Представьте себе самую дерзкую мечту корпорации, максимизирующей прибыль: взимать с каждого клиента ровно ту максимальную сумму, которую он готов заплатить в момент покупки. Экономисты называют это ценовой дискриминацией первой степени, или идеальной. Большую часть истории это было структурно невозможно — лавочник не может заглянуть вам в душу, оценить ваше состояние и изменить ценник на литр молока до того, как вы дойдёте до кассы. Но технологическая платформа, опосредующая миллионы транзакций через смартфон, не обязана читать ничью душу. Ей достаточно прочитать ваши данные.

Данные из США

Недавнее расследование Consumer Reports в США показало, что Uber и Lyft routinely устанавливают разным клиентам кардинально разные цены за одну и ту же поездку, заказанную в одно и то же время из одной точки. Медианный разрыв между самой высокой и самой низкой ценой составил около 50%. Платформы решительно отрицают применение того, что регуляторы теперь называют «наблюдательным ценообразованием» — ценообразованием на основе индивидуальных демографических или поведенческих данных, — и настаивают, что различия лишь отражают рыночные условия в реальном времени. Функциональный результат тот же: программа устанавливает цену, исходя из того, сколько, по её мнению, она может извлечь из вас именно в эту секунду.

Этот термин — не маргинальная риторика. В 2024 году Федеральная торговая комиссия США (FTC) открыла официальное расследование в отношении наблюдательного ценообразования, направив запросы о предоставлении информации крупным посредникам, чтобы понять, как данные о просмотре и персональные данные влияют на дифференцированные цены — ранний признак того, что регуляторы только начинают вырабатывать словарь для описания проблемы.

Код приходит в Кению и Нигерию

В высокорегулируемых западных рынках эта динамика впечатляет, но она перестраивает основы экономики формирующихся рынков Африки, где цифровые платформы стремительно формализуют исторически неформальные экономики, используя обширные сети данных.

Такси-сервисы — яркий пример. В Кении и Нигерии международные гиганты, такие как Uber и Bolt, внедрили программное обеспечение динамического ценообразования, определяющее как тариф пассажира, так и долю водителя. Формально это беспристрастный механизм рыночного клиринга: цены растут при высоком спросе, чтобы вывести больше водителей на дорогу, и снижаются в спокойные периоды, — однако оно оптимизирует ликвидность и доход платформы, а не макроэкономическую стабильность.

В Нигерии цены на бензин недавно подскочили почти на 50% из-за глобальных перебоев с поставками и отмены местных субсидий. Водитель-человек немедленно поднял бы базовый тариф, чтобы покрыть расходы на топливо; программа же заботится только о кривой спроса. Автоматизированное ценообразование оставило нигерийских водителей со сжимающейся маржой и фактически без контроля над собственной юнит-экономикой, что побудило Объединённый союз перевозчиков на основе приложений Нигерии начать забастовки. Работники осознают: они не независимые подрядчики, ведущие переговоры на рынке, — они переменные в функции оптимизации. Система настолько негибка, что конкуренты вроде inDrive получили 150 миллионов загрузок по всему миру во многом благодаря тому, что сделали переговоры о цене функцией продукта, а не автоматическим результатом, позволяя водителям и пассажирам торговаться напрямую.

Персонализированный мегабайт только для вас

Именно в телекоммуникационном секторе автоматизированная ценовая дискриминация становится философски странной. В Кении Safaricom активно инвестировала в предиктивную аналитику данных, чтобы повернуться к тому, что она называет одержимостью клиентом. Используя разработанную совместно с Huawei платформу Idea-to-Cash, Safaricom динамически подбирает абонентам глубоко персонализированные предложения по данным и звонкам. Система анализирует поведение использования, модели расходов и контекст в реальном времени, формируя индивидуальные пакеты «Just for You» («Только для вас»).

Подход стал крупным корпоративным успехом. Safaricom удвоила конверсию по таргетированным пакетам, сократила время вывода новых предложений на рынок на 90% и радикально снизила количество жалоб клиентов на почасовые пакеты данных. Однако мегабайт данных — чистый товар: сети стоит одинаково доставить его клиенту A и клиенту B.

По сути, Safaricom изолирует потребителей в индивидуализированные микроэкономики, используя аналитику данных для динамического ценообразования телеком-услуг. Если система делает вывод о высокой готовности платить на основе прошлого потребления, такой клиент получает иное предложение, чем крайне чувствительный к цене студент. Продукт остаётся стандартным, но цена превращается в поведенческую ловушку. Когда каждый получает персональную скидку, базовая цена по существу теряет смысл — это значит, что программа вычислила, какой именно воспринимаемый размер скидки необходим, чтобы спровоцировать покупку конкретным психологическим профилем. Всё это происходит на фоне Закона Кении о защите данных 2019 года, ограничивающего автоматизированное принятие решений на основе персональных данных без согласия, — и именно способность к правоприменению, а не текст закона, определит, как далеко зайдёт персонализированное ценообразование.

У вас садится батарея — значит, у вас высокая ставка

Нигде эта цифровая алхимия не видна так отчётливо, как в африканском цифровом кредитовании. За последнее десятилетие платформы вроде M-Shwari, Tala и Branch первыми начали выдавать необеспеченные займы людям без банковского обслуживания, заменив традиционные кредитные бюро альтернативными данными мобильных телефонов.

Первоначальный тезис был прост и блестящ: без формальной кредитной истории программа может обработать тысячи точек данных с телефона — включая историю транзакций мобильных денег, разнообразие списка контактов, манеру переписки и даже модели перемещений на основе вышек сотовой связи, — чтобы построить предиктивную модель кредитного скоринга. Преимущества неоспоримы: эта технология обеспечила массовую финансовую инклюзию и расширила формальный финансовый доступ в Кении. Исследование Гарвардской школы бизнеса показало, что маргинальные заёмщики, случайно одобренные Tala, достигли значительного улучшения финансового благополучия, особенно направляя капитал в малые предприятия.

Но цена этого автоматизированного доступа астрономическая, и программа безжалостно эффективна в оценке риска. Поскольку административные издержки практически нулевые, цифровые кредиторы могут прибыльно выдавать крошечные займы миллионам людей. Однако из-за высоких ставок дефолта система компенсирует это тем, что фактически взимает «премию за бедность» — изучая, какую непомерную процентную ставку готов стерпеть отчаявшийся заёмщик ради краткосрочной ликвидности. Это порождает порочный круг: заёмщики берут займы в одном приложении, чтобы погасить огромные проценты по другому. К 2025 году заёмщики допустили дефолт по 83,1% цифровых займов на сумму менее 1 000 кенийских шиллингов (8 долларов), что иллюстрирует трудность возврата малых займов у домохозяйств с низкими доходами. Центральному банку Кении (CBK) в итоге пришлось вмешаться с помощью Business Laws Amendment Act, чтобы отрегулировать сектор, обязать к прозрачности и не позволить кредиторам просто извлекать всё богатство с низа пирамиды — это часть более широкого режима лицензирования CBK, поставившего цифровых кредиторов под надзор центрального банка с 2022 года.

Рекомендации о том, что вы не знали, что не можете себе позволить

В этом извлечении участвуют не только такси-сервисы, кредитование и телеком. Крупные технологические платформы по всему континенту незаметно внедряют предиктивное программное обеспечение, формирующее потребительскую реальность. Jumia, пан-африканский гигант электронной коммерции, активно опирается на персонализированные рекомендательные системы, анализирующие поведение при просмотре, историю покупок и пользовательские предпочтения для подбора товарных рекомендаций на таких рынках, как Лагос в Нигерии.

На западном рынке программа, предлагающая пару обуви, — это просто таргетированный маркетинг. На формирующемся рынке, характеризующемся серьёзными социально-экономическими диспропорциями, разным уровнем цифровой грамотности и дефицитом доверия, программа, определяющая, какие товары видит пользователь, фактически строит «закрытый сад». Программа узнаёт, что вы можете себе позволить, и просто скрывает остальную экономику от вас, превращая структурное неравенство в идеально оптимизированный и бесфрикционный цифровой опыт.

Финал идеального извлечения

Технологические круги склонны рассматривать всё это развёртывание ПО как безусловное благо. Выгоды реальны: стоя под дождём в Найроби, получить водителя через ценовой скачок, вероятно, лучше, чем остаться без транспорта; если для фруктовой лавки нужен запас товара, займ со ставкой 150% годовых, одобренный компьютером за три секунды, лучше, чем иметь дело с местными ростовщиками. Прирост эффективности впечатляет.

Проблема — в финале. Предиктивные модели, развёрнутые платформами, движимыми прибылью, предназначены не для распределения общественных благ, а для извлечения экономического излишка. Наблюдательное ценообразование и автоматизированное размещение продуктов процветают в условиях рыночных провалов и информационной асимметрии. На идеально конкурентном рынке телеком-оператор, пытающийся брать с активного пользователя больше за данные, просто подтолкнул бы его к смене провайдера. Но африканские цифровые рынки редко идеально конкурентны — ими доминируют техно-олигополии вроде Safaricom в кенийской телеком-связи, Uber и Bolt в мобильности и крупные банки в цифровом кредитовании.

Когда эти доминирующие фирмы развёртывают проприетарное ПО, программа перестаёт быть инструментом рыночного поиска и становится инструментом максимального извлечения. Потребители не имеют никакого представления о рыночных ориентирах, тогда как платформы имеют совершенное видение кошелька и отчаяния покупателя. В итоге понятие справедливой стандартной цены исчезает полностью. Потребители больше не участвуют в более широкой экономике — они заперты в индивидуализированной, алгоритмически сгенерированной симуляции, спроектированной опустошать их карманы с максимальной математически возможной эффективностью. Самое поразительное, как отмечается в исходном докладе, что программа убедит их, будто они получают скидку. Как это развернётся, во многом зависит от того, смогут ли регуляторы — опирающиеся на такие инструменты, как Законы о защите данных Кении и Нигерии 2019 и 2023 годов и на прецеденты расследования FTC — обеспечить прозрачность систем, чьё преимущество целиком зависит от сохранения непрозрачности.

Источник: TechCabal, Кенн Абуйя (Kenn Abuya), старший репортёр и руководитель отдела стартапов.