Ценообразование на платформах

Опыт Канады

В июле 2025 г. обсуждался документ «Алгоритмическое ценообразование и¹ конкуренция» . Алгоритмическое ценообразование – процесс использования автоматизированных алгоритмов для установления, рекомендации цен на товары, услуги, часто в режиме реального времени, на основе набора входных данных.

Данные могут быть получены от потребителей (онлайн-поведение, демографическая информация, история транзакций), а могут содержать информацию о рыночных условиях (о спросе и предложении, ценах конкурентов, уровне запасов). С развитием ИИ появилась возможность постоянного обучения алгоритмов на основе данных, особенно если данные постоянно обновляются («обучение с² подкреплением» ). Однако процесс принятия решений такими алгоритмами часто непрозрачный и сложный для понимания (проблема «черного ящика»). Поэтому для контроля за такими алгоритмами важно вмешательство человека.

В зависимости от типа данных существуют разные типы алгоритмов:

1) алгоритмы динамического ценообразования – установление цен на основе рыночных условий (спрос, предложение, цены конкурентов и пр.). Основная цель такого алгоритма – максимизировать прибыль компании;

2) алгоритмы персонализированного (или контролирующего) ценообразования – установление цен на основе личных характеристик человека или группы лиц. Основная цель – определение готовности потребителей платить, чтобы максимизировать прибыль.

Поэтому возникает ценовая дискриминация – когда компания взимает с разных людей разные цены за один и тот же продукт или услугу в зависимости от «готовности платить». Ценовая дискриминация бывает нескольких степеней:

1) первой степени – компания устанавливает точную цену, которую потребитель готов заплатить (т.е. персонализированное ценообразование);

2) второй степени – установление различных цен в зависимости от условий продажи (например, снижение цены при покупке оптом, подключении подписки);

3) третьей степени – установление разных цен для разных групп потребителей в зависимости от возраста, местоположения и других характеристик (например, понижение цен для студентов или пенсионеров).

Алгоритмическое ценообразование приводит к антиконкурентным практикам:

1) сотрудничеству между конкурентами для ценового сговора, раздела рынка и пр. Например, компании вступают в сговор по типу «ступица и спицы» (hub-andspoke) – несколько компаний используют один и тот же алгоритм (одинаковое ПО), который обрабатывает данные, предоставляемые конкурентами, и устанавливает цены одновременно для всех конкурентов. И если между конкурентами происходит прямое взаимодействие – это явный сговор, если взаимодействие отсутствует возможен молчаливый сговор;

2) применению антиконкурентных практик с использованием алгоритмов. Например, в хищническом ценообразовании, когда доминирующая компания намеренно занижает цену ниже себестоимости, чтобы вытеснить конкурентов с рынка (фаза хищничества), и повышает цены после ухода конкурентов: компенсируя понижение цены (фаза возмещения). Компании используют алгоритм для таргетирования клиентов: выявляют клиентов, которые с наибольшей вероятностью перейдут к другому продавцу, чтобы удержать клиентов низкими ценами.

Опыт Франции

В июле 2025 г. был оштрафован маркетплейс Shein на 40 млн евро за мошенничество с ценами: рекламировались «зачёркнутые цены» (определялись как³ «скидка») . Однако в 57% предложений снижения цены не было, в 19% – предлагалась скидка в меньшем размере, чем было обещано, а в 11% – выявилось повышение цены. При этом Кодекс прав потребителей Франции устанавливает, что при размещении информации о снижении цен необходимо указывать минимальную цену, по которой продавался продукт в течение 30 дней, предшествующих акции. Эта цена является референтной, от которой должна рассчитываться скидка. В России аналогичного правила не существует.

Опыт России

В России использование алгоритмов для реализации антиконкурентных соглашений, в том числе для ценообразования, в частности, в рамках явного сговора, признается отягчающим обстоятельством.

Материал из выпуска мониторинга №7 (19), июль 2025. Скачать выпуск целиком (PDF) · страница выпуска на сайте Института Гайдара