为研究对象，开展实验研究。选取了487 位最近使用美团外卖订餐的学生为调查对象，以快递替代实验商品（低价商品）。另外，将美团平台上的“塔斯汀中国汉堡包”4 种被调查的商品进行了比较。笔者在实证研究的基础上，借鉴Goldsmith（2005）所建立的三个调查问卷，进行实证研究。

2.调查分析结果

对所有搜集到的调查问卷进行统计，本次调查共收到483份有效问卷，经过测算，得出了被测售价和实验者发布售价（49 元）的差额为6.03 元，并对这些问题进行了分类，将187 份高于平均值的问卷归为高价格差异组，296 份问卷归为低价格差异组。同时，将每份调查问卷中价格敏感度系数4 以上的都认为是高价格敏感，4 以下的全部认为是低价格敏感。基于此，筛选出低算法价格歧视的低价格敏感样本159 份，低算法价格歧视的高价格敏感样本151份，高算法价格歧视的低价格敏感样本79份，高算法价格歧视的高价格敏感样本93 份。在受试者的性别和年龄上，各组别的受试者不存在着显著差异。对算法价格歧视的强度进行研究。从方差的角度看，对于被判定为算法价格歧视情形，价格差越大的群组，其得分就越高；在低价格差异组中，其均值为4.64，而高价格差异组的平均值为5.30，F（1483）=11.537，P＜0.001，由此可知，实验对算法的价格歧视的处理较为成功。

价格敏感度在算法价格歧视对顾客感知背叛起中介效应，并对其交互效应进行了检验。而在低价格敏感度的消费者分析中，这两种算法价格歧视所带来的消费者感知背叛所产生的差异比高价格敏感组出现明显下降。通过这一系列的分析显示，消费者的高价格敏感度在实际的算法价格歧视中，对消费者的感知背叛中有一个较为明显的负向增强，所以进一步验证了随着顾客对价格敏感度的提高，其对算法的价格歧视会产生更明显的感知背叛。

根据前文的研究，对外卖产品的类别分析再一次验证了较高的算法价格歧视会使消费者会产生强烈的感知背叛，探讨了价格敏感度对消费者情感的影响，发现高价格敏感度的消费者在遭遇价格歧视时会表现得更加激烈，所以价格敏感度是实现高强度算法价格歧视行为的重要约束。

四、算法价格歧视的应对措施

（一）保护消费者应享有的知情权

首先，数据管理部门要对电商行业的运营进行专门监管。有必要完善电商行业的法律法规，确定电商行业的监督管理机构，确保经营者依法履行相关责任，更好地保障消费者的知情权。另外，做好电商领域的数据监管职责，对算法的歧视性定价及其他不合法行为进行规范管理。在管理过程中将承担数据管理的职责转移到大数据管理部门，实现对电商经营行为的全面监督管理。

其次，要进一步强化对消费者的个人信息保护。《中华人民共和国个人信息保护法》中规定了企业需要在消费者完全知情且同意的条件下，才能使用消费者的个人信息，并且对如何使用个人信息要履行对消费者的告知程序。然而在现实经营和对个人信息的使用过程中，消费者明显处于劣势地位，在监管与执法方面都存有难度，对经营者使用消费者个人信息的告知义务履行情况及如果违反这一法律需要如何进行处罚，许多管理细则需要进一步细化，从法理上让企业更好地履行对消费者个人信息的规范使用的义务。

最后，在算法定价的过程中要维持好消费者与商家之间的利益平衡。算法在发展过程中已经逐渐演变成了一种权力，掌握大量数据的群体与被算法支配的群体之间在权利义务方面存在着明显的不平衡。就算法本身而言，其在运用过程中难以被查询与调查，消费者在面对着算法价格歧视难以获得相应的救济。对于算法的管理整治来说，解决这些问题的一个重要途径，就是要增强算法的透明性，推动政府部门和使用者共同监督算法的价格歧视行为。应明确禁止经营者使用顾客的个人资料实施歧视价格，而且必须将价格定价机制公布出来。在用户和管理者之间实现一种相对的平衡，防止因为资源分配的不同造成的权利义务不平衡。

（二）实现消费者面对侵害可以依法求偿

首先，要实现并加强消费者线上购物纠纷的线上处理。当前中国已经在部分地区开设了互联网法院，需要加强互联网法院的宣传和推广，让消费者在遇到算法价格歧视时，借助这一平台实现线上受理线上审判，降低维权的难度。同时，互联网法院的线上公开庭审，可以让更多人了解这一维权途径，发挥好教育的作用。另外，鉴于算法价格歧视的案件往往标的额偏小，能够在线上进行仲裁。一是创新电商争议的在线解决，借助在线立案，进行庭前调解或是做好仲裁；二是引入公共服务实现对裁决的辅助，特别是借助于消协等机构做好消费者的投诉调解及法律咨询等；三是利用好科技创新实现争议的高效解决，如在争议处理中可以引入人工智能进行简单问题的回复、法律条文的解释等。

其次，要将举证责任的重点转向企业。在算法价格歧视方面的争议纠纷中，许多企业是算法数据的主动方，对消费者个人信息的收集更占优势，而消费者的举证难度非常大，双方之间存在着明显的强弱不平衡。就法律中“谁主张谁举证”的逻辑对消费者而言，存在着很大的不公平，甚至会导致维权困难。当前，在定价问题上，消费者和企业的争端主动权通常掌握在企业的手中，企业必须保留价格等相关的数据资料，而且一旦发生了争议，企业必须承担起举证责任，为定价的合理性与合法性提供证据。

最后，完善陪审团制度。借助陪审团的审判介入制度，有利于充分利用这一群体的专业知识，有利于法官更好地查明案情。这既能为当事人节约举证成本，又能提升庭审的效率，让当事人更加认可判决的结论，从而提升法院的公信力。在众多的算法价格歧视案例中，很多企业都不愿将定价算法公布出来。因此，在这个过程中，专家陪审员可以利用自身的专业特长，给法官们提出不同的审判理念和参考意见，以此达到司法的公正。

五、结束语

随着人工智能的发展，数据信息逐渐变得越来越丰富，但同时也带来了个人信息泄露、算法价格歧视、用户信任等问题。笔者首先从消费者视角，剖析大数据杀熟情境下的感知背叛效应，并将该理论拓展到人工智能发展中，更好地剖析消费者在面临不同等级算法价格歧视时的心态与对策。其次基于归一化的视角，剖析算法价格歧视对顾客忠诚度的作用机制，对相关人员的属性进行了区分。在多个情境下，通过情境调查，扩展研究的外在有效性，更加完整地认识到，在算法价格歧视情境下顾客忠诚的产生机制。再次基于关系质量和价格敏感度与算法价格歧视之间的内在联系，发现高关系质量引起的消费者感知背叛水平较高，价格敏感度在算法价格歧视对顾客感知背叛起中介效应。最后为保护消费者的相关权益，提出了处理算法价格歧视的应对方法。