McDonald's 推进 AI 定价，同时坚称菜单价格由谁决定

据路透社 9 月 29 日发布的一项调查报道，McDonald's 的 AI 定价系统目前正为美国近 14,000 家餐厅提供建议。然而，McDonald's 表示，人工智能从不设定价格、修改价格，也不会决定任何单个顾客支付多少。

这一区别正是争议的核心。路透社称，该机器学习引擎会分析每天数百万笔交易，并为每家餐厅的每种商品推荐“最优价格”。McDonald's 则将同一技术描述为咨询工具，最终决定权始终掌握在人工加盟商手中。

两种说法都可能成立。算法可以影响一项决策，而无需亲自执行它。当公司会追踪餐厅业主是否采纳建议时，这些建议也可能具有更大的分量。

因此，真正的问题并非软件是否按下了数字按钮，而是 AI 建议在一个总部拥有显著影响力的加盟体系中，究竟获得了多大程度的实际控制权。

这一问题的意义不止于汉堡。企业正采用算法，将需求、竞争和顾客行为转化为定价建议。在平价已成为敏感议题的当下，McDonald's 成为检验消费者是否接受这一过程的显著案例。

McDonald's 的 AI 定价实际做什么

据报道，该系统会给出餐厅层面的价格建议，而加盟商仍保有对最终菜单价格的正式决定权。

路透社报道称，McDonald's 至少自 2019 年起就开始使用某种形式的 AI 定价技术。其当前引擎会持续分析该连锁品牌庞大美国餐厅网络中的交易数据。

机器学习是指软件识别历史数据中的模式，并利用这些模式作出预测或建议。在这里，系统输出的是某家特定餐厅各个菜单项目的建议价格。

据报道，输入数据包括本地需求、运营状况、竞争对手菜单价格，以及顾客价格敏感度估算。路透社审阅的截图中提到了餐厅所在区域内的“顾客支付意愿”。

这一表述引发担忧并不难理解。它暗示，该系统旨在判断一个本地市场在销量开始下滑前，能够接受多高的价格。

不过，据报道，该工具在餐厅层面运作，而非针对单个顾客。目前没有经核实的证据表明，McDonald's 会向同一地点同时下单的两个人展示不同的基础菜单价格。

McDonald's 在 10 月 1 日发布的定价说明中进一步强调了这一区别。该公司表示，其系统不会使用个人信息来决定单个顾客应支付多少。

McDonald's 还否认采用动态定价。动态定价会根据需求、时间、库存或运力等条件调整价格。航空公司和网约车平台普遍采用这种方法的不同形式。

该公司表示，其工具不会实时调整价格，也不会在特定时段提高收费。相反，它会基于地理市场及其他本地条件，为各餐厅生成具体建议。

这使得“AI 辅助的本地定价”比“个性化定价”或“高峰定价”更准确，也让该系统不像一些标题所暗示的那样引人注目。

不过，这些建议似乎比偶尔更新一次的电子表格复杂得多。路透社调查称，McDonald's 每年至少三次向加盟商发送定价指导意见。

路透社还报道称，Tiger Analytics 负责运行该平台，并与 McDonald's 共同制定其参数。Tiger 的前员工表示，这些参数反映了公司的目标，包括吸引顾客或提升利润。

据报道，这些规则并非只为抬高价格而设计。有些规则会在特定季节阻止部分产品涨价；另一些则将拟议涨价集中于较长时间未调整价格的商品。

最近，据报道，加盟商收到了更保守的定价建议，其中还包括一些降价建议。这一变化反映出，McDonald's 正试图在多年餐厅成本上涨后重建其平价声誉。

因此，该系统所做的不只是寻找消费者可承受的最高价格。据报道，它还会平衡销量、客流、运营成本、竞争定位和公司优先事项。

但这一更广泛的目标并未消除争议，而是将注意力转向公司建议与加盟商决策之间的关系。

工具与强制要求之争

McDonald's 表示，该引擎提供的是可选建议，但多位加盟商告诉路透社，拒绝其建议会带来压力。

McDonald's 采用高度加盟化的运营模式。根据平价菜单相关报道，其美国餐厅约 95% 由加盟商拥有并运营。

这些业主在形式上设定自己餐厅的价格，也承担本地开支，包括工资、租金、水电费、保险、食品和包装成本。

公司总部的经济激励则不同。McDonald's 从与餐厅销售额相关的收入中获利，而每位加盟商都必须维护单店的盈利能力。

较低的价格可以吸引更多顾客并提高总销售额，但在本地成本居高不下时，也可能压缩餐厅业主的利润率。

这种紧张关系早于人工智能出现。算法为总部提供了一种更一致、数据更丰富的方式，来建议加盟商应如何解决这一问题。

McDonald's 表示，建议始终只是建议。其公开回应称，餐厅业主可以拒绝工具的输出，并独立决定最终价格。

路透社发现，实际运营情况更为复杂。五位加盟商表示曾感到采用建议的压力，不过另一位前业主并不认为自己被迫接受这些建议。

路透社审阅的一份文件据称会追踪偏离系统指导意见的情况。自 1 月以来，根据更新后的业务标准，加盟商还必须建设性地与获批准的定价顾问和工具合作。

公司层面的沟通可能影响重大，因为 McDonald's 会就影响加盟商未来在体系内发展的问题对其进行评估。这些决定可能涉及餐厅续约以及开设更多门店的机会。

首席执行官 Chris Kempczinski 在 8 月承认，未遵守定价要求可能会进入与部分加盟商的讨论。这一表态并不能证明 McDonald's 直接规定价格，但表明分歧可能会受到公司关注。

这在法律权限与实际影响力之间形成了一道鸿沟。加盟商可以在形式上拥有拒绝建议的权利，却同时面临遵从建议的商业激励。

这正是 McDonald's AI 菜单价格争议的核心。仅关注最终数字由谁输入，会忽略组织权力如何塑造决策。

同样的问题也出现在整个企业 AI 领域。公司常将自动化系统描述为决策支持工具，并称仍由人类掌控。

只有当人类拥有实质性的选择自由、充分的信息，以及现实中可行的异议能力时，这种保障才会有效。名义上的批准步骤并不能自动证明独立判断的存在。

McDonald's 不认同其标准等同于控制最终价格的说法。该公司表示，其评估考虑的是更广泛的顾客体验，而不仅仅是餐厅是否遵循定价指导。

现有证据并不能证明每位加盟商都承受相同压力，也不能证明餐厅会自动执行每一项建议。

但证据确实表明，定价引擎运行在一个议价能力不对等的关系中。这使得采纳率和偏离记录成为重要指标，而非单纯的行政细节。

McDonald's 为何现在扩大 AI 价格建议

在多年成本通胀之后，该公司需要将价格维持在足以恢复客流、又能维持加盟商经济效益的水平。

McDonald's 进入这场争论时，已经面临平价问题。该公司表示，其美国菜单平均价格在 2019 年至 2024 年间上涨约 40%。

McDonald's 将这些上涨归因于主要餐厅投入成本的类似增长。其定价事实说明称，员工工资上涨约 40%，食品和包装成本则上涨约 35%。

该公司认为，其整体涨价幅度与运营开支上升相符。但消费者仍将结果感受为一次更昂贵的用餐体验。

单家餐厅的价格也有所不同。路透社发现，Fresno 两家相距仅两英里的直营门店，其 Big Mac 价格相差 21%。

这一比较证明了地理价格差异的存在，但并不能证明其成因。路透社明确表示，无法确定 AI 引擎是否造成了这一差异。

本地定价在机器学习出现前就已存在。机场、高速公路、旅游区和高成本城市中心附近的餐厅，长期以来就比郊区门店收费更高。

McDonald's 表示，相邻餐厅可能属于不同市场，面临不同的成本和需求。算法可以更精确地衡量这些差异，但并非由它创造了这些差异。

复杂之处在于，更高的精确度可能扩大价格差异。三位加盟商告诉路透社，该引擎扩大了餐厅之间既有的价格差距，包括相邻社区内的门店。

对消费者而言，差异的来源或许不如其是否公平重要。顾客对比两个应用程序菜单时，看到的是同一产品、同一品牌却标有不同价格。

如果较高价格看起来与不可避免的成本有关，顾客可能会接受；如果看起来是围绕一个社区能够承受多少而设计，反应就会不同。

McDonald's 还面临来自低收入顾客的压力，这些顾客已减少在整个快餐服务行业的消费频率。路透社援引 Placer.ai 的估算称，自 3 月以来，McDonald's 美国客流量在每个完整月份均同比下降。

该公司已通过强调平价作出回应。其更新后的全国平价战略包括更简化的低价商品选择和套餐优惠。

这一战略需要数千名独立运营商的配合。Kempczinski 在 8 月的财报电话会议上表示，约三分之一的加盟商没有遵循某些建议的平价菜单定价。

他说，这些餐厅的业务表现较为疲软，但公司并未披露足够证据供外界独立检验这一说法。McDonald's 可以利用其引擎论证：较低价格带来的额外客流，足以抵消单品利润率的下降。

加盟商在审视自身的人工、租金和食品成本后，可能会得出不同结论。他们的目标并非不惜一切代价最大化全系统销售额。

这解释了为何 McDonald's AI 定价如今愈发重要。总部需要一种可重复的方法，识别在哪些地区降价能够恢复需求，同时不牺牲过多收入。

这项技术承诺提供比全国性指令更具针对性的指导。它可以建议在部分市场降价、在其他地区维持价格，并识别出对涨价似乎不那么敏感的产品。

这种精确性或许能帮助 McDonald's 在承认本地经济差异的同时，维持一致的价值主张。当加盟商倾向于提高价格时，它还可以为总部提供量化依据。

因此，这项技术并不只是一个定价计算器。它正成为 McDonald's 在加盟网络中协商可负担性的组成部分。

McDonald's AI 定价并非动态定价，但信任仍然至关重要

McDonald's 否认“动态定价”这一标签，但消费者仍可能质疑那些围绕本地支付意愿形成的建议。

餐厅层面的建议与实时个性化定价之间存在显著差异。McDonald's 表示，在同一家门店下单的所有人看到的适用基础菜单价格都相同。

据称，其系统不会因为中午排起长队就提高午餐价格，也不会在下午客流稀少时自动降价。

McDonald's 还表示，该引擎不会查看某个人的购买记录，并为该消费者选择更高的菜单价格。经核实的报道中没有任何内容表明存在此类个性化定价。

这些限制将被报道的做法与最敏感的算法定价形式区分开来。不能仅因为这三种方式都可能涉及人工智能，就模糊它们之间的界限。

不过，不采用实时或个性化定价并不能解决公平性问题。对社区层面支付意愿的估算，仍会依据推断出的行为对市场进行划分。

这种估算可能反映收入、竞争情况、通勤模式、交通便利度或替代选择的可获得性。消费者很少知道哪些变量影响了建议。

据报道，该工具使用附近餐厅菜单中公开可得的竞争对手价格数据。Wendy's 和 Burger King 向 Reuters 表示，它们并未在定价决策中使用 AI。

竞争对手数据可以帮助餐厅避免定价严重偏离本地市场。但如果许多企业使用会对彼此价格作出反应的算法，也可能引发担忧。

法律问题不在于软件处理公开信息。监管机构关注的是，定价系统是否助长协调、歧视、欺骗或其他被禁止的行为。

Reuters 审阅的门户条款警告用户，加盟商之间可能构成竞争关系。据报道，这些条款要求用户遵守竞争法，并在必要时咨询各自的律师。

前美国联邦贸易委员会委员 William Kovacic 向 Reuters 表示，这一警告承认了潜在问题。其他法律专家认为风险相对较低，因为法院允许特许经营品牌在定价方面施加相当大的影响力。

报道中提及的监管机构均未认定 McDonald's 违反了反垄断法。美国联邦贸易委员会和司法部未就 Reuters 的报道发表评论。

更广泛的监管环境正变得不那么宽容。美国联邦贸易委员会已警告企业，未披露地使用个人数据进行个性化定价，可能引发消费者保护方面的担忧。

McDonald's 表示并未从事这种做法。但这一警告仍说明，为何精确的术语和公开透明已变得不可或缺。

Wendy's 在 2024 年领教了声誉风险。关于数字菜单板和定价试验的评论，引发了广泛说法，称该连锁品牌计划实施高峰定价。

Wendy's 否认了这种解读，并表示尚未实施此类系统。这一事件显示，消费者会多么迅速地将算法定价与繁忙时段支付更高价格联系起来。

Instacart 在测试向不同消费者展示不同杂货价格的工具后，也面临了相关批评。后来它结束了这项有限测试，并表示个人信息不会决定商品价格。

McDonald's 对此作出了明确表述。该公司称，AI 不会设定菜单价格，最终决定仍由人作出。

这一回应解决了自动化问题，但只部分回应了影响力问题。消费者可能还想知道建议是如何形成的、哪些变量被排除在外，以及加盟商拒绝建议的频率。

透明度应区分基础价格和个性化折扣。会员优惠可以因消费者而异，但不会改变所有人都能看到的标价。

企业必须清楚解释这种区别。否则，个性化促销、地域定价和个体价格歧视可能会融合成一种令人担忧的公共叙事。

McDonald's 还应说明如何测试建议是否造成了非预期的地域性差异。一个系统可以避免使用个人数据，同时仍产生与敏感人口特征相关的结果。

目前没有公开证据显示，其引擎会系统性地使受保护群体处于不利地位。若没有地点层面的分析，作出相反断言是不负责任的。

核验缺口仍然重要。McDonald's 已说明该工具不会做什么，但对其模型、治理机制、输入数据或审计流程披露的细节有限。

这让消费者只能在企业保证与基于内部截图、文件和匿名加盟商说法的调查之间作出选择。更多披露将使这种区别更容易评估。

更大的较量是企业优化与本地判断之间的冲突

核心冲突并非 McDonald's 与另一家连锁餐厅之间的竞争，而是算法一致性与加盟商控制权及消费者信任之间的较量。

McDonald's 可以查看数千家餐厅的相同数据。这种规模使其系统能够发现单个经营者仅凭少数门店无法看出的模式。

一个引擎可以估算价格变化如何影响相似市场的交易量。与单凭直觉相比，它能更有效地区分季节性波动和某家餐厅的特定问题。

公司还可以协调全国性的价值宣传。当促销价格差异过大，或太多加盟商拒绝参与优惠时，广告宣传就会变得困难。

加盟商提供的信息，集中式模型未必能够迅速捕捉。本地经营者了解人员短缺、施工干扰、社区活动和竞争变化，而历史交易数据可能无法反映这些情况。

这并不构成人与机器之间的简单较量。有用的模式是将广泛数据与可追责的本地判断相结合。

当任何一方都将自己的信息视为完整无缺时，问题便会出现。企业团队可能高估模型的精确性，而餐厅业主可能将近期经验误认为持久规律。

AI 系统也改变了举证责任。在这类工具出现之前，总部必须说服业主，相比现行价格，另一种价格会有更好的表现。

如今，建议携带着数百万笔交易数据和计算得出的最优解所赋予的权威而来。不同意的业主必须解释，为何某一家门店属于例外。

这种不对称性可以提高决策纪律，但也可能造成自动化偏见，即人们因软件输出看起来比实际更客观而屈从于它。

“最优价格”从来都不是中立的。优化需要目标、约束条件、时间范围，以及对可接受权衡的假设。

一个优先考虑交易增长的模型，可能会提出与优先考虑餐厅利润的模型不同的建议。一个保护市场份额的系统，可能容忍会加重部分加盟商负担的结果。

Reuters 报道称，McDonald's 已向平台运营方提供企业目标和规则。这种人为指导很重要，因为算法不会独立决定成功意味着什么。

McDonald's 表示，可负担性和顾客价值仍是核心。加盟商可能支持这一目标，同时对成本应如何在整个体系内分摊存在分歧。

消费者引入了第三个目标。他们希望价格可预测、易理解，并确信公司不会利用当地替代选择有限的情况。

即使技术上有效的模型，如果顾客认为其建议不公平，仍可能失败。价格优化依赖于行为，而公众的不信任会改变行为。

McDonald's 过去的 AI 经验提供了一个有益警示。该公司在 2024 年结束了与 IBM 合作的自动化得来速点餐测试，此前该测试已在部分餐厅部署。

这项得来速试验在顾客在线分享点餐错误后受到关注。McDonald's 继续探索 AI，但这一事件表明，规模并不能保证一项技术已准备就绪。

定价带来了更敏感的挑战。点错餐会造成挫败感，而看似不公平的价格则可能损害整个品牌的价值承诺。

因此，该引擎的输出必须经受的不只是统计测试。它还必须能够向经营者、消费者、监管机构和公众作出有说服力的解释。

对于企业采购方而言，McDonald's 提供了一个普遍教训。人类监督不能仅以是否有人批准最终输出作为衡量标准。

组织应审查拒绝率、升级路径、激励机制和后果。如果用户几乎从不拒绝算法，领导者应确定究竟是模型始终正确，还是表达异议让人感到不安全。

它们还应记录被优化的目标。“最优”“推荐”和“顾客价值”等词语可能掩盖相互竞争的定义。

最佳治理方式会追问：系统成功时谁受益，系统失败时谁承担成本。在 McDonald's，总部、加盟商和消费者对此的答案各不相同。

三项信号将显示战略下一步走向

加盟商采用数据、顾客客流和监管回应，将揭示 McDonald's 能否将定价智能转化为值得信赖的商业指导。

第一个信号是加盟商行为。McDonald's 无需公开专有模型代码，但可以提供总体接受率和拒绝率。

这些比率将说明该平台是否作为可选建议发挥作用。单凭高接受率并不能证明太多，但若在合规要求出台后出现无法解释的上升，就值得审视。

McDonald's 还可以披露餐厅业主修改建议的频率。具有实质意义的调整将支持其“人仍保有控制权”的说法。

第二个信号是顾客客流与价值感知。McDonald's 正在使用更保守的建议，同时宣传可负担性，因此该战略应带来可衡量的行为改善。

交易量增加却未带来更强的价值感知，说明促销可能只是在发挥暂时作用。价值感知改善却没有带来更多客流，则表明可负担性仍受其他因素限制。

结果还必须与加盟商的经营状况进行比较。如果参与门店无法覆盖运营成本，客流增长就不可持续。

第三个信号是监管机构对算法定价和个性化定价的指导。McDonald's 表示，其餐厅层面的方式不会个性化基础价格，但监管机构正密切审视相邻做法。

任何新的披露要求，都可能促使企业说明其定价系统使用了哪些数据。相关规则也可能进一步明确：在算法定价分析中，加盟商何时会被视为竞争对手。

这些信号将决定，McDonald's 的 AI 定价会成为负责任决策支持的范本，还是长期不信任的来源。

目前，最有力的结论比最初的标题更为有限。据报道，AI 会协助计算并建议本地菜单价格，但 McDonald's 表示，最终决定每份菜单上显示什么价格的仍是人工。

尚未解决的问题存在于这两种表述之间。只有当决策者能够理解建议、质疑建议，并且能够在不承受不当后果的情况下拒绝建议时，人工决策才具有实质意义。

消费者应关注 McDonald's 披露了什么，而不只是它否认了什么。加盟商则应要求明确的目标、审计记录，以及可信的自主权，以行使本地判断。

其他部署定价算法的企业，也应在争议发生前提出同样的问题：该系统是在提供建议、施加影响，还是实际上控制了决策？

McDonald's 现在有机会用证据回答这个问题。在此之前，其 AI 定价引擎仍将既是一项商业工具，也是对消费者愿意接受多少算法影响力的一场考验。