Sztuczna inteligencja prawdopodobnie ustala wyższe ceny produktów bez interwencji regulacyjnej

NOWY raport z US National Bureau Of Economic Research ujawnił, że zwiększone wykorzystanie zaawansowanych algorytmów ustalania cen prowadzi do wyższych cen dla konsumentów, bez narażania korzystających z nich firm na oskarżenia o ustalanie cen.

Badanie wykazało, że detaliści, którzy często aktualizują swoje ceny na podstawie danych o cenach swoich konkurentów, oferują najniższe ceny, ale gdy ich rywale zaktualizują swoje systemy do podobnie zaawansowanych, domyślne zachowanie algorytmicznego rynku prowadzi do wzrostu cen – i że tak naprawdę tylko “starsze” i mniej skuteczne technologie ustalania cen utrzymują ten ruch, na razie.

Raport sugeruje ponadto, że interwencja stanowa lub federalna może być niezbędna, aby zapobiec firmom wprowadzaniu częstych informacji o cenach konkurentów do ich własnych algorytmów ustalania cen, na rzecz bardziej ogólnych i mniej często aktualizowanych informacji. Jednak przyznaje, że taki system byłby trudny do ustawienia, utrzymania i egzekwowania.

Chociaż metody, którymi główni detaliści rozwijają wzorce cen, zwykle nie są ujawniane, badacze z NBER byli w stanie zidentyfikować ramy algorytmicznego ustalania cen, studiując, jak szybko konkurenci w określonym rynku reagują na zmiany cen. Badacze obserwują, że zjawisko to jest ‘niezgodne z standardowym modelem empirycznym zachowania ustalania cen jednoczesnych’.

Oto, co sugerują wyniki: asymetria wdrożenia technologii przez firmy w danym sektorze może prowadzić do wyższych cen u sprzedawców:

‘[A]symetria w technologiach ustalania cen może fundamentalnie zmienić zachowanie równowagi: jeśli jedna firma przyjmuje lepszą technologię, obie firmy mogą uzyskać wyższe ceny. Jeśli obie firmy przyjmują algorytmy o wysokiej częstotliwości, ceny kolludyujące mogą być wspierane bez użycia tradycyjnych strategii kolludyujących.’

Tacit Price Collusion

To pozwala skutecznie na ustalanie cen w stylu kartelów i na niejawne porozumienia bez jawnej lub oskarżalnej współpracy między rywalizującymi firmami, korzystając sektorowi rynkowemu (lub sektorowi detalicznemu w ogóle) kosztem konsumenta.

Badacze opracowali strategie ustalania cen “suprakonkurencyjnych”, w których detaliści teoretycznie mają równy dostęp do zmian cen konkurentów, i stwierdzili, że nawet “pełnie kolludyujące” ceny mogą być wspierane przez algorytmy, które targetują ceny rywali.

Po lewej, analiza duopolu, w którym jeden detalista ma szybszy i częstszy algorytm aktualizacji cen niż inny. Po prawej, analiza szczytu cen, w którym detaliści mają równoważne algorytmy o wysokiej częstotliwości, pochodzące z danych o cenach pobranych z danych innych. Wyższe ceny są wynikiem. Źródło: https://www.nber.org/system/files/working_papers/w28860/w28860.pdf

Badacze obserwują:

‘W ten sposób algorytmy fundamentalnie zmieniają grę cenową, zapewniając sposób na zwiększenie cen bez uciekania się do zachowań kolludyujących.’

Wcześniejsze badania nad kolluzją algorytmiczną działały pod założeniem, że firmy mają symetryczne i równe mechanizmy ustalania cen. Ujawnienie w raporcie “super analitycznych” systemów o wysokiej częstotliwości po stronie niektórych detalista narusza to założenie, otwierając drogę do aktywnego wpływu na ceny detaliczne, gdy analityczne zasoby rywali są wyrównywane.

Metody

Badacze wygenerowali bazę danych godzinowych cen dla dostępnych leków na alergię z pięciu największych amerykańskich detalista internetowych, które sprzedają tę kategorię leków, choć podkreślają, że (anonimowe) sklepy badane nie tylko sprzedają znacznie szerszy zakres leków, ale także szerszy zakres typów produktów.

Ze względu na sposób, w jaki sklepy stacjonarne wpływają na nakłady i ceny w sklepach, a biorąc pod uwagę ogromny wzrost zakupów online w ciągu ostatnich osiemnastu miesięcy, baza danych wykorzystuje tylko ceny online, które w większości przypadków są łatwiejsze do zmiany ad hoc. Dane zostały zebrane w ciągu półtora roku, od kwietnia 2018 do października 2020, a ostateczny czysty zestaw danych zawiera 3 606 956 punktów danych o cenach, obejmujących siedem marek leków na alergię – 59 produktów w sumie.

Badacze znaleźli dowody na bardzo różne podejścia do technologii cenowych i wysoko zmienną częstotliwość reaktywnych zmian cen, w oparciu o fluktuacje cen konkurentów. Jeden ze sklepów wydaje się zmieniać ceny wielokrotnie w ciągu godziny, podczas gdy inni wydają się przyjąć strategię opartą na skryptach, w której zmiany cen są wprowadzane o tej samej porze każdego dnia (lub w dłuższym przedziale czasowym).

The Ameliorating Effect Of ‘Old’ Pricing Technologies

Wynik tej analizy jest taki, że jakakolwiek sprawiedliwość, jaka jeszcze pozostaje w systemie, jest zapewniona przez mniej zaawansowanych technologicznie detalista, którzy zmieniają swoje ceny mniej często i którzy reprezentują “w dół ciągnącą” siłę na średnie ceny. Zgodnie z raportem, czynniki, które mogą przyczynić się do tego, obejmują dług technologiczny po stronie detalista z starszymi systemami oraz potencjalną trudność z aktualizacją systemów inwentaryzacji zapasów w celu dopasowania do bardziej reaktywnej i częstszej polityki cenowej.

Różnice w częstotliwości ponownego ustalania cen wśród badanych detalista. Firma ‘A’ wydaje się mieć najkrótszy czas reakcji i największą rotację danych o cenach konkurentów.

W istocie to “stara” technologia wydaje się utrzymywać ceny względnie stabilne.

Przewidując przyszłość, łatwo zrozumieć, jak nowi i lepiej wyposażeni gracze na rynku algorytmicznego ustalania cen mogą zacząć dyskontować i degradować wpływ wolniejszych; albo, kiedy wystarczająco dużo głównych graczy w danej kategorii wyrówna się w “wyścigu zbrojeń” cen, eskalacja cen przewidywana w raporcie NBER może nastąpić.

Interwencja stanowa lub federalna

Badacze dochodzą do wniosku, że “bezproblemowy handel” pierwotnie zamierzony jako ograniczenie cen między firmami konkurencyjnymi na początku rewolucji handlu elektronicznego jest bezpośrednio zagrożony przez umożliwiające technologie.

Badacze dochodzą do wniosku, że środki zaradcze są trudne: decydenci polityczni musieliby ograniczyć możliwość firm pobierania danych o cenach rywali lub oceny szerszej i dłuższej zmiany cen rywali, podobnie jak framework FLOC Google’a, który próbuje rozwiązać publiczne oburzenie związane z personalizowanym śledzeniem, wprowadzając bardziej uogólniony i mniej szczegółowy system monitorowania.

Ponieważ takie środki nie pasują łatwo do istniejących ram antymonopolowych i regulacyjnych, raport przyznaje, że są one nie tylko trudne do egzekwowania, ale także do parametryzacji i opracowania.

Badacze również rozważają możliwość nakazania alternatywnych systemów oceny cen, które nie traktują równowagi konkurencyjnej (która faworyzuje konsumenta ponad sprzedawcą) jako “kara”; jednak, w odniesieniu do trendów legislacyjnych (i pomimo nieuniknionych trudności w formułowaniu i wdrażaniu takich systemów), ten podejście mogłoby napotkać popularne i prawne wyzwania.