Da li internet prodavnica može da zna koliko ste spremni da platite za određeni proizvod i da vam na osnovu toga formira cenu?
Koliko košta pakovanje jaja? Pitanje deluje jednostavno, ali odgovor više ne mora da bude isti za svakog kupca. Istraživanje koje su tokom 2025. sproveli Consumer Reports i Groundwork Collaborative pokazalo je da su korisnici platforme Instacart u isto vreme dobijali različite cene istih proizvoda u istim prodavnicama.
U istraživanju je učestvovalo 437 kupaca u četiri američka grada. U prodavnici Safeway u Vašingtonu isto pakovanje jaja pojavilo se po pet različitih cena, od 3,99 do 4,79 dolara. Gotovo tri četvrtine posmatranih proizvoda pojavljivalo se po različitim cenama, a kod pojedinih je razlika dostizala 23 odsto.
Instacart je tvrdio da nije reč o personalizovanim cenama zasnovanim na ličnim podacima kupaca, već o eksperimentu u kom su korisnici nasumično raspoređivani u grupe. Ipak, slučaj otvara mnogo šire pitanje. Tehnologije za personalizovano određivanje cena mogu da koriste podatke o lokaciji, prethodnim kupovinama i pretragama. Zato cena koju vidimo može da zavisi i od onoga što prodavac zna, ili može da zaključi o nama.
Šta internet prodavnica zna o vama?
Nije svaka promena cene oblik personalizacije. Avionska karta može poskupeti zbog veće potražnje, hotelska soba zbog popunjenosti kapaciteta, a proizvod zbog ograničenih zaliha. Kod dinamičkog određivanja cena presudne su tržišne okolnosti, dok se kod personalizovanog određivanja u obzir mogu uzeti i podaci o kupcu i procena njegove spremnosti da plati tu cenu.
A tih podataka može biti mnogo više nego što ostavljamo samom kupovinom. Federalna trgovinska komisija Sjedinjenih Američkih Država (Federal Trade Commission – FTC), koja istražuje tehnologije za algoritamsko određivanje cena, navodi preciznu lokaciju, demografske podatke, istoriju kupovine, pretraživanja i pregledanja interneta, prethodni odnos sa prodavcem ili njegovim partnerima, kao i vreme, mesto i kanal preko kog se kupovina obavlja. Sistemi mogu da beleže i proizvode ostavljene u virtuelnoj korpi, vraćanje robe, komunikaciju sa korisničkom službom, pa čak i pokrete miša tokom boravka na stranici.
Prodavnica pritom ne mora sama da prikupi sve informacije. Podaci koje već poseduje mogu da se kombinuju sa informacijama iz drugih izvora, ali i sa takozvanim „izvedenim“ podacima, onim što sistem zaključuje na osnovu drugih informacija.
Tako prodavac ne mora da zna kolika je nečija plata. Kombinovanjem podataka o lokaciji, prethodnim kupovinama, interesovanjima i ponašanju korisnika na sajtu, algoritmi mogu da naprave detaljniju procenu njegovih kupovnih navika. U obzir se, između ostalog, mogu uzeti proizvodi koje korisnik pregleda, učestalost vraćanja na određeni proizvod i sadržaj korpe, na osnovu čega algoritam procenjuje koje bi ponude mogle da mu budu najrelevantnije.
Tu dolazimo do pojma willingness to pay – najvišeg iznosa koji je potrošač spreman da plati za određeni proizvod ili uslugu. Cilj sistema ne mora da bude da utvrdi koliko kupac ima novca, već koliko je osetljiv na cenu. Jedan kupac može biti svrstan u grupu koja češće odustaje kada cena poraste ili reaguje tek na veći popust, dok drugi kupac može pripadati grupi koja kupovinu završava i po višoj ceni.
Drugim rečima, algoritam ne mora da zaključi: „Ovaj kupac će platiti tačno 87,50 evra“. Dovoljno je da proceni nešto praktičnije – koliko je verovatno da će kupac prihvatiti ponuđenu cenu, a koliko da će zbog nje odustati.
Kako algoritam procenjuje koliko ćete platiti?
Algoritmi za određivanje cena postoje mnogo pre današnjeg razvoja veštačke inteligencije. AI postaje važna kada sistem treba da obradi velike količine podataka, prepozna obrasce u ponašanju kupaca i predvidi njihovu reakciju na određenu ponudu. FTC je utvrdio da kompanije koje nude tehnologije za određivanje cena koriste napredne algoritme i AI, u kombinaciji sa podacima o potrošačima, kako bi ih kategorizovale i omogućile ciljano određivanje cena.
Reakcija kupaca može se testirati tako što se različitim grupama isti proizvod ponudi po različitim cenama. Ako viša cena ne utiče značajno na prodaju, to je signal da su kupci spremni da je prihvate; ako počnu da odustaju od kupovine, kompanija dobija podatak o njihovoj osetljivosti na cenu.
Cene je na ovaj način testirao i Instacart. Kompanija je 2022. kupila Eversight, koji je razvio alate za optimizaciju i testiranje cena. Instacart je tvrdio da raspoređivanje korisnika u eksperimentalne grupe nije bilo zasnovano na ličnim ili demografskim podacima, a Consumer Reports nije pronašao dokaz da su razlike u cenama bile povezane sa demografskim karakteristikama učesnika.
Takvi eksperimenti sami po sebi nisu personalizovano određivanje cena, ali pokazuju kako kupci reaguju na različite iznose. Ukoliko se takvi rezultati povežu sa profilima kupaca i modelima koji predviđaju njihovo ponašanje, sistem može da pređe sa pitanja „koja cena najbolje prolazi kod kupaca?“ na „koja cena će najverovatnije proći kod ovog tipa kupca?“
Cena iz „crne kutije“
FTC je utvrdio da postoje tehnologije koje omogućavaju prilagođavanje cena i promocija na osnovu podataka o potrošačima. Kupac, međutim, uglavnom vidi samo krajnju cenu, bez informacije o tome da li drugi kupci dobijaju isti iznos, koji su njegovi podaci uzeti u obzir i koliko su uticali na cenu.
Algoritam zato za potrošača funkcioniše kao svojevrsna „crna kutija“ – poznati su podaci koji ulaze u sistem i cena koja iz njega izlazi, ali ne i način na koji je ona određena. Kupcu je zbog toga teško da utvrdi da li je cena posledica uobičajenih tržišnih okolnosti ili procene zasnovane na njegovom profilu i ponašanju.
Pitanje zato nije samo da li tehnologija omogućava različite cene za različite kupce, već i koliko potrošač može da zna o načinu na koji je cena za njega određena.
Da li je personalizovano određivanje cena legalno?
Personalizovano određivanje cena nije svuda zabranjeno. Negde se od trgovca zahteva da potrošaču kaže da koristi njegove podatke za formiranje cene, dok se drugde ide ka zabrani određenih oblika personalizovanih cena.
U Njujorku, od novembra 2025. godine kompanije koje koriste lične podatke za algoritamsko određivanje cena moraju jasno da obaveste potrošača. Za kršenje ove obaveze predviđena je kazna do 1.000 dolara po prekršaju, ali personalizovanje cene tim propisom nije zabranjeno.
Tokom 2026. godine državni Senat i Skupština usvojili su One Fair Price Act, kojim bi kompanijama bilo zabranjeno da koriste lične podatke kako bi različitim kupcima određivale različite cene istog proizvoda, uz izuzetke za uobičajene kupone, programe lojalnosti i druge promocije.
U Evropskoj uniji personalizovano određivanje cena nije samo po sebi zabranjeno, ali trgovac mora da obavesti potrošača ako je cena personalizovana na osnovu automatizovanog donošenja odluka i profilisanja. Dodatna ograničenja proizlaze iz Opštе uredbе o zaštiti podataka Evropske unije (General Data Protection Regulation – GDPR), koja uređuje profilisanje i automatizovano donošenje odluka.
U Srbiji ne postoji poseban propis koji direktno uređuje algoritamsko ili personalizovano određivanje cena. Zakon o zaštiti podataka o ličnosti, međutim, reguliše profilisanje i automatizovano donošenje pojedinačnih odluka. Član 38 štiti pojedinca od toga da o njemu odlučuje isključivo automatizovani sistem kada takva odluka može da ima pravne posledice ili značajno da utiče na njegov položaj.
Ipak, ova zaštita nije apsolutna, jer zakon predviđa određene izuzetke. To nije isto što i izričita zabrana da internet prodavnica jednom kupcu ponudi proizvod za 1.000, a drugom za 1.100 dinara zato što je procenila da je drugi spremniji da plati više.
Razvoj ovih tehnologija otvorio je prostor koji regulativa tek počinje da uređuje – prostor između onoga što algoritmi mogu da zaključe o kupcu i onoga što trgovci na osnovu tih procena smeju da učine.
Milena Šović, AI Implementation Specialist & AI Content Trainer
Biznis i finansije 250, oktobar 2026.
Foto: Faithie, Depositphotos