超商固然樂見透過促銷增加銷量，不過透過降價吸引消費者購買，利潤也會相應降低。長年研究零售數據分析的政治大學資訊管理學系教授莊皓鈞觀察，「零售界的新觀念是，任何不必要的降價都是一種浪費。」
「零售業現在要提升行銷精細程度，更大幅減少無謂的降價。」莊皓鈞進一步解釋，行銷技術從無差異化行銷發展到分眾行銷，現在已經再進階到個人化行銷，超商能更精細地根據消費者需求，給出最合適的折扣方案。不過，「要實現個人化行銷，首先便要提升會員需求數據的掌握程度。」
傳統上，零售業訂價時，大多用整體銷售量數據來分析，一方面要找出需要促銷的商品，但又得兼顧折扣成本不能造成虧損。莊皓鈞説，這種方法得出的行銷方案無法區分消費者，容易造成不必要的浪費。例如，當所有人買飲料都是第2件8折時，對於願意第2瓶9折購買的人而言，這樣的折扣就會造成浪費。
「若從個人層級分析數據，便能開始針對不同族羣或個人，給出不同程度的降價。」莊皓鈞指出。目前零售業界較常使用的差異化訂價策略是分眾行銷，將消費者依照不同特徵分為不同羣體，祭出專屬羣體的行銷方案。莊皓鈞説，分眾越精細，就越能達到個人等級的訂價及行銷，更大程度的避免過度降價。
莊皓鈞認為，要從個人等級避免過度降價，最理想的做法是，排除原價就會購買的消費者，再分析其他消費者分別需要給出多少折扣才會買單，並對每個人給出最剛好的訂價。以美國零售巨頭Amazon為例，每一個會員在電商頁面上看到的商品推薦跟訂價都是量身打造的結果。他説，當台灣超商會員數據分析及個人化行銷能力再進步，也能做到。
不同於線上電商，實體超商如何做到個人化訂價及優惠？莊皓鈞説，個人化訂價原理都相同，都要在後端處理龐大數據的分析。雖然電商容易在網頁前端顯示個人化訂價及行銷，但超商透過App、POS機等終端，一樣可以做到會員身分辨認及個人化行銷，例如在App上推播個人化行銷訊息。
莊皓鈞也指出，線下個人化訂價技術上可行，不過，比線上更容易因消費者間互相比較價格而衍生不滿，因此實務上需要數據分析團隊和行銷團隊合作。
