AI-driven dynamic pricing

Dynamic pricing (DP), the practice of adjusting prices in real time according to market conditions, is becoming an increasingly important tool for businesses seeking to enhance revenue and optimize resource allocation. The adoption of artificial intelligence (AI) technologies has further accelerated this transformation by enabling firms to analyse vast datasets and implement adaptive, predictive pricing models. This thesis presents a comprehensive analysis of AI-driven dynamic pricing across different sectors, with a specific focus on the food delivery market in Spain. The research explores the economic theory of DP, AI capabilities, ethical and regulatory implications, and sectoral differences in application. A practical case study of the Spanish food delivery market (including platforms such as Glovo, Uber Eats, and Just Eat) demonstrates how regulatory constraints, consumer expectations, and limited AI integration currently shape DP practices. The empirical results reveal that DP remains limited to delivery fee adjustments, with limited impact from external real-time variables, and that regulatory frameworks like the “Ley de los Riders” and EU AI transparency requirements have led some platforms to adopt more static pricing strategies. Furthermore, the thesis identifies key challenges at the intersection of DP and AI: distinguishing dynamic pricing from basic supply-demand adjustments, managing risks of market concentration, addressing fairness and transparency in consumer perception, and balancing stakeholder interests. The findings contribute to understanding how AI can support more effective, ethical, and accepted dynamic pricing systems. The thesis concludes by proposing four critical areas for future research: defining the boundaries of DP, analysing its effects on market structures, establishing fairness metrics, and leveraging AI to maximize efficiency and stakeholder value.

Il Dynamic Pricing (DP), ovvero la pratica di modificare i prezzi in tempo reale in base alle condizioni di mercato, sta diventando uno strumento sempre più importante per le aziende che puntano a migliorare i ricavi e ottimizzare l’allocazione delle risorse. L’adozione di tecnologie basate sull’intelligenza artificiale (AI) ha accelerato ulteriormente questa trasformazione, consentendo alle imprese di analizzare grandi quantità di dati e implementare modelli predittivi e adattivi per la gestione dei prezzi. Questa tesi presenta un’analisi completa del Dynamic Pricing supportato da AI in diversi settori, con un focus specifico sul mercato del food delivery in Spagna. La ricerca esplora la teoria economica alla base del DP, le capacità delle tecnologie AI, le implicazioni etiche e normative, e le differenze di applicazione nei vari settori. Il caso pratico analizzato sul mercato spagnolo del food delivery (che include piattaforme come Glovo, Uber Eats e Just Eat) dimostra come vincoli normativi, aspettative dei consumatori e una limitata integrazione dell’AI influenzino attualmente le pratiche di DP. I risultati empirici rivelano che il DP si applica principalmente ai costi di consegna, con scarso impatto da variabili esterne in tempo reale, e che normative come la “Ley de los Riders” e le direttive europee sull’AI e sulla trasparenza stanno spingendo alcune piattaforme verso strategie di pricing più statiche. Inoltre, la tesi individua le principali sfide che emergono dall’intersezione tra DP e AI: la distinzione tra DP e semplici aggiustamenti domanda-offerta, i rischi di concentrazione del mercato, i temi di equità e trasparenza nella percezione dei consumatori, e il bilanciamento degli interessi tra gli stakeholder. I risultati di questa ricerca contribuiscono a una maggiore comprensione di come l’AI possa supportare l’evoluzione di sistemi di Dynamic Pricing più efficaci, etici e accettati. La tesi si conclude proponendo quattro aree chiave per la ricerca futura: definire i confini del DP, analizzarne l’effetto sulle strutture di mercato, stabilire metriche per l’equità, e sfruttare l’AI per massimizzare l’efficienza e il valore per tutti gli stakeholder.