Trí tuệ nhân tạo có thể định giá sản phẩm cao hơn, không có sự can thiệp của cơ quan quản lý

Một bài báo nghiên cứu mới từ Viện Nghiên cứu Kinh tế Quốc gia Hoa Kỳ đã phát hiện ra rằng việc sử dụng các thuật toán định giá tự động hóa phức tạp có thể dẫn đến việc tăng giá sản phẩm trên toàn bộ thị trường cho người tiêu dùng, mà không làm cho các công ty được hưởng lợi phải đối mặt với việc bị buộc tội định giá cố ý.

Nghiên cứu cho biết rằng các nhà bán lẻ thường xuyên cập nhật giá của họ dựa trên dữ liệu được thu thập từ các đối thủ cạnh tranh của họ, thường cung cấp giá thấp nhất, nhưng khi các đối thủ của họ cũng cập nhật lên các hệ thống tương tự, thì hành vi mặc định của thị trường thuật toán sẽ đẩy giá lên – và thực tế, chỉ có các công nghệ định giá cũ và kém hiệu quả hơn đang giữ lại sự chuyển động này, tại thời điểm này.

Báo cáo cũng đề xuất rằng sự can thiệp của nhà nước hoặc liên bang có thể cần thiết để ngăn chặn các công ty cung cấp thông tin giá của đối thủ cạnh tranh cho các thuật toán định giá của họ, ủng hộ thông tin chung và ít cập nhật hơn. Tuy nhiên, nó thừa nhận rằng một hệ thống như vậy sẽ khó được lập pháp, duy trì và thực thi.

Mặc dù các phương pháp mà các nhà bán lẻ lớn phát triển các mẫu định giá thường không được tiết lộ, nhưng các nhà nghiên cứu của NBER đã có thể xác định các khuôn khổ định giá thuật toán bằng cách nghiên cứu cách các đối thủ cạnh tranh trong một thị trường riêng biệt phản ứng với các thay đổi về giá của nhau. Các nhà nghiên cứu quan sát thấy rằng hiện tượng này là ‘không nhất quán với mô hình kinh nghiệm tiêu chuẩn về hành vi định giá đồng thời’.

Kết quả nghiên cứu cho thấy rằng sự không đối xứng trong công nghệ định giá được sử dụng bởi các công ty trong một lĩnh vực cụ thể có thể dẫn đến giá cao hơn đáng tin cậy trên toàn bộ nhà cung cấp:

‘[A]symmetry trong công nghệ định giá có thể thay đổi cơ bản hành vi cân bằng: nếu một công ty áp dụng công nghệ vượt trội, cả hai công ty có thể có được giá cao hơn. Nếu cả hai công ty áp dụng thuật toán tần số cao, giá collusive có thể được hỗ trợ mà không cần sử dụng chiến lược collusive truyền thống.’

Định giá Ngầm

Điều này cho phép định giá theo kiểu cartel và sự hợp tác ngầm mà không cần có sự hợp tác rõ ràng hoặc có thể buộc tội giữa các công ty đối thủ, mang lại lợi ích cho phân khúc thị trường (hoặc lĩnh vực bán lẻ nói chung) với sự thiệt thòi của người tiêu dùng.

Các nhà nghiên cứu đã mô hình hóa các chiến lược định giá ‘siêu cạnh tranh’, nơi các nhà bán lẻ lý thuyết có quyền truy cập bình đẳng vào các thay đổi về giá của đối thủ, và phát hiện ra rằng thậm chí cả giá ‘hoàn toàn collusive’ cũng có thể được hỗ trợ bởi các thuật toán nhắm vào giá của đối thủ.

Phân tích về một duopoly nơi một nhà bán lẻ có thuật toán cập nhật nhanh hơn và thường xuyên hơn so với nhà bán lẻ khác. Phân tích về đỉnh giá nơi các nhà bán lẻ có thuật toán định giá tần số cao tương đương, được lấy từ dữ liệu của nhau. Kết quả là giá cao hơn. Source: https://www.nber.org/system/files/working_papers/w28860/w28860.pdf

Các nhà nghiên cứu quan sát:

‘Theo cách này, các thuật toán thay đổi cơ bản trò chơi định giá, cung cấp một phương tiện để tăng giá mà không cần phải sử dụng hành vi collusive.’

Trước đây, các cuộc điều tra về sự hợp tác thuật toán đã hoạt động dưới giả định rằng các công ty có cơ chế định giá đối xứng và bình đẳng. Phát hiện của báo cáo về các hệ thống ‘siêu phân tích’ tần số cao của một số nhà bán lẻ làm đảo lộn giả định này, mở đường cho một hiệu ứng tích cực chủ động lên giá bán lẻ khi các nguồn lực phân tích của đối thủ ngang bằng.

Phương pháp

Các nhà nghiên cứu đã tạo một cơ sở dữ liệu về giá hàng giờ cho các loại thuốc chống dị ứng có sẵn công khai từ năm nhà bán lẻ trực tuyến lớn nhất của Mỹ trong thể loại thuốc này, mặc dù họ nhấn mạnh rằng các điểm bán (được ẩn danh) được nghiên cứu không chỉ bán một phạm vi rộng lớn hơn của thuốc, mà còn bán một phạm vi rộng lớn hơn của các loại sản phẩm.

Do cách các cửa hàng vật lý ảnh hưởng đến chi phí và giá trong các cửa hàng đi bộ (và考虑 đến sự tăng trưởng lớn trong mua sắm trực tuyến trong 18 tháng qua), cơ sở dữ liệu sử dụng chỉ giá trực tuyến, thường dễ thay đổi ad hoc. Dữ liệu được thu thập trong một năm rưỡi từ tháng 4 năm 2018 đến tháng 10 năm 2020, với tập dữ liệu cuối cùng chứa 3.606.956 điểm dữ liệu về giá, bao gồm bảy thương hiệu thuốc chống dị ứng – 59 sản phẩm tổng cộng.

Các nhà nghiên cứu đã tìm thấy bằng chứng về các phương pháp định giá khác nhau, và các tần số biến đổi trong việc thay đổi giá phản ứng, dựa trên sự thay đổi của giá đối thủ. Một trong những điểm bán dường như thay đổi giá nhiều lần trong một giờ, trong khi những điểm bán khác dường như đã áp dụng một chiến lược được điều khiển bởi kịch bản, nơi các thay đổi giá được thực hiện tại cùng một thời điểm mỗi ngày (hoặc ở khoảng thời gian dài hơn).

Hiệu ứng Cải thiện của Công nghệ Định giá ‘Cũ’

Kết quả của phân tích này là bất kỳ sự công bằng nào vẫn còn trong hệ thống đều được cung cấp bởi các nhà bán lẻ kém tiên tiến về công nghệ, những người thay đổi giá của họ ít thường xuyên hơn, và những người đại diện cho một ‘lực kéo xuống’ đối với giá trung bình. Theo báo cáo, các yếu tố có thể góp phần vào điều này bao gồm nợ kỹ thuật từ phía các nhà bán lẻ có hệ thống cũ hơn, và sự khó khăn tiềm tàng trong việc cập nhật hệ thống hàng tồn kho để phù hợp với một chính sách định giá phản ứng và tần số cao hơn.

Sự khác biệt về tần số định giá lại trong số các nhà bán lẻ được nghiên cứu. Công ty ‘A’ dường như có thời gian phản hồi nhanh nhất và sự luân chuyển dữ liệu về giá của đối thủ nhiều nhất.

Tác dụng là ‘công nghệ cũ’ dường như đang giữ giá tương đối ổn định.

Dự đoán về tương lai, dễ hiểu làm thế nào những người chơi mới và được trang bị tốt hơn trong không gian định giá thuật toán bán lẻ có thể bắt đầu giảm giá và làm suy yếu ảnh hưởng của những người chậm hơn; hoặc khi đủ nhiều người chơi lớn trong một thể loại nào đó đã匹配 nhau trong ‘cuộc đua vũ trang’ về định giá, sự gia tăng giá được dự đoán trong báo cáo của NBER có thể có hiệu lực.

Can thiệp của Nhà nước hoặc Liên bang

Các nhà nghiên cứu kết luận rằng ‘thương mại ma sát’ ban đầu được dự định để hoạt động như một hiệu ứng kìm hãm đối với giá giữa các công ty đối thủ cạnh tranh tại thời điểm bắt đầu của cuộc cách mạng thương mại điện tử đang bị đe dọa trực tiếp bởi các công nghệ được cho phép.

Họ kết luận rằng các biện pháp khắc phục là đầy thách thức: các nhà hoạch định chính sách sẽ cần phải hạn chế khả năng của các công ty trong việc thu thập dữ liệu giá của đối thủ, hoặc đánh giá một sự thay đổi rộng hơn và dài hạn hơn trong giá của đối thủ, tương tự như cách khung FLOC của Google đang tìm cách giải quyết sự phản đối của công chúng đối với việc theo dõi cá nhân hóa bằng cách giới thiệu một hệ thống giám sát chung và ít chi tiết hơn.

Because các biện pháp như vậy không phù hợp dễ dàng với các khuôn khổ chống độc quyền và quy định hiện có, bài báo thừa nhận rằng chúng không chỉ khó được thực thi, mà còn rất khó được xác định và xây dựng.

Các nhà nghiên cứu cũng đề xuất khả năng bắt buộc các hệ thống đánh giá giá thay thế không coi sự cân bằng cạnh tranh (nào ủng hộ người tiêu dùng hơn nhà cung cấp) là ‘trừng phạt’; tuy nhiên, về xu hướng lập pháp (và mặc dù có những khó khăn không thể tránh khỏi trong việc xây dựng và triển khai các hệ thống như vậy), cách tiếp cận này có thể đối mặt với những thách thức pháp lý và phổ biến.