Роман Еремян: Ценообразование на основе персональной Big Data как тренд. Китайский прецедент. Влияние на отели.

Преамбула [Константин Шурыгин изучил тему, сделал перевод и адаптацию прецедента в Китае / отдельная благодарность редакции за помощь в подготовке материала]:

В Китае вводят штрафы в 50 миллионов юаней (7.800.000 $) за применение биг-даты в ценообразовании.

Все сталкивались с тем, что цены на один и тот же авиабилет/отель заметно отличаются в зависимости от того, оформляется покупка с личного компьютера, или с ранее не используемого телефона. В маркетинге

Это называется BBPD = "behavior-based price discrimination" = "ценовая дифференциация основанная на поведении пользователя".  Цена на товар или услугу назначается в зависимости от того, насколько клиент "нечувствителен" к повышению цены, т.е.  сколько с него можно содрать.

В биг-дату собираются сведения о ранее сделанных клиентом покупках, модели его телефона, марке его машины, районе проживания, его пол, возраст, род занятий, привычки потребления, и многое другое. Алгоритмы на основе непрерывного машинного обучения создают "портрет пользователя", который и будет определять персональные цены для него, на какой бы торговой платформе он теперь ни совершал покупки.

BBPD получает широкое применение для оптимизации прибыли в авиационных перевозках, финансовом консультировании, страховании, туризме, гостиничном бизнесе и интернет-торговле.

В Китае все это назвали "杀熟" = "обобрать своих", т.е. брать со старых клиентов дороже, чем с новых (буквально - "убивать знакомых, пользуясь их доверием").

В Шэньчжэне разработали "Положение по использованию цифровых данных в Шэньчжэньской специальной экономической зоне". Теперь

Цифровые данные участников не должны подвергаться анализу, а также  без уважительной причины запрещен дифференцированный режим ценообразования для клиентов при одинаковых условиях торговли.

В феврале 2021 г. антимонопольный комитет Госсовета Китая опубликовал руководство, в котором четко указал, что использование больших данных в ценообразовании представляет собой злоупотребление доминирующим положением компании на рынке. Однако, доказать в суде это нарушение пока непросто из-за скрытых и неопределенных алгоритмов автоматического ценообразования торговых платформ.

Некий Лю сделал заказ еды по интернету и оплатил стоимость ее доставки 4,1 юаня. Он зарегистрировался как новый пользователь, сделал такой же заказ на тот же адрес, и стоимость доставки составила 3,1 юаня. Лю посчитал, что платформа использовала алгоритм "杀熟" и подал на нее в суд за мошенничество. Сумма иска составила 500 юаней.  В суде торговая платформа возразила, что плата за доставку динамически корректируется в пиковые периоды заказов еды. Журнал заказов, предоставленный платформой, показал, что время между двумя этими заказами отличалось на 13 минут. Суд в конечном итоге не поддержал претензию Лю.

Трудность регулирования "ценовой дифференциации первого типа" с использованием больших данных заключается в том, что платформа имеет непрозрачные правила обработки данных и скрытые алгоритмы, и проверяющим трудно установить механизм внешнего надзора. Тем не менее  законодательство в Шэньчжэне важно как "ледокол", и после нескольких пилотных проектов, будет разработан дизайн верхнего уровня управления данными, определены четкие права собственности на данные для защиты прав пользователей. А пока используются призывы к коммунистической сознательности самих владельцев платформ для их саморегуляции. В Китае это работает. В марте Муниципальное управление по надзору за рынком подписало соглашение с JD, VIP.com, Ctrip, Meituan, Di-di и другими 10 платформами о том, что они больше не будут использовать биг-дату в своей работе.

Редакция LOGUS.COMMUNITY попросила Романа Еремяна прокомментировать процессы, связанные с ценообразованием на основе персональных данных в Китае.

Вячеслав Сапожников: Можно ли говорить о том, что, применительно к гостиничному рынку монополия на канал продаж меняется на монополию данных о поведении человека? И если первую монополию успешно победили (в Европе уже несколько лет OTA, такие как Expedia и Booking, формально не могут требовать гарантию лучшей цены), то монополия на Big Data - насколько реально ее сдерживать? В чем конкурентное преимущество при использовании персональных больших данных, как это влияет на  практические продажи... где, в чем и какие отели будут испытывать эту ценовую дискриминацию?

Роман Еремян: Начнем с того, что отель на эти процессы влиять никак не может. С точки зрения управления Big Data как инструмент доступна только гигантам IT-индустрии, но никак не отелям, какими бы большими и сетевыми они ни были. В этом смысле отели - объекты, действия происходят в отношении них, и ими не определяются.  Более того, предвижу, что

В экономике Big Data роль отеля сведется к роли таксиста, которому агрегатор дает клиента, маршрут и назначает стоимость поездки. И это неизбежно. Нефть нашего времени - основной ресурс, конкурентное преимущество, земля, кровь и технологии одновременно - персональные данные каждого конкретного человека. Почему? Потому что зная паттерны поведения  конкретного человека в тех или иных случаях - как в офлайне, так и в интернете - можно реализовывать управляющие сценарии в отношении него как угодно. В том числе, понимать, как, что, когда и по какой цене ему продавать .

При этом возникает ряд нюансов... Например, когда на овощном рынке стоит продавец с ценой на товар, объявленной неограниченному кругу людей, которые проходят мимо него все вместе - в этом есть определенная справедливость.  А в интернете, в онлайн-торговле, когда каждому предлагается цена, которую посчитал алгоритм справедливой конкретно этому человеку - возникает эффект атомизации потребителей - люди не знают, какую цену предложили другому человеку, который вполне возможно даже одновременно с ним смотрит на этот товар. И возникает вопрос, связанный с понятием справедливости... 

А социальная справедливость в больших сообществах это очень серьезно. IPO компании Alibaba, у руля которой всем известный Джек Ма, сорвалось по причине вмешательства компартии Китая. Кстати, яркий пример антимонопольного регулирования на практике. В чем суть - Джек Ма был намерен "уберизировать" уличный ритейл, скупая/подмяв мелкую розницу и различные "лавки" под свой бизнес, фактически исключив людей, задействованных в малом и микро- предпринимательстве из оборота. В масштабах Китая - это огромное количество людей, о которых государству пришлось бы заботиться, создавая новые рабочие места, компенсируя потери и т.д. Нельзя заниматься монополизацией мелкого бизнеса и микропредприятий - Джеку Ма это популярно объяснили.

Параллель - к гостиничной отрасли России это имеет прямое отношение - у нас в стране 65% номерного фонда - малый бизнес с числом койко-мест от 19 до 35...

Кстати, скупка уличной розницы гигантами - история не новая, в США Amazon это делает вполне успешно, но поскольку там антимонопольное законодательство иное, то и относятся к этому по-другому... А между тем порядка 15 тысяч уличных лавочек/киосков в Америке уже автоматизированы Amazon, а люди, которые были на их месте... ну, где-то в другом месте, наверное... 

Итог "спецоперации" властей Китая в отношении Alibaba - IT-гиганты индустрии собрались вместе и подписали общий меморандум о том, что они не будут вести агрессивную политику в отношении малого и среднего бизнеса.  Можно ли представить себе такую историю на территории России? Наверное, нет... У нас же капитализм. Но в Китае прекрасно понимают, что давление на малый бизнес создает новые точки напряжения в виде людей, которые теряют работу, и что с ними делать - непонятно...

Ценообразование на основе персональных данных можно назвать этакой "кармической" ценой, где карма - это твое поведение, она определяется неким алгоритмом сообразно тому, как ты себя вел (экономически, юридически, географически и т.п.) и что о тебе известно. Чем больше про тебя известно, тем более "справедлива" карма.

Но возникает вопрос - кто создал это алгоритм? Кто его контролирует?  Контролируются ли те люди, которые пишут этот алгоритм, кем-то или чем-то? А если это ИИ, который занимается самообучением - понимаем ли мы, что там "внутри"? Разработчики продуктов на базе искусственного интеллекта говорят, что уже через полгода работы с ИИ они сами не понимают, что там вообще происходит... И это проблема.

Другая сторона... Справедливость цены можно воспринимать как Божью данность - когда всем одинаково... Но есть справедливость в том смысле, как ее воспринимает сообщество - а они бывают разной культурной формы и уклада. В условном Тимбукту индивидуализация цен на основании параметров личности вполне может быть принята как справедливая. В нашей цивилизации, в России особенно, культура больше склонна к общинности и "уравниловке", и люди будут очень недовольны - почему одни - одна цена/условия, другим - другая...

Агрегаторы такси уже сталкиваются с подобным недовольством - клиенты жалуются, почему вчера я ездил за 150, а мой сосед в это же время - за 120? Как это объяснить? Почему такие вопросы - восприятие модели ценообразования во многом зависит от культурного кода конкретного сообщества. В США это один культурный код, в России - совершенно другой. Поколение общежитий приучило нас к тому, что все должно быть поровну, одинаково для всех... Почему этому продали за меньше, а ему - за больше? Потому что он мне нравится... И у нас это сразу воспринимается как несправедливость - решение принято на основе личных данных, в этом случае - на основе симпатии, внешней ли или какой-то иной...

В России вопрос ценообразования законодательно регулируется определенным образом. Если говорить про розницу, то, условно - есть требования по качеству и ты не можешь отпустить меньше товара за единицу денег... но больше-то - можешь.

Не доливаешь - нарушаешь закон, льешь больше - никто за это не наказывает. Вот и все принципы ценообразования... Динамическое ценообразование у нас легально, но что касается формирования цены на основе персональных данных - это серая зона, которая пока никак не регулируется...

И в этом смысле вполне возможны различного рода злоупотребления персональной биг датой... Во-первых, они могут проявляться в появлении разного рода черных списков, различных рейтингов... В Китае есть рейтинг социальной ответственности - и если ты "падаешь" ниже определенного балла, то для тебя становятся недоступны определенные возможности, например, покупка билетов в самолет, жд и т.п.  А теперь

Представим, что в какой-то компании алгоритмы ценообразования основаны на персональных данных, на личных рейтингах, каких-либо индивидуальных скорингах - и вот для человека все становится сильно дороже, если он себя "плохо ведет"... Не важно, в каком смысле и по отношению к чему или кому "плохо" - потребленчески, политически, эстетически и т.п. 

В Китае, например, один из основных факторов снижения социального рейтинга - негативные высказывания в отношении Компартии. Ты про что-то высказал свое мнение и твоя жизнь стала обходиться тебе чуть дороже. И это ничто иное, как сегрегация по принципу лояльности. Вот здесь и возникает проблема отсутствия равенства перед законом и проблема классового разделения - тех, кто лояльны государству и те, кто не лояльны. Но это пример злоупотребления персональной биг датой на почве политических взглядов. Ту же параллель можно проводить по иным поведенческим паттернам - потребительская политика, коммуникативная избирательность и т.п. Вопрос в том, что

За злоупотребления ценой на рынке отвечает конкретный человек, который несет ответственность и может быть наказан. А чем отвечает алгоритм и как его наказать? Вы же не вызовете разработчиков в суд, потому что ИИ - это уже не строчки кода...

Вы в фб написали мнение, вас забанили - кто виноват, к кому апеллировать, кто будет судить ситуацию?

Если вы не укладываетесь в чью-либо политику ценообразования в какой-либо сфере - и все, вы в клубе тех, для кого все дороже. И если для вас жизнь становится дороже по фиатным деньгам - правильно, люди уходят в оборот денег не фиатных, здравствуйте, криптовалюты...

Любая сегрегация, в том числе, ценовая ведет к расслоению общества и фрагментации на разрозненные группы, которые начинают перестраивать между собой экономические взаимоотношения, включая денежные инструменты, платежные платформы и т.п.  И вопрос ценообразования на основе персональных данных необходимо внимательно изучать, потому что последствия ее неправильной реализации могут быть непредсказуемыми.

Вячеслав Сапожников: Как может выглядеть на практике ценообразование на основе персональных данных со стороны OTA, таких как Booking.com и Expedia - просто персональные предложения "ниже-выше" рынка на основе покупательского опыта, состояния счеа, текущей локации и графика отпусков - или что-то более вычурно?

Роман Еремян: Принципиально ничего не поменяется, добавится какое-то количество параметров, более специализированных, чем было до этого... Если раньше ОТА "видели" тип устройства, с которого ты заходишь, модель смартфона, географию и локацию, исходя из этого могли определять примерный уровень дохода и показывать соответствующие цены и предложения, то сейчас в "выборку" добавятся паттерны персонального поведения потребителя, которые они приобрели где-то на условной межкорпоративной бирже big data. Для потребителей, возможно будет не очень комфортно думать о том, что они получили какое-то специальное предложение и при этом не понимать- они получили это предложение дороже или дешевле других?

Вячеслав Сапожников: Какого рода колабораций можно ожидать на рынке обмена персональными данными? Реализацию клиентских баз мы уже видели, когда Сбербанк предлагает своим клиентам путешествия с Озон Тревел... как big data банковского сектора может помочь OTA формировать цену на отели, процент комиссии для отеля? На практике?

Роман Еремян: Рынок big data, по сути, уже сформирован и его игроки - платежные платформы, поисковики, операционные системы, крупные банки с большой долей рынка транзакций, e-commerce-площадки и маркетплейсы, типа Amazon или Alibaba, где можно сегментировать людей по определенным группам. И если сейчас предложения выстраиваются больше с фокусом на некие "когорты" людей, то при большем числе параметров персональных данных предложения будут более персонализированные, учитывающие множество параметров, вплоть до учета кредитной нагрузки и налоговой истории...

Анализ большего количества параметров приведет к большей точности рекламных предложений, соответственно, к более эффективному распределению маркетинговых и рекламных бюджетов - и ОТА, и отелей.

Не секрет, что Booking.com в 2019-м году более трети выручки потратил на маркетинг и рекламу, "выкупая" у поисковиков контекст по своим объектам [при выручке в ~$15 млрд. на маркетинг и рекламу ушло 5$ млрд.]. Соответственно, контекстная реклама, построенная на персональной биг дата будет содержать в себе возможности кастомизации вплоть до показа специальной рекламы конкретному человеку под его интересы и параметры. Таким образом высокая прецизионность предложений позволит ОТА оптимизировать свои рекламные расходы и увеличить прибыльность - конверсия ощутимо вырастет.

Что касается отелей, то там все будет только ухудшаться, потому что

Зависимость отелей от ОТА и каналов продаж будет расти. Самостоятельно регулировать и определять продажи будет становиться все сложнее, и окажется не под силу даже крупным сетям. Соответственно, придется либо становиться очень уникальными, чтобы люди мечтали к вам приехать, либо отель превратится в сырье, инвентарь, очередную машину-такси, которую в любой момент ОТА может потребителю заменить другим вариантом.

И среди таких типовых отелей кровавая конкуренция будет только усиливаться.

Давление на такие ОТА, как Airbnb, со стороны региональных, локальных, городских властей и муниципалитетов будет расти - по крайней мере, в тех регионах, где туристический поток высокий и объем предложений по Airbnb уже начинает влиять на рынок долгосрочной аренды и создавать нагрузку на социальную инфраструктуру за счет количества туристов эконом-класса. Отчасти это давление будет компенсироваться выводом из оборота появившегося за последние годы запаса апартаментов, которые сейчас активно продаются на Airbnb. Но так или иначе это тоже долго не продлится.

Одни отели станут сырьем, другие - уникальным продуктом. К уникальным будут ездить и стоять в очереди, а все остальные будут предлагать себя ОТА и соглашаться на любые условия и комиссию, лишь бы остаться на витрине.

Редакция LOGUS.COMMUNITY продолжит изучать ситуацию с ценообразованием на основе персональных данных.