Lindsay Owens：价格实验、消费者数据与公平价格之争

Theo Von 介绍了《Gouged》作者、Groundwork Collaborative 负责人 Lindsay Owens。Owens 说，这家华盛顿智库研究企业行为，为保护消费者的政策提供依据。

Owens 从 2021 年开始研究通胀。她说企业成本确实上涨，但投资者电话会议显示，一些企业也看到机会，趁顾客预期涨价时将价格提高到超过成本增幅。

她的研究起点是通胀会如何影响家庭预算与消费预期。她聆听企业向投资者解释定价的方式，因而担心公开解释并没有讲出全部情况。

被问到哄抬价格的含义时，Owens 解释了法律语境中紧急事件期间的过高收费，例如飓风过后高价卖水。她也用这个词泛指被认为不公平的价格，后者是她自己的更宽泛定义。

Von 追问横跨多个行业的大型机构如何影响消费者看到的信息和支付的价格。随后，两人将这个问题与动态定价的具体机制区分开来。

Owens 解释，动态定价随需求等市场条件变化。演唱会门票是一个例子：最后的座位可以卖给出价最高的人，而非排在队伍最前的人。

Von 问这是否一定不公平。Owens 承认将稀缺门票卖给出价最高者有经济学理由，但她认为排队和抽签提供了另一种获得机会的方式，公平与否取决于目标。

Owens 说，稀缺商品可以用几种不同方式分配。抽签为出不起最高价的人保留机会，拍卖则优先满足愿意且有能力支付更多的人。

Owens 担心频繁变价被扩展到食品杂货，因为她认为日常商品通常不像热门门票那样稀缺。她把电子货架标签视为未来可能让变价更容易的基础设施。

节目读出了 Walmart 的解释：电子标签取代纸质标签，现行定价流程维持不变。Owens 说 Walmart 否认用标签进行动态定价；她提出的天气变价只是未来可能性，并非已证实的做法。

Von 问是否有 Walmart 按天气变价的证据。Owens 回答，外界很难确切知道企业的做法，并再次提到 Walmart 否认以这种方式使用电子标签。

Owens 提到 Walmart 一项有关扫码购物的专利，其中描述顾客选购一件商品后可能改变相关商品价格，讨论中举了金枪鱼和蛋黄酱的例子。专利证明提出过技术方案，并不证明已经部署。

在扫码购物的例子里，顾客用手机扫描商品，而不是等到结账时再处理。Von 问 Walmart 是否承认实际这样做时，Owens 纠正说企业申请的是相关专利。

话题转向 Live Nation 和 Ticketmaster。Owens 认为，同一企业控制场馆和票务时，消费者与艺人的替代选择会减少，竞争对费用和价格的约束也会减弱。

Owens 的竞争论点是：顾客可以到别处购买相同商品时，卖家有理由维持有竞争力的价格。她认为缺少替代选择会削弱这种压力。

节目提到陪审团对两家企业作出的不利认定和拟议拆分。讨论同时指出，各州提出剥离请求，并不代表法院在节目录制时已经下令拆分。

Owens 根据自己在国会山工作的经历描述游说。按她的说法，企业可能寻求拖延、提出修改或争取例外，使消费者保护法案在通过前被削弱。

Owens 说，游说也可能表现为看似细微的措辞修改和漏洞。她回忆宣布出书后接到游说者联系，以此说明企业持续关注政策。

她希望国会利用听证会和传票权要求企业解释定价系统。她认为，公开审查还可以帮助立法者确定需要制定什么规则。

Von 问立法者究竟是缺乏技术知识，还是受到游说压力，或两者兼有。Owens 认为两种因素都存在，使得监督新的 AI 和定价系统更加困难。

Owens 也支持限制国会议员交易股票。她认为议员在监管企业的同时持有个人财务利益可能形成冲突，民选官员应该向选民负责。

赞助内容结束后，Von 问起消费者实验。Owens 介绍她的机构与 Consumer Reports、More Perfect Union 联合进行的项目：招募 400 名志愿购物者比较 23 种杂货。

志愿者选择同一门店和提货地点，拍下购物车截图。Owens 说，75% 的商品在不同购物者之间出现价格差异，单件商品差幅最高达 23%。

实验使用鸡蛋、谷物、熟食肉和零食等日用品。研究者通过固定门店和提货地点并收集截图，尝试比较购物者实际看到的价格。

Owens 说 Instacart 将差异解释为 A/B 测试，后来停止使用 Eversight 定价工具。仅凭观察到不同价格，不能证明顾客是按个人特征被针对性定价。

Owens 说 Instacart 此前收购了从事定价和促销技术的 Eversight。按她的叙述，调查公开并引发批评后，Instacart 表示同一时间在同一商店购物的人将看到相同价格。

她还描述了 StubHub 上同一张票的比较：标价相同，但购物者看到的费用最多相差 60 美元。她说团队也在外卖应用中观察到配送费和服务费差异。

Owens 说，同事们比较过送到同一地点的同一外卖商品。她认为服务费和配送费的差异进一步说明消费者需要更清楚地看到最终价格。

Owens 讨论一项 DoorDash 专利，它描述利用应用交互信号计算焦躁程度。她说自己在参议院听证会上提及后，该申请被撤回。专利申请本身并不表明相关评分真的被使用。

按 Owens 的描述，DoorDash 拟议方法涉及滚动行为和设备信息等信号。她认为这些信号可能影响促销优惠；她没有提供该专利方法已经部署的证据。

Owens 认为公众反应可能带来影响。她回忆可口可乐曾提出依温度变化定价的自动售货机，消费者了解其可能的价格变化后提出反对。

Owens 说，消费者公开反对后，企业有时会后退。她的更广泛观点是：技术上可行的做法，仍可能被顾客视为不可接受。

讨论转向固定价格的历史。Owens 以贵格会商人和早期百货商店为例，描述从讨价还价转向张贴价格，让顾客可以看到并比较价格。

他们也谈到百货商人 John Wanamaker，以及明码标价和允许退货的结合。Owens 将这段历史视为早期让交易更可预测的努力。

Von 说他喜欢当地一家价格稳定的农产品摊。Owens 认为，企业可以将价格可预测作为卖点，借此赢得信任和顾客。

Owens 以 Savannah Bananas 球队为另一个例子：她说球队采用固定票价，需求超过供应时通过抽签分配。虽然不是人人都能得到座位，但门票不会全部归出价最高的人。

他们把抽签与 2026 年世界杯进行比较。Owens 批评 FIFA 使用动态定价，认为这一选择把收入置于收入较低球迷的入场机会之上。

Owens 描述与 Walmart 有关的专利，其中提到生物特征和车辆信息等数据或技术。她认为这些专利值得就未来用途提出问题，但专利本身不能证明这些用途已经运行。

Owens 描述的一个申请涉及所谓的“安抚引擎”，讨论企业可能如何回应不满的顾客。她承认，具体使用哪些数据以及如何实施并不清楚。

Owens 认为会员账户和购物记录可以让零售商详细了解顾客购买什么以及购买频率。Von 问汽车或购物行为能透露多少信息；Owens 描述专利材料中讨论的假设性可能。

另一个专利例子涉及购物前后拍摄车辆，并可能根据悬挂变化推测重量。Owens 和 Von 质疑这种推断为何有用；讨论没有证明它已在现实中部署。

Owens 还描述一种假设性用途：用心率等可穿戴设备数据推测顾客对商品的兴趣。她认为这引发隐私担忧；至于实际行为，后文提到的企业否认仍需一并考虑。

Owens 将数字工具与实体零售设计相比较，描述旨在让顾客继续浏览的商店布局。她指出，面向儿童的商品可能放在儿童视线高度，让孩子向家长提出购买要求。

Owens 回忆研究团队审查相关专利后与 Walmart 的通信。她说公司否认个性化定价，也表示无意那样使用专利；她仍希望看到更明确的承诺和监督。

节目读出的信中，Walmart 表示现在和未来都不会用个人信息、购物记录或支付意愿设定个人化价格。Owens 对公司更广泛的沟通是否足够清晰持不同意见。

Owens 建议 Walmart 撤回待审申请或放弃其表示无意使用的专利。她还呼吁独立审查定价系统，将这些作为减少不确定性的提议。

话题转向 Walmart 的 Sparky 购物助手。Owens 追问助手是否会引导顾客购买更贵的商品，并强调外界难以看清推荐是如何产生的。

Von 和 Owens 讨论航空公司客服建议旅客清除 Cookie 或使用无痕窗口的一条帖子。Owens 说航空公司后来表示该帖子有误并否认相关暗示；这一交流不能证明航司如何定价。

该例涉及一位因参加葬礼而查询机票、发现价格上涨的旅客。客服建议引发猜测，但 Owens 指出企业随后表示该帖子是错误的。

Owens 认为会员计划在提供折扣的同时收集大量购物数据。她把顾客数据视为额外的商业资产，担心消费者未必理解为了优惠券付出了什么。

两人讨论与杂货零售商有关的数据业务。Owens 认为长期重复购买可以透露大量信息；节目中提到的数字应放在企业更广泛的业务类别背景下理解。

被问到消费者可以做什么时，Owens 建议朋友们比较不同设备或账户上的网约车报价或机票价格。她把这作为实际尝试，并不保证价格差异一定由某个原因造成。

她建议比较同一零售商的应用、网站、实体店以及附近不同门店。这样做也有代价：逐个渠道核对需要时间，本身就是消费者的负担。

Owens 说，在团队的 StubHub 比较中，使用无痕模式后观察到的费用差距大幅缩小。她提醒，外部人员看不到算法的具体工作方式，因此这一结果不能解释所有差异。

Owens 建议公开分享购物经历，认为消费者压力可能约束公众觉得不公平的做法。但她仍认为持久的解决办法是政策，而非只依靠个人保持警惕。

两人讨论数字菜单、顾客数据和公开表达担忧的方式。Owens 说，曝光有时促使企业重新考虑方案，但技术可能被如何使用应与已证实的用途区分开来。

他们提到一位 WIRED 记者请求查看自己在麦当劳的数据。据节目介绍，这一请求得到数百页购买和会员信息。Owens 认为这说明普通账户也可能积累大量资料。

报道中的数据访问例子包括购买历史和对未来到访的估计。Von 和 Owens 对其中的信息不对称作出回应：顾客可能不了解企业如何利用自己的日常活动建立模型。

Von 思考技术能否更直接地服务人。Owens 认为，用于分析顾客行为的精力也可以投入改进产品和提供更透明的服务。

他们讨论通过社区、教会或工会组织消费者。Owens 认为，人们可以利用集体购买力和团结争取更好的条件，而不必完全依靠个人应对。

Owens 提到一款购物工具，开发者称其能比较不同零售商的购物篮。她明确表示自己与开发者谈过，但尚未亲自使用，因此这不是基于个人体验的推荐。

Owens 说，AI 助手可能帮助顾客完成取消订阅等耗时工作。但助手也可能接触敏感信息，其背后的激励机制可能难以让消费者看清。

两人介绍一项早期研究：研究者用虚构用户资料测试 AI 模型的购物推荐。节目称，即使提示要求更便宜的选项，推荐有时仍随表面财富变化；他们将其作为研究讨论，并未证明特定商业部署。

节目说，这项研究测试了许多虚构资料和多个模型家族。Owens 将结果视为一个警示：助手给出的推荐可能偏离用户明确提出的要求。

Owens 将交易费用和广告视为助手可能采用的商业模式。Von 问商家费用是否可能反映在价格中；两人把这视为风险和开放问题，并非已经确定的结果。

两人思考按交易收费的助手是否能节省时间，同时也引入新的中介。他们没有断言这类服务最终如何收费，或者商家是否会转嫁成本。

Owens 认为，被称为代理的助手应当代表顾客利益。她担心不透明的推荐、广告和商业关系可能把它引向不同方向。

节目回顾 ProPublica 在 2015 年对 SAT 备考价格地域差异的调查。主持人说，亚裔人口占比较高的一些邮区更常出现高价；报道中的相关性本身不能证明企业意图。

Owens 认为收入不等同于支付意愿或支付的迫切程度。她担心定价系统可能利用某人的紧急需求或缺少替代选择，即便这个人并不富裕。

Owens 概述她提出的购物者权利法案。她的重点包括清楚展示含全部费用的价格、产品失效时方便退款，以及限制使用个人信息设定个人化价格。

两人讨论纽约州的一项提案。Owens 说，该提案在录制时已通过州议会、正等待州长处理；她主张签署并描述业界的反对游说。节目没有确定其后续状态。

Owens 说，纽约州的提案将限制基于个人信息的个人化定价。她提到其他地方范围较窄的相关努力，并认为纽约可以为其他州树立先例。

为了追究官员责任，Owens 呼吁选民要求调查定价做法并加强消费者保护。她说，国会可以要求获得外部研究机构自身无法取得的信息。

Owens 希望听证会要求企业高管解释定价和购物助手的工作方式。她说，独立机构可以研究公开材料，但不能强制取得立法者能够要求的内部记录。

Von 感谢 Owens 解释这些问题，并祝贺她的新书出版。她最后介绍了机构的研究，并鼓励公众继续审视企业定价。