Định giá động và sự kết thúc của một mức giá công bằng

Trong nhiều năm qua, khái niệm "giá niêm yết" dần bị xói mòn bởi một cuộc cách mạng âm thầm trong cách doanh nghiệp định giá sản phẩm và dịch vụ. Cuốn sách "Gouged: The End of a Fair Price — and What That Means for Your Wallet" của nhà xã hội học Lindsay Owens (NXB Viking) đưa ra lời cảnh báo sắc bén: đằng sau mỗi lần giá thay đổi là một đội ngũ chuyên gia, thuật toán và trí tuệ nhân tạo đang âm thầm rút tiền từ ví người tiêu dùng.

Từ lạm phát đến lập luận bênh vực doanh nghiệp

Khi lạm phát tăng vọt sau đại dịch COVID-19, các nhà kinh tế theo trường phái tân tự do nhanh chóng vào cuộc bảo vệ doanh nghiệp. Họ cho rằng giá tăng là do nhu cầu, do chi phí đầu vào, hoặc bất kỳ nguyên nhân nào khác ngoài việc chính doanh nghiệp tự nâng giá. Truyền thông chính thống cũng nhanh chóng hùa theo, bỏ qua sự thật rằng lợi nhuận doanh nghiệp đang tăng vọt và nhiều công ty đã áp dụng kỹ thuật mới để cá nhân hóa giá, thậm chí giao quyền định giá cho bên tư vấn thứ ba sử dụng AI.

Những nhà kinh tế đi ngược dòng như Isabella Weber — người từng gợi ý áp đặt kiểm soát giá — bị chỉ trích nặng nề. Chính Paul Krugman từng gọi đề xuất của bà là "thực sự ngu ngốc", trong khi ông lại ủng hộ giả thuyết ngây thơ rằng giá thuê nhà tăng do nhu cầu làm việc tại nhà, mà bỏ qua việc các chủ nhà đối thủ cùng dùng chung một thuật toán định giá.

Lindsay Owens và bằng chứng không thể phủ nhận

Lindsay Owens phơi bày cách các thuật toán định giá bào mòn ví tiền người tiêu dùng

Vào cuộc tranh luận này, Lindsay Owens — nhà xã hội học tốt nghiệp Stanford, cựu nhân viên Quốc hội Mỹ — đã tạo tiếng vang với một dòng tweet lan truyền năm 2022 về nạn "gouging" (trục lợi giá), sau đó phát triển thành bài luận trên New York Times. Điều bà làm khác biệt so với giới kinh tế: bà lắng nghe chính các cuộc gọi công bố thu nhập, nơi lãnh đạo doanh nghiệp thừa nhận kế hoạch tăng giá tối đa. Không có "bàn tay vô hình" nào ở đây cả — chỉ có những con người thật thú nhận với nhà đầu tư.

Ba năm sau, Owens tiếp tục gây chú ý với báo cáo về việc Instacart thử nghiệm định giá cá nhân hóa. Nghiên cứu của tổ chức Groundwork Collaborative (do bà điều hành), phối hợp với Consumer Reports và More Perfect Union, cho thấy khoảng 75% mặt hàng trong các giỏ hàng giống hệt nhau mua cùng thời điểm có mức giá khác nhau giữa các người mua. Sự chỉ trích gay gắt của bà đã thúc đẩy FTC dưới thời Trump mở điều tra. Cuối cùng Instacart phải từ bỏ công nghệ giám sát mà họ đã đầu tư hàng triệu USD để "rút ruột" khách hàng.

Cá nhân hóa giá: lợi cho ai?

Nhiều nhà kinh tế thường bênh vực việc định giá cá nhân hóa bằng cách viện dẫn các ưu đãi dành cho sinh viên hay người cao tuổi. Nhưng Owens chỉ ra sự nhầm lẫn: định giá cá nhân hóa là phân biệt giá bậc một, và lợi ích từ phân biệt giá bậc ba không hề chuyển sang. Khi công ty đặt giá đúng bằng mức sẵn lòng chi trả của từng người, thặng dư tiêu dùng bằng không. Người ít nhạy cảm về giá bị rút cạn thặng dư, còn người nhạy cảm về giá cũng chẳng được lợi gì so với trước. Người duy nhất hưởng lợi chính là doanh nghiệp đang trục lợi.

Owens cũng nhấn mạnh một sự thật mà giới kinh tế chính thống thường phớt lờ: sự tập trung hóa thị trường tạo điều kiện cho việc tăng giá phối hợp. Bà viết: "Cạnh tranh là kryptonite đối với kẻ trục lợi. Vậy nên bước đầu tiên là xóa sổ đối thủ. Và đó chính xác là những gì đã xảy ra."

Khi thuật toán thay thế bảng giá

Cuốn sách hé lộ Hermann Simon, giáo sư người Đức và đồng sáng lập Simon-Kucher & Partners (SKP). Với đội ngũ 60 tiến sĩ, SKP tư vấn định giá cho gần như mọi ngành công nghiệp lớn — thậm chí tư vấn cho cả Coca-Cola và Pepsi về cách định giá, bất chấp xung đột lợi ích. SKP đã hợp pháp hóa một "khoa học định giá" (thực chất là thông đồng giá) với sứ mệnh: "xây dựng hạ tầng học thuật để giúp doanh nghiệp tối ưu giá theo hướng tăng lên."

RealPage là nhân vật phản diện trung tâm — nền tảng cho phép chủ nhà thông đồng giá thuê bằng cách giao quyền định giá cho một thuật toán chung. Thuật toán YieldStar của họ được lập trình để không bao giờ đề xuất giá thuê thấp hơn mức tối thiểu, tạo ra một "sàn cứng" giá. Nhưng RealPage chỉ là phiên bản mới nhất của những âm mưu đã tồn tại hàng thập kỷ. Vào cuối thập niên 1980, các hãng hàng không Mỹ dùng hệ thống ATPCO để gửi tín hiệu về ý định tăng giá cho đối thủ, gây thiệt hại gần 2 tỷ USD cho người tiêu dùng từ 1988 đến 1992. Đáng chú ý, Jeffrey Roper — cựu lãnh đạo Alaska Airlines và là mục tiêu chính trong điều tra ATPCO — sau này trở thành "nhà khoa học chính" của RealPage khi ra mắt.

Uber và việc bình thường hóa định giá động

Định giá động đã trở thành chuẩn mực mới nhờ các nền tảng công nghệ

Theo Owens, "đổi mới lớn nhất" của Uber không phải là "phá vỡ" ngành taxi, mà là bình thường hóa khái niệm định giá động. Uber khiến chúng ta quen với việc giá có thể thay đổi bất cứ lúc nào — dựa trên điểm đón, điểm đến, và thậm chí cả mức pin còn lại của điện thoại.

Ít ai biết rằng Uber cũng áp dụng định giá cá nhân hóa đối với lao động: dùng dữ liệu tài xế để cá nhân hóa tiền công. Nghiên cứu của Len Sherman (Đại học Columbia) cho thấy sau khi Uber triển khai "định giá trả trước" năm 2022, tỷ lệ ăn chia của nền tảng với một tài xế tăng từ 32% lên 42% vào cuối năm 2024. Các nhà kinh tế Oxford phát hiện tỷ lệ này tại Anh tăng từ 25% lên 29%. Phân biệt đối xử luôn có lợi cho kẻ đi phân biệt.

Giám sát người tiêu dùng: từ mái nhà đến ứng dụng đồ ăn

Một chương đặc biệt đáng lo ngại nói về việc doanh nghiệp do thám khách hàng:

• Các công ty bảo hiểm nhà dùng drone bay trên mái nhà bạn; nếu thấy dấu hiệu xuống cấp, họ có thể hủy hợp đồng trước khi tai nạn xảy ra.
• Các hãng xe báo cáo thói quen lái xe của bạn cho bên thứ ba, những kẻ "phân tích, đóng gói và bán lại cho công ty bảo hiểm để tăng phí hoặc hủy hợp đồng".
• Ứng dụng McDonald's theo dõi "thói quen chi tiêu, tần suất ghé thăm, thậm chí thời điểm trong tháng khi bạn dễ có tiền nhàn rỗi nhất" — và có thể giảm ưu đãi vào những ngày sau kỳ lương.
• Starbucks từng bán dữ liệu của một phóng viên Washington Post cho hơn 60 bên thứ ba, đồng thời âm thầm giảm phần thưởng và ưu đãi cho anh ta khi thấy mức chi tiêu tăng.

Bộ quy tắc bảo vệ người tiêu dùng

Cuốn sách đề xuất một "Tuyên ngôn quyền của người mua sắm" hiện đại, bao gồm:

• Buộc người bán niêm yết giá trọn gói ngay từ đầu
• Đơn giản hóa việc hủy đăng ký dịch vụ
• Trao quyền sửa chữa mọi thứ đã mua
• Cấm thông đồng giá bằng thuật toán
• Giới hạn định giá động ở mức một lần thay đổi giá mỗi ngày
• Cấm định giá giám sát, khôi phục lại bảng giá cố định
• Cấm phân biệt đối xử tiền công bằng thuật toán, đảm bảo mức lương công bằng
• Yêu cầu chatbot AI phục vụ người dùng, không phục vụ công ty AI hay nhà bán lẻ

"Cạnh tranh là kryptonite đối với kẻ trục lợi."

Với độc giả Việt Nam, câu chuyện này đặc biệt đáng lưu tâm khi các nền tảng gọi xe, giao đồ ăn và thương mại điện tử trong nước ngày càng ứng dụng định giá động và thuật toán cá nhân hóa. Việc xây dựng khung pháp lý minh bạch cho các công cụ này — trước khi chúng trở thành chuẩn mực không thể đảo ngược — là bài học cấp thiết từ thị trường Mỹ.

Cuốn sách dài chỉ 176 trang nhưng đưa ra một lập luận thuyết phục: chừng nào chúng ta còn chấp nhận rằng giá cả là kết quả của "bàn tay vô hình", chừng đó ví tiền của chúng ta vẫn còn bị rút cạn bởi những cỗ máy định giá được lập trình để tối đa hóa lợi nhuận.