價格公平不等於每個人付一樣的錢而在於交易條件是否透明且可選擇

美國聯邦貿易委員會 2026 年 8 月把 personalized pricing 再度推到監管前線。FTC 提出的執法政策草案，瞄準企業利用瀏覽紀錄、位置、購買行為等個人資料估計支付意願，再向不同消費者顯示不同價格的做法。監管重點目前不是全面禁止，而是要求企業清楚揭露價格是否個人化以及使用哪些資料；Instacart 先前的價格測試則讓爭議具體化，同一商品對不同消費者曾出現最高約 23% 的價差。

直覺上，「同樣商品、同樣時間，為什麼你比我便宜」很容易被理解成不公平。但如果把同價當成公平本身，市場上大量早已存在的價格制度都會變得可疑：航空公司同一班飛機的乘客支付不同票價，飯店依日期與訂房時間調價，電影院有學生票與敬老票，超市有會員價與折價券，軟體依企業規模報價，計程車尖峰加價，便利商店同一瓶飲料也可能比量販店貴。這些差異背後共同的經濟邏輯，是不同交易情境中的需求彈性、便利性、時間、資訊與替代選項本來就不同。

所以個人化定價真正需要回答的問題，不是「價格有沒有不同」，而是差異從何而來、消費者是否知道、能否拒絕，以及企業是否利用了不應被拿來定價的資訊。

同價從來不是市場公平的必要條件

經濟學中的價格不是成本加上一個固定百分比後得到的道德數字。生產者的成本本來就不同：土地租金、採購規模、物流效率、資金成本、技術、庫存周轉與服務水準都會影響成本；消費者的需求也不同。同一瓶水在量販店、便利商店、機場與演唱會場館的價格不同，買方付的不只是液體本身，也是在購買位置、時間與取得商品的便利性。

如果「公平」要求每個人支付完全相同的價格，那下一個問題就是：哪一個價格才公平？以最低成本生產者為準，效率較差的企業可能無法生存；以最高成本者為準，效率好的企業取得超額利潤；以平均成本為準，又必須先決定哪些企業有資格進入平均。市場制度之所以不需要一個中央機構回答這些問題，就是因為價格允許不同成本、不同需求與不同交易條件彼此協商。

對消費者也是一樣。願意花半小時比價的人通常能買得便宜，願意等三天配送的人可能比要求一小時送達的人付得少，願意提前半年訂票的人承擔行程變動風險，換取較低價格。這些都可以理解成消費者用時間、彈性或資訊交換價格。

個人資料只是把需求差異量得更精細

數位化真正改變的地方，是企業過去只能用粗糙代理變數辨識需求強弱，現在可以直接從資料估計。以前航空公司用星期幾、提前天數、可否退票來區分商務客與觀光客；零售商用折價券讓價格敏感者主動暴露自己；會員制度用購買頻率交換折扣。機器學習則可能從搜尋次數、購買紀錄、裝置、位置與行為模式，把同一件事做到個人層級。

從資源配置角度，這未必比統一定價更差。Jean-Pierre Dubé 與 Sanjog Misra 的實地定價研究發現，個人化價格雖使總消費者剩餘相對統一定價下降，但超過六成消費者反而得到較低價格；Andrew Rhodes 與 Jidong Zhou 在 American Economic Review 的研究也顯示，個人化定價對消費者福利的方向取決於市場覆蓋程度與競爭結構，在某些高度競爭、覆蓋率高的市場，個人化反而會傷害企業、讓消費者受益。

原因並不難理解。統一定價迫使企業在「高價賣少一點」與「低價賣多一點」之間選擇。若企業可以辨識不同支付意願，就可能對願付價格高的人收高價，同時用低價把原本買不起或不願買的人拉進市場。第一級價格歧視在教科書裡之所以有可能提高總剩餘，正是因為更多互利交易可以發生，只是剩餘如何在企業與消費者之間分配成了另一個問題。

真正的界線是資訊權力而不是價格差異

這也是 FTC 這次把重點放在揭露而非直接宣告所有個人化定價違法，具有經濟意義的地方。價格不同本身不必然構成傷害，但秘密使用消費者不知道已被蒐集的資料，讓交易權力明顯向賣方傾斜。

如果我知道便利商店比較貴，我可以走去超市；知道尖峰車資比較高，我可以晚一小時出發；知道航空票不可退比較便宜，我可以選擇承擔風險。這些價格差異都包含可理解的交換條件。若網站卻因為判斷我「今天非買不可」、知道我剛搜尋某種疾病、掌握我的家庭收入，悄悄把同一商品價格調高，消費者甚至不知道有一個條件正在被交換，也就無從決定是否接受。

因此，個人化定價的公平應該至少包含三道界線。第一是透明：消費者應知道價格受到個人資料影響。第二是選擇：消費者應有合理方式拒絕資料被用於定價，並仍能看到一個可交易的基準價格。第三是資料邊界：種族、宗教、健康、身心障礙等受法律保護或高度敏感的特徵，不應因為演算法能推估就自動成為榨取支付意願的工具。OECD 早在討論數位個人化定價時，就把消費者保護、隱私與反歧視視為互補的政策工具。

這三條線比「所有人同價」更接近公平，因為它保留市場依需求與成本形成價格的能力，同時限制資訊不對稱被無限放大。

AI 讓價格從商品屬性走向交易關係

零售業過去習慣替 SKU 定價：這件商品今天售價多少。動態定價開始替「時間」定價，個人化定價則進一步替「這個人此刻與這件商品的交易關係」定價。當 AI 能即時估計需求彈性，價格本身就會愈來愈像推薦系統——不是所有人看到同一個結果，而是系統根據情境決定最可能促成交易的條件。

這會讓傳統的公平直覺受到挑戰，但也逼我們把問題問得更精確。同樣價格並不保證公平，就像同樣薪資不代表不同工作內容公平、同樣利率也未必適合不同信用風險。公平真正需要的是可理解的規則、可比較的選項，以及不能跨越的歧視界線。

如果個人化定價只是讓企業精準找出「你已經被困住，所以可以多收多少」，它會迅速耗盡信任；2016 年關於 personalized pricing and price fairness 的實驗研究就發現，消費者知道自己比別人付得更多時會產生明顯不公平感，參與價格形成則能改善接受度。價格制度若失去信任，即使短期能多抽取消費者剩餘，也可能破壞長期交易關係。

但反過來，若資料讓企業對價格敏感者降價、把原本無法成交的需求納入市場，或以更精細的需求訊號減少統一定價造成的錯配，禁止價格差異也可能讓部分消費者更糟。研究已經顯示，個人化定價的福利效果沒有單一方向，市場競爭程度、需求彈性、資料掌握者與退出選項都會改變結果。

所以監管真正應該守住的不是「一物一價」這個想像中的公平世界，而是交易雙方對規則的知情與選擇權。市場從來允許不同的人因為不同需求、時間與條件支付不同價格。AI 只是讓企業第一次有能力把這種差異做到極細。技術愈能看懂每個人的需求，制度就愈需要確保消費者也看得懂企業如何替自己定價。