stub AI vil sandsynligvis prissætte produkter højere, uden reguleringsindgreb - Unite.AI
Følg os

Kunstig intelligens

AI vil sandsynligvis prissætte produkter højere, uden reguleringsindgreb

mm
Opdateret on

Et nyt arbejdspapir fra US National Bureau Of Economic Research har fundet ud af, at den øgede brug af sofistikerede automatiserede prissætningsalgoritmer sandsynligvis vil føre til højere priser over hele linjen for forbrugerne uden at udsætte nogen af ​​de gavnlige virksomheder for anklager om prisfastsættelse.

forskning hævder, at detailhandlere, der oftest opdaterer deres priser, baseret på de skrabede data fra deres konkurrenter, konsekvent tilbyder de laveste priser, men at når deres konkurrenter opdaterer til tilsvarende kraftfulde systemer, vil standardadfærden på det algoritmiske marked presse priserne op – og at , effektivt er det kun de 'ældre' og mindre effektive prismatchende teknologier, der holder denne bevægelse tilbage i øjeblikket.

Rapporten antyder endvidere, at statslig eller føderal indgriben teoretisk set kan være nødvendig for at forhindre virksomheder i at indlæse hyppige konkurrentprisoplysninger i deres egne prisalgoritmer til fordel for mere generaliseret og sjældnere opdateret information. Den indrømmer dog, at et sådant system ville være vanskeligt at lovgive, opretholde og håndhæve.

Selvom de metoder, hvormed store detailhandlere udvikler prismønstre, normalt ikke afsløres, var NBER-forskerne i stand til at identificere algoritmiske prissætningsrammer ved at studere, hvor hurtigt konkurrenter på et diskret marked reagerer på hinandens prisændringer. Forskerne observerer, at dette fænomen er "uoverensstemmelse med den empiriske standardmodel for simultan prisfastsættelsesadfærd".

Resultaterne tyder på, at asymmetrien i teknologiimplementeringen, der bruges af virksomheder i en bestemt sektor, kan føre til pålideligt højere priser på tværs af leverandører:

"[A]symmetri i prisfastsættelsesteknologi kan fundamentalt ændre ligevægtsadfærd: Hvis en virksomhed anvender overlegen teknologi, kan begge virksomheder opnå højere priser. Hvis begge firmaer anvender højfrekvente algoritmer, kan hemmelige priser understøttes uden brug af traditionelle hemmelige strategier.'

Stiltiende prissamarbejde

Dette muliggør effektivt kartellignende priser og stiltiende samordning uden noget eksplicit eller anklageligt samarbejde mellem rivaliserende virksomheder, hvilket gavner markedssegmentet (eller detailsektoren generelt) til skade for forbrugeren.

Forskerne modellerede 'suprakonkurrencedygtige' prisstrategier, hvor detailhandlere teoretisk har lige adgang til ændringer i konkurrentpriser, og fandt ud af, at selv 'fuldstændig hemmelige' priser kan understøttes af algoritmer, der målretter mod konkurrenternes priser.

Til venstre en analyse af et duopol, hvor den ene forhandler har en hurtigere og hyppigere opdateringsalgoritme end den anden. Højre, en analyse af prishøjde, hvor forhandlere har tilsvarende, højfrekvente prisalgoritmer, der er afledt af prissætning skrabet fra den andens data. Højere priser er resultatet. Kilde: https://www.nber.org/system/files/working_papers/w28860/w28860.pdf

Til venstre en analyse af et duopol, hvor den ene forhandler har en hurtigere og hyppigere opdateringsalgoritme end den anden. Højre, en analyse af prishøjde, hvor forhandlere har tilsvarende, højfrekvente prisalgoritmer, der er afledt af prissætning skrabet fra den andens data. Højere priser er resultatet.  Kilde: https://www.nber.org/system/files/working_papers/w28860/w28860.pdf

Forskerne observerer:

"På denne måde ændrer algoritmer fundamentalt prissætningsspillet, hvilket giver et middel til at øge priserne uden at ty til hemmelig adfærd."

Tidligere undersøgelser af algoritmisk samordning har fungeret under den antagelse, at virksomheder har symmetriske og lige prisfastsættelsesmekanismer. Rapportens afsløring af 'superanalytiske' højfrekvente systemer fra nogle detailhandleres side forstyrrer denne antagelse og åbner vejen for en aktiv opadgående effekt på detailpriserne, efterhånden som konkurrenternes analytiske ressourcer stiger.

Metoder

Forskerne genererede en database med timepriser for åbent tilgængelige allergilægemidler fra de fem største amerikanske onlineforhandlere, der sælger denne kategori af medicin, selvom de understreger, at de (anonymiserede) undersøgte forretninger ikke kun sælger et langt bredere udvalg af lægemidler, men et bredere udvalg af lægemidler. række af produkttyper.

På grund af den måde, mursten og mørtel forretninger vil påvirke overhead og priser i walk-in butikker (og i betragtning af den massive stigning i online køb i løbet af de sidste atten måneder), bruger databasen kun online priser, som i de fleste tilfælde er nemmere at revidere ad hoc. Dataene blev indsamlet over halvandet år mellem april 2018 og oktober 2020, hvor det endeligt rensede datasæt indeholdt 3,606,956 datapunkter om prisfastsættelse, der dækker syv mærker af allergipræparater – 59 produkter i alt.

Forskerne fandt bevis for meget forskellige tilgange til prisfastsættelsesteknologi og meget varierende frekvenser i reaktive prisændringer, baseret på udsving i konkurrenternes priser. En af forretningerne ser ud til at ændre priser flere gange inden for en time, mens andre ser ud til at have vedtaget en script-drevet strategi, hvor prisændringer foretages på samme tidspunkt hver dag (eller med et længere interval).

Den forbedrende effekt af 'gamle' pristeknologier

Resultatet af denne analyse er, at enhver retfærdighed, der stadig er til stede i systemet, leveres af de mindre teknologisk avancerede detailhandlere, som ændrer deres priser sjældnere, og som repræsenterer et "nedadgående træk" på den gennemsnitlige prissætning. Ifølge rapporten omfatter faktorer, der kan bidrage til dette, teknisk gæld hos detailhandlere med ældre systemer og den potentielle vanskelighed med at opdatere lagerbeholdningssystemer for at imødekomme en mere reaktiv og højere frekvens prispolitik.

Variationer i omprissætningshyppigheden blandt de undersøgte detailhandlere. Virksomhed 'A' ser ud til at have den hurtigste responstid på skrabet data om konkurrentpriser.

Variationer i omprissætningshyppigheden blandt de undersøgte detailhandlere. Virksomheden 'A' ser ud til at have den hurtigste responstid og mest intense omsætning for skrabet data om konkurrentpriser.

 

Faktisk er det den 'gamle' teknologi, der ser ud til at holde priserne relativt stabile.

Når man projicerer fremad, er det let at forstå, hvordan nyere og bedre udstyrede aktører i detailhandelsområdet med algoritmiske priser kunne begynde at sænke og forringe indflydelsen fra de langsommere; eller også, at når nok af de store aktører i en kategori har matchet hinanden i prissætningen 'våbenkapløb', kan den priseskalering, som NBER-rapporten forudsagde, træde i kraft.

Statslig eller føderal intervention

Forskerne konkluderer, at den 'friktionsfri handel', der oprindeligt skulle fungere som en hæmmende effekt på priserne mellem konkurrerende virksomheder i begyndelsen af ​​e-handelsrevolutionen, er direkte truet af de muliggørende teknologier.

De konkluderer, at løsninger er udfordrende: Politikere ville være nødt til at begrænse virksomhedernes mulighed for at skrabe prisdata fra konkurrenter, eller også vurdere et bredere og langsigtet skift i rivaliserende priser, svarende til den måde, som Googles FLOC-ramme søger at adressere offentlig angreb mod personlig sporing ved at indvie et mere generaliseret og mindre detaljeret overvågningssystem.

Da sådanne foranstaltninger ikke let passer ind i eksisterende antitrust- og lovgivningsrammer, indrømmer papiret, at de ikke kun er svære at håndhæve, men også ret svære at parametrisere og udforme.

Forskerne anfører også muligheden for at påbyde alternative prisevalueringssystemer, der ikke betragter konkurrencemæssig ligevægt (som favoriserer forbrugeren frem for sælgeren) som 'straf'; Men med hensyn til lovgivningstendenser (og til trods for uundgåelige vanskeligheder med at formulere og implementere sådanne systemer), kan denne tilgang stå over for populære og juridiske udfordringer.