آیا قیمت های آنلاین به دلیل الگوریتم های قیمت گذاری بیشتر است؟

هنگامی که بازارهای آنلاین برای اولین بار پدیدار شد ، خوش بینی گسترده ای وجود داشت که آنها منصفانه و رقابتی باشند. بر خلاف فروشگاه های فیزیکی ، مصرف کنندگان می توانند از بین ده ها ، شاید صدها وب سایت با فقط یک کلیک انتخاب کنند. این امر باعث می شود رقابت شدید برای ارائه کمترین قیمت ، باعث کارآیی بازارها و بهره مندی از مصرف کنندگان شود.

زک براون

استادیار اقتصاد - دانشگاه میشیگان

همکار تحقیقات دانشکده - دفتر ملی تحقیقات اقتصادی

اسکندر مکای

استادیار مدیریت بازرگانی - دانشکده بازرگانی هاروارد

اکنون مشخص است که وعده های بازارهای آنلاین فقط تا حدی تحقق یافته است. چند خرده فروش بر بازارهای آنلاین تسلط دارند. در بعضی موارد ، قیمت های آنلاین کمی پایین تر از فروشگاه های فیزیکی است ، اما نه همیشه. علاوه بر این ، قیمت یک محصول می تواند در خرده فروشان آنلاین بسیار متفاوت باشد. قیمت های وب سایت هایی مانند آمازون می تواند در طول یک روز نوسان داشته باشد و گاهی اوقات به طور قابل توجهی بالاتر از قیمت خرده فروشی پیشنهادی است. واضح است که بازارهای آنلاین به همان اندازه که برخی در ابتدا تصور می شدند رقابتی نیستند.

خرده فروشان در بازارهای آنلاین به طور فزاینده ای از الگوریتم های قیمت گذاری استفاده می کنند. یک برنامه رایانه ای به جای قیمت تنظیمات انسانی ، می تواند به سرعت شرایط بازار ، از جمله رفتار خرده فروشان رقیب را کنترل کند و به طور مستقل قیمت ها را در زمان واقعی تنظیم کند. این واقعیت که این تحولات به طور همزمان اتفاق افتاده است - رفتارهای قیمت گذاری پاسخگوتر ، همراه با تفاوت های بزرگ قیمت که ممکن است مصرف کنندگان برای محصولات یکسان بپردازند - مخالف انتظارات اولیه در مورد رقابت در بازارهای آنلاین است. آیا قیمت گذاری پاسخگوتر نباید منجر به رقابت بیشتر شود؟

در این مقاله به بررسی کار اخیر در مورد استراتژی های قیمت گذاری خرده فروشان عمده آنلاین و تأثیرات احتمالی الگوریتم های قیمت گذاری پرداخته شده است. ما توضیح می دهیم که چگونه الگوریتم های قیمت گذاری می توانند از چند طریق به قیمت های بالاتر منجر شوند ، حتی اگر برخی از ویژگی های این الگوریتم ها ممکن است در نگاه اول ظاهر شوند تا رقابت را افزایش دهند. یکی از ویژگی های اصلی بسیاری از الگوریتم های قیمت گذاری این است که آنها به طور خودکار نسبت به قیمت رقبا واکنش نشان می دهند. برخی معتقدند که این می تواند تبانی را تسهیل کند. با این حال ، این ویژگی همچنین می تواند رقابت قیمت را نرم کند که رقبا تبلور نشوند. حتی الگوریتم های قیمت گذاری بسیار ساده می توانند قیمت ها را افزایش دهند. سرانجام ، ما در مورد پاسخ های احتمالی سیاست برای تشویق رقابت در خرده فروشی های آنلاین و سایر بازارها با الگوریتم های قیمت گذاری بحث می کنیم.

اثرات رقابتی الگوریتم ها با توجه به اینکه فروش آنلاین 4 تریلیون دلار در سراسر جهان پیشی گرفته و به سرعت رشد می کند ، به طور فزاینده ای اهمیت دارد. علاوه بر بازارهای آنلاین ، اکنون از الگوریتم های قیمت گذاری برای تعیین قیمت برای پمپ بنزین ، بلیط های هواپیمایی ، هتل ها ، سرگرمی ها و اشتراک های سواری استفاده می شود. اثرات رقابتی الگوریتم های قیمت گذاری فقط از اهمیت بیشتری برخوردار می شوند زیرا آنها به طور فزاینده ای در طیف گسترده ای از بازارها پذیرفته می شوند.

الگوریتم قیمت گذاری چیست؟

در سطح بالایی ، یک الگوریتم قیمت گذاری یک برنامه رایانه ای است که به طور مستقل قیمت ها را بر اساس داده های فعلی و گذشته مربوط به تقاضا ، هزینه یا قیمت رقبا تنظیم می کند. در ابتدا از الگوریتم ها فقط در چند صنایع مانند قیمت گذاری بلیط هواپیمایی استفاده می شد. با افزایش بازارهای آنلاین ، از نظر تعداد بازارهای تحت تأثیر پذیرش الگوریتم ها ، تغییر دریا رخ داده است ، و سرمایه گذاری های عمده ای برای بهبود الگوریتم های قیمت گذاری در چندین بعد انجام شده است.

فرضیه های متنوعی در مورد اثرات الگوریتم های قیمت گذاری وجود دارد. اقتصاددانان تا حد زیادی موافق هستند که الگوریتم هایی که قیمت ها را بر اساس شرایط تقاضا و/یا هزینه ها تنظیم می کنند ، پتانسیل افزایش کارایی را دارند. با این حال ، نگرانی فزاینده ای وجود دارد که جنبه های دیگر الگوریتم های قیمت گذاری می تواند باعث کاهش رقابت و افزایش قیمت ها شود.

از آنجا که الگوریتم های قیمت گذاری بدون مداخله انسانی عمل می کنند ، قیمت گذاری الگوریتمی دارای دو ویژگی کلیدی است که آن را از روشهای سنتی متمایز می کند که در آن قیمت ها توسط یک مدیر قیمت گذاری یا تحلیلگر تنظیم می شوند. اول ، الگوریتم ها می توانند به خرده فروشان اجازه دهند قیمت ها را بر اساس قوانینی که توسط نرم افزار رمزگذاری شده اند ، تنظیم کنند. این قوانین می توانند برطرف شوند ، یا می توانند بر اساس ، به عنوان مثال پروتکل های یادگیری ماشین یا مداخله انسان ، با گذشت زمان تنظیم شوند. این واقعیت که شرکت ها می توانند در کوتاه مدت به این قوانین متعهد شوند ، می توانند پیامدهای مهمی برای رقابت و قیمت ها داشته باشند ، همانطور که در زیر بحث می کنیم.

دوم ، از آنجا که رایانه ها می توانند محاسبات فشرده را به سرعت انجام دهند ، الگوریتم ها می توانند اطلاعات بیشتری را در خود جای داده و سریعتر از روش های قیمت گذاری سنتی تغییرات ایجاد کنند. غالباً ، خرده فروشان الگوریتم های خود را تنظیم می کنند تا در فواصل منظم - یک بار در روز یا یک بار در ساعت - به روز شوند تا قیمت ها را بر اساس اطلاعاتی که به فرکانس بالا می رسند ، به روز کنند. اطلاعاتی که ممکن است منجر به تغییر قیمت شود شامل فروش اخیر ، موجودی ها یا ویژگی های خارجی مانند پیش بینی آب و هوا است. توانایی انطباق با شرایط سریع در حال تغییر ، همان چیزی است که به الگوریتم ها پتانسیل ارائه کارآمدتر از قیمت گذاری سنتی را می دهد.

محتوای مرتبط

تعیین تفاوت های سیستماتیک در کلاس های انسانی برای استخدام خودکار مبتنی بر یادگیری ماشین

چگونه نوآوری بر بازارهای کار تأثیر می گذارد: ارزیابی تأثیر

آیا تنظیم کننده های فلج EPA ویرجینیا در مقابل EPA؟نه اگر کنگره قدم بردارد.

الگوریتم ها همچنین ممکن است قیمت هایی را که خرده فروشان رقیب برای محصولات مشابه یا مشابه شارژ می کنند ، در نظر بگیرند. این نوع اطلاعات تا حدودی خاص است ، زیرا این امر منعکس کننده ماهیت رقابت است نه فقط شرایط عرضه و تقاضا. از آنجا که الگوریتم ها می توانند پاسخ های خودکار به اطلاعات جدید را انجام دهند ، خرده فروشانی که وب سایت های رقبا را رصد می کنند می توانند به سرعت به هرگونه تغییر قیمت پاسخ دهند. این ویژگی معمولاً توسط ابزارهای قیمت گذاری شخص ثالث برای فروشندگان در سیستم عامل های اصلی ارائه می شود ، و حتی به فروشندگان کوچک نیز اجازه می دهد تا به طور خودکار قیمت ها را بر اساس قیمت رقیب تنظیم کنند. همانطور که در زیر توضیح می دهیم ، قیمت گذاری خودکار با سرعت بالا از این فرم می تواند به خرده فروشان مزیت رقابتی بدهد.

شواهدی از خرده فروشان عمده آنلاین

در کار اخیر ، ما داده های ساعتی را از خرده فروشان عمده آنلاین مانند Amazon ، Walmart.com و Target.com جمع آوری می کنیم تا شواهدی در مورد استراتژی های قیمت گذاری آنها ارائه دهیم. بسیاری از خرده فروشان سرمایه گذاری زیادی در فناوری قیمت گذاری کرده اند که قیمت ها را با سرعت بالا به روز می کند. ما می دانیم که پیشرفته ترین خرده فروشان می توانند قیمت ها را طی یک ساعت تنظیم کنند. نکته مهم ، ما مستند می کنیم که خرده فروشان با سریعترین قیمت نیز به نظر می رسد که الگوریتم هایی دارند که به طور مستقل به تغییرات قیمت توسط رقبا پاسخ می دهند. سرانجام ، ما نشان می دهیم که بین قیمت ها و سرعتی که خرده فروشان آنلاین می توانند قیمت ها را تنظیم کنند ، رابطه مداوم وجود دارد: خرده فروشان با قیمت گذاری سریعتر قیمت های پایین تری دارند. 2

تحقیقات در سایر تنظیمات حقایق مرتبط را مستند کرده است. فروشندگان شخص ثالث در آمازون اغلب از قوانین قیمت گذاری ساده مانند تطبیق یا کمبود رقیب استفاده می کنند. 3 پمپ بنزین نیز الگوریتم های قیمت گذاری را اتخاذ می کنند و به آنها امکان می دهد تا به سرعت قیمت ها را در پاسخ به رقبا تنظیم کنند. 4 شواهد مشابه نیز برای فروشگاه های مواد غذایی آنلاین ثبت شده است. 5

چرا الگوریتم های قیمت گذاری ساده می توانند قیمت ها را افزایش دهند

شواهدی که ما جمع آوری کرده ایم ، برجسته است که چگونه برخی از خرده فروشان آنلاین مجموعه قیمت های رقیب را خودکار می کنند و از الگوریتم هایی استفاده می کنند که به سرعت به رقبا پاسخ می دهند. این عمل در بازارهای آنلاین ، جایی که قیمت ها به صورت عمومی نمایش داده می شوند و دسترسی آسان است ، آسان تر است.

برای دیدن اینکه چرا این عمل می تواند به قیمت های بالاتر منجر شود ، شروع به کار با یک مثال ساده مفید است. یک خرده فروش را در نظر بگیرید که یک قانون قیمت گذاری را برنامه ریزی می کند که به سرعت قیمت یک رقیب را با 3 دلار پایین می آورد. از آنجا که این قانون توسط یک کامپیوتر اجرا می شود ، خرده فروش می تواند بدون توجه به قیمت انتخاب شده توسط رقیب خود ، دست خود را به این استراتژی گره بزند. برای این مثال ، فرض کنید سطح قیمت رقابتی بدون الگوریتم 15 دلار است.

ممکن است فرد به طور شهودی فکر کند که تعهد به پایین آمدن قیمت رقیب منجر به پایین آمدن قیمت می شود. با این حال ، نظریه اقتصادی برعکس می گوید. چرا؟اگر یک خرده فروش آنلاین کندتر بداند که رقیب آنها از این قانون قیمت گذاری استفاده می کند ، انگیزه کمتری برای پایین آمدن قیمت خود دارند. هنگامی که خرده فروش کندتر قیمت رقابتی 15 دلار را انتخاب می کند ، رقیب سریعتر فوراً با تعیین قیمت 12 دلار پاسخ می دهد. خرده فروش کندتر از این ترتیب راضی نخواهد بود ، زیرا سهم بازار را حتی با قیمت "رقابتی" از دست می دهد. با قیمت گذاری سنتی ، خرده فروش کندتر ممکن است در پاسخ به کاهش قیمت خود انگیزه داده شود. با این حال ، از آنجا که الگوریتم قیمت گذاری ، رقیب سریعتر را قادر می سازد بلافاصله به کاهش قیمت پاسخ دهد ، خرده فروش کندتر هیچ انگیزه ای برای پاسخگویی ندارد.

در عوض ، خرده فروش کندتر قیمتی را انتخاب می کند که ضمن تشخیص پاسخ رقیب سریعتر ، یعنی اختلاف 3 دلار ، سود خود را به حداکثر می رساند. در موارد معمولی ، این منجر به قیمت هایی می شود که بالاتر از سطح قیمت رقابتی برای هر دو بنگاه باشد - می گویند 20 دلار برای خرده فروش کندتر و 17 دلار برای رقیب سریعتر. توجه کنید که ، بدون درک پویایی رقابتی ، ممکن است به نظر برسد که خرده فروش سریعتر با تهاجمی رقابت می کند ، زیرا قیمت های پایین تری دارد و به سرعت پاسخ می دهد. با این حال ، به جای ارائه قیمت های پایین تر ، پاسخ خودکار الگوریتم قیمت گذاری منجر به افزایش قیمت برای همه مصرف کنندگان می شود.

در واقع ، یک خرده فروش که دارای یک الگوریتم قیمت گذاری با سرعت بالا است ، می تواند تهدید کند که به سرعت قیمت یک رقیب را کم می کند. با توجه به تهدید الگوریتم خودکار رقیب ، رقیب کندتر مجبور می شود با توجه به تهدید الگوریتم خودکار رقیب ، قیمت های بالاتری را تعیین و تعیین کند. هرچه این الگوریتم سریعتر پاسخ دهد ، انگیزه کمتری دارد که شرکت آهسته مجبور به کاهش قیمت شرکت سریع شود زیرا سود سهم (و سود) از کاهش قیمت کوتاه مدت خواهد بود.

الگوریتم های پیشرفته تر

در عمل ، خرده فروشان آنلاین ممکن است از الگوریتم های قیمت گذاری پیچیده تری استفاده کنند. در بعضی موارد ، الگوریتم های قیمت گذاری ممکن است منجر به دوچرخه سواری قیمت ها شوند ، به موجب آن الگوریتم ها قیمت های رقیب را پایین می آورند تا زمانی که قیمت ها آنقدر پایین نشوند که به قیمت بالاتر تنظیم شوند. کار اخیر دوچرخه سواری قیمت در بازارهای آنلاین و بنزین خرده فروشی ناشی از الگوریتم ها را بررسی می کند و استدلال می کند که الگوریتم های این فرم نیز می تواند منجر به قیمت های بالاتر شود. 6

در حال حاضر ، طیف گسترده ای از استراتژی های قیمت گذاری ارائه شده توسط الگوریتم ها ، از ساده تا پیشرفته. با توجه به تنوع در استراتژی های احتمالی ، با تکامل بازارها ، خرده فروشان با استفاده از چه مواردی به پایان می رسند؟ما با مطالعه این سؤال که خرده فروشان در صورتی که همه رقبا الگوریتم های با فرکانس بالا و خودمختار داشته باشند ، به این سؤال می پردازیم. ما از تئوری اقتصادی و شبیه سازی های عددی استفاده می کنیم تا نشان دهیم که خرده فروشان می توانند قوانین بسیار ساده ای را انتخاب کنند که قیمت های بالاتری را برای همه خرده فروشان ارائه می دهد - حتی معادل سطح قیمت تبانی.

همانطور که در بالا مورد بحث قرار گرفت ، خرده فروشان همچنین ممکن است از الگوریتم هایی استفاده کنند که قوانین را با گذشت زمان تنظیم می کنند. به عنوان مثال ، الگوریتم ها ممکن است از یادگیری تقویت کننده استفاده کنند تا تعیین کنند که قیمت ها بالاترین بازپرداخت را دارند. این ویژگی ها همچنین ممکن است ماهیت رقابت را تغییر دهد و همچنین می تواند به قیمت های بالاتر منجر شود. یکی از نگرانی ها این است که این نوع الگوریتم های قیمت گذاری ممکن است یاد بگیرند که چگونه بدون ورودی انسانی تبانی کنند. شبیه سازی ها نشان می دهد که تبانی از نظر تئوری از این طریق قابل دستیابی است. 7

بحث هایی در مورد تا چه حد چنین تبانی در عمل اتفاق می افتد. از بعضی جهات ، الگوریتم هایی که یاد می گیرند تبانی می کنند ناخوشایند هستند. نتایج تبانی مانند با الگوریتم های یادگیری بوجود می آیند که بنگاهها از این که سایر بنگاهها نیز ممکن است آزمایش های قیمت گذاری را انجام دهند ، بوجود می آیند. 8 کار دیگر نشان داده است که دادن الگوریتم های یادگیری اکتشافی ساده ، مانند دانستن اینکه قیمت های پایین تر منجر به سهام بالاتر می شوند ، احتمال تبانی در این زمینه را از بین می برد. [9]

همچنین این سؤال مهم وجود دارد که یادگیری شرکت ها با دانستن همه این امکانات چه قوانینی را انتخاب می کنند. آیا شرکت ها اگر الگوریتم های رقیب ناخوشایند باشند ، تصمیم به انتخاب یک الگوریتم پیشرفته می گیرند؟ادبیات دانشگاهی هنوز به این سوال پاسخ نداده است.

نحوه اطمینان از رقابت در بازارها با الگوریتم های قیمت گذاری

در حال حاضر ، الگوریتم های قیمت گذاری مات هستند. شفافیت بیشتر در مورد داده ها و الگوریتم هایی که برای تعیین قیمت ها استفاده می شود ، به سیاست گذاران و محققان این امکان را می دهد تا بینش بیشتری در مورد اینکه آیا این الگوریتم ها ضد رقابتی هستند. از آنجا که حتی قوانین قیمت گذاری ساده می توانند با وجود ظاهر معصومیت ، قیمت های بالاتر از سطح رقابتی را به دست آورند ، و ماهیت دقیق الگوریتم ها را پلیس می کند و نتایج آنها بدون اطلاعات بیشتر در مورد الگوریتم های مورد استفاده در عمل بسیار دشوار خواهد بود.

با توجه به نگرانی هایی که الگوریتم ها می توانند تبانی کنند ، مقامات ضد انحصار باید به خرده فروشانی که به نظر می رسد قیمت ها را در یکنواختی تعیین می کنند ، توجه کنند. با این حال ، حتی در صورت عدم تبانی کامل ، الگوریتم های قیمت گذاری می توانند انگیزه کاهش قیمت ها را کاهش دهند اگر خرده فروشان آنلاین بدانند که رقبای آنها فوراً قیمت ها را در پاسخ تنظیم می کنند. یک رویکرد محدود کردن توانایی بنگاهها در تعیین قیمت ها بر اساس قیمت های رقیب در حالی که همچنان به الگوریتم های قیمت گذاری اجازه می دهد که قیمت ها را بر اساس سایر عوامل تنظیم می کنند ، مانند تغییر تقاضا. اجرای چنین قاعده ای به شفافیت بیشتری در الگوریتم هایی که شرکت ها برای تعیین قیمت از آنها استفاده می کنند ، نیاز دارد ، در عین حال به بنگاه ها برخی از حفاظت از مالکیت معنوی را برای نوآوری در نحوه پاسخگویی الگوریتم ها به سایر عوامل ارائه می دهد.

احتمال دیگر محدود کردن فرکانس تنظیم قیمت بنگاهها است. اگر بنگاهها فقط می توانند یک بار در هفته قیمت ها را تعیین کنند ، به عنوان مثال ، این امر عواقب واکنش شرکتها را نسبت به تغییرات قیمت با فرکانس بالا محدود می کند. نکته منفی چنین رویکردی این است که این امر توانایی بنگاهها را برای واکنش به سرعت در حال تغییر شرایط بازار از بین می برد و شرکت ها ممکن است با افزایش قیمت متوسط ، برخی از این خطر را به مصرف کنندگان منتقل کنند. اما اگر این تغییر با تغییر ماهیت رقابت ، قیمت های پایین تری داشته باشد ، ممکن است نتیجه ای باشد که مصرف کنندگان ترجیح می دهند.

امکاناتی که در بالا مورد بحث قرار گرفت ، بر ویژگی های کلیدی الگوریتم ها که می توانند منجر به قیمت بالاتر شوند ، تمرکز می کنند: تفاوت در فرکانس های قیمت گذاری و واکنش های خودکار به تغییرات قیمت رقبا. سایر راه حل های سیاست پیشنهادی ، نتایج قیمت گذاری الگوریتمی (یعنی قیمت هایی که خیلی زیاد است) را به جای فرآیندها ، از طریق اجرای ضد انحصار یا کنترل قیمت ، برطرف می کند. این رویکردها چالش های جدی دارند. اقدامات اجرای ضد انحصار سنتی در بعضی موارد اعمال نمی شود که الگوریتم ها قیمت ها را افزایش داده اند ، از جمله نمونه ای که در بالا مورد بحث قرار گرفت. کنترل قیمت ها به طور کلی توسط اقتصاددانان پشتیبانی نمی شوند زیرا آنها نیاز به کار بسیار دشوار برای تعیین قیمت "درست" دارند. به طور کلی ، توانمندسازی یک آژانس دولتی برای تعیین گسترده قیمت در بازارهای تحت تأثیر الگوریتم ها ممکن است آسیب بیشتری نسبت به خیر داشته باشد. 10

سرانجام ، برخی از آنها دفاع می كنند كه تجهیز مصرف كنندگان به الگوریتم ها ممکن است یك راه برای مبارزه با اثرات احتمالی ضد رقابتی الگوریتم های قیمت گذاری باشد. 11 در عمل ، الگوریتم های خرید مصرف کننده-در اصل ابزارهای پیچیده قیمت-می توانند با آسانتر کردن این کار برای مصرف کنندگان همیشه خرده فروش را با کمترین قیمت انتخاب کنند. با این حال ، موفقیت چنین الگوریتم ها به مصرف کنندگان نیاز دارد تا به اندازه کافی در مورد اختلاف قیمت بالقوه در وب سایت ها مراقبت کنند تا این ابزارها را به تعداد زیادی اتخاذ کنند. پیشرفت های فن آوری در طول این خطوط می تواند اثرات الگوریتم های قیمت گذاری را در سالهای آینده تغییر دهد.

نویسندگان برای این مقاله از هیچ شرکت یا شخص پشتیبانی مالی دریافت نکردند. نویسندگان یک کمک هزینه تحقیق از پروژه امنیت اقتصادی ، یک سازمان غیرانتفاعی که برای تأمین بودجه تحقیقات مربوط به موضوعات ضد انحصاری و موضوعات مربوط به سیاست های مرتبط تأسیس شده است ، دریافت کرده اند. به غیر از موارد ذکر شده ، نویسندگان در این مقاله از هیچ شرکت یا شخصی با علاقه مالی یا سیاسی پشتیبانی نمی کردند. نویسندگان در حال حاضر یک افسر ، مدیر یا عضو هیئت مدیره هر سازمان با علاقه مالی یا سیاسی در این مقاله نیستند.