Обсуждение дополняет статью примерами персонализированного ценообразования в Uber, Amazon, страховых компаниях и других сферах, ставя под сомнение эффективность запретов без учёта экономических и правовых контекстов. Принудительная передача точных цен в реальном времени в агрегаторы сравнения цен может разрушить модель наблюдения, так как прозрачность устраняет возможность манипуляций. Запрет на персонализированное ценообразование должен учитывать, что бизнесы могут заменить дисконты на завышенные базовые цены, что не улучшит положение потребителей. Запрет на сбор данных для ценообразования противоречит законам, регулирующим частные действия, таким как HIPAA и Civil Rights Act, которые уже ограничивают обработку персональных данных. Конституционная поправка о праве на приватность невозможна, так как Конституция регулирует только действия государства, а не частных компаний, и противоречит Первой поправке о свободе слова. Персонализированное ценообразование уже существует в авиаперевозках, страховании и онлайн-ритейле: Mac-пользователи получали более дорогие отели на туристических сайтах, Uber показывает разные цены на одном устройстве. Алгоритмы могут выводить чувствительные данные (здоровье, доход) из поведенческих паттернов, обходя запреты на прямой сбор такой информации через покупки или поисковые запросы. Запрет на персонализированное ценообразование уничтожит финансовые модели кредитования, фрода и отмывания денег, так как они зависят от анализа личных данных для оценки рисков. Если компании не смогут использовать данные для ценообразования, они могут вернуться к модели, где только богатые получают доступ к качественным услугам, а бедные — к урезанным. Пользователи уже сталкиваются с персонализированными ценами: на Amazon цена Seiko-часов колебалась от $296 до $350, в Spotify и Uber разница в ценах между аккаунтами достигает 15%. Если ценообразование индивидуализировано, то и предложения должны быть переговорными — покупатель должен иметь право делать встречные предложения, как на рынке. Запрет на персонализированное ценообразование не решает проблему, так как компании могут использовать альтернативные методы — например, ограничивать доступ к скидкам для определённых пользователей, не меняя базовую цену. Системы лояльности, такие как Safeway, уже используют персонализированные купоны на основе данных о покупках — это форма скрытого персонализированного ценообразования. GDPR требует явного согласия на обработку персональных данных, что делает персонализированное ценообразование в ЕС сложнее, чем в США, где таких ограничений нет. Запрет на персонализированное ценообразование может привести к тому, что бедные люди будут платить больше, потому что компании перестанут предлагать им скидки, считая их неприбыльными. В США полномочия городов по регулированию бизнеса существуют — как в случае с HIPAA и Civil Rights Act — и местные законы могут ограничивать практики частных компаний, если они не противоречат федеральным законам.