人工智能
AI 可能会在没有监管干预的情况下将产品价格抬高
美国国家经济研究局（US National Bureau Of Economic Research）的一份新工作论文发现，使用复杂的自动化定价算法的增加可能会导致消费者在各个方面面临更高的价格，没有暴露任何受益公司的价格操纵指控。
研究 认为，更新价格最频繁的零售商，基于对其竞争对手的数据抓取，始终提供最低的价格，但是一旦他们的竞争对手更新到类似的强大系统，算法市场的默认行为将推高价格 – 并且，实际上，只有 “较旧” 和较不有效的价格匹配技术才阻止了这种运动，目前如此。
该报告进一步提出，州或联邦干预可能在理论上是必要的，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，以支持更广泛和不太频繁更新的信息。然而，它承认，制定和执行这样的系统将会很困难。
尽管主要零售商开发定价模式的方法通常不公开披露，但 NBER 研究人员通过研究竞争对手在离散市场中如何快速响应彼此的价格变化，能够识别算法定价框架。研究人员观察到，这种现象与 “标准的经验模型的同时价格设定行为” 不一致。
研究结果表明，公司在特定行业中使用的技术部署的不对称性可能会导致可靠的更高价格：
‘[不对称的定价技术可以从根本上改变均衡行为：如果一家公司采用更好的技术，两家公司都可以获得更高的价格。如果两家公司都采用高频算法，价格可以在没有传统的垄断策略的情况下得到支持。’
暗中价格垄断
这实际上允许类似卡特尔的定价和暗中垄断合作，而没有明确的或可起诉的合作行为，惠及市场部门（或零售部门）而损害消费者。
研究人员模拟了 “超竞争” 定价策略，零售商理论上可以平等地访问竞争对手价格的变化，并发现，即使是 “完全垄断” 的价格也可以通过针对竞争对手价格的算法来支持。
左，一个双头垄断市场中，一家零售商的更新算法比另一家零售商更快、更频繁。右，价格顶峰分析，零售商具有等效的高频定价算法，来源于彼此的数据。结果是更高的价格。来源：https://www.nber.org/system/files/working_papers/w28860/w28860.pdf
研究人员观察到：
‘这样，算法从根本上改变了定价游戏，提供了一种提高价格而不诉诸垄断行为的方式。’
之前的算法垄断调查假设公司具有对称和平等的价格设定机制。该报告揭示了一些零售商的 “超级分析” 高频系统，破坏了这一假设，为零售价格的积极向上效应铺平了道路，因为竞争对手的分析资源正在升级。
方法
研究人员为美国五大在线零售商的过敏药物生成了一个每小时价格数据库，尽管他们强调所研究的（匿名）渠道不仅销售更广泛的药物，还销售更广泛的产品类型。
由于实体店铺的开支和定价对步行店铺的影响（以及过去十八个月在线购买的巨大增长），数据库仅使用在线价格，这些价格在大多数情况下更容易修订。数据在 2018 年 4 月至 2020 年 10 月之间收集，共有一年半的时间，最后清理后的数据集包含 3,606,956 个价格数据点，涵盖七个品牌的过敏药物 – 总共 59 种产品。
研究人员发现了公司对定价技术的不同方法的证据，以及对竞争对手价格波动的反应价格变化的频率差异。其中一个渠道似乎在一小时内多次更改价格，而其他渠道似乎采用了脚本驱动的策略，每天（或更长的间隔）在同一时间更改价格。
旧定价技术的缓解作用
这种分析的结果是，系统中仍然存在的任何公平性都是由技术不太先进的零售商提供的，他们更改价格的频率较低，并且代表了对平均价格的 “向下拖拽”。根据报告，可能导致这种情况的因素包括零售商较旧系统的技术债务，以及更新库存系统以适应更具反应性和更高频率的定价政策的潜在困难。
研究的零售商之间的重新定价频率差异。公司 ‘A’ 似乎对竞争对手价格的抓取数据有最快的响应时间和最强的周转率。
实际上，似乎是 “旧” 技术使价格相对稳定。
展望未来，可以理解新的和更好的算法定价零售空间的参与者如何开始打折和降低较慢的参与者的影响；或者，当一个类别中的主要参与者足够多时，他们在定价 “军备竞赛” 中相互匹配，NBER 报告预测的价格上涨可以生效。
州或联邦干预
研究人员得出结论，最初旨在作为价格之间竞争对手公司的制约因素的 “无摩擦商业”，直接受到使能技术的威胁。
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，或者评估对手价格的更广泛和更长期的转变，类似于 Google 的 FLOC 框架试图通过建立更广泛和不太详细的监测系统来解决公众对个性化跟踪的不满。
由于此类措施不容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，而且难以参数化和构建。
研究人员还提出，可以强制使用不将竞争平衡（优先于供应商的消费者）视为 “惩罚” 的替代价格评估系统；然而，考虑到立法趋势（尽管难以制定和部署此类系统），这种方法可能面临民众和法律的挑战。
