ОГОНЬ
Фото:
Шоу Трумена в супермаркете: почему за вами следят, чтобы поднять ценник
Цена на один и тот же товар может отличаться для разных людей — это результат работы алгоритмов, которые анализируют личные данные покупателя. Компании собирают информацию о покупках, перемещениях и даже семейном положении, чтобы определить, сколько именно человек готов заплатить. Это называется surveillance pricing.
В 2025 году сервис доставки Instacart попал под расследование: оказалось, что один и тот же продукт для разных пользователей мог стоить на 23–26% дороже. Семья с детьми переплачивала больше тысячи долларов в год — просто потому, что алгоритм знал её историю.
Американский регулятор FTC требует от компаний честно предупреждать о персонализированных ценах, а отдельные штаты — например, Нью-Джерси — уже ввели полный запрет для продуктов и товаров первой необходимости.
В Европейском союзе продавец тоже обязан предупредить покупателя, если цена рассчитана автоматически на основе его профиля — это требование закреплено в общеевропейской директиве.
В России Гражданский кодекс (статья 426) устанавливает, что в розничной продаже цена должна быть одинаковой для всех, поэтому дифференцированные ценники можно оспорить в суде.
Подписывайтесь на ОГОНЬ в МАХ
«Специально для вас»:
как ИИ помогает продавцам устанавливать цены и убивает принцип «одна цена для всех» – канал Новости IT | Вашу Цифру! (1/2)
Практика ценовой дискриминации существует очень давно. Но сегодня алгоритмы помогают компаниям назначать цены на основе наших персональных данных. Важно не путать понятия.
Динамичные цены — явление привычное: это когда товар дорожает или дешевеет для всех из-за спроса, времени, загрузки или остатков. Например, билеты на самолет или такси в час пик. А вот
персонализированная цена — совсем другая история: алгоритм пытается понять, сколько готовы заплатить именно вы.
Для этого компании потенциально могут использовать массу цифровых следов: что человек покупал раньше, что смотрел, как часто возвращался на сайт, реагировал ли на скидки, где находится, с какого устройства заходит. Чем больше данных и мощнее алгоритмы, тем точнее можно оценить не абстрактный спрос, а вашу личную чувствительность к цене.

Причем это работает в обе стороны.
Алгоритм может понять: без скидки этот покупатель уйдет — и предложить ему цену ниже. А может решить наоборот: этот человек купит и так, значит скидка ему не нужна. И тогда обычная персонализация начинает очень быстро превращаться в вопрос о ценовой дискриминации. Поэтому вопрос не только в том, умеет ли бизнес технически назначать каждому свой ценник. Умеет или скоро будет уметь.

Гораздо интереснее другое: какие именно данные допустимо для этого использовать и должен ли покупатель знать, что соседу за тот же товар прямо сейчас показали другую цену. Именно это вскоре может стать главным конфликтом вокруг персонального ценообразования.
Скидка «специально для вас» звучит приятно ровно до того момента, пока не выясняется, что кому-то другому алгоритм решил сделать ее еще «специальнее».
Как давно появились персонализированные цены?
Сама ценовая дискриминация существует столько же, сколько обмен: торг, скидки отдельным группам, разные тарифы для разных типов клиентов. Например, на базаре с туриста можно стрясти дороже, а своего как липку не обдерут.
Цифровая персонализация появилась на рубеже 1990–2000х. Один из первых громких случаев произошёл в 2000, когда пользователи Amazon обнаружили разные цены на одни и те же DVD. Компания тогда заявила, что проводила случайный ценовой эксперимент, а не персонализировала стоимость, и вернула переплату. Но уже к середине 2010х Белый дом отдельно изучал использование Big Data для определения готовности конкретного покупателя платить.

Подписывайтесь на
ОГОНЬ в МАХ
Обсуждение 0
Обсуждение не доступно в веб-версии. Чтобы написать комментарий, перейдите в приложение Telegram.
Обсудить в Telegram