Инфляция в эпоху алгоритмических цен

Изображение: upklyak/Freepik

Технологии меняют подходы к ценообразованию и восприятию цен в экономике. Развитие больших данных, искусственного интеллекта и цифровых платформ делает цены более гибкими, динамичными и всё более индивидуальными. Если раньше частая корректировка цен была характерна преимущественно для авиаперевозок и гостиничного бизнеса, то сегодня такие практики постепенно распространяются и на другие сектора. В этой статье THE TENGE рассматривает исследование представителей Банка Англии Клэр Ломбарделли и Рупал Патель о том, как технологические изменения трансформируют ценообразование и что это может означать для инфляции.

Динамическое ценообразование позволяет компаниям быстрее реагировать на изменение спроса и предложения, а персонализированное ценообразование адаптирует цену под конкретного потребителя или группу покупателей. С одной стороны, это повышает эффективность бизнеса и помогает лучше распределять спрос. С другой стороны, такие подходы усиливают вопросы справедливости, прозрачности и доверия со стороны потребителей. Пока эти изменения не оказывают однозначного влияния на инфляцию, однако в будущем их эффект будет зависеть от уровня конкуренции, доступности информации о ценах и того, как потребители будут воспринимать более частые ценовые колебания.

Рост алгоритмического ценообразования

Цифровизация резко снизила так называемые «издержки меню», то есть расходы компаний на изменение цен. Исторически этот термин был связан с затратами на печать новых меню с обновлёнными ценами. Сегодня цифровое ценообразование позволяет бизнесу менять цены часто и с минимальными затратами. Онлайн-платформы для бронирования путешествий и отелей, которые раньше выполняли роль обычных каталогов, теперь автоматически корректируют цены в зависимости от спроса. Так, доля гостиничных номеров, цены на которые меняются хотя бы раз в месяц, выросла примерно с 15 % в 2005 году до около 80 % в настоящее время.

Рисунок 1. Доля наблюдений за ценами CPI на отели в Великобритании, изменяющаяся из месяца в месяц

Источники: Управление национальной статистики (ONS) и расчёты Банка Англии

Примечание. Цены на услуги размещения в основном определяются ценами на гостиницы. Оранжевая линия представляет собой репрезентативный сравнительный ряд, построенный путём исключения из индекса потребительских цен секторов с преобладанием динамического ценообразования. Бирюзовая линия имеет разрывы в 2020 и 2021 годах, поскольку сбор данных о ценах на гостиницы был невозможен в периоды локдаунов, связанных с пандемией COVID-19. Оба ряда скорректированы с учётом исключения изменений цен, связанных с изменениями НДС в 2008, 2010 и 2011 годах.

Технологии также расширили возможности компаний по сбору, обработке и хранению данных о потребителях и их покупательских предпочтениях. На этой основе модели машинного обучения позволяют точнее оценивать спрос и устанавливать цены. Вместо простых правил, например разделения тарифов на часы пик и внепиковые периоды, бизнес всё чаще использует прогностические модели, которые анализируют поведение покупателей, оценивают кривые спроса и отслеживают цены конкурентов.

В результате потребители всё чаще сталкиваются с индивидуальными ценовыми предложениями. Это могут быть скидки по картам лояльности, персонализированные наборы товаров или рекомендации, стимулирующие покупку более маржинальных продуктов. Поэтому разные покупатели могут платить разные цены за одинаковые или схожие товары и услуги. Для компаний такая практика является способом приблизиться к модели ценовой дискриминации, при которой цена максимально соответствует готовности конкретного потребителя платить.

Насколько широко используется динамическое и персонализированное ценообразование?

Уровень сложности технологических моделей ценообразования заметно различается по секторам экономики. Точно оценить масштабы их внедрения сложно, поскольку компании, как правило, не раскрывают свои ценовые стратегии. Однако общее представление даёт опрос предприятий, проведённый в рамках Decision Maker Panel Банка Англии. За три месяца до января 2026 года более 1600 компаний сообщили, какие подходы к ценообразованию они используют.

Первый подход связан с ценообразованием на основе заранее заданных правил. В этом случае цены меняются по простым условиям, например в зависимости от времени суток, дня недели, сезона или уровня запасов.

Второй подход предполагает реакцию на рыночные условия. Компании используют алгоритмы, в том числе инструменты искусственного интеллекта, чтобы корректировать цены с учётом спроса, производственных мощностей или действий конкурентов.

Третий подход связан с персонализированным ценообразованием, при котором цены различаются для разных клиентов в зависимости от их характеристик или поведения. Это может включать как простые программы лояльности, так и более сложные алгоритмы, основанные на данных о покупательских привычках.

При этом компании могут применять один из этих методов, сочетать несколько подходов или вовсе не использовать технологические модели при установлении цен.

Рисунок 2. Использование различных стратегий ценообразования, по данным компаний, работающих в секторах, ориентированных на потребителя

Источники: Опрос DMP (ноябрь 2025 г., декабрь 2025 г. и январь 2026 г.)
Примечание. Столбики показывают текущее внедрение различных стратегий ценообразования. Ромбы обозначают ожидаемое внедрение различных стратегий ценообразования в течение следующих 12 месяцев. Проценты в сумме могут превышать 100 % в рамках сектора, поскольку предприятия могут использовать более одной стратегии. К другим секторам услуг относятся такие отрасли, как образование, профессиональные организации и другие предприятия, предоставляющие личные услуги.

Уровень внедрения технологических моделей ценообразования различается по секторам, однако все отрасли в той или иной степени уже используют такие подходы и планируют расширять их применение. Наиболее заметный рост ожидается в инструментах ценообразования, реагирующих на рыночные условия. Доля компаний, применяющих такие методы, может увеличиться с текущих 21 % до 31 % в течение года, поскольку бизнес всё активнее использует данные о спросе и ценах конкурентов для корректировки собственных цен.

Данная тенденция подтверждается наблюдениями деловых контактов Банка Англии по всей Великобритании. Отдельные сектора уже тестируют технологии, которые в будущем могут упростить переход к более динамическому ценообразованию. Например, электронные ценники на полках супермаркетов, уже широко распространённые в Европе, позволяют быстрее менять цены без дополнительных операционных затрат.

Простое динамическое ценообразование на основе заранее заданных правил чаще используется в сфере развлечений. Например, кинотеатры могут устанавливать более высокие цены в часы повышенного спроса, включая выходные дни. В других секторах такой подход распространён меньше и постепенно уступает место более сложным алгоритмическим моделям. Некоторые тематические парки уже переходят от фиксированного разделения цен на будние и выходные дни к алгоритмам, которые учитывают фактическую загрузку и продажи билетов в режиме реального времени.

Персонализированное ценообразование распространено шире, но в основном сохраняет относительно простые формы. Чаще всего речь идёт о картах лояльности, онлайн-аккаунтах клиентов и индивидуальных предложениях. Такие механизмы особенно заметны в сфере развлекательных и потребительских услуг, включая абонементы в спортзалы.

При этом дальнейшее распространение динамических цен в Великобритании может сдерживаться не столько технологическими ограничениями, сколько репутационными рисками. Компании опасаются негативной реакции потребителей, если изменение цен будет восприниматься как непрозрачное или несправедливое. Международные исследования показывают, что британские потребители чаще, чем потребители в других странах, считают динамическое ценообразование несправедливым. Дополнительным фактором сдерживания остаётся риск повышенного внимания со стороны регулирующих органов.

Сложности измерения инфляции

В условиях более гибкого и индивидуального ценообразования измерение инфляции становится сложнее. Традиционно индекс потребительских цен строится на ежемесячном сборе репрезентативной выборки цен для стандартной потребительской корзины. Такой подход хорошо работает, когда цены меняются относительно медленно и равномерно. Однако при постоянной корректировке цен, особенно если они различаются для разных покупателей, само понятие «репрезентативной» цены становится менее очевидным.

Одна из ключевых проблем связана с ростом волатильности. Цены на гостиницы и авиабилеты уже стали более динамичными и всё чаще искажают ежемесячные показатели инфляции. Чем чаще компании меняют цены, тем сложнее интерпретировать краткосрочные колебания ИПЦ. В то же время более гибкие цены могут быстрее отражать изменение спроса, предложения и внешних шоков, поэтому резкие движения не всегда являются статистическим шумом, а могут содержать важный экономический сигнал.

Для центральных банков важна не отдельная месячная динамика ИПЦ, а общий инфляционный тренд. Поэтому они всё чаще используют менее волатильные показатели, которые позволяют лучше оценивать базовое ценовое давление. Например, Банк Англии исключает динамически устанавливаемые цены на гостиницы и авиабилеты из показателя основных услуг, используемого для мониторинга инфляционного давления. В более широком смысле центральные банки расширяют аналитические инструменты и используют разные источники данных, чтобы отделять устойчивые тенденции от краткосрочной волатильности.

Отдельная проблема связана с персонализированным ценообразованием. Оно делает потребительский опыт более фрагментированным и усложняет вопрос о том, какая цена может считаться репрезентативной. Домохозяйства и раньше сталкивались с разной инфляцией из-за различий в структуре потребления. Однако при персонализированных ценах различия могут усиливаться, поскольку разные покупатели могут платить разные суммы за один и тот же товар или услугу. В результате агрегированные показатели инфляции могут всё хуже отражать реальный опыт отдельных групп населения.

Статистические органы уже начинают адаптироваться к этим изменениям. В марте 2026 года Управление национальной статистики Великобритании начало использовать еженедельные данные сканирования цен в продуктовых магазинах. Это позволило включить в расчёт ИПЦ большее количество цен, собранных за более длительный период, а также впервые учесть скидки по картам лояльности и индивидуальные предложения крупных ритейлеров, на которых приходится около половины продуктового рынка.

Пока влияние новых данных на общую инфляцию остаётся ограниченным. Предварительные оценки показывают, что использование данных супермаркетов снизило бы общую инфляцию ИПЦ лишь на 0,03 п.п. в период с января 2022 года по июнь 2025 года. В отдельные периоды эффект мог быть заметнее, например во время ускоренного роста цен на продукты. При этом небольшое влияние на общий индекс может скрывать более существенные различия в ценах, с которыми сталкиваются разные домохозяйства. Поэтому с 2023 года британская статистическая служба начала публиковать квартальные индексы стоимости жизни домохозяйств, которые лучше отражают различия в ценовом опыте разных групп населения.

Приведёт ли динамическое ценообразование к росту инфляции?

На данном этапе алгоритмическое ценообразование, по-видимому, не создаёт самостоятельной инфляционной угрозы. Оно чаще используется компаниями для управления загрузкой и распределения спроса, чем для систематического повышения цен, что видно на примере гостиничного сектора. Несмотря на резкое распространение динамического ценообразования с 2005 года, общий рост цен на проживание в гостиницах в целом остаётся сопоставимым с динамикой цен на менее гибкие услуги. Иными словами, более частая корректировка цен сама по себе пока не привела к устойчивому ускорению инфляции в данном сегменте.

Рисунок 3. Кумулятивный рост совокупного уровня цен на гостиничные услуги с 2005 года

Источники: расчёты ONS и Банка Англии

Это не должно вызывать удивления: динамическое и персонализированное ценообразование может приводить как к более высоким, так и к более низким ценам. С одной стороны, компании получают возможность устанавливать более высокую цену для потребителей с большей готовностью платить. С другой стороны, более гибкие ценовые модели могут сделать отдельные товары и услуги доступнее для тех, кто ранее не мог себе их позволить.

Динамическое ценообразование также может повышать эффективность использования мощностей. Когда цены меняются в зависимости от загрузки и спроса, компании лучше согласовывают предложение с потребностями рынка. Это особенно заметно в авиаперевозках и сервисах заказа такси, где динамические цены помогают перераспределять мощности в периоды повышенного спроса. В долгосрочной перспективе такая эффективность может поддерживать рост активности и сдерживать цены.

Однако выгоды для потребителей возможны только при наличии прозрачных правил и соблюдении этических и правовых стандартов. В этой связи Управление по конкуренции и рынкам Великобритании уже выпустило рекомендации, направленные на повышение прозрачности и снижение юридических и репутационных рисков для компаний.

Влияние динамического и персонализированного ценообразования на инфляцию будет зависеть от нескольких факторов. Ключевыми среди них остаются уровень конкуренции, доступность информации о ценах для потребителей и влияние новых ценовых практик на инфляционные ожидания домохозяйств.

Информация и конкуренция

Развитие информационных технологий даёт компаниям гораздо более глубокое понимание того, за что и сколько готовы платить потребители. Теоретически это усиливает возможности для ценовой дискриминации и позволяет бизнесу извлекать большую часть потребительского излишка, то есть выгоды, которую покупатель получает от приобретения товара или услуги.

На рынках с ограниченной конкуренцией это может привести к росту наценок и, соответственно, цен. Однако в условиях высокой конкуренции более точная информация о клиентах может работать иначе: компании будут активнее снижать цены, чтобы опередить конкурентов и удержать спрос. Дополнительным ограничителем становится и то, что сами потребители получают больше информации о продавцах и ценах, что повышает ценовую чувствительность спроса и снижает возможности компаний для повышения цен.

ИИ-помощники в покупках уже помогают потребителям искать более выгодные предложения. Однако такие преимущества в большей степени получают онлайн-активные покупатели, которые используют новые инструменты для поиска минимальных цен. Вместе с тем существуют и риски. Отдельные эксперименты показывают, что алгоритмы со временем могут научиться удерживать цены выше конкурентного уровня и переходить к неявному сговору, если выявляют, что постоянное снижение цен ухудшает прибыльность. Пока алгоритмический сговор остаётся редким явлением, но он уже находится в зоне повышенного внимания регулирующих органов.

Инфляционные ожидания

Психологические факторы также могут играть важную роль. Домохозяйства обычно сильнее замечают рост цен, чем их снижение, а инфляционные ожидания во многом формируются на основе товаров и услуг, которые покупаются регулярно, например продуктов питания и топлива. Если динамическое ценообразование станет более распространённым в этих категориях, высокая волатильность цен может усилить восприятие инфляции даже при неизменном среднем уровне цен.

Результаты опроса Банка Англии показывают, что при колебаниях цен из-за динамического ценообразования с использованием ИИ потребители склонны воспринимать средний уровень цен как более высокий. В дальнейшем это может способствовать росту инфляционных ожиданий.

Рисунок 4 показывает, что динамическое ценообразование пока ограниченно применяется в секторах, наиболее значимых для формирования инфляционных ожиданий. Исключением остаются продукты питания, где такие практики уже распространены и одновременно сильно влияют на восприятие инфляции. По мере расширения динамического ценообразования, в том числе в продовольственном секторе, волатильность цен может стать более заметной для потребителей и усилить инфляционные ожидания.

Рисунок 4. Частота изменения цен и их влияние на инфляционные ожидания домохозяйств по секторам экономики

Источники: Опрос DMP, данные ONS и расчёты Банка Англии
Примечание. На этом графике показаны только те сектора, которые влияют на формирование инфляционных ожиданий домохозяйств, как в работе Анести и др. (2025).

Важно, чтобы механизмы ценообразования были понятны не только центральным банкам, но и потребителям. Если люди понимают, что колебания цен отражают изменение спроса и носят временный характер, инфляционные ожидания могут оставаться более стабильными.

Хороший пример — железнодорожные перевозки, где разница между тарифами в часы пик и внепиковые периоды заранее известна пассажирам и воспринимается как понятное правило. В этом смысле прозрачность снижает неопределённость вокруг цен и помогает удерживать ожидания даже в условиях более частых ценовых изменений.

Заключение

Динамическое и персонализированное ценообразование пока не оказало радикального влияния на инфляцию, но уже меняет характер ценовых процессов. По мере распространения моделей, основанных на данных и искусственном интеллекте, цены будут корректироваться быстрее и сильнее различаться для разных потребителей и компаний, что создаёт новые возможности, но одновременно усложняет анализ инфляции. Центральным банкам необходимо внимательнее отслеживать, как такие практики влияют на поведение потребителей, ценовую динамику и инфляционные ожидания. В условиях более волатильных и фрагментированных цен возрастает значение инструментов, которые позволяют отделять краткосрочные колебания от устойчивых экономических тенденций.