Različite cijene istog proizvoda za različite kupce

Koliko košta pakovanje jaja? Pitanje djeluje jednostavno, ali odgovor više ne mora da bude isti za svakog kupca. Istraživanje koje su tokom 2025. sproveli Consumer Reports i Groundwork Collaborative pokazalo je da su korisnici platforme Instacart u isto vrijeme dobijali različite cijene istih proizvoda u istim prodavnicama.

U istraživanju je učestvovalo 437 kupaca u četiri američka grada. U prodavnici Safeway u Vašingtonu isto pakovanje jaja pojavilo se po pet različitih cijena, od 3,99 do 4,79 dolara.

Gotovo tri četvrtine posmatranih proizvoda pojavljivalo se po različitim cijenama, a kod pojedinih je razlika dostizala 23 odsto.

Instacart je tvrdio da nije riječ o personalizovanim cijenama zasnovanim na ličnim podacima kupaca, već o eksperimentu u kom su korisnici nasumično raspoređivani u grupe. Ipak, slučaj otvara mnogo šire pitanje. Tehnologije za personalizovano određivanje cijena mogu da koriste podatke o lokaciji, prethodnim kupovinama i pretragama. Zato cijena koju vidimo može da zavisi i od onoga što prodavac zna, ili može da zaključi o nama.

Šta internet prodavnica zna o vama?

Nije svaka promjena cijene oblik personalizacije. Avionska karta može poskupjeti zbog veće potražnje, hotelska soba zbog popunjenosti kapaciteta, a proizvod zbog ograničenih zaliha.

Kod dinamičkog određivanja cijena presudne su tržišne okolnosti, dok se kod personalizovanog određivanja u obzir mogu uzeti i podaci o kupcu i procjena njegove spremnosti da plati tu cijenu.

A tih podataka može biti mnogo više nego što ostavljamo samom kupovinom. Federalna trgovinska komisija Sjedinjenih Američkih Država (Federal Trade Commission – FTC), koja istražuje tehnologije za algoritamsko određivanje cijena, navodi preciznu lokaciju, demografske podatke, istoriju kupovine, pretraživanja i pregledanja interneta, prethodni odnos sa prodavcem ili njegovim partnerima, kao i vrijeme, mjesto i kanal preko kog se kupovina obavlja.

Sistemi mogu da bilježe i proizvode ostavljene u virtuelnoj korpi, vraćanje robe, komunikaciju sa korisničkom službom, pa čak i pokrete miša tokom boravka na stranici.

Prodavnica pritom ne mora sama da prikupi sve informacije. Podaci koje već posjeduje mogu da se kombinuju sa informacijama iz drugih izvora, ali i sa takozvanim „izvedenim“ podacima, onim što sistem zaključuje na osnovu drugih informacija.

Tako prodavac ne mora da zna kolika je nečija plata. Kombinovanjem podataka o lokaciji, prethodnim kupovinama, interesovanjima i ponašanju korisnika na sajtu, algoritmi mogu da naprave detaljniju procjenu njegovih kupovnih navika.

U obzir se, između ostalog, mogu uzeti proizvodi koje korisnik pregleda, učestalost vraćanja na određeni proizvod i sadržaj korpe, na osnovu čega algoritam procjenjuje koje bi ponude mogle da mu budu najrelevantnije.

Tu dolazimo do pojma willingness to pay – najvišeg iznosa koji je potrošač spreman da plati za određeni proizvod ili uslugu.

Cilj sistema ne mora da bude da utvrdi koliko kupac ima novca, već koliko je osjetljiv na cijenu. Jedan kupac može biti svrstan u grupu koja češće odustaje kada cijena poraste ili reaguje tek na veći popust, dok drugi kupac može pripadati grupi koja kupovinu završava i po višoj cijeni.

Drugim riječima, algoritam ne mora da zaključi: „Ovaj kupac će platiti tačno 87,50 eura“. Dovoljno je da procijeni nešto praktičnije – koliko je vjerovatno da će kupac prihvatiti ponuđenu cijenu, a koliko da će zbog nje odustati.

Kako algoritam procjenjuje koliko ćete platiti?

Algoritmi za određivanje cijena postoje mnogo prije današnjeg razvoja vještačke inteligencije. AI postaje važna kada sistem treba da obradi velike količine podataka, prepozna obrasce u ponašanju kupaca i predvidi njihovu reakciju na određenu ponudu.

FTC je utvrdio da kompanije koje nude tehnologije za određivanje cijena koriste napredne algoritme i AI, u kombinaciji sa podacima o potrošačima, kako bi ih kategorizovale i omogućile ciljano određivanje cijena.

Reakcija kupaca može se testirati tako što se različitim grupama isti proizvod ponudi po različitim cijenama. Ako viša cijena ne utiče značajno na prodaju, to je signal da su kupci spremni da je prihvate; ako počnu da odustaju od kupovine, kompanija dobija podatak o njihovoj osjetljivosti na cijenu.

Cijene je na ovaj način testirao i Instacart. Kompanija je 2022. kupila Eversight, koji je razvio alate za optimizaciju i testiranje cijena. Instacart je tvrdio da raspoređivanje korisnika u eksperimentalne grupe nije bilo zasnovano na ličnim ili demografskim podacima, a Consumer Reports nije pronašao dokaz da su razlike u cijenama bile povezane sa demografskim karakteristikama učesnika.

Takvi eksperimenti sami po sebi nisu personalizovano određivanje cijena, ali pokazuju kako kupci reaguju na različite iznose. Ukoliko se takvi rezultati povežu sa profilima kupaca i modelima koji predviđaju njihovo ponašanje, sistem može da pređe sa pitanja „koja cijena najbolje prolazi kod kupaca?“ na „koja cijena će najvjerovatnije proći kod ovog tipa kupca?“

Cijena iz „crne kutije“

FTC je utvrdio da postoje tehnologije koje omogućavaju prilagođavanje cijena i promocija na osnovu podataka o potrošačima. Kupac, međutim, uglavnom vidi samo krajnju cijenu, bez informacije o tome da li drugi kupci dobijaju isti iznos, koji su njegovi podaci uzeti u obzir i koliko su uticali na cijenu.

Algoritam zato za potrošača funkcioniše kao svojevrsna „crna kutija“ – poznati su podaci koji ulaze u sistem i cijena koja iz njega izlazi, ali ne i način na koji je ona određena. Kupcu je zbog toga teško da utvrdi da li je cijena posljedica uobičajenih tržišnih okolnosti ili procjene zasnovane na njegovom profilu i ponašanju.

Pitanje zato nije samo da li tehnologija omogućava različite cijene za različite kupce, već i koliko potrošač može da zna o načinu na koji je cijena za njega određena.

Da li je personalizovano određivanje cijena legalno?

Personalizovano određivanje cijena nije svuda zabranjeno. Negdje se od trgovca zahtijeva da potrošaču kaže da koristi njegove podatke za formiranje cijene, dok se drugdje ide ka zabrani određenih oblika personalizovanih cijena.

U Njujorku, od novembra 2025. godine kompanije koje koriste lične podatke za algoritamsko određivanje cijena moraju jasno da obavijeste potrošača. Za kršenje ove obaveze predviđena je kazna do 1.000 dolara po prekršaju, ali personalizovanje cijene tim propisom nije zabranjeno.

Tokom 2026. godine državni Senat i Skupština usvojili su One Fair Price Act, kojim bi kompanijama bilo zabranjeno da koriste lične podatke kako bi različitim kupcima određivale različite cijene istog proizvoda, uz izuzetke za uobičajene kupone, programe lojalnosti i druge promocije.

U Evropskoj uniji personalizovano određivanje cijena nije samo po sebi zabranjeno, ali trgovac mora da obavijesti potrošača ako je cijena personalizovana na osnovu automatizovanog donošenja odluka i profilisanja.

Dodatna ograničenja proizlaze iz Opšte uredbe o zaštiti podataka Evropske unije (General Data Protection Regulation – GDPR), koja uređuje profilisanje i automatizovano donošenje odluka.

U Srbiji ne postoji poseban propis koji direktno uređuje algoritamsko ili personalizovano određivanje cijena. Zakon o zaštiti podataka o ličnosti, međutim, reguliše profilisanje i automatizovano donošenje pojedinačnih odluka. Član 38 štiti pojedinca od toga da o njemu odlučuje isključivo automatizovani sistem kada takva odluka može da ima pravne posljedice ili značajno da utiče na njegov položaj.

Ipak, ova zaštita nije apsolutna, jer zakon predviđa određene izuzetke. To nije isto što i izričita zabrana da internet prodavnica jednom kupcu ponudi proizvod za 1.000, a drugom za 1.100 dinara zato što je procijenila da je drugi spremniji da plati više.

Razvoj ovih tehnologija otvorio je prostor koji regulativa tek počinje da uređuje – prostor između onoga što algoritmi mogu da zaključe o kupcu i onoga što trgovci na osnovu tih procjena smiju da učine.