قیمتی که فقط برای شما نوشته شده؛ قیمت‌گذاری شخصی‌سازی‌شده با داده‌ها و مرزهای حقوق مصرف‌کننده
از تحقیق FTC درباره قیمت و دستمزد الگوریتمی تا قانون افشای نیویورک و ممنوعیت چین؛ قانون با قیمتی که از روی داده‌های ما ساخته می‌شود چه باید بکند؟
دو نفر در یک لحظه، از یک اپلیکیشن، یک بلیت یا یک سفر شهری را جست‌وجو می‌کنند و دو قیمت متفاوت می‌بینند؛ نه به این دلیل که عرضه و تقاضا تغییر کرده، بلکه چون الگوریتم از روی سابقه خرید، نوع گوشی، محل زندگی یا عادت‌های وب‌گردی هر کدام حدس زده است که او حداکثر حاضر است چقدر بپردازد. پرسش حقوقی ساده اما بنیادین است؛ آیا فروشنده حق دارد از داده‌های شخصی من برای تعیین قیمتِ «مخصوص من» استفاده کند؟ و اگر حق دارد، دست‌کم باید به من بگوید؟
این پرسش در ماه‌های اخیر از کلاس‌های درس اقتصاد به میز تنظیم‌گران رسیده است. کمیسیون تجارت فدرال آمریکا (FTC) در ۶ آبان ۱۴۰۵ (۲۸ اکتبر ۲۰۲۶) به نُه شرکت بزرگ هواپیمایی، تاکسی اینترنتی، تحویل غذا و خرده‌فروشی دستور داد روش‌های تعیین قیمت و دستمزد مبتنی بر داده‌های شخصی را با جزئیات افشا کنند؛ آن هم دو ماه پس از آنکه پیش‌نویس یک بیانیه سیاست اجرایی را درباره همین موضوع به نظرخواهی عمومی گذاشته بود.
۱. قیمت شخصی‌سازی‌شده با قیمت پویا یکی نیست
به نظر من نخستین خطای رایج، یکی گرفتن این دو مفهوم است. قیمت پویا یعنی قیمتی که برای همه، بسته به زمان و میزان تقاضا، بالا و پایین می‌رود؛ مثل گران‌شدن کرایه در ساعت شلوغی. اما قیمت شخصی‌سازی‌شده، به تعریفی که FTC در اطلاعیه ۲۸ مرداد ۱۴۰۵ (۱۹ اوت ۲۰۲۶) به کار برده، استفاده از داده‌های شخصی برای تعیین قیمت بر اساس برآورد شرکت از میزان آمادگی هر مصرف‌کننده برای پرداخت است. در اولی، بازار تصمیم می‌گیرد؛ در دومی، پروفایل شما! معتقدم تفکیک این دو برای هر بحث حقوقی ضروری است، چون ایراد اصلی به قیمت شخصی‌سازی‌شده نه «تغییر» قیمت، بلکه پنهان بودن مبنای آن و بهره‌برداری از عدم تقارن اطلاعاتی است؛ مصرف‌کننده نمی‌داند فروشنده درباره او چه می‌داند، اما فروشنده تقریباً همه چیز را درباره او می‌داند.
۲. رویکرد FTC؛ شفافیت به جای ممنوعیت
نکته جالب در موضع FTC، اعتراف صریح به محدودیت اختیارات خود است. رئیس کمیسیون در همان اطلاعیه مرداد گفته است که این نهاد اختیار قانونی ممنوع‌کردن قیمت‌گذاری شخصی‌سازی‌شده در همه شرایط را ندارد؛ اما کسب‌وکاری که به مشتری نمی‌گوید داده‌هایش چگونه در تعیین قیمت به کار رفته، ممکن است مرتکب رویه فریبنده یا غیرمنصفانه شود. استدلال بیانیه به نظر من دقیق است؛ مصرف‌کننده‌ای که قیمتی را روی صفحه می‌بیند، انتظار دارد همان قیمتی باشد که دیگران هم می‌بینند، و اگر بداند قیمت برای او شخصی شده، شاید از مرورگر خصوصی یا VPN استفاده کند یا اصلاً سراغ فروشنده دیگری برود. پس پنهان‌کاری، خود به ابزار سلب انتخاب تبدیل می‌شود. مهلت نظرخواهی تا ۲۷ شهریور ۱۴۰۵ (۱۸ سپتامبر ۲۰۲۶) بود و گام بعدی، یعنی دستورهای مطالعاتی آبان، نشان می‌دهد کمیسیون می‌خواهد پیش از هر اقدام اجرایی، تصویر واقعی را از خود شرکت‌ها بگیرد، نه از مشاوران واسطه. طبق گزارش مؤسسه Blank Rome، این دستورها دوره‌ای از ابتدای ۲۰۲۳ به بعد را پوشش می‌دهند و شرکت‌ها باید ظرف ۴۵ روز گزارش سوگندخورده ارائه کنند.
۳. سه الگوی تنظیم‌گری؛ افشا، ممنوعیت و مطالعه
اگر نگاه را از آمریکا فراتر ببریم، سه الگوی متفاوت دیده می‌شود. الگوی نخست «افشای اجباری» است؛ ایالت نیویورک با قانون افشای قیمت‌گذاری الگوریتمی، فروشندگان مشمول را مکلف کرده کنار هر قیمتی که با الگوریتم و بر اساس داده شخصی تعیین شده، عبارتی صریح درج کنند که این قیمت را الگوریتم با استفاده از داده‌های شما تعیین کرده است. دادگاه فدرال ناحیه جنوبی نیویورک در ۱۶ مهر ۱۴۰۴ (۸ اکتبر ۲۰۲۵) دعوای خرده‌فروشان علیه این قانون را رد کرد و این تکلیف را افشای واقعی و غیرجنجالی دانست که با منافع حمایت از مصرف‌کننده تناسب دارد. اتحادیه اروپا هم، از طریق اصلاحات موسوم به دستورالعمل «اومنیبوس» در حقوق مصرف‌کننده، فروشنده را موظف کرده اطلاع دهد که قیمت بر پایه تصمیم‌گیری خودکار شخصی‌سازی شده است. الگوی دوم «ممنوعیت» است؛ چین در ۱۷ دی ۱۴۰۴ (۷ ژانویه ۲۰۲۶) با مقرراتی چندنهادی، استفاده پلتفرم‌ها از پروفایل‌سازی داده‌ای برای ارائه قیمت‌های متفاوت به کاربران مختلف را ممنوع کرد؛ پس از سال‌ها شکایت کاربرانی که می‌گفتند مشتریان وفادار گران‌تر می‌خرند و رأیی که دادگاهی در استان ژجیانگ در سال ۲۰۲۱ علیه یک پلتفرم سفر صادر کرده بود. الگوی سوم همان مسیر FTC است؛ مطالعه، سپس اجرای قواعد عام منع فریب. به نظر من افشا به‌تنهایی کافی نیست، چون جمله‌ای که زیر قیمت درج می‌شود، به مصرف‌کننده نمی‌گوید چقدر بیشتر پرداخته است؛ اما ممنوعیت مطلق هم خطر دارد، زیرا تخفیف هدفمند به دانشجو یا کاربر کم‌درآمد نیز از همین جنس است. راه میانه، به نظر من، افشا همراه با منع استفاده از داده‌های حساس و حق مصرف‌کننده برای دیدن «قیمت عمومی» است.
۴. نیمه پنهان ماجرا؛ دستمزد الگوریتمی
آنچه تحقیق تازه FTC را از مطالعات قبلی متمایز می‌کند، توجه به طرف دیگر بازار است. کمیسیون صراحتاً گفته است که شرکت‌های تاکسی اینترنتی و تحویل غذا ممکن است پیشنهاد دستمزد رانندگان و پیک‌ها را با فرمول‌های مبهم و بر اساس داده‌هایی مانند الگوی استفاده از گوشی یا سابقه پذیرش سفارش‌های پیشین تعیین کنند. معتقدم این همان نقطه‌ای است که حقوق مصرف‌کننده، حقوق کار و حقوق داده به هم می‌رسند؛ اگر الگوریتم بداند کدام راننده به پول نیاز بیشتری دارد و پیشنهاد کمتری به او بدهد، ما با تبعیضی روبه‌رو هستیم که نه در قرارداد دیده می‌شود و نه در فیش حقوقی! جالب آنکه قانون نیویورک، طبق تحلیل مؤسسه Benesch، برخی خدمات کرایه محلی را که برای قیمت سفر به داده مکانی تکیه می‌کنند از شمول خود خارج کرده است؛ یعنی دقیقاً همان بخشی که ظن شخصی‌سازی در آن بیشتر است، از قاعده افشا معاف مانده است.
۵. درس‌هایی برای ایران
بازار دیجیتال ما با تاکسی‌های اینترنتی، فروشگاه‌های اینترنتی بزرگ و پلتفرم‌های رزرو بلیت و هتل، همه زیرساخت لازم برای قیمت‌گذاری شخصی‌سازی‌شده را دارد؛ اما تا جایی که بنده اطلاع دارم، بحث حقوقی جدی درباره آن هنوز شکل نگرفته است. نخست، قانون حمایت از حقوق مصرف‌کنندگان مصوب ۱۳۸۸ و فصل حمایت از مصرف‌کننده در قانون تجارت الکترونیکی مصوب ۱۳۸۲ بر اطلاع‌رسانی صحیح و منع فریب تکیه دارند؛ به نظر من همین مبانی کلی، بدون نیاز به قانون تازه، این ظرفیت را دارند که پنهان‌کردن شخصی‌سازی قیمت را مصداق اطلاع‌رسانی ناقص بدانند، هرچند تا جایی که بنده اطلاع دارم رویه‌ای در این باره وجود ندارد. دوم، تا جایی که بنده اطلاع دارم، لایحه حمایت از داده‌های شخصی هنوز به قانون تبدیل نشده است؛ هر متنی که در این زمینه تصویب شود، باید استفاده از داده برای تعیین قیمت را به‌عنوان یکی از اهداف پردازش که نیازمند اطلاع‌رسانی صریح است، به رسمیت بشناسد. سوم، استارتاپ‌ها و پلتفرم‌ها پیش از آنکه تنظیم‌گر سراغشان بیاید، خودشان مستند کنند الگوریتم قیمت‌گذاری‌شان از چه داده‌هایی استفاده می‌کند و آیا داده‌های حساس، مانند محل سکونت یا نوع دستگاه، در آن نقش دارد؛ این مستندسازی هم سپر دفاعی است و هم سرمایه اعتماد. چهارم، وکلای کسب‌وکارها در قراردادهای خرید یا توسعه نرم‌افزار قیمت‌گذاری، بند روشنی درباره داده‌های ورودی و امکان ممیزی الگوریتم بگنجانند. و پنجم، دادگاه‌ها و کارشناسان در دعاوی مصرف‌کننده باید آماده باشند که «چرا قیمت من با دیگری فرق داشت؟» را پرسشی قابل رسیدگی بدانند، نه ادعایی گنگ. واقعیت این است که در بازار دیجیتال، برچسب قیمت دیگر روی کالا نیست؛ روی ماست!
منابع: FTC، ۲۸ اکتبر ۲۰۲۶؛ FTC، ۱۹ اوت ۲۰۲۶؛ Blank Rome، نوامبر ۲۰۲۶؛ Benesch، ۱۴ اکتبر ۲۰۲۵؛ Sixth Tone، ۱۲ ژانویه ۲۰۲۶؛ Garrigues درباره دستورالعمل اومنیبوس. تصویر: Wikimedia Commons، Maheshod98، مجوز CC BY 4.0.
این یادداشت جنبه آموزشی دارد و جایگزین مشاوره حقوقی در پرونده‌های مشخص نیست.
