Kaip algoritmai tyliai ištraukia daugiau pinigų iš pirkėjų? Atskleista slapta schema

Įsivaizduokite paprastą situaciją: vakare ieškote skrydžio, viešbučio ar bilietų į renginį, bet nusprendžiate dar pagalvoti. Ryte grįžtate į tą pačią svetainę, o kaina jau didesnė. Pardavėjas gali aiškinti, kad pasikeitė paklausa, liko mažiau vietų ar baigėsi akcija. Tačiau vis dažniau kyla klausimas, ar kaina pakilo todėl, kad pasikeitė rinka, ar todėl, kad sistema jau suprato – jūs labai domitės ir galbūt sumokėsite daugiau.

Tokiai praktikai apibūdinti vis dažniau vartojamas terminas „sekimo kainodara“. Tai reiškia, kad įmonės gali naudoti vartotojo duomenis, naršymo istoriją, vietą, pirkimo įpročius ir kitus skaitmeninius pėdsakus tam, kad nustatytų ne bendrą rinkos kainą, o būtent jums pritaikytą kainą.

Paprasčiau tariant, du žmonės gali ieškoti tos pačios prekės ar paslaugos, bet matyti skirtingą kainą. Ir skirtumas nebūtinai bus atsitiktinis.

Nuo slapukų prasideda daug daugiau, nei atrodo

Dauguma žmonių svetainėse slapukus priima automatiškai. Atsidaro langas, spaudžiamas „sutinku“, ir naršymas tęsiamas. Retas tuo metu galvoja, kad tas vienas paspaudimas gali padėti verslui susidaryti gana tikslų jūsų elgesio portretą.

Ką žiūrite? Prie kokios prekės sustojate ilgiau? Ką dedate į krepšelį, bet neperkate? Ar grįžtate prie tos pačios prekės kelis kartus? Ar tikrinate kainą prieš atlyginimo dieną? Kur esate? Kokiu įrenginiu naršote? Ar perkate spontaniškai, ar ilgai lyginate?

Visa tai gali atrodyti kaip smulkmenos, bet algoritmams tai yra vertinga informacija. Iš jos galima numatyti ne tik tai, ko norite, bet ir kiek esate pasirengę sumokėti.

Tai nebėra vien paprasta reklama, kai jums rodomi batai, nes vakar žiūrėjote batus. Kainodaros algoritmai gali žengti toliau – jie gali bandyti apskaičiuoti jūsų kantrybę, finansinį pajėgumą ir pirkimo tikimybę.

Dinaminė kaina dar nėra didžiausia problema

Daug žmonių jau priprato, kad kainos internete keičiasi. Skrydžiai brangsta prieš kelionės datą, viešbučiai kelia kainas savaitgaliais, koncertų bilietai pabrangsta, kai paklausa didelė. Tai vadinama dinamine kainodara, ir ji jau seniai tapo įprasta.

Tačiau sekimo kainodara yra jautresnė tema, nes čia svarbi ne tik bendra paklausa, bet ir konkretus žmogus. Sistema gali vertinti, ar gyvenate rajone, kur mažiau konkurentų, ar dažnai perkate tam tikroje platformoje, ar turite lojalumo paskyrą, ar esate linkę užbaigti pirkimą net pakilus kainai.

Būtent dėl to lojalumas kartais gali atsisukti prieš patį pirkėją. Jei sistema mato, kad vis tiek perkate toje pačioje vietoje, ji nebūtinai siūlys geresnę kainą. Kartais priešingai – nuolaidos labiau skiriamos tiems, kuriuos dar reikia privilioti.

Taip pirkėjas, kuris mano esantis „geras klientas“, gali tapti patogiu klientu: jis grįžta, pasitiki, neskaito sąlygų ir dažnai nebetikrina alternatyvų.

Ką apie jus gali žinoti pardavėjai

Skaitmeninėje prekyboje vertingas beveik kiekvienas jūsų veiksmas. Svetainės gali stebėti, kiek laiko praleidžiate prie konkrečios prekės, ar lyginate kelis variantus, ar paliekate krepšelį, ar grįžtate po kelių valandų.

Programėlės gali matyti jūsų vietą, pirkimo laiką, mėgstamas kategorijas, mokėjimo įpročius. Lojalumo programos renka dar daugiau informacijos: ką perkate kas savaitę, kokių akcijų laukiate, kada esate linkę išleisti daugiau.

Atskirai paimta tokia informacija neatrodo pavojinga. Tačiau sujungus ją į vieną sistemą galima sukurti labai tikslų pirkėjo profilį. Tada verslui nebereikia spėlioti. Jis gali testuoti, kiek dar galima pakelti kainą, kol žmogus vis tiek paspaus „pirkti“.

Dirbtinis intelektas šią problemą tik paaštrina. Kuo daugiau duomenų turi sistema, tuo tiksliau ji gali prognozuoti vartotojo elgesį. O kai tikslas yra ne padėti žmogui sutaupyti, o padidinti pardavėjo pelną, pirkėjas atsiduria silpnesnėje pusėje.

Kaip pirkėjui sumažinti riziką permokėti

Visiškai pasislėpti nuo algoritmų sunku, bet sumažinti jų įtaką galima. Pirmas žingsnis – nelyginti kainos tik vienoje vietoje. Tą pačią prekę ar paslaugą verta patikrinti interneto svetainėje, programėlėje, kitoje naršyklėje ir, jei įmanoma, fizinėje parduotuvėje.

Taip pat verta periodiškai išvalyti slapukus, naudoti privatų naršymo režimą arba naršyklę, kuri riboja sekimo įrankius. Tai negarantuoja mažiausios kainos, bet gali sumažinti duomenų kiekį, pagal kurį sistema jus atpažįsta.

Prieš perkant skrydžius, viešbučius ar brangesnes prekes naudinga paprašyti kito žmogaus patikrinti kainą iš savo įrenginio. Jei jums rodoma viena suma, o kitam žmogui – kita, tai jau signalas neskubėti.

Dar vienas paprastas būdas – nepalikti brangių prekių krepšelyje ilgam, jei nesate pasiruošę pirkti. Kai kurios sistemos gali bandyti jus susigrąžinti nuolaida, bet kitos gali suprasti, kad susidomėjimas didelis, ir kainą laikyti aukštesnę.

Kodėl vien vartotojo atsargumo nepakaks

Svarbu suprasti, kad tai nėra tik pirkėjo neatidumo problema. Žmogus negali kiekvieną kartą kovoti su algoritmais, kuriuos kuria didelės technologijų ir prekybos įmonės. Jeigu kainos nustatomos pagal asmeninius duomenis, vartotojas turi teisę žinoti, kad tai vyksta.

Kai kuriose JAV valstijose ši tema jau kelia reguliuotojų dėmesį. Kalifornijoje pradėti tyrimai dėl sekimo kainodaros, o Niujorke įvedami reikalavimai informuoti pirkėją, jei individuali kaina nustatoma naudojant algoritmus ir asmeninius duomenis.

Tai rodo kryptį, kuri aktuali ir Europai. Pirkėjas turėtų aiškiai suprasti, ar matoma kaina yra bendra visiems, ar pritaikyta pagal jo elgesį. Be tokio skaidrumo kainodara gali virsti nematoma loterija, kurioje vieni moka mažiau, o kiti – daugiau vien todėl, kad sistema juos laiko patogesniais taikiniais.

Kol taisyklės vejasi technologijas, vartotojams lieka svarbiausia taisyklė: nepasitikėti pirmąja matoma kaina. Internetas atrodo patogus, bet kartais patogumas turi kainą – ir ji gali būti didesnė būtent todėl, kad kažkas jau spėjo jus labai gerai pažinti.