Big Data und Preisdiskriminierung
- PDF / 191,467 Bytes
- 6 Pages / 595.276 x 785.197 pts Page_size
- 82 Downloads / 248 Views
Analysen und Berichte Preisbildung
Vera Konrad, Andreas Polk
Big Data und Preisdiskriminierung Unternehmen nutzen Daten zur Optimierung von Preisen. Mit zunehmender Kenntnis individueller Kundenprofile könnte der Spielraum steigen, Individuen gezielt über personalisierte Angebote anzusprechen. Die wettbewerblichen Effekte sind ambivalent: Personalisierte Preise können zur Ausbeutung im Sinne einer Abschöpfung der Konsumentenrente führen, aber auch die Wettbewerbsintensität erhöhen. In der Praxis scheuen sich die Unternehmen bisher weitgehend, individualisierte Preise einzusetzen.
Mit der Digitalisierung entstehen neben allen Vorteilen auch neue wettbewerbliche Probleme (Schweitzer et al., 2018; Kerber, 2019; Genth et al., 2016; Dewenter und Lüth, 2016). Die möglicherweise „ausbeuterische“ Verwendung von Daten zur Etablierung personalisierter Preise ist ein Teilaspekt dieser Diskussion: Zwingen Unternehmen und Datenhändler ihre Kunden zur Aufgabe der Anonymität, um in Zukunft individuelle Zahlungsbereitschaften besser abschöpfen zu können? Preisdiskriminierung, also das Abschöpfen von Konsumentenrente durch unterschiedliche Preissetzung für (nahezu) identische Produkte, gibt es schon lange. Ein Blick in den Supermarkt genügt: Im Kühlregal sind enorme Preisunterschiede für einfache Produkte wie z. B. Milch üblich. Aber auch unterschiedliche Packungsgrößen verschleiern zum Teil sehr unterschiedliche Preise für homogene Produkte. Diese Form der Preisdiskriminierung, die auf die Selbstselektion der Kunden setzt, ist eine Alltagserscheinung. Online-Tracking: neue Dimension der Preisdiskriminierung
Gruppenpreise und personalisierte Preise sind verwandt: Werden Gruppen detailliert genug beschrieben, konvergieren Gruppenpreise zu denen perfekter Preisdiskriminierung (etwa Belleflamme und Peitz, 2015, Kap. 8). Informationen lassen sich auf zahlreiche Arten sammeln: Cookies, Trackingpixel oder das Aufzeichnen von Clickverhalten und Verweildauern auf Webseiten zeigen Surfverhalten und damit Interessen, Browser verraten Daten über das Computersystem und den Standort. Externe Daten geben Auskunft über Gewohnheiten, Familienstatus, Einkommen und Kreditwürdigkeit. Kunden helfen aktiv bei der Datensammlung, indem sie Kundenkarten nutzen, ihre E-Mails nach Inhalten scannen lassen und die Kontaktdaten ihrer Freunde an Facebook weitergeben. Gegen einzelne Aspekte dieser Datensammlung kann sich der Konsument zwar wehren: Cookies und Werbe-IDs lassen sich löschen, bestimmte Messengerdienste vermeiden. Dies ist aber mit Kosten verbunden und nur partiell möglich. Eine völlige Kontrolle über die eigenen Daten ist nicht möglich (Acquisti, 2008). Verhaltensbasierte Preisdiskriminierung
Mit der Digitalisierung tritt die Preisdiskriminierung ersten Grades wieder stärker in den Vordergrund. Sie ist eigentlich ein theoretischer Referenzfall, der davon ausgeht, dass ein Unternehmen die Zahlungsbereitschaft jedes einzelnen Kunden genau kennt. Dies ist in der Realität faktisch nie erfüllt, da die Informationsanforderungen an die Unternehmen vie
Data Loading...
