ลองจินตนาการว่าเรากับเพื่อนนั่งอยู่ข้างกัน เปิดแอปเดียวกัน เข้าไปดูสินค้าชิ้นเดียวกัน จากร้านเดียวกัน และกดดูในเวลาเดียวกัน มือถือของเพื่อนขึ้นราคา 490 บาท แต่มือถือของเรากลับขึ้นราคา 590 บาท คำถามคือ “ทำไมเราในเครื่องเราถึงแพงกว่า?”
แน่นอนว่าความแตกต่างของราคาอาจเกิดได้จากหลายสาเหตุ ตั้งแต่คูปอง โปรโมชัน สิทธิสมาชิก ไปจนถึง Dynamic Pricing ที่ราคาขึ้นลงตาม Demand ของตลาด แต่มี “การคิดราคา” อีกรูปแบบหนึ่งที่กำลังถูกจับตามองมากขึ้น นั่นคือ Personalized Pricing
เพราะถ้าเป็นกรณี Personalized Pricing ราคา 590 บาทที่เราเห็น อาจเกิดจาก Algorithm วิเคราะห์ข้อมูลเกี่ยวกับตัวเราแล้วประเมินว่า “คนนี้น่าจะยอมจ่ายแพงกว่า”
เทคโนโลยีลักษณะนี้กำลังกลายเป็นประเด็นด้านการคุ้มครองผู้บริโภคในหลายพื้นที่ทั่วโลก ที่มองว่าการกำหนดราคาแบบนี้โดยไม่บอกที่มาของราคานั้นไม่เป็นธรรมกับผู้บริโภค
แล้ว Personalized Pricing คืออะไร? ต่างจาก Dynamic Pricing ที่เราเจอกันอยู่ทุกวันอย่างไร? และทำไมหน่วยงานกำกับดูแลถึงเริ่มสนใจเรื่องนี้มากขึ้น? Marketing Oops! สรุปให้อ่านในบทความนี้
Personalized Pricing คืออะไร?
ถ้าพูดถึงระบบ Personalized แบบกว้างๆ เราอยู่กับ Personalization มานานจนแทบกลายเป็นเรื่องปกติของโลกดิจิทัลแล้ว ยกตัวอย่างง่ายๆก็เช่น Netflix ใช้ข้อมูลการดูคอนเทนต์ของเรามาใช้ในระบบแนะนำหนังใหม่ๆ
หรือย่าง TikTok เลือกคลิปที่คิดว่าเราน่าจะสนใจ รวมถึงเว็บไซต์ E-commerce เลือกสินค้าและโฆษณาที่คิดว่าเราน่าจะซื้อมาโชว์ให้เราเห็น
ระบบเหล่านี้พยายามตอบคำถามว่า “คนนี้น่าจะสนใจอะไร?” แต่ถ้าพูดถึง Personalized Pricing วิธีคิดนี้เป็นการนำข้อมูลของเรามาตอบอีกคำถามหนึ่งนั่นก็คือ “คนนี้น่าจะยอมจ่ายเท่าไหร่?”
FTC หน่วยงานคุ้มครองผู้บริโภคและกำกับดูแลการค้าของสหรัฐ อธิบาย Personalized Pricing ว่าเป็นการนำข้อมูลส่วนบุคคลมาใช้กำหนดราคา ตามจำนวนเงินที่ธุรกิจเชื่อว่าผู้บริโภคแต่ละรายเต็มใจจะจ่าย
Algorithm จึงอาจนำข้อมูลหลายประเภทมาประมวลผล เช่น Location, Browsing Behavior, Shopping History, Device Information หรือข้อมูลอื่นที่ธุรกิจมีอยู่ เพื่อสร้าง Profile และประเมินพฤติกรรมของผู้บริโภค
สมมติสินค้าชนิดหนึ่งมีลูกค้า 3 คนกำลังสนใจ
- ลูกค้า A มีความอ่อนไหวต่อราคา ระบบจึงเสนอ 450 บาท
- ลูกค้า B มีแนวโน้มซื้อสินค้าชนิดนี้เป็นประจำ ระบบเสนอ 500 บาท
- ลูกค้า C มีข้อมูลบางอย่างบ่งชี้ว่าต้องการสินค้านี้มากๆ ระบบจึงเสนอ 550 บาท
สินค้ายังเป็นชิ้นเดิม แต่ ราคาที่แต่ละคนได้รับอาจแตกต่างกัน แนวคิดนี้จึงถูกเรียกอีกคำหนึ่งว่า Surveillance Pricing เมื่อการกำหนดราคาอาศัยข้อมูลที่เก็บหรือวิเคราะห์เกี่ยวกับผู้บริโภค
อย่างไรก็ตามการเห็นราคาสินค้าเปลี่ยน หรือคนสองคนจ่ายเงินไม่เท่ากัน ไม่ได้หมายความว่าเกิด Personalized Pricing เสมอไป เพราะอาจเป็นเรื่องของ “Dynamic Pricing” หรือ “Personalized Promotion” ก็ได้
ถ้าเป็น Dynamic Pricing ก็เช่น ฝนตกหนักในช่วงเย็น มีคนเรียกรถจำนวนมาก แต่จำนวนรถมีจำกัด ค่าโดยสารจึงสูงขึ้น หรือโรงแรมปรับราคาห้องพักสูงขึ้นในช่วงเทศกาลส่วน Personalized Promotion ก็เช่น ลูกค้า A ได้คูปองลด 100 บาทเพราะเป็นสมาชิกใหม่ ส่วนลูกค้า B ไม่ได้คูปอง หรือสมาชิกระดับ Gold ได้ส่วนลดมากกว่าสมาชิกทั่วไปเป็นต้น
ดังนั้น ประเด็นของ Personalized Pricing จึงอยู่ที่ว่า “อะไรคือเหตุผลที่ระบบใช้ในการทำให้เราคาของแต่ละคนไม่เท่ากันกันแน่?”
ทำไม Personalized Pricing ถึงต้องควบคุม?
ในมุมธุรกิจ Personalized Pricing มีเหตุผลรองรับอย่างชัดเจน เพราะข้อมูลและ AI ทำให้ธุรกิจเข้าใจ Demand ของลูกค้าได้ละเอียดขึ้น และสามารถ Optimize Revenue ได้แม่นยำกว่าเดิม
แต่เมื่อ Personalization เริ่มเข้ามาแตะเรื่อง “ราคา” ปัญหาใหม่ก็เกิดขึ้นเช่น ลูกค้าอาจไม่รู้เลยว่าตัวเองกำลังเห็น “ราคาเฉพาะบุคคล” เพราะเราไม่มีทางรู้เลยว่าเราได้ราคาถูกหรือแพงกว่าคนอื่น นอกจากจะขอมือถือเพื่อนมาดู
อีกเรื่องก็คือ ข้อมูลส่วนตัวของเราที่เราให้เพื่อความสะดวก อาจกลับมามีผลทำให้ราคาที่เราต้องจ่ายแพงกว่าคนอื่น เรายอมให้แอปเข้าถึง Location เพื่อหาร้านใกล้บ้าน ประวัติการซื้อ เข้าร่วม Loyalty Program เพื่อสะสมแต้มและรับสิทธิพิเศษ ข้อมูลเหล่านี้สร้างประโยชน์ให้ทั้งผู้บริโภคและธุรกิจ
แต่กลับกันเมื่อข้อมูลชุดเดียวกันสามารถถูกนำไปประเมิน ว่าเราพร้อมจ่ายแพงกว่าคนอื่นๆ ก็เป็นเรื่องที่ดูจะไม่ยุติธรรมนัก
อีกเรื่องที่น่าสนใจคือ Algorithm อาจรู้ว่าเรากำลัง “จำเป็นต้องซื้อ” เช่น บริการ Delivery อาจรู้ว่าครอบครัวหนึ่งมีเด็กหลายคน หรือธุรกิจโรงแรมอาจรู้จากข้อมูลว่าผู้เดินทางกำลังเดินทางไปงานศพ เราก็เลยได้ราคาที่แพงกว่าคนซะอย่างนั้น
ด้วยเหตุผลเหล่านี้ทำให้เรื่องนี้เริ่มกลายเป็นคำถามสำคัญสำหรับหน่วยงานกำกับดูแลในหลายประเทศนั่นเอง
ประเทศไหนขยับเรื่องนี้แล้วบ้าง
“สหรัฐอเมริกา” เริ่มขยับเมื่อวันที่ 19 สิงหาคม 2026 โดย FTC เน้นไปที่ความโปร่งใสของการทำ Personalized Pricing โดย FTC ระบุว่าการใช้ข้อมูลส่วนบุคคลเพื่อกำหนดราคาตามจำนวนเงินที่ธุรกิจเชื่อว่าผู้บริโภคแต่ละคนยอมจ่าย แล้วไม่เปิดเผยข้อมูลสำคัญเกี่ยวกับการทำ Personalized Pricing อาจเข้าข่ายผิดกฎหมาย
ฝั่ง “สหภาพยุโรป” มีหลักเรื่อง Personalized Pricing อยู่ในกฎหมายคุ้มครองผู้บริโภคแล้ว โดยกำหนดให้ผู้ขายต้องแจ้งผู้บริโภค เมื่อราคาที่เสนอถูก Personalize และแยกเรื่องนี้ออกจาก Dynamic Pricing
รัฐ New Jersey ของสหรัฐฯ เองก็มีการออกกฎหมายห้ามผู้ค้าปลีกใช้ข้อมูลส่วนบุคคล เช่น Online Activity, Location และ Purchase History เพื่อกำหนดราคาที่แตกต่างกันสำหรับสินค้าชนิดเดียวกัน และก็ยังแยก Loyalty Program และ Discount ออกจาก Surveillance Pricing ที่ต้องการควบคุม เช่นกัน
เรื่องราวทั้งหมดนี้ทำให้เราได้เห็นว่า First-party Data นอกจากจะมีประโยชน์ให้รู้จักลูกค้าให้ดีขึ้น และ AI ทำให้ข้อมูลเหล่านี้สามารถนำมาวิเคราะห์ได้ละเอียดขึ้น แต่ก็ยังมีขอบเขตในการนำมาใช้อยู่ โดยเฉพาะเรื่องของการตั้งราคา และสิ่งที่เกิดขึ้นในต่างประเทศก็ทำให้เราเห็นอีกมุมเช่นกันว่า “ความเชื่อมั่น” ของผู้บริโภคก็ควรนำมาคิดเป็นส่วนหนึ่งของ Data Strategy ด้วยเช่นกัน
ที่มา: Reuters, FTC, European Commission, State of New Jersey
