Algoritmisk prisfastsættelse betyder, at computere automatisk regulerer prisen på et produkt eller en tjeneste. Algoritmerne tager højde for faktorer som udbud og efterspørgsel og er en god forretning for dem, der driver butikken.

En føderal dommer har afvist en juridisk udfordring af New Yorks Algorithmic Pricing Disclosure Act, en lov, der kræver, at virksomheder klart informerer kunderne, når personlige data bruges til at fastsætte priser.

Loven forbyder i visse situationer brugen af “beskyttede klassedata”, dvs. følsomme karakteristika såsom køn, race, alder og lignende, til at fastsætte priser, der diskriminerer mellem individer, og kræver, at detailhandlere informerer kunderne, når algoritmer, der er baseret på personlige data, har spillet en rolle i prisfastsættelsen af et produkt.

Overtrædelser af loven kan medføre bøder på op til 1.000 dollars i hvert enkelt tilfælde.

Systemet giver konsekvent sælgerne højere indtægter

Algoritmisk prisfastsættelse betyder, at data og matematiske modeller bruges til automatisk at fastsætte prisen på et produkt eller en tjeneste, ofte i realtid.

De fleste af os har oplevet dette. Vi har set, hvordan billetpriserne på flyrejser kan variere i løbet af dagen; vi finder en god pris om morgenen og ser, at den er væk, når vi tjekker igen om aftenen. Den kan dukke op igen næste dag, men det kan vi ikke vide; den kan også være endnu dyrere næste dag.

Algoritmerne tager højde for faktorer som udbud og efterspørgsel; priserne stiger, når efterspørgslen er høj, og falder, når den er lav. Systemet kan løbende overvåge konkurrenternes priser og automatisk justere sine egne for at forblive konkurrencedygtigt – eller hæve prisen, når konkurrenten gør det. Mønstre i købsadfærd er indbygget – flere mennesker køber flybilletter om søndagen. Algoritmen kan også justere priserne efter kundetype – for eksempel om du er en ny kunde, en loyal kunde eller tidligere har foretaget dyre køb og signaleret vilje til at betale mere.

Amazon justerer tusindvis af priser hver dag. I rejsebranchen ændres priserne på billetter og hotelværelser dynamisk afhængigt af efterspørgsel og timing. Hos Uber og Bolt stiger priserne, når mange mennesker forsøger at bestille en bil på samme tid.

Systemet er effektivt og giver generelt sælgerne højere indtægter, men også potentielt lavere priser, når efterspørgslen er lav. Dette kan føre til prisfastsættelse uden at det er hensigten, da algoritmer i forskellige virksomheder lærer at samarbejde om at holde priserne høje. Det fjerner prisfastsættelsen fra den virkelige verden; fødevarepriserne kan stige uden at det har noget med markedet at gøre.

Det kan også føre til “diskriminerende prisfastsættelse” – forskellige priser for forskellige mennesker. Algoritmisk prisfastsættelse kan – i det mindste i teorien – bruge personlige data til at fastsætte højere eller mere fordelagtige priser for enkeltpersoner, afhængigt af hvad dataene afslører.

“Personlige data” refererer til oplysninger, der identificerer eller kan knyttes til dig som individ, direkte eller indirekte. Eksempler herpå er demografiske oplysninger såsom alder, køn og civilstand, geografiske oplysninger såsom postnummer og distrikt, gemt browserhistorik og søgevaner, købshistorik og præferencer, enhedsdata om, hvilken telefon eller computer du bruger, tidspunkt på dagen, tidspunktet for dit besøg på webstedet, indkomstskøn eller økonomiske data.

Algoritmen analyserer disse data for at estimere betalingsvillighed, justere prisen og maksimere overskuddet. Dette kaldes ofte personlig prisfastsættelse eller “overvågningsprisfastsættelse”/”personlig algoritmisk prisfastsættelse”.

Hvis algoritmen ser, at en person med “profil A” besøger produktet – en person, der f.eks. tidligere har købt dyre varer eller har en høj betalingshistorik – kan prisen blive sat højere end for “profil B”, der historisk set er mere prisfølsom.