多位美国国会议员表示，希望限制或禁止基于数据驱动的定价变化。这一动态最早可追溯至2021年，主要源于对通货膨胀的担忧以及人工智能使用率的增加。
例如，2025年12月，Instacart因允许杂货店测试由AI支持的动态定价，遭到纽约州民主党参议员查尔斯·舒默（Charles Schumer）的强烈批评。
实验显示，特定杂货商品的最低与最高价格平均差异约为7%。据Consumer Reports报道，Wheat Thins的价格每盒从3.99美元到4.89美元不等，涨幅达23%。舒默将这种价格差异比作“价格欺诈”，并要求联邦贸易委员会（FTC）展开调查。
个性化动态定价能带来盈利的商家和满意的顾客。
田纳西州法案
与此同时，田纳西州众议员、民主党人约翰·雷·克莱蒙斯（John Ray Clemmons）提出的提案表明，动态定价的辩论正从舆论转向立法层面。
克莱蒙斯的第1468号众议院法案（House Bill 1468）拟禁止“个性化算法定价”，即“由使用个人数据的算法设定的动态定价”。该定义涵盖任何根据个体购物者信息（如购买历史、浏览行为、忠诚度状态、位置信号等）调整价格的系统，理论上也可能包括应用于个人的汇总数据。
值得注意的是，田纳西州HB 1468将个性化算法定价列为该州消费者保护法下的“不公平或欺骗性行为或做法”。这赋予州总检察长广泛的执法权，使零售商面临法律风险，即使没有消费者指出虚假声明或欺骗行为。
对于电商商家而言，风险显而易见。若类似法案广泛传播，动态定价可能变得具有法律危险性。这不仅因为价格在变动，更因为其依赖的客户行为数据同样驱动着现代在线商品展示、电子邮件营销、忠诚计划及转化优化。
不公平吗？
对Instacart AI定价的批评及田纳西州HB 1468背后的政治势头，错误地假设了由数据和软件确定的价格不如人工定价合法。换言之，在一些立法者看来，动态定价显得不公平。
但并非每位购物者都介意支付不同价格。以优惠券为例，制造商和杂货店 routinely 发放优惠券，购物者知晓其存在，但并不介意自己支付的价格与他人不同。
优化
这正是关键点：Optimization（优化）驱动了电子商务价格的变动。
Web数据基础设施提供商Decodo首席商务官Vaidotas Juknys表示：“动态定价在现代商业中被广泛使用，旨在帮助企业对齐需求与价格、高效管理库存，并在快速变化的市场中保持竞争力。”他指出，“广泛的限制可能会削弱这些优势；若企业失去实时适应能力，最终可能导致平均价格上涨。”
当然，动态优化会导致不同购物者面临不同价格，但他们可以自主选择接受或拒绝报价。
基于算法的定价可能是新兴AI世界中电商的关键组成部分，为商家带来诸多机会：
- Relevant discounts.（相关折扣。）基于客户级别的定价使商家能够向原本不会转化的购物者提供折扣。
- Conversion rate optimization.（转化率优化。）算法可检测购买意图信号（如重复访问、加购、停留时间），并触发定价以促进成交。
- No wasted discount.（避免浪费折扣。）全店促销会降低整体利润率，而个性化定价可将折扣限制在特定细分群体中，从而在保持利润的同时推动增长。
- Customer retention.（客户留存。）与忠诚度状态或购买历史挂钩的定价可以奖励并鼓励回头客。
- Inventory efficiency.（库存效率。）商家可利用购物者行为向潜在买家推广积压商品。
- Smart acquisition offers.（智能获客优惠。）个性化定价可支持首次购买者促销，帮助品牌在不永久降价的情况下与电商平台竞争。
- Boost marketing ROI.（提升营销投资回报率。）个性化激励措施可与流量来源、营销活动及购物者群体关联，帮助商家在订单层面衡量付费获客的盈利能力。
此外，购物者也从中受益。当供应充足且需求疲软时，动态系统可降低价格。相比僵化的单一价格策略，这带来了更多折扣、更好的可用性以及更少的短缺。