顧客資料的價值也取決於價格是否被信任

同一瓶洗髮精在同一間店，兩名顧客看見不同價格，究竟是更有效率的市場，還是零售商開始對每個人的荷包單獨喊價？差別不在演算法是否精準，而在交易雙方是否知道價格如何形成。會員資料原本讓零售商辨認需求、減少無效促銷；當它也能估算個別消費者願意支付的最高金額，資料帶來的收入可能同時侵蝕讓顧客願意留下資料的信任。

美國聯邦貿易委員會在十月二十八日依《聯邦貿易委員會法》第六條第b款，向達美、聯合、捷藍三家航空公司，以及Lyft、Uber、DoorDash、Instacart、Target與Walmart發出九份資訊命令。調查範圍涵蓋個人化商品或服務價格，也涵蓋平台如何利用接單紀錄、手機使用等資料決定司機與外送員報酬。這是強制提供資訊的研究程序，不等於九家公司已被認定違法，也不代表所有差別定價都被禁止。

價格差異的來源決定消費者如何回應

航空票價依訂位時間、剩餘座位與退改限制不同，零售商品因地區運費或公開促銷而有價差，市場早已習慣。個人化定價改變的是差異所依據的資訊：若相同時間、相同商品、相同交付條件下，售價取決於平台推測某位顧客對價格不敏感，消費者就很難透過比價辨認交易條件。這種資訊不對稱可以增加單次交易的收入，卻也讓公開標價的承諾變得不確定。

以假設情境計算，一件進貨與履約總成本七十元的商品，公開售價一百元，單件毛利三十元。若平台對部分顧客收取一百一十元，這些交易的單件毛利升至四十元；但只要顧客發現價格差異後減少購買、使用無痕瀏覽或拒絕會員追蹤，新增的十元就必須扣除流失交易、額外獲客與驗證成本。數字只是示範價格歧視的損益條件，並非任何被調查企業的實績。

這形成第二層回饋：平台因資料而提高可擷取的消費者剩餘，顧客於是調整搜尋與隱私行為，企業取得的資料變少且更偏向不在意隱私的人；演算法估價精準度與忠誠計畫的代表性隨之下降。若平台為補足樣本再提高折扣、廣告投放或資料蒐集，原本希望增加的單客毛利可能被新成本吞掉。價格最佳化不只改變價格，也會改變資料生產過程本身。

個人化報酬把同一種資訊權力延伸到勞動市場

FTC把外送員與叫車司機報酬納入同一調查，提供另一個觀察面向。平台知道司機過往接受哪些訂單、在什麼時間願意工作、對獎金的反應；司機卻未必知道同一路線、同一時段的報價是否因個人歷史而不同。當平台能同時估算顧客最高支付意願與工作者最低接單報酬，交易媒合的資訊優勢就可能成為雙邊價格控制權。

報酬差異也可能有正當理由：距離、尖峰需求、風險與服務品質確實不同。關鍵在於相同工作條件下，價格差異究竟來自可觀察的成本，還是個人對議價的弱勢。若司機察覺報酬難以預測，便可能多平台接單、延遲接受工作或選擇退出，進一步拉長配送時間；平台為維持供給又必須提高尖峰補貼，先前透過個人化報酬節省的成本被勞動供給反應部分抵銷。

會員制度必須區分優惠與隱藏的加價

會員分級、折價券與依購物習慣推薦商品，本來就能讓不同顧客實付不同金額；差別在於優惠規則是否可被理解，以及未參加者是否被悄悄加價。Target已公開表示不會依顧客身分、居住地或購物時間利用個人資料提高價格，並將Target Circle定位為提供相關優惠。這項公司聲明應與FTC調查結果分開看待；截至命令發布時，調查仍在蒐集資料。

比較不同市場能測試同一機制。航空公司的收益管理有清楚的時段與艙等限制，超市的標準貨架價格具有較強的公共可比性，外送平台則同時處理消費者支付與工作者報酬。若三種市場的顧客都能辨認價格條件，動態調整未必削弱信任；若價格差異依賴無法察覺的個人特徵，透明度不足的成本就會出現在取消訂閱、跨平台比價、申訴與監管遵循上。

FTC八月已就未揭露個人資料用途的定價行為徵求政策意見，十月再把資訊要求直接送到實際定價的企業，與先前研究中介技術供應商的做法不同。未來應觀察九家公司回覆後是否能區分成本型差異、公開會員優惠與依個人支付能力加價，並比較客戶留存、會員參與、客訴、價格離散程度及司機實際每小時淨收入。沒有這些證據，既不能把所有個人化價格視為剝削，也不能把演算法效率當成足以證明公平的理由。

能長期變現的顧客資料，必須讓顧客相信提供資料後仍有可預測的交易條件。當資料被用來提高每個人難以察覺的支付上限，企業可能在單次訂單取得更多收入，卻失去下一次交易最昂貴的資產：顧客願意相信標價並再次回來的理由。