En føderal dommer har avvist en rettslig klage på New Yorks «Algorithmic Pricing Disclosure Act», en lov som krever at bedrifter tydelig varsler kundene når persondata brukes til å fastsette priser.

Loven forbyr i visse situasjoner bruk av «protected class data», altså sensitive karakteristika som kjønn, rase, alder og lignende, for å sette priser som skiller mellom personer, og krever at forhandlere informerer kundene når algoritmer som avhenger av personopplysninger har spilt en rolle for prisingen av et produkt.

Brudd på loven kan gi bøter på opptil tusen dollar i hvert enkelt tilfelle.

Systemet gir jevnt over selgerne høyere inntekter

Algoritmisk prising betyr at data og matematiske modeller brukes til automatisk å bestemme prisen på et produkt eller en tjeneste, ofte i sanntid.

De fleste av oss har opplevet det. Vi sett hvordan billettpriser på flyreiser kan variere gjennom dagen; vi finner en god pris om morgenen og ser at den er borte når vi går inn igjen om kvelden. Så kan den igjen dukke opp neste dag, men det kan vi ikke vite, det kan også være enda dyrere neste dag.

Algoritmene tar hensyn til faktorer som tilbud og efterspørsel; prisene øker når efterspørselen er høy og synker når den er lav. Systemet kan overvåke konkurrentenes priser kontinuerlig og automatisk justere sine egne for å være konkurransedyktig – eller skru opp prisen når konkurrenten gjør det. Mønstre i kjøpsadferd bakes inn – flere kjøper flybilletter på søndager. Algoritmen kan også justere pris efter kundetype – for eksempel om du er ny kunde, lojal kunde eller tidligere har kjøpt dyrt og signalisert rikelig betalingsvilje.

Amazon justerer hver dag tusenvis av priser. I reiselivsbransjen endres prisene på billetter og hotellrom dynamisk basert på efterspørsel og tidspunkt. Hos Uber og Bolt stiger prisene når mange prøver å bestille bil samtidig.

Norske nettbutikker har brukt verktøyet Google Automated Discounts, som kunne gi lavere priser via Google-trafikk enn ved direkte besøk.

Systemet er effektivt og gir jevnt over selgerne høyere inntekter, men også potensielt lavere priser ved lav efterspørsel. Det kan medføre prissamarbeid uten at det har vært intensjonen, ved at algoritmer i ulike bedrifter lærer å samarbeide om å holde prisene høye. Det fjerner prissettingen fra virkelighetens verden, maten kan stige i pris uten at det har noe med markedet å gjøre.

Det kan også gi «diskriminerende priser» – ulike priser til ulike personer. Algoritmisk prising kan – ihvertfall i teorien – bruke personopplysninger til å fastsette høyere eller mer fordelaktige priser for enkeltpersoner, avhengig av hva dataene forteller.

Med «personopplysninger» menes informasjon som identifiserer eller kan kobles til deg som individ, direkte eller indirekte. Eksempler er demografisk informasjon som alder, kjønn og sivilstand, geografisk informasjon som postnummer og bydel, lagret nettleserhistorikk og søkevaner, kjøpshistorikk og preferanser, enhetsdata om hvilken telefon eller datamaskin du bruker, tid på dagen, tidspunktet du besøkte siden på, inntektsestimater eller økonomiske data.

Algoritmen analyserer disse dataene for å estimere betalingsvilje, justere prisen og maksimere profitten. Dette kalles ofte personalisert prising eller «surveillance pricing» / «personalized algorithmic pricing».

Hvis algoritmen ser at noen med «profil A» besøker produktet – en som for eksempel har kjøpt dyre varer før eller har høy betalingshistorikk, kan prisen settes høyere enn for «profil B», som historisk er mer prisfølsom.

En viss regulering

I Norge er algoritmisk prissetting til en viss grad regulert/overvåket av Konkurransetilsynet, Datatilsynet og Forbrukertilsynet.

I en studie fra 2021 fant Konkurransetilsynet at 55 prosent av spurte selskaper brukte overvåkningsalgoritmer, mens tyve prosent også brukte en eller annen form for algoritmisk prissetting.

Kjøp «Mesteren og Margarita»! Du kan også kjøpe den som e-bok her.