Andersons vinkel

AI Sannolikt Att Prissätta Produkter Högere, Utan Reglerande Ingripande

mm
Lägg till Unite.AI bland dina föredragna källor på Google

En ny arbetsrapport från den amerikanska nationella byrån för ekonomisk forskning har funnit att den ökade användningen av sofistikerade automatiserade prissättningsalgoritmer sannolikt kommer att leda till högre priser för konsumenterna, utan att utsätta något av de företag som drar nytta av detta för anklagelser om prissamverkan.

Forskningen påstår att detaljhandlare som uppdaterar sina priser oftast, baserat på skrapad data från sina konkurrenter, konsekvent erbjuder de lägsta priserna, men att när deras rivaler uppdaterar till lika kraftfulla system, kommer den standardmässiga beteendet hos den algoritmiska marknaden att driva upp priserna – och att, i effektivitet, det bara är de “gamla” och mindre effektiva prisjämförelse-teknologierna som för tillfället håller tillbaka denna rörelse.

Rapporten föreslår vidare att statlig eller federal inblandning eventuellt kan vara nödvändig för att förhindra att företag matar in frekvent prisinformation från konkurrenter till sina egna prissättningsalgoritmer, till förmån för mer generell och mindre ofta uppdaterad information. Men den medger att ett sådant system skulle vara svårt att lagstifta, underhålla och verkställa.

Även om metoder för att utveckla prismönster vanligtvis inte avslöjas, kunde NBER-forskarna identifiera algoritmiska prissättningsramverk genom att studera hur snabbt konkurrenter i en diskret marknad svarar på varandras prissättningsförändringar. Forskarna observerar att denna fenomen är ‘oförenlig med den standardmässiga empiriska modellen för simultan prissättning’.

Fynden tyder på att asymmetrin i teknologisk utveckling som används av företag inom en viss sektor kan leda till tillförlitligt högre priser över leverantörer:

‘[A]symmetri i pristechnologi kan fundamentalt förändra jämviktsbeteende: om ett företag antar överlägsen teknologi, kan båda företagen få högre priser. Om båda företagen antar högfrekventa algoritmer, kan priser som samverkar stödjas utan användning av traditionella samverkansstrategier.’

Tacit Prissamverkan

Detta tillåter i effektivitet kartell-liknande prissättning och tyst samverkan utan något uttryckligt eller åtalbart samarbete mellan rivaliserande företag, till förmån för marknadssegmentet (eller detaljhandelssektorn i allmänhet) till skada för konsumenten.

Forskarna modellerade ‘suprakonkurrens’-prissättningsstrategier, där detaljhandlare teoretiskt har lika tillgång till förändringar i konkurrenters priser, och fann att även ‘fullständigt samverkande’ priser kan stödjas av algoritmer som riktar sig mot rivalers priser.

Till vänster, en analys av en duopol där en detaljhandlare har en snabbare och mer frekvent uppdateringsalgoritm än den andra. Till höger, en analys av prisapoge där detaljhandlare har ekvivalenta, högfrekventa prissättningsalgoritmer som hämtats från prisskrapad data från den andra parten. Högre priser är resultatet. Källa: https://www.nber.org/system/files/working_papers/w28860/w28860.pdf

Till vänster, en analys av en duopol där en detaljhandlare har en snabbare och mer frekvent uppdateringsalgoritm än den andra. Till höger, en analys av prisapoge där detaljhandlare har ekvivalenta, högfrekventa prissättningsalgoritmer som hämtats från prisskrapad data från den andra parten. Högre priser är resultatet. Källa: https://www.nber.org/system/files/working_papers/w28860/w28860.pdf

Forskarna observerar:

‘På detta sätt förändrar algoritmerna grundläggande prisspelet, och ger ett sätt att öka priserna utan att tillgripa samverkansbeteende.’

Tidigare undersökningar av algoritmisk samverkan har funnits under antagandet att företag har symmetriska och lika prissättningsmekanismer. Rapportens upptäckt av ‘superanalytiska’ högfrekventa system hos vissa detaljhandlare stör detta antagande, och öppnar vägen för en aktiv uppåtgående effekt på detaljhandelspriser när konkurrenternas analytiska resurser når samma nivå.

Metoder

Forskarna skapade en databas med timpriser för öppet tillgängliga allergimediciner från de fem största online detaljhandlarna i USA som säljer den här kategorin av medicin, men de betonar att de (anonymiserade) utgångspunkterna som studerades inte bara säljer en mycket bredare utbud av mediciner, utan också en bredare utbud av produkter.

På grund av att fysiska butiker kommer att påverka overhead och prissättning i butiker (och med tanke på den massiva ökningen av online-köp under de senaste arton månaderna), använder databasen endast onlinepriser, som i de flesta fall är lättare att revidera ad hoc. Data samlades in under en och en halv år mellan april 2018 och oktober 2020, med den slutliga rengjorda dataseten som innehåller 3 606 956 datapunkter om prissättning, som täcker sju varumärken av allergimedicin – 59 produkter totalt.

Forskarna fann bevis för mycket olika tillvägagångssätt för pristechnologi, och högst varierande frekvenser i reaktiva prissättningsförändringar, baserat på fluktuationer i konkurrenters priser. En av utgångspunkterna verkar ändra priser flera gånger inom en timme, medan andra verkar ha antagit en skriptbaserad strategi, där prissättningsförändringar görs vid samma tid varje dag (eller vid en längre intervall).

Den Mjukande Effekten Av ‘Gamla’ Pristechnologier

Slutsatsen av denna analys är att all rättvisa som fortfarande finns i systemet tillhandahålls av de mindre tekniskt avancerade detaljhandlarna, som ändrar sina priser mindre ofta, och som representerar en ‘nedåtgående drag’ på genomsnittsprissättning. Enligt rapporten kan faktorer som kan bidra till detta inkludera teknisk skuld hos detaljhandlare med äldre system, och den potentiella svårigheten att uppdatera lagerinventeringssystem för att möjliggöra en mer reaktiv och högfrekvent prissättningspolicy.

Variationer i omprissättningsfrekvens bland de detaljhandlare som studerades. Företag 'A' verkar ha den snabbaste responsen på skrapad data om konkurrentpriser.

Variationer i omprissättningsfrekvens bland de detaljhandlare som studerades. Företag ‘A’ verkar ha den snabbaste responsen och den mest intensiva omsättningen för skrapad data om konkurrentpriser.

 

I effektivitet är det den “gamla” teknologin som tycks hålla priserna relativt stabila.

Att projicera framåt är det lätt att förstå hur nyare och bättre utrustade aktörer i den algoritmiska prissättningsdetaljhandeln kan börja rabattera och försämra inflytandet från de långsammare; eller att när tillräckligt många av de stora aktörerna i en viss kategori har matchat varandra i prissättnings-“kapprustningen”, kan prisstegringen som förutspås av NBER-rapporten ta effekt.

Statlig Eller Federal Inblandning

Forskarna drar slutsatsen att den “friktionslösa handeln” som ursprungligen avsågs att fungera som en återhållande effekt på priser mellan konkurrentföretag i början av e-handelsrevolutionen hotas direkt av de möjliggörande teknologierna.

De drar slutsatsen att lösningarna är utmanande: beslutsfattare måste begränsa företagens förmåga att skrapa prisdata från rivaler, eller att utvärdera en bredare och långsiktigare förändring i rivalers priser, liknande det sätt som Googles FLOC-ramverk försöker att hantera allmän missnöje mot personlig spårning genom att införa ett mer generellt och mindre granulärt övervakningssystem.

Eftersom sådana åtgärder inte passar lätt in i befintliga konkurrens- och regleringsramar, medger rapporten att de inte bara är svåra att verkställa, utan också mycket svåra att parametrera och ramverka.

Forskarna föreslår också möjligheten att kräva alternativa prissättnings-system som inte betraktar konkurrensjämvikt (som föredrar konsumenten framför leverantören) som “straff”; dock, i termer av lagstiftnings-trender (och trots oundvikliga svårigheter i att formulera och distribuera sådana system), kan denna strategi möta populära och juridiska utmaningar.

Författare på maskinlärning, domänspecialist inom mänsklig bildsyntes. Fd chef för forskningsinnehåll på Metaphysic.ai, till dess upplösning i DNEG:s Brahma.ai.
Portfolio site: martinanderson.ai
Kontakt: [email protected]