Personalised pricing

Objective-This study examines consumer attitudes and reactions towards personalised pricing strategies in a negative and positive hypothetical purchase context. Methodology/Technique-The data was collected from 250 respondents from India through a set of two structured questionnaires, each one comprising either a positive or negative purchase scenario. Partial Least Square based Structural Equation Modelling (PLS SEM) was used to analyse the data. Findings-The results of the study imply that the consumers are concerned about the usage of their personal data for price customisation which reduces their repurchase intentions and increases the reprisal intention. The results also depict that a loyal customer base reacts positively to some extent to the personalised pricing strategy.

Az online kereskedelem napjainkra egyre inkább elterjedtté vált. Az elektronikus áruházak számára egyre több adat válik hozzáférhetővé a felhasználóiról, amit azok fel is használnak a kereskedelmi gyakorlatban számos céllal: személyre szabott ajánlatok küldésére, a felhasználói élmény fokozására, és – ami jelen elemzés témája – az árképzésben is. A személyre szabott árazás közgazdasági fogalma az árdiszkrimináció egyik formája, amikor a kereskedő minden egyes vásárlónak az általa kifizetni kívánt maximális árhoz közeli összegben határozza meg a termék árát. Ehhez az szükséges, hogy rendkívül behatóan, szinte személyesen ismerje a vevőt. Ez az adatbányászat (big data) eszköztárával lehetővé válik az online kereskedelemben. Jelen tanulmány a személyre szabott árazás gazdaságtanát, gyakorlati megvalósulásának módjait és a felmerülő jogi kérdéseket járja körül.