Surveillance Pricing, mercados, datos, CPI, Antitrust Chronicle

Surveillance Pricing: Beneficios y riesgos para la libre competencia (Especial CPI)

3.09.2025

CeCo Chile

12 minutos

Español
English

Claves

Revisamos algunos artículos de la edición de julio de 2025 de la revista Antitrust Chronicle de CPI, dedicada al fenómeno del surveillance pricing. Esta práctica consiste en la utilización de información personal de los consumidores para establecer precios personalizados (como su historial de navegación).
El primer artículo, elaborado por G. Zhe Jin, L. Wagman y M. Zhong, examina en qué consiste esta práctica, su efecto sobre las rentas de los consumidores, sus riesgos económicos y los límites de las soluciones de mercado y regulatorias.
El segundo artículo, escrito por G. Antonie, J.P. Bruno, M. González y E. Johnson, analiza el papel del personalized pricing en la economía digital, identificando tanto beneficios procompetitivos (Mayor eficiencia de mercado y ofertas más ajustadas a los consumidores), como riesgos anticompetitivos (tales como precios predatorios selectivos, creación de barreras de entrada, colusión algorítmica y falta de transparencia).
El último artículo, de A. Shapiro, explora la “infraestructura laboral” detrás de la vigilancia de precios minoristas, planteando interrogantes sobre sus efectos en la competencia y en las condiciones de trabajo.

Keys

We reviewed several articles from the July 2025 edition of CPI’s Antitrust Chronicle, dedicated to the phenomenon of surveillance pricing. This practice consists of using consumers’ personal information to set individualized prices (such as their browsing history).

The first article, written by G. Zhe Jin, L. Wagman, and M. Zhong, examines what this practice entails, its effect on consumer welfare, its economic risks, and the limits of market-based and regulatory solutions.

The second article, authored by G. Antonie, J.P. Bruno, M. González, and E. Johnson, analyzes the role of personalized pricing in the digital economy, identifying both pro-competitive benefits (greater market efficiency and more tailored offers for consumers) and anti-competitive risks (such as selective predatory pricing, the creation of entry barriers, algorithmic collusion, and lack of transparency).
The last article, by A. Shapiro, explores the “labor infrastructure” behind retail price surveillance, raising questions about its effects on competition and working conditions.

En 2024, la Federal Trade Commission (FTC) de EE.UU. acuñó el término “surveillance pricing” para referirse a prácticas de fijación de precios que utilizan información personal de los consumidores con el fin de determinar su disposición a pagar.

Es importante aclarar de entrada que, en general, en esta nota se utiliza la expresión surveillance pricing para referirse a la “vigilancia” o monitoreo de los consumidores (y no de los precios de los competidores). Esto, salvo por el último artículo, de A. Shapiro. Por otro lado, también se debe aclarar que el el surveillance pricing se distingue de los precios dinámicos —determinados por condiciones generales de oferta y demanda—, en tanto incorpora directamente datos específicos de los consumidores que revelan identidades y preferencias individuales (p. ej., historial de navegación, geolocalización, historial crediticio e historial de compras).

Desde una perspectiva económica, esta práctica puede generar ciertos beneficios: mejor segmentación de mercado, ampliación del acceso a bienes y servicios, y mayor eficiencia en la asignación de recursos. Sin embargo, sus riesgos son igualmente significativos: erosión de la privacidad, extracción de rentas que eliminan el excedente del consumidor, aumento de las barreras de entrada y posibles formas de colusión algorítmica.

En este contexto, la edición de julio de 2025 de Antitrust Chronicle de CPI estuvo dedicada enteramente a discutir los alcances, funcionamiento y límites del surveillance pricing. Esta nota revisa tres de las contribuciones de CPI: (i) el marco económico de los daños potenciales asociados a esta práctica; (ii) los beneficios, riesgos y el escrutinio regulatorio que enfrentan los algoritmos que implementan el surveillance pricing, y (iii) una reflexión en torno al concepto de surveillance pricing y el rol de las empresas de monitoreo en la industria.

Daños económicos y soluciones del surveillance pricing

El artículo “Surveillance Pricing: A Cautionary Summary of Potential Harms and Solutions”, escrito por Ginger Zhe Jin (Universidad de Maryland), Liad Wagman (Instituto Politécnico de Rensselaer) y Mengyi Zhong (Universidad de Maryland), ofrece un marco económico para identificar y clasificar los perjuicios del surveillance pricing. Los autores parten señalando que esta práctica no es nueva, mencionando el intento de Amazon en 2000 de personalizar los precios de los DVDs utilizando cookies e historiales de compra.

En concreto, los autores distinguen tres categorías de daños potenciales:

Efectos en precios y bienestar: El acceso a información detallada permite a las empresas aproximarse a la discriminación de precios de primer grado, escenario en el cual capturan todo el excedente del consumidor. Si bien en algunos casos esta discriminación puede expandir el acceso de los consumidores más sensibles al precio (o aquellos que tengan una menor valoración por el producto), cuando la empresa fija el precio exactamente según la disposición a pagar, el beneficio neto para los consumidores se reduce a cero. Además, el uso de datos puede aumentar estratégicamente los costos de cambio para el consumidor y crear asimetrías que reducen la competencia (por ejemplo, a través de programas de lealtad personalizados).
Externalidades de privacidad: La agregación de datos a gran escala puede generar externalidades negativas que van más allá de los precios. En este sentido, los consumidores que no entregan sus datos pueden igualmente verse afectados, ya que las empresas son capaces de inferir información personal a partir de patrones de otros usuarios o mediante técnicas indirectas de rastreo. Así, se limita la eficacia de los marcos regulatorios centrados en el consentimiento individual, como el Reglamento General de Protección de Datos (RGPD) o la California Privacy Rights Act (CPRA).
Efectos estratégicos en la competencia: El acceso exclusivo a bases de datos, las asimetrías en la disponibilidad de información y la posibilidad de colusión algorítmica favorecen posiciones dominantes y precios supra-competitivos. Plataformas o softwares que agregan datos (data brokers) y ajustan precios dinámicamente pueden facilitar que competidores alineen estrategias y eleven precios de manera coordinada.

En cuanto a las soluciones, los autores señalan dos mecanismos impulsados por el mercado (market-based). Por una parte, destacan las herramientas que tiene el consumidor para controlar el tratamiento de sus datos, como la modalidad de navegación incógnita o el uso de VPNs (aunque su efectividad sería limitada por la capacidad de inferencia de las empresas). Por otra parte, estaría el riesgo reputacional asociado al surveillance pricing, que podría desalentar esta práctica (ejemplificado por el caso de Amazon).

Dado que estos mecanismos rara vez son suficientes, la intervención regulatoria puede ser necesaria. Así, regulaciones como el RGPD, la CCPA y la CPRA restringen el uso de datos personales y, por ende, los márgenes de acción del surveillance pricing. No obstante, advierten que dichas regulaciones pueden generar efectos no deseados, tales como reforzar la concentración de mercado o afectar la innovación, sobre todo entre nuevas empresas intensivas en datos. Finalmente, proponen que otorgar a los consumidores la propiedad de sus datos puede acercarse más al óptimo social que mantener dicha propiedad en manos de las empresas

Surveillance pricing en el entorno digital

Los autores Gabriela Antonie, J.P. Bruno, Mariella González y Esperanza Johnson (todos de Cornerstone Research), en su artículo “Personalized Pricing: Antitrust and policy consideratins in the age of personalization”, analizan la fijación de precios personalizada de precios en el contexto del Big Data y la inteligencia artificial, destacando su diferencia respecto a las estrategias tradicionales.

En línea con el artículo anterior (de Zhe Jin et al), los autores reconocen una dualidad en los precios personalizados: si bien generan beneficios de eficiencia, también producen riesgos anticompetitivos. Entre estos se encuentran los precios predatorios selectivos, la creación de barreras de entrada, colusión algorítmica y falta de transparencia (ver nota CeCo: “Colusión tácita algorítmica en mercados secundarios”).

Los autores mencionan que la FTC engloba la práctica de precios personalizados dentro de una conducta más amplia, denominada, “commercial surveillance”. Esta, se refiere a la recopilación de información de los consumidores para luego analizarla y rentabilizarla de alguna manera (por ejemplo, construir perfiles de usuarios para luego ofrecer servicios de publicidad). Se refiere a la recopilación de información de los consumidores para luego analizar y rentabilizar.

Si bien el concepto de precios personalizados ha tenido antecedentes históricos —como los concesionarios de automóviles o aseguradoras de salud—, de acuerdo con los autores habrían tres factores propios del entorno digital: (i) el rol central de los algoritmos en la fijación de precios; (ii) la opacidad de esos procesos, que dificulta a los consumidores conocer qué datos se usan; y (iii) la falta de consentimiento informado, a diferencia de otras formas de discriminación de precios más explícitas.

Dicho lo anterior, los autores advierten que la evidencia empírica sobre precios personalizados sigue siendo muy limitada. De hecho, sSegún la OCDE, no existen casos documentados de discriminación perfecta de primer grado, tratándose así de un riesgo más bien teórico.

**Vigilancia de precios de competidores en retail físico**

Por último, el artículo “Inflation’s Spies: The Work of Surveillance Pricing”, de Aaron Shapiro (Universidad de Carolina del Norte), examina cómo las prácticas de monitoreo de precios de competidores contribuyen a la coordinación de precios en mercados físicos (brick-and-mortar). Junto a este análisis, el autor también estudia las condiciones laborales de las personas que son contratadas por las empresas de retail para monitorear los precios de la competencia

Usando como contexto la demanda (de 2023) del Departamento de Justicia de EE.UU en contra de Agri Stats (un data broker que habría vendido información comercialmente sensible a competidores en el mercado de procesamiento de carne), el autor investiga el efecto que tendría el monitoreo de precios de la competencia sobre la determinación de precios en el retail. Esto, a través de un estudio de las operaciones de una empresa real (que el autor llama con el pseudónimo “PricePoint Retail”) que, al igual que Agri Stats, ofrece servicios de “in-store pricing-intelligence” (es decir, ofrece personas que recopilan precios de competidores, los analiza e informa a sus clientes). En concreto, el autor estudia cómo se recopila y procesa la información de precios en tiendas físicas de la competencia (y las condiciones laborales subyacentes), a través de su experiencia propia y de una revisión cualitativa de reseñas de empleados de PricePoint en portales de empleo.

En este sentido, Shapiro destaca la práctica de monitoreo de precios de los competidores como un caso ilustrativo para comprender el papel de la vigilancia en la formación de precios en mercados donde las alzas de precios son particularmente sensibles desde una perspectiva social y política (por ejemplo, durante períodos de inflación). En el ámbito específico del retail, el monitoreo de precios consiste en la recopilación y transmisión de datos de precios minoristas y estrategias de promoción de competidores, mediante empresas como la estudiada, cuyos empleados asisten físicamente a las tiendas de la competencia del cliente y registran esta información.

En base a la investigación del autor, a diferencia de lo que ocurre en el e-commerce (en que se aplican técnicas automatizadas de web-scraping o web-crawling), la vigilancia física de precios implica métodos encubiertos y altamente demandantes en términos laborales (trabajo precario, jornadas largas, bajo pago por pieza, desplazamientos extensos y estrés por tareas encubiertas), que acaban influyendo de manera decisiva en las decisiones de fijación de precios. Esto, en la medida que las empresas toman en cuenta los precios de sus competidores a la hora de determinar su propio precio, ese seguimiento, a su vez, les permitiría verificar que los competidores estén, por ejemplo, subiendo sus precios en un determinado momento (permitiendo a la empresa subir los suyos sin temor a perder compradores).

Históricamente, la información de precios, aún siendo pública, era difícil de recolectar y transmitir con la rapidez necesaria para incidir en la competencia. De acuerdo con el autor, el desarrollo de la industria de “pricing intelligence” cambia este escenario al industrializar el acceso a los datos, permitiendo a las empresas sistematizar y acelerar la vigilancia de precios no se considera una colusión ni un intercambio de información ilícito -dado que cualquier consumidor puede observar precios en una tienda-, el autor advierte que esta práctica sí plantea desafíos importantes desde la óptica de libre competencia. En efecto, los servicios de vigilancia ofrecidos por empresas como PricePoint podrían facilitar el paralelismo consciente (por la transparencia que generan), en industrias que tradicionalmente no tenían la capacidad de monitorear precios a gran escala.

Por otra parte, el autor agrega otro ingrediente a la problemática de la vigilancia de precios, asociada a su relación con la regulación laboral. Si bien la doctrina legal no sanciona la recolección de datos públicos a gran escala, Shapiro subraya que la transformación de esa información dispersa y accesible a cualquier consumidor en datos sistematizados, procesables y útiles para la fijación estratégica de precios depende de una infraestructura laboral precaria, formada por trabajadores encargados de recopilar datos en condiciones inestables.

De esta manera, el autor concluye planteando algunas preguntas críticas: ¿La vigilancia sistemática de precios modifica lo que entendemos por coordinación anticompetitiva? ¿Deberían empresas intermediarias como PricePoint estar sujetas a mayores requisitos de divulgación o supervisión regulatoria? ¿Qué protecciones laborales deberían establecerse para los recolectores de datos que sostienen esta economía de vigilancia?