La plupart des consommateurs américains connaissent probablement les cotes de crédit, car chaque prêteur aux États-Unis les utilise pour évaluer le risque de crédit. Mais la valeur à vie du client (CLV) que de nombreuses entreprises utilisent pour cibler les publicités, les prix, les produits et les niveaux de service aux consommateurs individuels peut être moins familière, ou l’indice d’affluence qui classe les ménages en fonction de leur pouvoir d’achat. Ce ne sont là que quelques-uns parmi une pléthore de scores qui ont émergé récemment, conséquence de l’abondance de données sur les consommateurs qui peuvent être recueillies en ligne. Tel scores des consommateurs utiliser des données sur l’âge, l’origine ethnique, le sexe, le revenu du ménage, le code postal et les achats comme données d’entrée pour créer des chiffres qui représentent les caractéristiques ou les comportements des consommateurs qui intéressent les entreprises. Contrairement aux cotes de crédit traditionnelles, cependant, ces cotes ne sont pas disponibles pour les consommateurs. Un consommateur peut-il bénéficier de la collecte de données même si les scores qui en découlent sont finalement utilisés « contre » lui, par exemple, en permettant aux entreprises de fixer des prix individualisés ? Cela l’aiderait-il de connaître son score ? Et comment les entreprises essaieraient-elles de contrecarrer la réponse du consommateur ?
Préoccupations concernant la « notation »
Une caractéristique distinctive de ces scores est que les courtiers en données qui les produisent les vendent également aux entreprises pour des stratégies de segmentation du marché. Ainsi, ces scores n’affectent pas simplement l’interaction d’un consommateur avec une seule entreprise : les informations portées par le score créent des liens entre les interactions avec différentes entreprises et industries au fil du temps. L’argument en faveur est que la collecte de données ajoute de la valeur en créant des gains commerciaux, et les scores sont un moyen pratique de regrouper les données. Mais des effets négatifs sur le bien-être peuvent survenir. Par exemple, si un consommateur effectue un achat important, entraînant une augmentation de son score de « rentabilité », il peut être confronté à des prix plus élevés demain.
Dans un article récent, nous avons développé un modèle de discrimination par les prix basé sur le score. Notre modèle arrête toute création de valeur pour isoler les mécanismes par lesquels les consommateurs peuvent être lésés par la collecte de données, et l’accent mis sur la discrimination par les prix découle des techniques de ciblage et de pilotage des produits de plus en plus granulaires du commerce électronique qui font de facto de la tarification discriminatoire une possibilité réelle . Dans notre configuration, un consommateur interagit avec une séquence d’entreprises, et sa volonté de payer pour les produits des entreprises est son information privée. Étant donné que les achats contiennent des informations sur la volonté de payer, et que cette dernière est positivement corrélée au fil du temps, les entreprises utilisent des scores basés sur des signaux d’achats passés pour fixer les prix. Dans ce contexte, notre analyse examine comment le bien-être des consommateurs est affecté par l’interaction entre différents degrés de sophistication du consommateur (le consommateur connaît-il les scores et les liens qu’ils créent ?) et de transparence des scores (les consommateurs peuvent-ils vérifier leur score actuel ?).
Inconvénients et avantages
La discrimination par les prix nuit sans ambiguïté aux consommateurs naïfs, c’est-à-dire ceux qui ne reconnaissent pas les liens entre les transactions, mais elle peut profiter aux consommateurs stratégiques. Plus précisément, dans le cas naïf, le bien-être des consommateurs diminue avec la qualité des signaux disponibles pour les entreprises. Les entreprises à leur tour s’en sortent mieux. Plus frappant encore, la compression des données dans un score ne protège pas du tout les consommateurs. En effet, les entreprises peuvent agréger les données d’achats sous la forme d’un score appartenant à la classe que nous étudions, sans perte de pouvoir prédictif. Cette classe est paramétrée par la pertinence que chaque score donne aux signaux de comportement passés, de sorte qu’un poids important sur le passé conduit à un score avec une persistance élevée.
En revanche, un consommateur stratégique peut bénéficier de la présence de scores même si les entreprises les utilisent finalement contre lui, puisqu’il peut réduire sa quantité demandée pour manipuler son score. Considérez la figure ci-dessous, illustrant un problème de monopole traditionnel entre un consommateur avec une demande descendante et une seule entreprise, disons Entreprise 1. S’il n’y a qu’une seule interaction, le consommateur n’ajuste pas son comportement, ce qui entraîne un résultat avec Q unités achetées au prix P. Mais supposons maintenant qu’une deuxième entreprise interagisse avec le consommateur demain après avoir vu un signal d’achat de la première période. Parce que le consommateur reconnaît l’impact de son choix de première période sur le prix de la deuxième période, il tentera de réduire le signal de l’entreprise 2— et donc son score — en adoptant une demande plus faible, ce qui réduit ses achats à Q‘.
Gains et pertes de la réduction stratégique de la demande
Le consommateur souffre car il achète moins (avec la perte représentée par la zone rouge). Et bien qu’elle ne soit pas représentée, elle souffre également d’une future discrimination par les prix en raison des informations sur sa volonté de payer (c’est-à-dire l’interception de sa fonction de demande) transmises à l’entreprise 2. Cependant, l’entreprise 1 est obligée de baisser son prix (P’ dans la figure) après la réduction stratégique de la demande. Si le consommateur a une volonté de payer élevée, le bénéfice de cette remise appliquée à de nombreuses unités est tel qu’il souhaite être suivi (la zone bleue—un avantage — croît à mesure que l’ordonnée à l’origine de la demande augmente).
Gérer la réponse stratégique des consommateurs
La réduction stratégique de la demande implique que les achats sont moins sensibles aux variations du consentement à payer. Ainsi, les signaux perdent en information et la discrimination par les prix avec les scores est moins efficace. Ces pertes ne peuvent pas être éliminées : si les entreprises utilisent des scores qui sont les meilleurs prédicteurs dans un sens ex post, c’est-à-dire compte tenu des données disponibles, les consommateurs stratégiques ajusteront leur comportement en rendant les données moins informatives en premier lieu. Une situation complexe « du chat et de la souris » émerge, les consommateurs tentant de « se cacher » alors que les entreprises cherchent à estimer leurs préférences.
Notre première contribution consiste à mettre en évidence que les firmes choisissent un utilisation sous-optimale des données disponibles pour améliorer la qualité des données sous-jacentes. Plus précisément, les entreprises peuvent atténuer leurs pertes si elles s’engagent à persistant scores – ceux qui accordent une importance excessive aux informations passées. Cela peut sembler contre-intuitif, car les conséquences à long terme d’un score très persistant suggèrent que les consommateurs pourraient avoir plus peur de révéler des informations et de faire face à des prix élevés pendant longtemps. Mais un score qui l’emporte sur le passé est également moins corrélé à la volonté de payer actuelle, donc les prix réagissent initialement moins aux changements de score. Par conséquent, des scores plus persistants que ceux qui surviennent dans un monde de chat et de souris peuvent être plus rentables, car ils incitent les consommateurs à signaler davantage d’informations.
Noter que la « transparence » est essentielle
Notre deuxième contribution consiste à montrer que la possibilité d’une collecte de données bénéficiant aux consommateurs via des prix plus bas repose fortement sur la transparence des scores. Pour ce faire, nous évaluons le paradigme actuel du marché selon lequel le score est caché au consommateur.
Lorsque les signaux d’achats sont imparfaits, un consommateur stratégique ne connaîtra pas son score simplement en connaissant son comportement passé. Mais les prix transmettront des informations. Plus précisément, l’observation d’un prix élevé aujourd’hui indique au consommateur que les entreprises pensent qu’il a une volonté de payer élevée, et donc que les prix resteront élevés à l’avenir en raison de la persistance du score. Si le consommateur s’attend alors à acheter relativement peu d’unités, il est moins enclin à réduire sa demande du fait que la remise ne s’applique qu’à quelques unités. Ainsi, le consommateur devient moins sensible au prix par rapport au cas où le score est observable. (Dans ce dernier cas, le consommateur serait en mesure d’identifier les prix « anormalement » élevés comme étant supérieurs à ce que lui dicte son score, lui permettant de renoncer aux mauvaises offres.)
Avec une sensibilité réduite, les entreprises rendent les prix plus réactifs au score. Bien que cela exacerbe la réduction de la demande et entraîne une baisse des achats, les prix sont néanmoins plus haut, ce qui finit par nuire aux consommateurs. De plus, les consommateurs stratégiques à qui les scores sont cachés peuvent être moins bien lotis que leurs homologues naïfs. Nos résultats peuvent éclairer les politiques : la sensibilisation des consommateurs au potentiel de discrimination par les prix et la transparence des scores ont des rôles complémentaires, et l’un sans l’autre peut être préjudiciable au bien-être.
Alessandro Bonatti est professeur d’économie appliquée à la MIT Sloan School of Management.
Gonzalo Cisternas est conseiller en recherche financière pour les études sur les institutions financières non bancaires au sein du groupe de recherche et de statistiques de la Federal Reserve Bank de New York.
Comment citer cet article :
Alessandro Bonatti et Gonzalo Cisternas, « Consumer Scores and Price Discrimination », Federal Reserve Bank of New York Économie de Liberty Street11 juillet 2022, https://libertystreeteconomics.newyorkfed.org/2022/07/consumer-scores-and-price-discrimination/.
Clause de non-responsabilité
Les opinions exprimées dans cet article sont celles des auteurs et ne reflètent pas nécessairement la position de la Federal Reserve Bank de New York ou du Federal Reserve System. Toute erreur ou omission relève de la responsabilité des auteurs.
