الگوریتم‌های قیمت‌گذاری شخصی‌سازی‌شده؛ ابزاری برای حذف کامل سود مصرف‌کننده

تصور کنید هر بار که اپلیکیشن یک فروشگاه را باز می‌کنید، قیمتی را می‌بینید که دقیقاً یک سنت کمتر از حداکثر مبلغی است که حاضر به پرداخت آن هستید. این دیگر یک تخمین ساده نیست، بلکه استراتژی دقیق شرکت‌هایی است که از داده‌های شما برای تخلیه جیبتان استفاده می‌کنند.

لیندزی اوونز، جامعه‌شناس تحصیل‌کرده در استنفورد، متخصص امور کنگره آمریکا و نویسنده کتاب «Gouged: The End of a Fair Price—and What That Means for Your Wallet»، استدلال می‌کند که «دست نامرئی» بازار جای خود را به الگوریتم‌های هوش مصنوعی داده است؛ الگوریتم‌هایی که برای استخراج هر پنی از تمایل مصرف‌کننده به پرداخت طراحی شده‌اند. او معتقد است ردپای دیجیتال شما اکنون به اهرمی برای شرکت‌ها تبدیل شده تا هر پنی از توان پرداخت شما را استخراج کنند.

این تغییر در حالی رخ می‌دهد که اقتصاددانان نئولیبرال همچنان افزایش قیمت‌ها را به عنوان نتیجه تقاضا یا افزایش هزینه‌ها توجیه می‌کنند. زمانی که تورم بلافاصله پس از بحران کووید-۱۹ شدت گرفت، این اقتصاددانان تلاش کردند تا تمام افزایش قیمت‌های شرکت‌ها را دفاع کنند. در حالی که روایت‌های جریان اصلی، تورم را به زنجیره تأمین یا روندهای خاص تقاضا نسبت می‌دهند — مانند این تئوری که اجاره‌بها به دلیل افزایش تقاضا برای دفاتر خانگی بالا رفته است — تماس‌های تلفنی مدیران ارشد شرکت‌ها با سرمایه‌گذاران واقعیت متفاوتی را فاش می‌کند. اوونز با گوش دادن به این تماس‌ها، لایه دروغین اقتصاددانان را کنار زد؛ جایی که مدیران صراحتاً برنامه‌های خود را برای افزایش قیمت‌ها تا حداکثر توان ممکن تشریح کردند. این یک اصلاح بازار نیست، بلکه تلاشی هماهنگ برای به حداکثر رساندن سود از طریق نظارت دیجیتال است.

ارتدوکسی اقتصادی در برابر مخالفان

اوونز کار خود را واکنشی به ساختار اقتصادی می‌داند که اغلب به جای تحلیل علمی، مانند یک جلسه مصاحبه برای دریافت بودجه‌های شرکتی عمل می‌کند. بسیاری از اقتصاددانان برای توجیه «قیمت‌گذاری شخصی‌سازی‌شده»، به «تبعیض قیمتی درجه سوم» (مانند تخفیف‌های دانشجویی یا بازنشستگان) اشاره می‌کنند تا این رویه را مشروع جلوه دهند. اما اوونز تأکید می‌کند که قیمت‌گذاری شخصی‌سازی‌شده در واقع «تبعیض قیمتی درجه اول» است.

در یک رژیم تبعیض درجه اول، اگر شرکتی بتواند از مشتریان حساس به قیمت، دقیقاً مبلغی یک سنت کمتر از سقف تحمل آن‌ها بگیرد، «مازاد مصرف‌کننده» — که معیاری کلیدی در تفکر نئولیبرال است — عملاً به صفر می‌رسد. در این حالت، مشتریانی که نسبت به قیمت حساس نیستند، می‌بینند که مازادشان تخلیه شده و مشتریان حساس به قیمت نیز هیچ بهبودی نسبت به وضعیت موجود به دست نمی‌آورند. در این معادله، تنها برندگان شرکت‌های شکارچی هستند.

این روایت غالب چنان سخت‌گیرانه است که اقتصاددانان غیرارتدکس (Heterodox) که مخالفت می‌کنند، اغلب طرد می‌شوند. اوونز به مورد ایزابلا وبر اشاره می‌کند که پیشنهاد او برای اعمال کنترل بر قیمت‌ها توسط پل کروگمن به عنوان اقدامی «واقعاً احمقانه» مورد تمسخر قرار گرفت. طنز ماجرا اینجاست که کروگمن همان کسی بود که تئوری دفاتر خانگی را برای توجیه افزایش اجاره‌بها ترویج می‌کرد، در حالی که استفاده از الگوریتم‌های قیمت‌گذاری مشترک توسط مالکان رقیب را نادیده می‌گرفت.

معماری تبانی الگوریتمی

اوونز به زیرساختی پیچیده از مشاوران قیمت‌گذاری اشاره می‌کند که مانند یک تیم عملیات ویژه (Seal Team Six) برای استخراج سود عمل می‌کنند. یکی از بازیگران اصلی، شرکت Simon-Kucher & Partners (SKP) است؛ شرکتی آلمانی که توسط پروفسور هرمن سیمون بنیان‌گذاری شده است. این شرکت با بهره‌گیری از کادری متشکل از ۶۰ دکترای تخصصی، از جمله فیزیکدانان، به شرکت‌ها کمک می‌کند تا قیمت‌ها را در تقریباً تمام صنایع بزرگ به سمت بالا بهینه کنند.

برخلاف شرکت‌های بازاریابی سنتی که به تضاد منافع احترام می‌گذارند، SKP به‌طور هم‌زمان به رقبای مستقیم — مانند کوکاکولا و پپسی — مشاوره می‌دهد. این اقدام در واقع علم «تبانی در قیمت» را مشروع می‌کند و مأموریت صریح آن ایجاد یک زیرساخت آکادمیک برای کمک به شرکت‌ها در افزایش قیمت‌هاست.

در بازار اجاره‌بها، شرکت RealPage نقش منفی اصلی را ایفا می‌کند. این شرکت الگوریتمی به نام YieldStar را ارائه می‌دهد که مالکان برای تعیین اجاره‌بها از آن استفاده می‌کنند. این سیستم به‌گونه‌ای برنامه‌ریزی شده که هرگز قیمتی پایین‌تر از یک «کف سخت» (Hard Floor) مشخص را پیشنهاد ندهد و بدین ترتیب یک کارتل دیجیتال ایجاد می‌کند که مانع از کاهش قیمت‌ها توسط رقبا می‌شود.

«مشاوران قیمت‌گذاری» RealPage مانند ماموران اجرایی عمل می‌کنند؛ اگر مالک خانه‌ای افزایش قیمت پیشنهادی را رد کند، مشاور موضوع را به مدیر منطقه‌ای ارجاع می‌دهد تا فشار وارد شود. علاوه بر این، استیون وین، مدیرعامل RealPage، مالکان را تشویق کرده است تا هر اینچ ممکن از ملک خود، از جمله لابی‌ها، پارکینگ‌ها، پشت‌بام‌ها و حتی انبارهای کوچک را «پولی» کنند و برای تعمیرات اساسی و ابتدایی، هزینه‌های نگهداری تحمیل کنند.

تاریخچه‌ای از تبانی

این پدیده جدید نیست، بلکه تکامل تکنولوژیک توطئه‌های قدیمی است. در اواخر دهه ۱۹۸۰، خطوط هوایی آمریکا از شرکت Airline Tariff Publishing Company (ATPCO) برای ارسال سیگنال‌های افزایش قیمت به رقبای خود استفاده می‌کردند. آن‌ها از «بالون‌های آزمایشی» به همراه «شناسه‌های پاورقی» استفاده می‌کردند تا مسیر، کلاس کرسی و شرایط افزایش قیمت پیشنهادی را به رقبای خود ابلاغ کنند.

• هزینه: وزارت دادگستری آمریکا (DOJ) تخمین زد که این طرح ATPCO بین سال‌های ۱۹۸۸ تا ۱۹۹۲ نزدیک به ۲ میلیارد دلار به مصرف‌کنندگان هزینه تحمیل کرد.
• شکست نظارت: وزارت دادگستری پرونده را با تغییرات جزئی در نرخ تغییرات قیمت بلیط مختومه کرد، اما این اقدام نتوانست جلوی این رویه را بگیرد.
• اتصال: جفری روپر، یکی از مدیران سابق Alaska Airlines و هدف اصلی تحقیقات ATPCO که کامپیوترش توقیف شده بود، بعدها در زمان راه‌اندازی RealPage به عنوان «دانشمند ارشد» در این شرکت به کار گرفته شد.

قیمت‌گذاری شخصی و نظارت

اوونز توضیح می‌دهد که شرکت‌ها چگونه از داده‌ها برای دزدیدن پول مشتریان استفاده می‌کنند. یک مقاله سفید (White Paper) که توسط سازمان او، Groundwork Collaborative، با همکاری Consumer Reports و More Perfect Union تهیه شد، شکارگری شرکت Instacart را افشا کرد. این مطالعه نشان داد که حدود ۷۵٪ از اقلام در سبدهای یکسانی که در یک زمان خریداری شده‌اند، برای هر خریدار قیمت متفاوتی داشتند. این نقد تند در نهایت منجر به تحقیقات کمیسیون تجارت فدرال (FTC) شد و Instacart را مجبور کرد تکنولوژی نظارتی را که میلیون‌ها دلار روی آن سرمایه‌گذاری کرده بود، تکذیب کند.

Uber نیز یکی از بازیگران کلیدی است. اوونز معتقد است بزرگ‌ترین نوآوری اوبر، نه تغییر در صنعت تاکسی، بلکه اجتماعی کردن و عادی‌سازی «قیمت‌گذاری پویا» (Dynamic Pricing) بود؛ به گونه‌ای که مصرف‌کنندگان با این ایده که قیمت‌ها می‌توانند در هر لحظه تغییر کنند، راحت شوند. اوبر اکنون کرایه‌ها را بر اساس مکان سوار شدن، مقصد و طبق ادعاها، بر اساس میزان شارژ باقی‌مانده باتری کاربر تنظیم می‌کند.

اوبر همچنین قیمت‌گذاری شخصی را در بخش نیروی کار از طریق «قیمت‌گذاری پیش‌پرداخت» (Upfront Pricing) اجرا کرده است که به شرکت اجازه می‌دهد کرایه‌ها را بالا ببرد و در عین حال دستمزد رانندگان را کاهش دهد:

• در آمریکا: تحقیقات لن شرمن از دانشگاه کلمبیا نشان داد که «نرخ برداشت» (سهم شرکت) برای یک راننده تا پایان سال ۲۰۲۴ از ۳۲٪ به ۴۲٪ افزایش یافت.
• در بریتانیا: اقتصاددانان آکسفورد دریافتند که این نرخ پس از معرفی قیمت‌گذاری پیش‌پرداخت، از ۲۵٪ به ۲۹٪ جهش کرد.

دولت نظارتی تجارت

جاسوسی شرکتی اکنون به دنیای فیزیکی گسترش یافته است تا سوخت این الگوریتم‌ها را تأمین کند. اوونز روش‌های تکان‌دهنده‌ای را برای افزایش هزینه‌ها فاش می‌کند:

• بیمه خانه: شرکت‌ها از پهپادهای هوایی برای بررسی پشت‌بام‌ها استفاده می‌کنند. اگر پهپادها نشانه‌ای از اهمال در نگهداری پیدا کنند، بیمه‌گران ممکن است پوشش بیمه را حتی قبل از وقوع حادثه لغو کنند.
• خودروسازان: شرکت‌های خودرو عادت‌های رانندگی را به اشخاص ثالث گزارش می‌دهند؛ این اشخاص داده‌ها را تحلیل کرده و به شرکت‌های بیمه می‌فروشند تا حق بیمه را افزایش دهند یا بیمه‌نامه‌ها را لغو کنند.
• مک‌دونالد: اپلیکیشن این شرکت عادت‌های خرج کردن، دفعات بازدید و زمان‌هایی از ماه که کاربر درآمد قابل تصرف دارد را ردیابی می‌کند. اگر اپلیکیشن متوجه شود کاربر درست بعد از روز پرداخت حقوق بازدید کرده است، ممکن است تخفیفات کمتری ارائه دهد.
• استارباکس: این شرکت داده‌های یک خبرنگار واشینگتن پست را به بیش از ۶۰ شرکت ثالث فروخت. سپس اپلیکیشن با افزایش میزان خرید او، پاداش‌ها و تخفیفات را کاهش داد، زیرا این موضوع نشان‌دهنده تمایل بیشتر او به پرداخت بود.

اوونز استدلال می‌کند که انحصار پیش‌نیاز این شکار است. او می‌گوید: «رقابت، نقطه ضعف غارتگران است». با حذف رقبا، شرکت‌ها می‌توانند افزایش قیمت‌ها را هماهنگ کنند. اقتصاددانان سازمان صنعتی اغلب این وضعیت را با برچسب «ابرستاره» (Superstars) و مهارت برتر شرکت‌های مسلط می‌پوشانند، در حالی که آن‌ها صرفاً بهره‌مندان از تمرکز بازار هستند که حاضر نیستند ثروت را با کارگران تقسیم کنند.

منشور حقوق مصرف‌کننده

برای مقابله با این وضعیت، اوونز چارچوبی قانونی را پیشنهاد می‌کند تا عدالت اقتصادی بازگردد. «منشور حقوق خریداران» پیشنهادی او شامل موارد زیر است:

۱. شفافیت قیمتی: الزام فروشندگان به نمایش قیمت نهایی و کامل (All-in price) در همان ابتدا.
۲. لغو آسان اشتراک: بسیار ساده‌تر کردن فرآیند لغو اشتراک برای مصرف‌کنندگان.
۳. حق تعمیر: دادن حق قانونی به خریداران برای تعمیر هر چیزی که می‌خرند.
۴. ممنوعیت الگوریتم‌ها: ممنوعیت تبانی قیمتی الگوریتمی و قیمت‌گذاری مبتنی بر نظارت (از طریق بازگرداندن برچسب قیمت ثابت).
۵. محدودیت پویایی: مهار قیمت‌گذاری پویا از طریق اجازه تغییر قیمت تنها یک بار در روز.
۶. حفاظت از نیروی کار: ممنوعیت تبعیض دستمزد الگوریتمی و تضمین دستمزد منصفانه.
۷. همراستاسازی AI: اطمینان از اینکه چت‌بات‌های هوش مصنوعی برای کاربر کار می‌کنند، نه برای شرکت سازنده AI یا خرده‌فروش.

این تغییرات سیستمی نشان می‌دهد که عصر برچسب قیمت‌های ثابت به پایان رسیده است. وقتی هوش مصنوعی بتواند موجودی حساب بانکی و میزان استیصال شما را در لحظه پیش‌بینی کند، مفهوم «قیمت منصفانه» بدون محدودیت‌های قانونی از بین می‌رود. این پدیده مشابه برخی مدل‌های تجاری در حوزه فناوری است که در آن کاهش هزینه‌های زیرساختی لزوماً به کاهش قیمت برای مشتری نهایی منجر نمی‌شود و سود در لایه‌های شرکتی باقی می‌ماند. در حالی که ایمان به سرمایه‌داری بازار آزاد تحت فشار نابرابری‌های فزاینده و طرح‌های ضد رقابتی در حال فروپاشی است، جذب مردم به سمت سوسیالیسم دموکراتیک، پاسخی قابل درک به اقتصادی است که برای خالی کردن جیب اکثریت به نفع اقلیتی طراحی شده است.