Nobelprijs voor de Economie 2026: wat hij betekent voor bedrijven, huishoudens en economen

De prijs, in gewone woorden

Op 12 oktober 2026 kende de Koninklijke Zweedse Academie van Wetenschappen de Nobelprijs voor Economische Wetenschappen toe aan Robert E. Hall en Michael Woodford. Hall werkt aan Stanford University, Woodford aan Columbia University. De officiële motivering luidt “voor micro-economische grondslagen van macro-economische stabilisatie”. “Micro” verwijst hier naar afzonderlijke huishoudens en bedrijven, “macro” naar de economie als geheel.

De prijs bekroont modellen van de hele economie die zijn opgebouwd uit de keuzes van huishoudens en bedrijven, in plaats van uit statistische verbanden tussen nationale totalen. Een model is een vereenvoudigde beschrijving van de economie, uitgedrukt in vergelijkingen, waarmee economen “wat als”-vragen toetsen. Een centrale bank stelt de rente vast, de prijs van geld lenen, om prijzen en werkgelegenheid stabiel te houden. Een hogere rente maakt lenen duurder, zodat mensen en bedrijven minder uitgeven, wat prijsstijgingen afremt. Centrale banken, waaronder de Amerikaanse Federal Reserve en de Europese Centrale Bank, gebruiken modellen die op deze keuzes zijn gebouwd.

Tot die aanpak kwamen economen met schade en schande. In de jaren zestig steunden economen op een eenvoudig verband dat bekendstaat als de Phillipscurve. Als weinig mensen werkloos waren, verhoogden werkgevers de lonen om personeel aan te trekken, en bedrijven gaven die kosten door in hogere prijzen. Lage werkloosheid ging dus samen met hogere inflatie, de algemene stijging van de prijzen. In de jaren zeventig brak dat verband: inflatie en werkloosheid stegen tegelijk. Dat kwam deels doordat mensen hogere inflatie waren gaan verwachten en die in lonen en prijzen hadden ingebouwd. Verbanden tussen nationale totalen weerspiegelen gedrag onder het beleid van dat moment, dus ander beleid verandert het gedrag en breekt die verbanden. Keuzes die geworteld zijn in de doelen en budgetten van mensen houden beter stand.

Wat het werk van Hall laat zien over huishoudens

Hall liet zien hoe de plannen van huishoudens te toetsen zijn, gegeven dat mensen hun uitgaven van jaar tot jaar gelijkmatig proberen te houden. Zijn toets uit 1978 ging ervan uit dat mensen plannen rond wat ze verwachten te verdienen over hun hele leven, en niet alleen rond het inkomen dat deze maand binnenkomt. Onder die aanname zouden toekomstige veranderingen in de uitgaven moeilijk te voorspellen moeten zijn. Hoewel verwachtingen niet zichtbaar zijn, kon de toets toch met data werken.

In 1982 toetsten Hall en Frederic Mishkin dit idee met gegevens over wat echte gezinnen aan voedsel uitgaven. Ongeveer 80% van die uitgaven leek vooraf gepland, terwijl ongeveer 20% simpelweg het inkomen volgde zoals het binnenkwam.

Economen tellen nu huishoudens die “van de hand in de tand” leven: ze hebben weinig direct beschikbaar geld voor de dagelijkse rekeningen. De oude uitdrukking betekent leven van het ene salaris naar het volgende. Deze gezinnen geven elk salaris meestal uit zodra het binnenkomt. Een studie uit 2014 van Amerikaanse enquêtes van 1989 tot 2010 vond dat ongeveer 31 op elke 100 huishoudens zo leefden. Veel van hen bezaten een huis of pensioenvermogen, maar hadden weinig geld direct bij de hand (Kaplan, Violante en Weidner, 2014). Economen van de Federal Reserve Bank of St. Louis werkten de telling later met dezelfde methode bij. In 2022 was het cijfer gedaald tot ongeveer 19 op elke 100 (Kozlowski en Jordan-Wood, 2024).

Nieuwere modellen laten huishoudens op deze manier van elkaar verschillen, zodat een verandering van de rente of van prijzen elke groep anders raakt.

Wat het werk van Woodford laat zien over bedrijven

Woodford bracht bedrijven en de centrale bank samen in één werkend model, uiteengezet in zijn boek Interest and Prices uit 2003. Dit nieuw-keynesiaanse model, genoemd naar John Maynard Keynes, bouwt de economie op uit huishoudens en bedrijven waarvan de prijzen traag worden aangepast. Het vormt de kern van de modellen die centrale banken tegenwoordig gebruiken.

De samenvatting van de Academie maakt het verband duidelijk: inflatie komt voort uit de prijsbeslissingen van duizenden bedrijven. De rente beïnvloedt hoeveel mensen uitgeven, en dat raakt uiteindelijk de prijzen die bedrijven voor hun producten vragen. Omdat bedrijven in het model maar af en toe de kans krijgen hun prijzen te wijzigen, wegen ze de toekomstige kosten en de prijzen van concurrenten voor de komende maanden mee.

Bedrijven en huishoudens kijken vooruit, dus vertrouwen in wat een centrale bank over de toekomst zegt, beweegt de prijzen van vandaag. Dit idee ligt ten grondslag aan inflatiedoelstellingen en aan de signalen die centrale banken nu geven over hun volgende stappen. Een inflatiedoelstelling is het tempo van prijsstijging dat een centrale bank nastreeft. Het model behandelt een sprong in de kosten anders dan een daling van de vraag, omdat elk een andere reactie vraagt. Volgens het comité heeft dit denken centrale banken geholpen de pandemie en de recente energieschok beter op te vangen dan de crises van de jaren zeventig. Het comité voegt eraan toe dat dit moeilijk te bewijzen is.

Wat het model volgens het comité nog mist

Het wetenschappelijke achtergronddocument van het comité noemt twee lacunes.

De eerste lacune is timing: wanneer bedrijven besluiten een prijs te wijzigen. Het standaardmodel behandelt prijsaanpassingen als een loterij: elke maand heeft elk bedrijf dezelfde vaste kans om zijn prijs te wijzigen, wat zijn kosten ook zijn. Zo blijft het model eenvoudig genoeg om op te lossen en op data af te stemmen. Het comité noemt het een extreme manier om de kosten van een prijswijziging te modelleren. Het comité merkt op dat echte bedrijven hun prijzen vaker zouden moeten aanpassen als de kosten sterk stijgen. Er bestaan modellen die zo zijn opgebouwd, maar economen zijn het niet eens geworden over één model dat de standaard vervangt.

De tweede lacune is data: hoe prijzen bewegen in verschillende plaatsen en sectoren. Na 2021 bestudeerden economen de “heterogeniteit in prijsbewegingen over ruimte en sectoren”. Dat wil zeggen: hoe prijzen zich anders ontwikkelden van plaats tot plaats en van de ene sector tot de andere. Het hielp verklaren wat de prijssprong veroorzaakte en waarom die aanhield. Dat werk rust op twee getallen, hoe vaak prijzen veranderen en met hoeveel, meestal ontleend aan officiële prijsgegevens. Die gegevens beslaan een beperkt aantal winkels en verkooppunten, en vergelijken is lastiger omdat elk land zijn eigen gegevens bijhoudt. Het meeste onderzoek daarmee is gebaseerd op goederen, terwijl dienstenprijzen, waaronder die van restaurantmaaltijden, moeilijk op dezelfde manier te vergelijken zijn.

Wat restaurantmenu’s en winkelschappen laten zien

Realytics volgt meer dan 500 mln items met een prijs op onlinemenu’s en in winkelschappen. Op menu’s gaat het om meer dan 180 mln items van meer dan 2 mln menu’s. De dekking groeit. Dit artikel behandelt 15 grote markten.

Deze data raakt aan beide lacunes. Voor de eerste lacune, timing, volgt Realytics prijswijzigingen item voor item, elke maand. Het meet hoe vaak prijzen veranderen, hoe groot de wijzigingen zijn en hoeveel er tegelijk veranderen (bevindingen 1 tot en met 3). Voor de tweede lacune, plaatsen en sectoren, vergelijkt het restaurantmenu’s met winkelschappen, met één methode voor alle 15 markten (bevindingen 4 en 5). Bevinding 6 volgt de meningen van klanten over prijzen na verhogingen van verschillende omvang.

We hebben beide getallen voor restaurants gemeten met dezelfde aanpak als prijsonderzoekers (Nakamura en Steinsson, 2008). Voor elke maand van september 2025 tot september 2026 vergeleken we de prijs van elk menu-item met de prijs een maand eerder.

Elke bevinding hieronder begint met wat de data van Realytics laat zien. Waar eerder onderzoek dezelfde vraag bestudeerde, vergelijkt een tweede deel, gemarkeerd met “Wat eerder onderzoek liet zien”, die resultaten met onze cijfers.

Bevinding 1. Elke maand verandert de prijs van 4,8% van de menu-items, in alle 15 markten samen.

In alle 15 markten samen lag het maandelijkse aandeel tussen 3,2% in maart 2026 en 6,1% in mei 2026. Dat laat zien hoe het tempo van verandering schommelde. Hoe vaak prijzen veranderen, helpt verklaren hoe snel hogere kosten bij klanten kunnen belanden.

Bron: Realytics · realytics.com · maandelijks aandeel menu-items waarvan de prijs verandert, sep 2025–sep 2026

Wat eerder onderzoek liet zien. Als de kosten sterk stijgen, passen bedrijven hun prijzen vaker aan: het verband dat het standaardmodel volgens het comité mist. In de typische Amerikaanse productgroep veranderden vóór de pandemie maandelijks ongeveer 10 op de 100 prijzen, aanbiedingen niet meegerekend. Dat aandeel kwam begin 2022 boven de 20 op de 100 en zakte naar ongeveer 13 op de 100 in januari–augustus 2024 (Montag en Villar, 2025). Ook na de energieschok werden prijzen sneller aangepast, wat extra bewijs levert over hoe bedrijven reageren op veranderende kosten (Cavallo, Lippi en Miyahara, 2024).

Europa geeft meer detail, dankzij economen van centrale banken die officiële prijsgegevens bestudeerden in het eurogebied, de landen die de euro gebruiken. Ze lieten energieprijzen en tijdelijke aanbiedingen buiten beschouwing. Van 2010 tot 2019 veranderden elke maand ongeveer 8 op elke 100 prijzen, tegenover ongeveer 12 op elke 100 in 2022. Vóór 2020 was ongeveer twee op de drie prijswijzigingen een verhoging. In 2022 gold dat voor meer dan vier op de vijf. In 2024 veranderden voedselprijzen weer minder vaak, terwijl dienstenprijzen, waaronder die van knipbeurten en reparaties, nog altijd vaker veranderden dan normaal. In het model van het team verhoogde het snellere aanpassen van prijzen de piekinflatie met bijna één procentpunt (Gautier e.a., 2026). Procentpunten meten verschillen tussen percentages: een stijging van 2% naar 3% is bijvoorbeeld één procentpunt.

Enquêtes onder bedrijven toetsen het loterij-idee nu rechtstreeks. Een werkdocument van de Bank of England uit januari 2026, een vroeg onderzoeksrapport, geeft Britse enquêteresultaten over 2023–25 (Bunn e.a., 2026). Van de bedrijven in de hotel-, restaurant- en cafésector zei 72% hun prijzen vooral aan te passen wanneer gebeurtenissen daarom vragen, en niet volgens een vast schema.

Recente restaurantstudies laten zien hoe hogere lonen in prijzen doorwerken. Het minimumloon is het laagste uurloon dat wettelijk is toegestaan. In april 2024 verhoogde Californië het minimumloon naar $20 per uur voor werknemers van grote fastfoodketens. Zes maanden later lagen de prijzen op onlinemenu’s van fastfoodrestaurants in Californië ongeveer 2% hoger dan in vergelijkingsstaten. De studie schat dat ongeveer 60% van de extra loonkosten bij klanten terechtkwam (Sosinskiy en Reich, 2025).

Bij McDonald’s leidde in 2016–20 een verhoging van het minimumloon met 10% tot ongeveer 1,4% hogere Big Mac-prijzen (Ashenfelter en Jurajda, 2022). Eerder, in 1995–97, leidde een verhoging van het minimumloon met 10% tot ongeveer 0,7% hogere restaurantprijzen in de VS (Aaronson, French en MacDonald, 2008).

Ons maandelijkse overzicht meet hoe vaak prijzen veranderen, per plaats en per maand. Onze 13 maanden beslaan één periode: ze laten het niveau van prijsaanpassingen zien en hoe dat van maand tot maand schommelt.

Bevinding 2. De meeste wijzigingen zijn verhogingen, en ze zijn fors.

In alle 15 markten samen zijn verhogingen goed voor 82,4% van de prijswijzigingen. De mediane wijziging, de middelste waarde wanneer de wijzigingen op grootte worden gerangschikt, is 6,2%, verlagingen en verhogingen samen geteld. De mediane verhoging is 5,9%, terwijl restaurants een prijs doorgaans met meer verlagen dan ze hem verhogen.

Bevinding 3. Sommige menu’s veranderen veel prijzen tegelijk.

In alle 15 markten samen wijzigt 17,6% van de menu’s in een bepaalde maand minstens één prijs. In het mediane menu dat prijzen aanpast, verandert 11,0% van de items. Bij 21,5% van deze prijsaanpassingen verandert in dezelfde maand minstens de helft van de items op het menu van prijs.

Wat eerder onderzoek liet zien. Economen hebben een naam voor één reden om veel prijzen tegelijk te wijzigen: ze noemen de kosten van prijswijzigingen “menukosten”, naar gedrukte menukaarten. Daaronder vallen het drukken van nieuwe menukaarten, het bijwerken van prijslijsten en het risico dat vaste klanten het merken. Restaurantprijzen sprongen omhoog toen landen in 2002 overstapten op euromunten en -biljetten, en een studie verklaarde die sprong met menukosten. Restaurants bundelden hun prijsverhogingen rond het moment waarop ze hun menukaarten toch al opnieuw moesten laten drukken (Hobijn, Ravenna en Tambalotti, 2006). Kroatië voerde in januari 2023 de euro in. Het statistiekbureau van de EU, Eurostat, schatte dat de overstap 0,04 tot 0,18 procentpunt toevoegde aan de totale inflatie van die maand. Restaurants en cafés stonden bovenaan de lijst van diensten met ongewone prijsstijgingen (Eurostat, 2023). De gebundelde wijzigingen in onze data passen bij het idee van menukosten: als elke wijziging iets kost, is het logisch er meerdere tegelijk door te voeren.

Bevinding 4. Prijswijzigingen in restaurants verschillen per land.

Figuur 2 vergelijkt de 15 grote markten in dit artikel. In Frankrijk verandert maandelijks de prijs van 2,3% van de items, met een mediane wijziging van 9,1%. In de VS verandert elke maand 5,0%, met een mediane wijziging van 5,2%: vaker, maar kleinere wijzigingen. Duitsland, Spanje, Portugal en Griekenland lijken op Frankrijk, met minder, maar grotere wijzigingen. Canada en Zuid-Afrika lijken op de VS, met frequentere, kleinere wijzigingen.

Bron: Realytics · realytics.com · frequentie en mediane omvang van menuprijswijzigingen, sep 2025–sep 2026

Wat eerder onderzoek liet zien. Officiële prijsgegevens wijzen dezelfde kant op. In Frankrijk veranderden van 1994 tot 2003 elke maand ongeveer 4 op elke 100 restaurantprijzen. Over alle prijzen samen veranderde maandelijks ongeveer één op de vijf (Fougère, Gautier en Le Bihan, 2010). Bij vergelijkbare producten veranderen prijzen in het eurogebied minder vaak dan in de VS (Gautier e.a., 2024). Onze menudata over 2025–26 laat zien dat dat verschil vandaag nog steeds geldt voor restaurantmenu’s. In Frankrijk, Duitsland, Spanje, Griekenland en Portugal verandert elke maand de prijs van 2,3% tot 3,5% van de menu-items, tegenover 5,0% in de VS.

Bevinding 5. Winkelschappen bewegen sneller dan menu’s.

In alle 15 markten samen laat dezelfde methode zien dat de prijs van 11,4% van de winkelproducten maandelijks verandert, van supermarkten tot drogisterijen. Dat is ongeveer 2,4 keer de 4,8% voor menu-items, en winkelprijzen dalen ook vaker. Verlagingen zijn goed voor 43,2% van de prijswijzigingen in winkels, tegenover 17,6% op menu’s. De mediane prijswijziging in winkels is 10,2%, verlagingen en verhogingen samen geteld. Acties en tijdelijke aanbiedingen zitten in de schapprijzen, wat kan bijdragen aan het verschil tussen winkels en menu’s.

Het verschil houdt stand in de meeste van deze markten. In de VS verandert maandelijks de prijs van 12,2% van de winkelproducten, tegenover 5,0% van de menu-items. Polen heeft het grootste verschil: van 21,8% van de winkelproducten verandert elke maand de prijs, tegenover 4,6% van de menu-items. Japan en Zuid-Afrika zijn de uitzonderingen: daar veranderen winkelprijzen in onze data minder vaak dan menuprijzen.

Bron: Realytics · realytics.com · maandelijks aandeel menu-items en winkelproducten waarvan de prijs verandert, sep 2025–sep 2026

Wat eerder onderzoek liet zien. Economen vonden een vergelijkbare tweedeling in officiële Amerikaanse gegevens van 1998 tot 2005, bij een vergelijking van bewerkte voedingsmiddelen met diensten exclusief reizen. Prijzen van bewerkte voedingsmiddelen veranderden frequenter en daalden vaker (Nakamura en Steinsson, 2008). In het eurogebied veranderde in 2024 maandelijks ongeveer 19% van de voedselprijzen, tegenover ongeveer 8% van de dienstenprijzen. Deze cijfers zijn inclusief tijdelijke aanbiedingen. Voedsel omvat aankopen in winkels, terwijl diensten onder meer restaurantmaaltijden omvatten (Gautier e.a., 2026). Deze bevindingen zijn te vergelijken qua richting, maar hun gemeten omvang hangt af van verschillende methoden, perioden en producten.

Bevinding 6. Meningen over prijzen worden negatiever na grote prijssprongen.

Voor deze bevinding zijn menuprijzen en meningen van klanten over prijzen nodig voor dezelfde zaak, zowel vóór als na een verhoging. Beide waren beschikbaar voor restaurants en cafés in deze markten. De meeste van deze meningen over prijzen zeggen of prijzen hoog of laag aanvoelen, en sommige beoordelen de prijs-kwaliteitverhouding. Bij een grote sprong steeg minstens een kwart van de items op het onlinemenu van een zaak in één maand in prijs, meestal met 8% of meer.

Vóór een grote sprong waren ongeveer 33 op elke 100 meningen over prijzen bij die zaken negatief. In de drie maanden erna waren dat er ongeveer 38 op elke 100. Bij zaken in hetzelfde land en dezelfde maand zonder verhoging veranderde dat aandeel nauwelijks. Grote sprongen gingen dus samen met ongeveer 3 tot 4 extra negatieve meningen op elke 100. Alle meningen samen tellen gaf ongeveer 4, en het gemiddelde van de verandering per zaak gaf ongeveer 3. Rekening houdend met toeval lag de waarschijnlijke bandbreedte tussen 2,5 en 5. Wanneer zaken werden gematcht op hoe negatief hun meningen aanvankelijk waren, bleef er nog steeds ongeveer 2,5 over. Meningen die de prijs-kwaliteitverhouding beoordeelden, bewogen dezelfde kant op. In 14 van de 15 markten werden meningen over prijzen na grote sprongen duidelijk negatiever.

Kleinere stappen, met typische verhogingen onder 5%, gingen samen met minder dan 1 extra negatieve mening op elke 100. Strengere controles kwamen uit op hoogstens ongeveer 2. In dezelfde landen en maanden deden grote sprongen het in de meeste controles slechter dan kleine stappen. Het verschil was ongeveer 2 tot 4 op elke 100, en kleiner zodra het sentiment bij de start werd gematcht.

Foutmarge bij een betrouwbaarheidsniveau van 95%: alle 15 markten samen ±0,4; VS ±0,7; kleinere markten, zoals Zuid-Afrika, tot ±4,5. Chili: de schatting, als open punt weergegeven, kan nul zijn.

Bron: Realytics · realytics.com · consumentenmeningen over prijzen en menuprijzen, sep 2025–aug 2026

Wat eerder onderzoek liet zien. Kahneman, Knetsch en Thaler (1986) vonden dat mensen een prijsverhoging gemakkelijker accepteren als die hogere kosten dekt. Snir en coauteurs (2024) vonden vergelijkbare opvattingen in Amerikaanse en Israëlische enquêtes, met verschillen tussen landen en producten. Die enquêtes vroegen waarom prijzen stegen. Onze cijfers volgen wat klanten zeiden na verhogingen van verschillende omvang.

Waarom het ertoe doet, van één zaak tot de hele economie

Voor één zaak. Als een café, restaurant of winkel een prijs maandenlang aanhoudt, moet die prijs voor al die maanden kloppen. Is hij te laag, dan vreten stijgende kosten aan elke verkoop tot de zaak haar prijs weer aanpast. Is hij te hoog, dan valt hij op naast de prijzen in dezelfde straat, dus ook zaken in de buurt doen ertoe. De beste prijs kijkt daarom vooruit naar kosten en prijzen in de buurt, en plaatst het bedrijf uit het model van Woodford in één straat.

Ook in de praktijk kijken bedrijven vooruit, zoals een Amerikaanse studie van levensmiddelenwinkels en drogisterijen van 2001 tot 2012 laat zien. Toen minimumlonen in staten stegen, verhoogde een stijging van het minimumloon met 10% de levensmiddelenprijzen met ongeveer 0,36%. Het grootste deel van de verandering kwam binnen drie maanden na het aannemen van de wet, voordat het hogere loon inging (Renkin, Montialoux en Siegenthaler, 2022). In vier grootstedelijke gebieden in Californië begonnen restaurantprijzen sneller te stijgen dan elders nadat de loonwet in september 2023 was aangenomen. Het hogere loon ging in april 2024 in. Een nieuw werkdocument legt deze timing vast (Clemens e.a., 2026).

Klanten beoordelen ook waarom prijzen stijgen: in 1984 en 1985 belden onderzoekers volwassenen in twee Canadese steden en vroegen hen naar eerlijkheid. In één verhaal over een winkel die de prijs van sneeuwschuivers verhoogde op de ochtend na een flinke sneeuwstorm, noemde 82% de verhoging oneerlijk. Een ander verhaal beschreef een kruidenier die zijn leverancier meer betaalde voor sla en de prijs van zijn sla met hetzelfde bedrag verhoogde. Dit keer vond 79% dat aanvaardbaar (Kahneman, Knetsch en Thaler, 1986). Deze antwoorden suggereren dat mensen zowel de reden voor een prijsverhoging als de omvang van de wijziging beoordelen.

In 2020 vonden enquêtes in de VS en Israël tijdens de pandemie hetzelfde patroon. Mensen vonden verhogingen door hogere kosten eerlijker dan verhogingen door sterkere vraag, al verschilden de opvattingen per land en product (Snir e.a., 2024). In 2024 kreeg een andere grote Amerikaanse hamburgerketen een golf van kritiek op plannen voor prijzen die in de loop van de dag veranderen. Na de ophef zei de keten dat de wijzigingen kortingen zouden opleveren op rustigere momenten, geen hogere prijzen op drukke momenten.

Voor huishoudens. Elke prijs die een huishouden betaalt, weerspiegelt een bedrijf dat beslist wanneer het die prijs verandert en met hoeveel. Als bedrijven met hogere kosten te maken krijgen, kunnen hun prijzen de volgende maand of een jaar later volgen, en dat bepaalt wanneer gezinnen de stijging voelen. Die timing beïnvloedt ook wanneer stijgende kosten weer kunnen afnemen. Voor huishoudens die van de hand in de tand leven, verminderen hogere prijzen snel wat ze met het volgende salaris kunnen kopen.

Gezinnen beoordelen inflatie ook aan de hand van vertrouwde prijzen, volgens onderzoek dat boodschappengegevens van meer dan 90.000 Amerikaanse huishoudens combineerde met enquêtes over verwachte inflatie. De vier economen vonden dat vaak gekochte producten zwaarder wogen dan producten die een groot deel van het budget innemen. Prijsverhogingen wogen in de hoofden van mensen ook zwaarder dan prijsverlagingen (D’Acunto, Malmendier, Ospina en Weber, 2021). Een wekelijkse koffie is nog zo’n vertrouwde prijs, al keek deze studie naar boodschappen en niet naar aankopen in cafés.

Voor de hele economie. De timing en omvang van prijswijzigingen bepalen mee hoe kosten en rente doorwerken in de inflatie in de hele economie. Centrale banken gebruiken modellen van deze verbanden bij het vaststellen van de rente, terwijl gemeten prijswijzigingen op verschillende plaatsen de modellen verbinden met de werkelijkheid.

Waarom bedrijven hun prijzen op gissingen baseren

Economen noemen de tijd en het geld die nodig zijn om feiten te verzamelen een “informatiefrictie”.

Technologie heeft het bijwerken van schapprijzen veranderd. Elektronische schaplabels zijn kleine schermpjes die prijzen tonen. Een supermarktketen voerde ze in 2015 in en wijzigde daarna vaker prijzen, in kleinere stappen. De extra wijzigingen waren vooral verlagingen (Stamatopoulos, Bassamboo en Moreno, 2021). Vóór zulke labels, begin jaren negentig, kostte elke wijziging van een schapprijs bij vier supermarktketens ongeveer 52 Amerikaanse dollarcent (Levy e.a., 1997).

Een andere studie onderzocht een grote Amerikaanse fabrikant en vergeleek de fysieke kosten van prijswijzigingen met de kosten van het werk van managers en van gesprekken met klanten. Fysieke kosten omvatten het drukken en verspreiden van prijslijsten, terwijl het werk van managers meer dan zes keer zoveel kostte. Gesprekken en onderhandelingen met klanten kostten meer dan twintig keer zoveel (Zbaracki e.a., 2004). Voor een café kan het besluiten over een nieuwe prijs meer werk zijn dan het drukken ervan.

In een paper uit 2009 modelleerde Woodford bedrijven die tijd en aandacht besteden aan het leren over de marktomstandigheden voordat ze beslissen of ze hun prijzen aanpassen. In het model zorgt beperkte informatie ervoor dat prijzen trager worden aangepast, met een timing die vaak lijkt op de prijsloterij van het standaardmodel. Grote schokken, zoals plotselinge kostenstijgingen, kunnen bedrijven in het model echter sneller hun prijzen laten aanpassen.

Een Nieuw-Zeelandse studie begon in 2013 bedrijven te enquêteren en vroeg managers naar de recente inflatie en hun prognoses. Bij de eerste enquête was de inflatie ongeveer 1,5%, maar slechts ongeveer de helft van de bedrijven schatte die tot op 2 procentpunten nauwkeurig. Ongeveer 6 op de 10 bedrijven zeiden de inflatie helemaal niet te volgen.

Onderzoekers gaven sommige bedrijven informatie over de inflatiedoelstelling van de centrale bank of over de recente inflatie, en die bedrijven schoven hun prognoses op in de richting van die feiten. Deze twee soorten informatie leidden tot grotere bijstellingen van prognoses dan informatie over de prognoses van experts of van andere bedrijven.

De studie volgde ook beslissingen over prijzen, banen, investeringen in apparatuur en lonen om na te gaan hoe bedrijven op informatie reageerden. In een later experiment verlaagden bedrijven die de inflatiedoelstelling overschatten hun prognoses toen ze hoorden wat die was. Vergeleken met bedrijven die geen feiten kregen, namen ze minder mensen aan en investeerden ze minder dan gepland. Prijzen en lonen lieten geen duidelijke verandering zien (Coibion, Gorodnichenko en Kumar, 2018).

In Italië gaf een vaste enquête de laatste inflatiecijfers aan willekeurig gekozen bedrijven, terwijl andere bedrijven ze niet te horen kregen (Coibion, Gorodnichenko en Ropele, 2020). Bedrijven waarvan de inflatieverwachtingen stegen, verhoogden hun prijzen en wilden meer lenen, terwijl ze banen en kapitaal, zoals apparatuur, afbouwden. Toen de rente van de centrale bank dicht bij haar ondergrens lag, vond de studie echter geen daling van het aantal banen.

Bedrijven letten vooral minder op inflatie wanneer die laag is. Amerikaanse enquêtes die in 2018 begonnen, toen de inflatie laag was, vonden grote hiaten in de kennis van managers over inflatie (Candia, Coibion en Gorodnichenko, 2024). Toen de inflatie steeg, raakten bedrijven en huishoudens beter geïnformeerd, zodat nieuwe feiten hun prognoses minder verschoven (Weber e.a., 2025).

Wat dit betekent. Veel bedrijven baseren hun prijzen op gissingen die ver naast kunnen zitten, vooral als de inflatie laag is en weinig aandacht trekt. Deze studies laten zien dat nieuwe informatie zowel de prognoses van bedrijven als hun beslissingen kan veranderen.

Voor één café, restaurant of winkel

Vóór een prijswijziging kan een eigenaar Realytics vragen naar de zaken in de buurt. Welke zaken hebben dit jaar hun prijzen gewijzigd, en met hoeveel, op menu’s of in winkelschappen? Hoe denken klanten over de prijs-kwaliteitverhouding bij elk van die zaken en bij de eigen zaak van de eigenaar? De antwoorden gaan over de zaken rond één adres.

Voor ketens, franchisenetwerken en merken

Stefano DellaVigna en Matthew Gentzkow, twee economen, bestudeerden grote Amerikaanse ketens van levensmiddelenwinkels, drogisterijen en grote discountwinkels (2019). De meeste vroegen overal vrijwel dezelfde prijzen, ook waar lokale markten sterk verschilden. Afgezet tegen hun model van lokale prijsstelling was het geschatte winstverschil van de typische keten ongeveer $16 mln per jaar. Restaurant- en winkelketens staan voor dezelfde keuze over al hun vestigingen.

Een studie van Amerikaanse winkelketens van 2006 tot 2018 voegt een onderscheid toe (Butters, Sacks en Seo, 2022). Ketens houden vaak dezelfde prijs aan ondanks verschillen in lokale vraag, maar geven lokale kostenverschillen wel door in hun prijzen. Toen lokale belastingen stegen, gingen de prijzen alleen omhoog in de winkels die erdoor werden geraakt.

Realytics geeft een prijsteam in één keer het lokale beeld voor elke vestiging, zodat het de markten rond zijn zaken kan vergelijken. Teams kunnen vergelijken hoe snel menu- en schapprijzen in de buurt bewegen, naast het sentiment van klanten over de prijs-kwaliteitverhouding per vestiging. Zo wordt zichtbaar waar één prijslijst bij de markten past en waar niet. Franchisenemers, die de vestigingen van een keten onder haar naam runnen, en het hoofdkantoor kunnen hetzelfde lokale bewijs inbrengen in een gesprek over prijzen.

Voor economen en centrale banken

Eerdere studies naar restaurantprijzen gebruikten overheidsgegevens, kassadata van ongeveer duizend restaurants of enkele honderden onlinemenu’s. Eén studie naar een verhoging van het minimumloon in en rond San Jose gebruikte 884 onlinemenu’s (Allegretto en Reich, 2018). Realytics volgt menu’s elke week, overal op dezelfde manier gemeten. De Menu Price Index volgt hetzelfde gerecht bij dezelfde zaak door de tijd heen en is beschikbaar in het product.

De data is op te splitsen naar stad, type restaurant of winkel, en keten of zelfstandige zaak, zodat onderzoekers verschillende groepen kunnen bekijken. Realytics registreert ook openingen en sluitingen van zaken, naast het sentiment van klanten over de prijs-kwaliteitverhouding, waarmee onderzoekers nieuwe vragen kunnen verkennen. Hoe snel bereikt een wijziging in minimumloon, belasting of valuta de menuprijzen in elk land? Als voedselprijzen in winkelschappen stijgen, stijgen menuprijzen in de buurt dan ook, en hoeveel later? Volgen verschillen tussen landen de inflatie, lonen en belastingen, en sluiten de zaken die hun prijzen het minst aanpassen vaker?

Realytics werkt graag met economen, universiteiten en centrale banken samen aan onderzoek naar deze vragen. Onderzoekers kunnen schrijven naar hello@realytics.com.

Over Realytics

Realytics helpt bedrijven wereldwijd aan meetbare resultaten uit de markt om hen heen. Realytics heeft de AI-zakenpartner gebouwd voor lokale merken, en voor de bedrijven die met lokale ondernemers werken.

Twintig jaar lang liep de onlinewereld op één punt voor op lokale winkels: data. Ze leerde van elke klik wat mensen wilden en wat de volgende stap was. Realytics brengt hetzelfde soort bewijs naar winkels, cafés en restaurants in echte straten over de hele wereld.

• Voor één vestiging: het bewijs omvat wat mensen over de zaak zeggen, de prijzen in de eigen straat en de volgende zet.
• Voor exploitanten: elke vestiging wordt elke week afgemeten aan de eigen straat.
• Voor ketens, franchisegevers, merken, verhuurders, investeerders en overheidsinstanties: honderden markten worden op dezelfde manier gemeten.
• Voor bureaus en platforms die lokale ondernemers bedienen: dezelfde data is beschikbaar in hun eigen producten.

Realytics koppelt gegevens over 288 mln vestigingen en meer dan 800.000 ketens, met data die sinds 2020 elke week wordt ververst. Het team heeft bij grote databedrijven gewerkt. Meer over Realytics.