关注我们.

人工智能

在没有监管干预的情况下,人工智能可能会提高产品价格

mm

美国国家经济研究局的一份新工作文件发现,复杂的自动定价算法的更多使用更有可能导致消费者的价格全面上涨,而不会让任何受益的公司受到价格操纵的指控。

这个 研究 认为,根据竞争对手的数据最频繁地更新价格的零售商始终提供最低的价格,但一旦竞争对手更新到同样强大的系统,算法市场的默认行为就会推高价格——实际上,目前只有“较旧”且效率较低的价格匹配技术才会阻碍这一运动。

该报告进一步表明,理论上,州或联邦的干预可能是必要的,以防止公司将竞争对手的价格信息频繁输入到自己的定价算法中,以支持更普遍且更新频率较低的信息。 然而,它承认这样的系统很难立法、维护和执行。

虽然大型零售商制定定价模式的方法通常不对外公开,​​但美国国家经济研究局的研究人员通过研究离散市场中竞争对手对彼此价格变化的反应速度,识别出了算法定价框架。研究人员观察到,这种现象 “与同步定价行为的标准经验模型不一致”.

研究结果表明,任何特定行业的公司所使用的技术部署的不对称性都可能导致供应商之间的价格上涨:

定价技术的不对称性可以从根本上改变均衡行为:如果一家公司采用更先进的技术,两家公司都能获得更高的价格。如果两家公司都采用高频算法,那么无需使用传统的合谋策略,就能支持合谋价格。

默契价格串通

这实际上允许卡特尔式定价和默契共谋,而竞争对手公司之间没有任何明确或可起诉的合作,从而使细分市场(或整个零售业)受益,但却损害了消费者的利益。

研究人员模拟了“超竞争”定价策略,理论上零售商可以平等地改变竞争对手的价格,并发现即使是“完全合谋”的价格也可以得到针对竞争对手价格的算法的支持。

左图是对双寡头垄断的分析,其中一个零售商比另一个零售商拥有更快、更频繁的更新算法。 正确的是,对价格最高点的分析,其中零售商拥有等效的高频定价算法,这些算法是从其他数据中抓取的定价得出的。 结果就是价格上涨。 资料来源:https://www.nber.org/system/files/working_papers/w28860/w28860.pdf

左图为双头垄断的分析,其中一家零售商的更新算法比另一家更快、更频繁。右图为价格顶峰的分析,其中零售商拥有等效的高频定价算法,这些算法是从另一家零售商的数据中抓取的定价算法。结果就是价格上涨。  资料来源:https://www.nber.org/system/files/working_papers/w28860/w28860.pdf

研究人员观察到:

“通过这种方式,算法从根本上改变了定价游戏,提供了一种无需采取串通行为即可提高价格的方法。”

此前对算法合谋的研究都假设公司拥有对称且平等的定价机制。但该报告揭露,一些零售商拥有“超级分析”的高频系统,这打破了这一假设,随着竞争对手分析资源的提升,零售价格可能会受到积极推高的影响。

方法

研究人员生成了美国最大的五家销售此类药物的在线零售商公开提供的过敏药物每小时价格的数据库,尽管他们强调,所研究的(匿名)商店不仅销售更广泛的药物,而且还销售更广泛的药物。产品类型的范围。

由于实体店会影响步入式商店的管理费用和定价(并且考虑到过去十八个月在线购买的大幅增长),该数据库仅使用在线价格,这在大多数情况下更容易临时修改。 该数据收集时间为 2018 年 2020 月至 3,606,956 年 59 月,历时一年半,最终清理后的数据集包含 XNUMX 个定价数据点,涵盖七个品牌的过敏药物,总共 XNUMX 个产品。

研究人员发现,定价技术方法差异很大,而且基于竞争对手价格波动的被动价格调整频率也存在很大差异。其中一家门店似乎在一小时内多次调整价格,而其他门店似乎采用了脚本驱动的策略,即每天在同一时间(或以更长的时间间隔)调整价格。

“旧”定价技术的改善效果

这项分析的结论是,系统中仍然存在的任何公平性都来自于技术欠发达的零售商,他们调整价格的频率较低,对平均定价构成了“下行阻力”。报告指出,造成这种情况的因素包括使用老旧系统的零售商的技术债务,以及更新库存系统以适应更具响应性和更高频率的定价政策的潜在困难。

研究的零售商之间重新定价频率的差异。 公司“A”似乎对抓取的竞争对手价格数据的响应时间最快。

受研究零售商的重新定价频率存在差异。公司“A”似乎对竞争对手价格数据的响应速度最快,周转率也最高。

 

实际上,似乎是“旧”技术让价格保持相对稳定。

展望未来,我们很容易理解,在算法定价零售领域,更新、装备更精良的参与者可能会开始削弱和削弱那些速度较慢的参与者的影响力;或者,当任何一个类别中足够多的主要参与者在定价“军备竞赛”中相互匹配时,NBER 报告预测的价格上涨就会生效。

州或联邦干预

研究人员得出结论,“无摩擦商务”最初的目的是在电子商务革命初期对竞争企业之间的价格产生抑制作用,但现在却直接受到了支持技术的威胁​​。

他们得出结论,补救措施具有挑战性:政策制定者需要限制公司抓取竞争对手价格数据的能力,或者评估竞争对手价格更广泛和更长期的变化,类似于谷歌的 FLOC 框架试图通过启动更通用、更不精细的监控系统来处理公众对个性化跟踪的愤怒。

由于此类措施不易融入现有的反垄断和监管框架,该论文承认它们不仅难以执行,而且也很难参数化和框架化。

研究人员还提出了强制推行替代价格评估系统的可能性,该系统不将竞争均衡(有利于消费者而不是供应商)视为“惩罚”;然而,就立法趋势而言(尽管在制定和部署此类系统时不可避免地存在困难),这种方法可能会面临民众和法律的挑战。

 

机器学习作家,人体图像合成领域专家。曾任 Metaphysic.ai 研究内容主管。
个人网站: 马丁南德森.ai
联系我们 [email protected]
推特:@manders_ai