Tikėtina, kad dirbtinis intelektas padidins produktų kainą be reguliavimo įsikišimo

Naujame JAV Nacionalinio ekonominių tyrimų biuro darbiniame dokumente nustatyta, kad dėl didesnio sudėtingų automatizuotų kainodaros algoritmų naudojimo vartotojams gali padidėti kainos, tačiau nė viena iš naudą gaunančių įmonių nesukels kaltinimų dėl kainų nustatymo.

Šios tyrimas tvirtina, kad mažmenininkai, kurie dažniausiai atnaujina kainas, remdamiesi nuskaitytais savo konkurentų duomenimis, nuolat siūlo mažiausias kainas, tačiau konkurentams atnaujinus į panašiai galingas sistemas, dėl numatytosios algoritminės rinkos elgesio kainos kils – ir kad , šiuo metu šį judėjimą stabdo tik „senesnės“ ir mažiau efektyvios kainų suderinimo technologijos.

Be to, ataskaitoje teigiama, kad teoriškai gali prireikti valstybės ar federalinio įsikišimo, siekiant užkirsti kelią įmonėms į savo kainodaros algoritmus įtraukti dažnos informacijos apie konkurentus kainas, kad būtų teikiama labiau apibendrinta ir rečiau atnaujinama informacija. Tačiau ji pripažįsta, kad tokią sistemą būtų sunku įteisinti, išlaikyti ir įgyvendinti.

Nors metodai, kuriais didieji mažmenininkai kuria kainodaros modelius, dažniausiai neatskleidžiami, NBER mokslininkai sugebėjo nustatyti algoritmines kainodaros sistemas, tirdami, kaip greitai konkurentai atskiroje rinkoje reaguoja į vienas kito kainų pokyčius. Tyrėjai pastebi, kad šis reiškinys yra „nesuderinamas su standartiniu empiriniu vienu metu taikomo kainų nustatymo modelio“.

Išvados rodo, kad technologijų diegimo asimetrija, kurią naudoja bet kurio sektoriaus įmonės, gali lemti patikimai didesnes kainas tarp pardavėjų:

„Kainodaros technologijos simetrija gali iš esmės pakeisti pusiausvyros elgseną: jei viena įmonė imasi geresnės technologijos, abi įmonės gali gauti didesnes kainas. Jei abi įmonės taiko aukšto dažnio algoritmus, slaptos kainos gali būti palaikomos nenaudojant tradicinių slapto susitarimo strategijų.

Nebylus kainų susitarimas

Tai leidžia veiksmingai nustatyti kartelio stiliaus kainas ir numanomą slaptą susitarimą be jokio aiškaus ar apkaltinamo konkuruojančių įmonių bendradarbiavimo, o tai yra naudinga rinkos segmentui (ar apskritai mažmeninės prekybos sektoriui), o tai kenkia vartotojui.

Tyrėjai sumodeliavo „virškonkurencines“ kainodaros strategijas, kai mažmenininkai teoriškai turi vienodą prieigą prie konkurentų kainų pokyčių, ir nustatė, kad net „visiškai slaptas“ kainas galima palaikyti algoritmais, nukreiptais į konkurentų kainas.

Kairėje – duopolijos analizė, kai vienas mažmenininkas turi greitesnį ir dažnesnį atnaujinimo algoritmą nei kitas. Teisingai, kainų apogėjaus analizė, kai mažmenininkai turi lygiaverčius aukšto dažnio kainodaros algoritmus, gautus iš kainodaros, paimtos iš kitų duomenų. Rezultatas – aukštesnės kainos.  Šaltinis: https://www.nber.org/system/files/working_papers/w28860/w28860.pdf

Tyrėjai pastebi:

„Tokiu būdu algoritmai iš esmės pakeičia kainodaros žaidimą, suteikdami galimybę padidinti kainas nesiimant slapto susitarimo“.

Ankstesni algoritminio slapto susitarimo tyrimai buvo atlikti darant prielaidą, kad įmonės turi simetriškus ir vienodus kainų nustatymo mechanizmus. Ataskaitoje atskleistas kai kurių mažmenininkų „super analitiškas“ aukšto dažnio sistemas sugriovė šią prielaidą, atverdamas kelią aktyviam mažmeninių kainų didėjimui, nes konkurentų analitiniai ištekliai didėja.

Metodai

Tyrėjai sukūrė atvirai prieinamų vaistų nuo alergijos valandinių kainų duomenų bazę iš penkių didžiausių JAV internetinių mažmenininkų, parduodančių šios kategorijos vaistus, tačiau pabrėžia, kad tirtose (anoniminėse) prekybos vietose ne tik parduodamas daug platesnis vaistų asortimentas, bet ir daugiau produktų rūšių asortimentą.

Dėl būdo, kad tradiciniai prekybos taškai paveiks pridėtines išlaidas ir kainas parduotuvėse (ir per pastaruosius aštuoniolika mėnesių labai išaugusį pirkimą internetu), duomenų bazėje naudojamos tik internetinės kainos, kurios daugeliu atvejų yra lengvesnės. peržiūrėti ad hoc. Duomenys buvo renkami per pusantrų metų nuo 2018 m. balandžio mėn. iki 2020 m. spalio mėn., o galutiniame išvalytame duomenų rinkinyje yra 3,606,956 59 XNUMX kainodaros duomenų taškai, apimantys septynis alergijos vaistų ženklus – iš viso XNUMX produktus.

Tyrėjai rado įrodymų apie labai skirtingus požiūrius į kainodaros technologijas ir labai skirtingus reaktyvių kainų pokyčių dažnius, pagrįstus konkurentų kainų svyravimais. Atrodo, kad viena iš prekybos vietų kelis kartus keičia kainas per valandą, o kitos, atrodo, pasirinko scenarijais pagrįstą strategiją, kai kainos keičiamos kiekvieną dieną tuo pačiu metu (arba ilgesniu intervalu).

„Senųjų“ kainodaros technologijų gerinantis poveikis

Šios analizės rezultatas yra tas, kad bet kokį teisingumą, kuris vis dar yra sistemoje, užtikrina technologiškai mažiau pažengę mažmenininkai, kurie rečiau keičia savo kainas ir yra „mažėjantis“ vidutinės kainos atžvilgiu. Remiantis ataskaita, veiksniai, galintys prisidėti prie to, yra mažmenininkų, turinčių senesnes sistemas, techninės skolos ir galimi sunkumai atnaujinti atsargų atsargų sistemas, kad būtų galima pritaikyti reaktyvesnę ir dažnesnę kainų politiką.

Tirtų mažmenininkų kainų keitimo dažnumo skirtumai. Panašu, kad bendrovė „A“ turi greičiausią reagavimo laiką ir didžiausią apyvartą, kai gaunami duomenys apie konkurentų kainas.

Tiesą sakant, atrodo, kad tai yra „senoji“ technologija, kuri palaiko palyginti stabilias kainas.

Žvelgiant į priekį, nesunku suprasti, kaip naujesni ir geriau aprūpinti algoritminės kainodaros mažmeninės prekybos erdvės žaidėjai gali pradėti nuolaidų ir mažinti lėtesnių įtaką; arba, jei pakankamai pagrindinių bet kurios kategorijos žaidėjų kainodaros „ginklavimosi lenktynėse“ susilygins, NBER ataskaitoje numatytas kainų padidėjimas gali įsigalioti.

Valstybės ar federalinė intervencija

Tyrėjai daro išvadą, kad elektroninės prekybos revoliucijos pradžioje „betrinties prekybai“, kuri iš pradžių buvo numatyta kaip ribojantis poveikis kainoms tarp konkuruojančių įmonių, kyla tiesioginis pavojus dėl įgalinančių technologijų.

Jie daro išvadą, kad priemonės yra sudėtingos: politikos formuotojai turėtų apriboti įmonių galimybes rinkti konkurentų kainų duomenis arba įvertinti platesnį ir ilgalaikį konkurentų kainų pokytį, panašiai kaip Google FLOC sistema siekia panaikinti viešą pasipiktinimą prieš asmeninį stebėjimą, įdiegiant labiau apibendrintą ir ne tokią detalią stebėjimo sistemą.

Kadangi tokios priemonės nelengvai įsilieja į esamas antimonopolines ir reguliavimo sistemas, darbe pripažįstama, kad jas ne tik sunku įgyvendinti, bet ir gana sunku parametruoti bei įrėminti.

Tyrėjai taip pat siūlo įpareigoti alternatyvias kainų vertinimo sistemas, kurios nelaikytų konkurencine pusiausvyra (kuri palankesnė vartotojui už pardavėją) kaip „bausmė“; tačiau atsižvelgiant į teisės aktų leidybos tendencijas (nepaisant neišvengiamų sunkumų kuriant ir diegiant tokias sistemas), šis metodas gali susidurti su populiariais ir teisiniais iššūkiais.