ປັນຍາປະດິດ
AI ມີແນວໂນ້ມທີ່ຈະລາຄາສິນຄ້າສູງຂຶ້ນ, ໂດຍບໍ່ມີການແຊກແຊງລະບຽບການ
ເອກະສານການເຮັດວຽກໃຫມ່ຈາກສໍານັກງານຄົ້ນຄວ້າເສດຖະກິດແຫ່ງຊາດຂອງສະຫະລັດໄດ້ພົບເຫັນວ່າການນໍາໃຊ້ວິທີການກໍານົດລາຄາແບບອັດຕະໂນມັດທີ່ຊັບຊ້ອນມີແນວໂນ້ມທີ່ຈະນໍາໄປສູ່ລາຄາທີ່ສູງຂຶ້ນໃນທົ່ວຄະນະກໍາມະການສໍາລັບຜູ້ບໍລິໂພກ, ໂດຍບໍ່ມີການເປີດເຜີຍບໍລິສັດທີ່ໄດ້ຮັບຜົນປະໂຫຍດໃດໆຕໍ່ການກ່າວຫາກ່ຽວກັບການແກ້ໄຂລາຄາ.
ໄດ້ ການຄົ້ນຄວ້າ ໂຕ້ແຍ້ງວ່າຮ້ານຂາຍຍ່ອຍທີ່ປັບປຸງລາຄາຂອງພວກເຂົາເລື້ອຍໆ, ໂດຍອີງໃສ່ຂໍ້ມູນທີ່ຖືກຂູດຮີດຂອງຄູ່ແຂ່ງຂອງພວກເຂົາ, ສະເຫນີລາຄາຕໍ່າສຸດຢ່າງຕໍ່ເນື່ອງ, ແຕ່ວ່າເມື່ອຄູ່ແຂ່ງຂອງພວກເຂົາປັບປຸງລະບົບທີ່ມີປະສິດທິພາບທີ່ຄ້າຍຄືກັນ, ພຶດຕິກໍາເບື້ອງຕົ້ນຂອງຕະຫຼາດ algorithmic ຈະຍູ້ລາຄາ - ແລະວ່າ. , ປະສິດທິຜົນ, ມັນເປັນພຽງແຕ່ 'ເກົ່າ' ແລະເຕັກໂນໂລຊີການຈັບຄູ່ລາຄາປະສິດທິພາບຫນ້ອຍທີ່ຖືການເຄື່ອນໄຫວນີ້ກັບຄືນໄປບ່ອນ, ສໍາລັບປັດຈຸບັນ.
ບົດລາຍງານໄດ້ແນະນໍາຕື່ມອີກວ່າການແຊກແຊງຂອງລັດຫຼືລັດຖະບານກາງອາດຈະມີຄວາມຈໍາເປັນທາງທິດສະດີເພື່ອປ້ອງກັນບໍ່ໃຫ້ບໍລິສັດປ້ອນຂໍ້ມູນລາຄາຂອງຄູ່ແຂ່ງເລື້ອຍໆເຂົ້າໄປໃນລະບົບການກໍານົດລາຄາຂອງຕົນເອງ, ເພື່ອສະຫນັບສະຫນູນຂໍ້ມູນທົ່ວໄປແລະການປັບປຸງຫນ້ອຍລົງເລື້ອຍໆ. ເຖິງຢ່າງໃດກໍ່ຕາມ, ມັນຍອມຮັບວ່າ ລະບົບດັ່ງກ່າວຈະຍາກທີ່ຈະອອກກົດໝາຍ, ຮັກສາ ແລະ ບັງຄັບໃຊ້.
ເຖິງແມ່ນວ່າວິທີການທີ່ຜູ້ຄ້າປີກໃຫຍ່ພັດທະນາຮູບແບບການກໍານົດລາຄາມັກຈະບໍ່ຖືກເປີດເຜີຍ, ນັກຄົ້ນຄວ້າ NBER ສາມາດກໍານົດຂອບເຂດການກໍານົດລາຄາ algorithmic ໂດຍການສຶກສາວິທີການທີ່ຄູ່ແຂ່ງໃນຕະຫຼາດທີ່ແຕກຕ່າງກັນຕອບສະຫນອງຕໍ່ການປ່ຽນແປງລາຄາຂອງກັນແລະກັນ. ນັກຄົ້ນຄວ້າສັງເກດເຫັນວ່າປະກົດການນີ້ແມ່ນ 'ບໍ່ສອດຄ່ອງກັບຮູບແບບ empirical ມາດຕະຖານຂອງພຶດຕິກໍາການກໍານົດລາຄາພ້ອມໆກັນ'.
ການຄົ້ນພົບຊີ້ໃຫ້ເຫັນວ່າຄວາມບໍ່ສົມດຸນຂອງການປະຕິບັດເຕັກໂນໂລຢີທີ່ໃຊ້ໂດຍບໍລິສັດໃນຂະແຫນງການໃດຫນຶ່ງສາມາດນໍາໄປສູ່ລາຄາທີ່ສູງຂຶ້ນທີ່ຫນ້າເຊື່ອຖືໃນທົ່ວຜູ້ຂາຍ:
'[A] ຄວາມສົມມາດໃນເທກໂນໂລຍີລາຄາສາມາດປ່ຽນພຶດຕິກໍາຄວາມສົມດຸນໄດ້ໂດຍພື້ນຖານ: ຖ້າບໍລິສັດໃດນຶ່ງໃຊ້ເທັກໂນໂລຍີທີ່ເໜືອກວ່າ, ທັງສອງບໍລິສັດສາມາດໄດ້ລາຄາທີ່ສູງຂຶ້ນ. ຖ້າບໍລິສັດທັງສອງໄດ້ຮັບຮອງເອົາສູດການຄິດໄລ່ຄວາມຖີ່ສູງ, ລາຄາທີ່ສົມສ່ວນກັນສາມາດຮອງຮັບໄດ້ໂດຍບໍ່ຕ້ອງໃຊ້ຍຸດທະສາດແບບປະສົມປະສານແບບດັ້ງເດີມ.'
ການສົມທຽບລາຄາ Tacit
ນີ້ປະສິດທິຜົນອະນຸຍາດໃຫ້ການກໍານົດລາຄາແບບ cartel ແລະ collision tacit ໂດຍບໍ່ມີການຮ່ວມມືຢ່າງຈະແຈ້ງຫຼື indictable ລະຫວ່າງບໍລິສັດຄູ່ແຂ່ງ, ຜົນປະໂຫຍດຂອງພາກສ່ວນຕະຫຼາດ (ຫຼືຂະແຫນງການຂາຍຍ່ອຍໂດຍທົ່ວໄປ) ເປັນອັນຕະລາຍຂອງຜູ້ບໍລິໂພກ.
ນັກຄົ້ນຄວ້າໄດ້ສ້າງແບບຈໍາລອງຍຸດທະສາດການກໍານົດລາຄາ 'supracompetitive', ບ່ອນທີ່ຜູ້ຄ້າປີກທາງທິດສະດີມີການເຂົ້າເຖິງເທົ່າທຽມກັນກັບການປ່ຽນແປງຂອງລາຄາຄູ່ແຂ່ງ, ແລະພົບວ່າເຖິງແມ່ນວ່າລາຄາ 'ປະສົມປະສານຢ່າງເຕັມສ່ວນ' ສາມາດໄດ້ຮັບການສະຫນັບສະຫນູນໂດຍ algorithms ທີ່ເປົ້າຫມາຍລາຄາຄູ່ແຂ່ງ.
ນັກຄົ້ນຄວ້າສັງເກດເຫັນ:
'ດ້ວຍວິທີນີ້, ສູດການຄິດໄລ່ໂດຍພື້ນຖານການປ່ຽນແປງເກມລາຄາ, ສະຫນອງວິທີການທີ່ຈະເພີ່ມລາຄາໂດຍບໍ່ມີການ resorting ກັບພຶດຕິກໍາຮ່ວມກັນ.
ການສືບສວນກ່ອນການສົມມຸດຕິຖານ algorithmic ໄດ້ດໍາເນີນການພາຍໃຕ້ການສົມມຸດວ່າບໍລິສັດມີກົນໄກການກໍານົດລາຄາທີ່ສົມມາດແລະເທົ່າທຽມກັນ. ການເປີດເຜີຍຂອງບົດລາຍງານຂອງລະບົບຄວາມຖີ່ສູງ 'super analytical' ໃນສ່ວນຂອງຜູ້ຄ້າປີກບາງຄົນ upsets ການສົມມຸດຕິຖານນີ້, ເປີດເສັ້ນທາງສໍາລັບຜົນກະທົບເພີ່ມຂຶ້ນຢ່າງຫ້າວຫັນຕໍ່ລາຄາຂາຍຍ່ອຍຍ້ອນວ່າຊັບພະຍາກອນການວິເຄາະຂອງຄູ່ແຂ່ງໄດ້ເພີ່ມຂຶ້ນ.
ວິທີການ
ນັກຄົ້ນຄວ້າໄດ້ສ້າງຖານຂໍ້ມູນຂອງລາຄາປະຈໍາຊົ່ວໂມງສໍາລັບຢາແກ້ແພ້ທີ່ເປີດເຜີຍຈາກຫ້າຮ້ານຂາຍຍ່ອຍອອນໄລນ໌ທີ່ໃຫຍ່ທີ່ສຸດຂອງສະຫະລັດທີ່ຂາຍຢາປະເພດນັ້ນ, ເຖິງແມ່ນວ່າພວກເຂົາເນັ້ນຫນັກວ່າຮ້ານ (ບໍ່ເປີດເຜີຍຊື່) ໄດ້ສຶກສາບໍ່ພຽງແຕ່ຂາຍຢາໃນຂອບເຂດທີ່ກວ້າງຂວາງເທົ່ານັ້ນ, ແຕ່ກວ້າງກວ່າ. ລະດັບຂອງປະເພດຜະລິດຕະພັນ.
ເນື່ອງຈາກວິທີການທີ່ຮ້ານ bricks-and-mortar ຈະສົ່ງຜົນກະທົບຕໍ່ overhead ແລະລາຄາໃນຮ້ານຍ່າງ (ແລະໃຫ້ການເພີ່ມຂຶ້ນຂອງການຊື້ອອນໄລນ໌ຢ່າງຫຼວງຫຼາຍໃນໄລຍະສິບແປດເດືອນທີ່ຜ່ານມາ), ຖານຂໍ້ມູນໄດ້ນໍາໃຊ້ພຽງແຕ່ລາຄາອອນໄລນ໌, ເຊິ່ງໃນກໍລະນີຫຼາຍທີ່ສຸດແມ່ນງ່າຍຂຶ້ນ. ປັບປຸງແກ້ໄຂສະເພາະກິດ. ຂໍ້ມູນດັ່ງກ່າວໄດ້ຖືກເກັບກໍາໃນໄລຍະຫນຶ່ງປີເຄິ່ງລະຫວ່າງເດືອນເມສາ 2018 ຫາເດືອນຕຸລາ 2020, ດ້ວຍຊຸດຂໍ້ມູນສຸດທ້າຍທີ່ຖືກອະນາໄມປະກອບດ້ວຍ 3,606,956 ຈຸດຂໍ້ມູນກ່ຽວກັບລາຄາ, ເຊິ່ງກວມເອົາເຈັດຍີ່ຫໍ້ຂອງຢາແກ້ແພ້ - ທັງຫມົດ 59 ຜະລິດຕະພັນ.
ນັກຄົ້ນຄວ້າໄດ້ພົບເຫັນຫຼັກຖານຂອງວິທີການທີ່ແຕກຕ່າງກັນຫຼາຍກັບເຕັກໂນໂລຊີລາຄາ, ແລະຄວາມຖີ່ຂອງການປ່ຽນແປງສູງໃນການປ່ຽນແປງລາຄາ reactive, ອີງໃສ່ການເຫນັງຕີງຂອງລາຄາຂອງຄູ່ແຂ່ງ. ຫນຶ່ງໃນບັນດາຮ້ານປະກົດວ່າມີການປ່ຽນແປງລາຄາຫຼາຍຄັ້ງພາຍໃນຫນຶ່ງຊົ່ວໂມງ, ໃນຂະນະທີ່ຄົນອື່ນເບິ່ງຄືວ່າໄດ້ນໍາໃຊ້ຍຸດທະສາດທີ່ຂັບເຄື່ອນດ້ວຍສະຄິບ, ບ່ອນທີ່ການປ່ຽນແປງລາຄາແມ່ນເຮັດໃນເວລາດຽວກັນໃນແຕ່ລະມື້ (ຫຼືໃນໄລຍະທີ່ຍາວກວ່າ).
ຜົນກະທົບທີ່ດີຂຶ້ນຂອງເທັກໂນໂລຍີລາຄາ 'ເກົ່າ'
ຜົນໄດ້ຮັບຂອງການວິເຄາະນີ້ແມ່ນວ່າຄວາມຍຸຕິທໍາໃດໆທີ່ຍັງມີຢູ່ໃນລະບົບແມ່ນສະຫນອງໃຫ້ໂດຍຜູ້ຄ້າປີກທີ່ມີຄວາມກ້າວຫນ້າທາງດ້ານເຕັກໂນໂລຢີຫນ້ອຍ, ເຊິ່ງມີການປ່ຽນແປງລາຄາຂອງພວກເຂົາຫນ້ອຍລົງເລື້ອຍໆ, ແລະສະແດງເຖິງ 'ລາກລົງ' ໃນລາຄາສະເລ່ຍ. ອີງຕາມບົດລາຍງານ, ປັດໃຈທີ່ສາມາດປະກອບສ່ວນເຂົ້າໃນການນີ້ລວມມີຫນີ້ສິນທາງວິຊາການໃນສ່ວນຂອງຮ້ານຂາຍຍ່ອຍທີ່ມີລະບົບເກົ່າ, ແລະຄວາມຫຍຸ້ງຍາກໃນອະນາຄົດຂອງການປັບປຸງລະບົບສາງຫຼັກຊັບເພື່ອຮອງຮັບນະໂຍບາຍລາຄາທີ່ມີປະຕິກິລິຍາແລະຄວາມຖີ່ສູງກວ່າ.
ໃນຄວາມເປັນຈິງ, ມັນແມ່ນເຕັກໂນໂລຢີ 'ເກົ່າ' ທີ່ເບິ່ງຄືວ່າຈະຮັກສາລາຄາທີ່ຂ້ອນຂ້າງຄົງທີ່.
ການຄາດຄະເນໄປຂ້າງຫນ້າ, ມັນງ່າຍທີ່ຈະເຂົ້າໃຈວ່າຜູ້ຫຼິ້ນໃຫມ່ແລະອຸປະກອນທີ່ດີກວ່າໃນພື້ນທີ່ຂາຍຍ່ອຍລາຄາ algorithmic ສາມາດເລີ່ມຕົ້ນຫຼຸດລາຄາແລະທໍາລາຍອິດທິພົນຂອງຜູ້ຊ້າລົງ; ຫຼືວ່າໃນເວລາທີ່ຜູ້ຫຼິ້ນທີ່ສໍາຄັນໃນປະເພດຫນຶ່ງໄດ້ຈັບຄູ່ກັນຢູ່ໃນລາຄາ 'ການແຂ່ງຂັນອາວຸດ', ການເພີ່ມຂຶ້ນຂອງລາຄາທີ່ຄາດຄະເນໂດຍບົດລາຍງານ NBER ສາມາດມີຜົນບັງຄັບໃຊ້.
ການແຊກແຊງຂອງລັດ ຫຼືລັດຖະບານກາງ
ນັກຄົ້ນຄວ້າໄດ້ສະຫຼຸບວ່າ 'ການຄ້າທີ່ບໍ່ມີຄວາມເຄັ່ງຕຶງ' ໃນເບື້ອງຕົ້ນມີຈຸດປະສົງເພື່ອດໍາເນີນການເປັນຜົນກະທົບຕໍ່ລາຄາລະຫວ່າງບໍລິສັດຄູ່ແຂ່ງໃນຕອນຕົ້ນຂອງການປະຕິວັດອີຄອມເມີຊຖືກຂົ່ມຂູ່ໂດຍກົງໂດຍເຕັກໂນໂລຢີທີ່ເປີດໃຊ້.
ພວກເຂົາສະຫຼຸບວ່າການແກ້ໄຂແມ່ນສິ່ງທ້າທາຍ: ຜູ້ສ້າງນະໂຍບາຍຈະຕ້ອງຈໍາກັດຄວາມສາມາດຂອງບໍລິສັດທີ່ຈະຂູດຂໍ້ມູນລາຄາຂອງຄູ່ແຂ່ງ, ຫຼືອື່ນໆເພື່ອປະເມີນການປ່ຽນແປງທີ່ກວ້າງກວ່າແລະໄລຍະຍາວຂອງລາຄາຄູ່ແຂ່ງ, ຄ້າຍຄືກັບວິທີທີ່ Google's FLOC ກໍາລັງຊອກຫາ. ແກ້ໄຂການຕິດຕາມຂອງປະຊາຊົນຕໍ່ການຕິດຕາມສ່ວນບຸກຄົນໂດຍການເປີດບໍລິການລະບົບຕິດຕາມກວດກາທີ່ທົ່ວໄປແລະຫນ້ອຍກ່ວາ.
ນັບຕັ້ງແຕ່ມາດຕະການດັ່ງກ່າວບໍ່ເຫມາະສົມກັບການຕ້ານການໄວ້ວາງໃຈແລະກົດລະບຽບທີ່ມີຢູ່ແລ້ວ, ເອກະສານດັ່ງກ່າວໄດ້ຍອມຮັບວ່າພວກເຂົາບໍ່ພຽງແຕ່ຍາກທີ່ຈະບັງຄັບໃຊ້, ແຕ່ຍັງຂ້ອນຂ້າງຍາກທີ່ຈະກໍານົດແລະກອບ.
ນັກຄົ້ນຄວ້າຍັງຊີ້ໃຫ້ເຫັນຄວາມເປັນໄປໄດ້ຂອງການບັງຄັບໃຫ້ລະບົບການປະເມີນລາຄາທາງເລືອກທີ່ບໍ່ຖືວ່າຄວາມສົມດຸນຂອງການແຂ່ງຂັນ (ທີ່ໂປດປານຜູ້ບໍລິໂພກເຫນືອຜູ້ຂາຍ) ເປັນ 'ການລົງໂທດ'; ແນວໃດກໍ່ຕາມ, ໃນແງ່ຂອງທ່າອ່ຽງນິຕິກໍາ (ແລະເຖິງວ່າຈະມີຄວາມຫຍຸ້ງຍາກທີ່ບໍ່ສາມາດຫຼີກລ່ຽງໄດ້ໃນການສ້າງແລະນໍາໃຊ້ລະບົບດັ່ງກ່າວ), ວິທີການນີ້ສາມາດປະເຊີນກັບສິ່ງທ້າທາຍທາງດ້ານກົດຫມາຍແລະຄວາມນິຍົມ.