가격이 변하는 것과 나에게만 다른 것

항공권 가격이 어제와 오늘 다른 건 익숙합니다. 그런데 같은 시점에 나와 옆 사람의 가격이 다르다면 이야기가 달라집니다.

올해 들어 이 문제가 규제 논의의 중심에 들어왔습니다. 미국 FTC가 8월에 집행 정책 성명을 제안했고, 주 단위로는 24개 주에서 40건 이상의 법안이 발의됐습니다.

두 개념을 구분해야 한다

논의가 자주 섞이는데, 성격이 다릅니다.

다이내믹 프라이싱은 수요와 시간에 따라 가격이 변하는 것입니다. 성수기 항공권이 비싸고 비 오는 날 차량 호출 요금이 오르는 식이죠. 중요한 건 같은 시점에는 누구에게나 같은 가격이라는 점입니다. 공급과 수요를 반영하는 방식이고 오래 쓰여왔습니다.

**개인화 가격(personalized pricing)**은 다릅니다. 개인 데이터를 분석해 그 사람이 얼마까지 낼 의향이 있는지를 추정하고 그에 맞춰 가격을 정하는 방식입니다. FTC 정의에 따르면 브라우징 기록, 위치, 쇼핑 습관, 구매 이력, 가구 특성 같은 데이터가 쓰입니다.

영어권에서는 이걸 "surveillance pricing"(감시 가격)이라고도 부릅니다. 가격이 상품의 가치가 아니라 구매자의 추정된 사정에 따라 정해진다는 점을 드러내는 표현이죠.

왜 문제가 되나

경제학적으로 보면 개인화 가격은 새로운 개념이 아닙니다. 전통 시장의 흥정도 결국 상대의 지불 의사를 읽는 과정이니까요.

차이는 비대칭성입니다. 흥정에서는 양쪽이 서로를 탐색하지만, 알고리즘 가격 책정에서는 판매자만 구매자의 데이터를 봅니다. 구매자는 자기 가격이 개인화됐는지조차 모르고요.

FTC가 지적하는 핵심도 소비자 기대입니다. 사람들은 표시된 가격이 모두에게 같다고 가정하는데, 실제로는 그렇지 않을 수 있다는 것이죠.

여기에 보호 대상 특성(인종, 소득 수준 등)과 상관된 데이터가 쓰이면 차별 문제로 번집니다. 많은 주 법안이 보호 대상 데이터 사용을 제한하는 조항을 두는 이유입니다.

규제가 '공시'로 가는 이유

흥미로운 건 규제 방향입니다. FTC는 개인화 가격을 전면 금지할 권한이 없다는 점을 인정하면서, FTC법 제5조(불공정·기만행위)로 집행하겠다는 입장입니다. 그리고 메시지의 중심은 공시입니다.

주 법안들도 비슷합니다. 커네티컷과 메릴랜드 등에서 거론된 문구는 직설적입니다. "이 가격은 귀하의 개인정보를 사용해 알고리즘이 설정했습니다."

일리노이 법안은 더 나아갑니다. 가격 산정에 쓰인 데이터 범주를 공시하고, 소비자에게 옵트아웃 권리를 주고, 요청 시 비개인화 기준가를 제공하도록 합니다.

마지막 항목이 특히 눈에 띕니다. 29일차 추천 알고리즘 글에서 EU DSA가 "프로파일링에 기반하지 않은 추천 옵션"을 요구한 걸 다뤘는데, 가격에서 같은 발상이 나온 셈입니다. 개인화를 금지하는 대신 개인화되지 않은 선택지를 보장하는 방식이죠.

46일차 확률형 아이템 글에서 "투명성 규제는 공개 대상이 검증 가능할 때 작동한다"고 썼는데, 가격은 숫자라서 비교가 가능합니다. 그래서 공시가 실효를 가질 여지가 있습니다.

예외와 경계

대부분의 법안이 로열티 프로그램, 쿠폰, 비차별적 할인은 제외합니다. 멤버십 회원에게 할인하는 건 괜찮다는 거죠.

그런데 이 경계가 생각보다 모호합니다. "자주 구매하는 고객에게 주는 할인"과 "구매 이력으로 추정한 지불 의사에 맞춘 가격"이 실질적으로 같은 결과를 낼 수 있으니까요. 35일차 앱스토어 글에서 "규제는 우회 가능한가를 물어야 한다"고 썼는데, 여기서도 같은 질문이 유효합니다.

만드는 쪽에서

가격 로직을 다루는 입장에서 정리하면 이렇습니다.

입력 데이터 추적. 가격 산정에 어떤 데이터가 들어갔는지 기록돼야 공시 의무에 대응할 수 있습니다. 19일차 AI 채용, 51일차 에이전트 보안 글에서 반복해서 나온 얘기인데, 사후에 재구성할 수 없으면 설명할 수도 없습니다.

비개인화 기준가 산출 경로. 요청 시 제공하도록 하는 법안이 나오는 만큼, 개인화를 끈 상태의 가격을 계산할 수 있는 구조가 필요합니다.

A/B 테스트와의 경계. 가격 실험은 흔한 관행인데, 개인 데이터 기반으로 집단을 나누면 개인화 가격에 해당할 수 있습니다. 23일차 다크패턴 글에서 A/B 테스트 기록이 의도성 입증 자료가 될 수 있다고 했는데, 여기서도 마찬가지입니다.

소비자 쪽에서 할 수 있는 것

규제가 자리 잡기 전까지는 각자 확인하는 수밖에 없습니다.

다른 기기나 브라우저에서 같은 상품을 열어 비교해보는 게 가장 단순한 방법입니다. 42일차 쿠키 글에서 다룬 추적 수단들이 그대로 가격 산정 입력으로 쓰일 수 있으니, 기록을 정리하거나 시크릿 모드를 쓰는 것도 영향을 줄입니다.

반대로 같은 상품을 반복해서 들여다보거나 장바구니에 오래 담아두는 건 구매 의사가 높다는 신호가 됩니다.

정리

국내에는 아직 개인화 가격을 직접 규율하는 규정이 없습니다. 다만 23일차에서 다룬 전자상거래법 다크패턴 조항이 가격 표시의 투명성을 다루고 있어서, 논의가 확장될 여지는 있습니다.

소비자 입장에서 기억할 건 하나입니다. "가격이 바뀌었다"와 "나한테만 다르다"는 다른 문제라는 것. 전자는 시장이고 후자는 데이터입니다.