AI có khả năng định giá sản phẩm cao hơn mà không cần sự can thiệp của quy định

Một bài báo làm việc mới từ Cục Nghiên cứu Kinh tế Quốc gia Hoa Kỳ đã phát hiện ra rằng việc sử dụng ngày càng nhiều các thuật toán định giá tự động tinh vi có nhiều khả năng dẫn đến giá cao hơn đối với người tiêu dùng mà không khiến bất kỳ công ty hưởng lợi nào bị cáo buộc ấn định giá.

Sản phẩm nghiên cứu cho rằng các nhà bán lẻ cập nhật giá của họ thường xuyên nhất, dựa trên dữ liệu thu thập được của đối thủ cạnh tranh, luôn đưa ra mức giá thấp nhất, nhưng một khi đối thủ của họ cập nhật lên các hệ thống mạnh mẽ tương tự, hành vi mặc định của thị trường thuật toán sẽ đẩy giá lên cao – và điều đó , một cách hiệu quả, hiện tại chỉ có các công nghệ khớp giá 'cũ' và kém hiệu quả hơn đang kìm hãm phong trào này.

Báo cáo cũng cho thấy rằng về mặt lý thuyết, sự can thiệp của tiểu bang hoặc liên bang có thể là cần thiết để ngăn chặn các công ty cung cấp thông tin về giá của đối thủ cạnh tranh thường xuyên vào thuật toán định giá của riêng họ, thay vào đó là thông tin tổng quát hơn và ít được cập nhật thường xuyên hơn. Tuy nhiên, nó thừa nhận rằng một hệ thống như vậy sẽ khó lập pháp, duy trì và thực thi.

Mặc dù các phương pháp mà các nhà bán lẻ lớn phát triển các mô hình định giá thường không được tiết lộ, nhưng các nhà nghiên cứu của NBER có thể xác định các khung định giá theo thuật toán bằng cách nghiên cứu tốc độ phản ứng của các đối thủ cạnh tranh trong một thị trường riêng biệt đối với những thay đổi về giá của nhau. Các nhà nghiên cứu quan sát thấy rằng hiện tượng này là 'không phù hợp với mô hình thực nghiệm tiêu chuẩn về hành vi định giá đồng thời'.

Các phát hiện cho thấy rằng sự bất đối xứng trong việc triển khai công nghệ được sử dụng bởi các công ty trong bất kỳ lĩnh vực cụ thể nào có thể dẫn đến mức giá cao hơn đáng tin cậy giữa các nhà cung cấp:

'[A]sự đối xứng 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, thì cả hai công ty đều có thể đạt được mức giá cao hơn. Nếu cả hai công ty áp dụng các thuật toán tần suất cao, giá thông đồng có thể được hỗ trợ mà không cần sử dụng các chiến lược thông đồng truyền thống.'

Thông đồng giá ngầm

Điều này cho phép định giá theo kiểu cartel một cách hiệu quả và thông đồng ngầm mà không có bất kỳ sự hợp tác rõ ràng hoặc có thể truy tố nào giữa các công ty đối thủ, mang lại lợi ích cho phân khúc thị trường (hoặc lĩnh vực bán lẻ nói chung) nhưng lại gây bất lợi cho người tiêu dùng.

Các nhà nghiên cứu đã lập mô hình chiến lược định giá 'siêu cạnh tranh', trong đó về mặt lý thuyết, các nhà bán lẻ có quyền tiếp cận bình đẳng với những thay đổi về giá của đối thủ cạnh tranh và nhận thấy rằng ngay cả giá 'thông đồng hoàn toàn' cũng có thể được hỗ trợ bởi các thuật toán nhắm mục tiêu vào giá của đối thủ.

Còn lại, một phân tích về sự độc quyền trong đó một nhà bán lẻ có thuật toán cập nhật nhanh hơn và thường xuyên hơn nhà bán lẻ kia. Phải, một phân tích về đỉnh giá trong đó các nhà bán lẻ có các thuật toán định giá tần suất cao, tương đương bắt nguồn từ việc định giá lấy từ dữ liệu của bên kia. Giá cao hơn là kết quả.  Nguồn: https://www.nber.org/system/files/working_papers/w28860/w28860.pdf

Các nhà nghiên cứu quan sát:

'Bằng cách này, các thuật toán về cơ bản thay đổi trò chơi định giá, cung cấp một phương tiện để tăng giá mà không cần dùng đến hành vi thông đồng.'

Các cuộc điều tra trước đây về thông đồng thuật toán đã hoạt động theo giả định rằng các công ty có cơ chế thiết lập giá đối xứng và bình đẳng. Tiết lộ của báo cáo về các hệ thống tần số cao 'siêu phân tích' của một số nhà bán lẻ đã làm đảo lộn giả định này, mở đường cho tác động tích cực lên giá bán lẻ khi các nguồn lực phân tích của đối thủ cạnh tranh tăng lên.

Phương pháp

Các nhà nghiên cứu đã tạo ra một cơ sở dữ liệu về giá hàng giờ cho các loại thuốc dị ứng có sẵn công khai từ năm nhà bán lẻ trực tuyến lớn nhất của Hoa Kỳ bán loại thuốc đó, mặc dù họ nhấn mạnh rằng các cửa hàng (ẩn danh) được nghiên cứu không chỉ bán nhiều loại thuốc hơn mà còn nhiều hơn nữa. loạt các loại sản phẩm.

Do cách thức mà các cửa hàng truyền thống sẽ ảnh hưởng đến chi phí và giá cả trong các cửa hàng không cửa hàng (và do lượng mua hàng trực tuyến tăng mạnh trong mười tám tháng qua), cơ sở dữ liệu chỉ sử dụng giá trực tuyến, điều này trong hầu hết các trường hợp sẽ dễ dàng hơn để sửa đổi đột xuất. Dữ liệu được thu thập trong hơn một năm rưỡi từ tháng 2018 năm 2020 đến tháng 3,606,956 năm 59, với tập dữ liệu được làm sạch cuối cùng chứa XNUMX điểm dữ liệu về giá cả, bao gồm bảy nhãn hiệu thuốc dị ứng – tổng cộng XNUMX sản phẩm.

Các nhà nghiên cứu đã tìm thấy bằng chứng về các cách tiếp cận rất khác nhau đối với công nghệ định giá và tần suất thay đổi cao trong các thay đổi giá phản ứng, dựa trên sự biến động về giá của đối thủ cạnh tranh. Một trong những cửa hàng dường như thay đổi giá nhiều lần trong vòng một giờ, trong khi những cửa hàng khác dường như đã áp dụng chiến lược dựa trên tập lệnh, trong đó thay đổi giá được thực hiện vào cùng một thời điểm mỗi ngày (hoặc trong khoảng thời gian dài hơn).

Hiệu ứng cải thiện của các công nghệ định giá 'cũ'

Kết quả cuối cùng của phân tích này là bất kỳ sự công bằng nào còn tồn tại trong hệ thống đều được cung cấp bởi các nhà bán lẻ kém tiên tiến hơn về công nghệ, những nhà bán lẻ ít thay đổi giá hơn và đại diện cho một 'lực cản đi xuống' đối với giá trung bình. Theo báo cáo, các yếu tố có thể góp phần vào vấn đề này bao gồm nợ kỹ thuật của các nhà bán lẻ có hệ thống cũ hơn và khó khăn trong việc cập nhật hệ thống kiểm kê hàng tồn kho để phù hợp với chính sách giá phản ứng nhanh hơn và tần suất cao hơn.

Sự khác biệt về tần suất định giá lại giữa các nhà bán lẻ được nghiên cứu. Công ty 'A' dường như có thời gian phản hồi nhanh nhất và doanh thu cao nhất đối với dữ liệu cóp nhặt về giá của đối thủ cạnh tranh.

Trên thực tế, chính công nghệ 'cũ' dường như đang giữ giá tương đối ổn định.

Dự kiến ​​về phía trước, thật dễ hiểu làm thế nào những người chơi mới hơn và được trang bị tốt hơn trong không gian bán lẻ định giá theo thuật toán có thể bắt đầu giảm giá và làm giảm ảnh hưởng của những người chơi chậm hơn; hoặc nếu không thì khi có đủ những người chơi chính trong bất kỳ danh mục nào khớp với nhau trong 'cuộc chạy đua vũ trang' về giá, thì sự leo thang về giá được dự đoán bởi báo cáo của NBER có thể có hiệu lực.

Can thiệp của Tiểu bang hoặc Liên bang

Các nhà nghiên cứu kết luận rằng 'thương mại không ma sát' ban đầu dự định hoạt động như một tác động hạn chế về giá giữa các công ty đối thủ cạnh tranh khi bắt đầu cuộc cách mạng thương mại điện tử đang bị đe dọa trực tiếp bởi các công nghệ hỗ trợ.

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

Vì các biện pháp như vậy không dễ dàng phù hợp với các khuôn khổ pháp lý và chống độc quyền hiện có, bài báo thừa nhận rằng chúng không chỉ khó thực thi mà còn khá khó tham số hóa và đóng khung.

Các nhà nghiên cứu cũng đặt ra khả năng bắt buộc các hệ thống đánh giá giá thay thế không coi trạng thái cân bằng cạnh tranh (ưu tiên người tiêu dùng hơn nhà cung cấp) là 'hình phạt'; tuy nhiên, xét về xu hướng lập pháp (và bất chấp 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 gặp phải những thách thức phổ biến và pháp lý.