Định giá cá nhân hóa bị gọi là "đáng ghê tởm", nhưng giới hạn của FTC có thể khiến giá tăng, theo chuyên gia

Định giá cá nhân hóa (personalized pricing) — thuật toán dùng dữ liệu cá nhân để chốt mức giá "trần" mà khách hàng sẵn sàng trả — đang là tâm điểm tranh cãi tại Mỹ. Trong khi Chủ tịch FTC, ông Andrew Ferguson, gọi đây là hành vi "đáng ghê tởm" và muốn siết chặt, giới phân tích cảnh báo việc giới hạn quá tay có thể gây phản tác dụng: giá niêm yết sẽ tăng, còn các ưu đãi dành riêng cho người tiêu dùng nhạy cảm về chi phí có thể biến mất.

Vì sao FTC muốn can thiệp?

Ủy ban Thương mại Liên bang Mỹ (FTC) vừa đưa ra đề xuất chính sách nhằm hạn chế hoạt động định giá cá nhân hóa. Theo đó, cơ quan này muốn yêu cầu doanh nghiệp phải công khai rõ ràng khi khách hàng bị tính giá cao hơn do dữ liệu cho thấy họ ít có khả năng "nhăn nhó" trước mức giá đưa ra. Nếu vi phạm, doanh nghiệp có thể đối mặt với các biện pháp chế tài.

Trong văn bản kêu gọi ý kiến công chúng, FTC thừa nhận định giá cá nhân hóa đã phổ biến ở nhiều ngành. Nhưng ông Andrew Ferguson, Chủ tịch FTC, nhấn mạnh rằng ngày càng nhiều lĩnh vực mới theo dõi hành vi khách hàng để áp giá riêng, khiến người tiêu dùng "bất ngờ" khi nhận ra rằng giá họ thấy không giống ai.

“Việc bị tính giá khác biệt chỉ vì dữ liệu nói rằng bạn sẵn sàng trả nhiều hơn là điều đáng ghê tởm,” — Andrew Ferguson, Chủ tịch FTC.

Nghịch lý: Bảo vệ người tiêu dùng hay tăng giá cho tất cả?

Điểm mấu chốt của cuộc tranh luận nằm ở chỗ: định giá cá nhân hóa không chỉ dùng để "chặt chém" khách hàng giàu có. Nó còn là công cụ để doanh nghiệp giảm giá có chọn lọc cho những ai nhạy cảm về chi phí — sinh viên, người thu nhập thấp, hoặc khách hàng mới.

Nếu FTC cấm hoặc áp trần quy định quá chặt, một số chuyên gia lo ngại hệ quả:

• Mất ưu đãi: Các chương trình chiết khấu dựa trên hành vi người dùng (như mã giảm giá cho khách mới) có thể bị xóa sổ.
• Giá tăng đồng loạt: Doanh nghiệp không còn chia tách thị trường theo mức sẵn sàng chi trả, họ có xu hướng neo giá ở mức trung bình — hoặc cao hơn — thay vì giữ giá thấp cho một nhóm.
• Minh bạch mơ hồ: Quy định yêu cầu "công bố" nhưng không định nghĩa rõ cách thức, dễ dẫn đến việc doanh nghiệp núp bóng các điều khoản dài dằng dặc.

Nghịch lý này được giới công nghệ tại Việt Nam đặc biệt quan tâm, bởi các nền tảng thương mại điện tử nội địa (Shopee, Lazada, TikTok Shop) và ngành hàng không, ngân hàng số đều đã ứng dụng thuật toán tương tự để tối ưu doanh thu — từ phí vận chuyển, lãi suất thẻ tín dụng đến giá vé máy bay giờ cao điểm.

FTC có thực quyền để cấm?

Theo luật hiện hành, FTC không có thẩm quyền cấm hoàn toàn hành vi định giá cá nhân hóa. Cơ quan này chỉ có thể đặt ra các giới hạn và xử phạt hành chính nếu doanh nghiệp thiếu minh bạch. Điều đó có nghĩa là cuộc chiến này sẽ không có hồi kết ngay lập tức.

Thay vào đó, các kịch bản khả dĩ gồm:

• FTC ban hành chính sách "khung" yêu cầu doanh nghiệp xác nhận người dùng đã đọc cảnh báo về giá cá nhân hóa.
• FTC phối hợp với các bang để siết thêm qua luật bảo mật dữ liệu (như California, Colorado).
• Các vụ kiện tập thể từ người tiêu dùng nếu phát hiện bị phân biệt giá mà không được thông báo rõ ràng.

Hệ quả cho người tiêu dùng trong kỷ nguyên AI

Định giá cá nhân hóa không phải chuyện mới — nhưng với sự bùng nổ của AI tạo sinh và dữ liệu hành vi, khả năng "bóc trần" túi tiền của từng người đã tinh vi hơn rất nhiều. Thuật toán không chỉ nhìn vào lịch sử mua hàng, mà còn phân tích tốc độ cuộn chuột, thời gian dừng lại ở trang sản phẩm, thậm chí là loại điện thoại đang dùng.

Chính vì vậy, lời kêu gọi của FTC dù được nhiều người ủng hộ, nhưng cũng vấp phải câu hỏi lớn: Việc bảo vệ người tiêu dùng "trung bình" có khiến nhóm yếu thế phải trả giá đắt hơn theo cách gián tiếp hay không?

Trong bối cảnh đó, các chuyên gia khuyến nghị người dùng Việt Nam nên chủ động bảo vệ quyền lợi của mình bằng cách:

• Thường xuyên xóa cookie và lịch sử duyệt web trước khi mua sắm online.
• So sánh giá trên nhiều thiết bị (điện thoại, máy tính bảng, máy tính) trước khi quyết định.
• Tận dụng chế độ ẩn danh để tránh thuật toán "nhớ mặt" và đẩy giá lên.

Cuộc tranh luận này còn lâu mới có hồi kết, nhưng điều rõ ràng là: trong thế giới dữ liệu lớn, ranh giới giữa "ưu đãi thông minh" và "phân biệt đối xử về giá" ngày càng mong manh đến khó lường.