Met AI kunnen gepersonaliseerde prijzen een vlucht nemen

In dit artikel:

Kunstmatige intelligentie maakt het voor bedrijven steeds eenvoudiger om te voorspellen hoeveel individuele consumenten voor een product of dienst willen betalen. Met consumentendata, algoritmen en statistische modellen kunnen zij prijzen, kortingen, aanbiedingen en aanbevelingen steeds persoonlijker maken. Deze ontwikkeling kan de markt efficiënter maken, maar ook leiden tot een verschuiving van inkomen van consumenten naar producenten, hogere prijzen en minder concurrentie.

Gepersonaliseerde prijzen, ook eerstegraads prijsdiscriminatie genoemd, betekenen dat verschillende klanten voor hetzelfde product verschillende prijzen betalen, terwijl de kosten voor de producent gelijk blijven. Dit verschilt van dynamische prijzen, die veranderen door bijvoorbeeld vraag en aanbod, en van prijsdifferentiatie op basis van verschillende kosten. Persoonlijke prijszetting was lange tijd vooral theoretisch, omdat het moeilijk en duur was om de betalingsbereidheid van iedere consument te bepalen. AI, grote hoeveelheden data en digitale infrastructuur maken dat nu beter mogelijk.

Voor succesvolle prijspersonalisatie zijn echter ook marktmacht en beperkte mogelijkheden tot ontwijking nodig. Bedrijven moeten bijvoorbeeld kunnen voorkomen dat consumenten hun profiel eenvoudig aanpassen of dezelfde dienst via een andere route goedkoper aanschaffen. Vooral geconcentreerde markten, met weinig alternatieven, sterke netwerkeffecten of informatievoorsprongen, bieden daarvoor ruimte. Personalisatie kan rechtstreeks gebeuren via individuele prijsopgaven of kortingen, maar ook indirect via gerichte reclame en keuzearchitectuur die consumenten naar producten leidt waarvoor zij vermoedelijk het meest willen betalen.

Een belangrijk voordeel is dat meer transacties kunnen plaatsvinden. Consumenten die onder een uniforme monopolieprijs niet zouden kopen, kunnen met een persoonlijke prijs alsnog worden bediend wanneer hun betalingsbereidheid boven de marginale kosten ligt. Daardoor kan de economische efficiëntie toenemen en kunnen nieuwe producten of diensten rendabel worden. Ook kunnen hogere winstmarges nieuwe bedrijven aantrekken, wat concurrentie en innovatie kan stimuleren.

Daar staat tegenover dat bij perfecte prijsdiscriminatie vrijwel al het consumentensurplus — het voordeel boven de betaalde prijs — bij producenten terechtkomt. De meeste consumenten houden dan weinig of geen voordeel over. De opbrengsten kunnen bovendien sterk bij grote platform- en technologiebedrijven en hun aandeelhouders terechtkomen, mogelijk vooral buiten Nederland en Europa. Kleinere ondernemingen die data moeten inkopen, kunnen op hun beurt een deel van hun opbrengst aan dataverzamelaars verliezen.

Gepersonaliseerde prijzen kunnen gevestigde bedrijven ook aansporen om concurrenten tegen te werken. Met geavanceerde modellen kunnen zij bijvoorbeeld roofprijzen gericht inzetten bij klanten die voor een nieuwkomer belangrijk zijn, in plaats van de prijzen voor iedereen te verlagen. Ook het afsluiten van toegang tot belangrijke infrastructuur kan toetreding bemoeilijken. Dat kan op langere termijn leiden tot minder innovatie, lagere kwaliteit en hogere consumentenprijzen.

Consumenten staan doorgaans negatief tegenover individuele prijszetting, maar het is onzeker hoe sterk zij daar in de praktijk tegen optreden. Sommigen kunnen proberen hun gegevens of profiel te manipuleren, bijvoorbeeld met AI of een VPN. Veel consumenten doen dat echter niet, en gepersonaliseerde coupons kunnen prijsverschillen verhullen. Daardoor blijven negatieve reacties mogelijk beperkt, ook als consumenten er economisch nadeel van hebben.

Beleidsmakers kunnen daarom verschillende maatregelen overwegen. Toezicht is nodig op discriminatie op basis van kenmerken zoals geslacht, nationaliteit of verslavingsgevoeligheid. Dat is in de Europese Unie al verboden, maar AI-systemen zijn vaak moeilijk te doorgronden. Ook toegestane gegevens kunnen sterk samenhangen met beschermde kenmerken, waardoor indirecte discriminatie ontstaat. Daarnaast kan aanvullend herverdelingsbeleid nodig zijn als gepersonaliseerde prijzen de koopkrachtverdeling sterk beïnvloeden.

Een tweede beleidsrichting is het verbeteren van de informatiepositie van consumenten. Bedrijven moeten al melden wanneer prijzen geautomatiseerd worden bepaald; een verdere stap kan zijn dat zij uitleggen hoe een individuele prijs tot stand kwam. Ook kunnen toepassingen worden gestimuleerd die laten zien welke prijzen verschillende consumenten voor hetzelfde product krijgen. Een andere mogelijkheid is bedrijven te verplichten naast de persoonlijke prijs een uniforme referentieprijs te tonen. Een mediane prijs lijkt daarbij geschikter dan een gemiddelde, omdat die minder gemakkelijk door uitzonderlijk lage individuele prijzen wordt beïnvloed.

Gepersonaliseerde prijzen zijn nog geen gemeengoed, maar de ontwikkeling van AI kan hun toepassing versnellen. De directe afroming van consumentensurplus zal waarschijnlijk snel zichtbaar worden; schade door minder concurrentie en innovatie kan pas later ontstaan. Als marktwerking deze risico’s onvoldoende beperkt, zullen beleidsmakers tijdig moeten ingrijpen.