Anderson 视角

AI 可能会在没有监管的情况下将产品价格抬高

mm

美国国家经济研究局(NBER)的一份新工作论文发现,使用复杂的自动定价算法会导致消费者面临更高的价格,没有任何公司被指控为价格操纵。

研究 表明,更新价格最频繁的零售商通常会提供最低的价格,但是一旦他们的竞争对手也更新了类似的强大系统,算法市场的默认行为就会推高价格 – 并且,实际上,只有“旧”的和不那么有效的价格匹配技术才是目前阻止这种趋势的因素。

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输入到自己的定价算法中,而不是使用更广泛和不那么频繁更新的信息。然而,它承认,制定和执行这样的系统将会很困难。

尽管主要零售商的定价模式通常不公开,NBER 研究人员还是能够通过研究竞争对手如何快速响应彼此的价格变化来识别算法定价框架。研究人员观察到,这种现象与“同时价格设定行为的标准经验模型”不一致。

研究结果表明,任何一个特定行业中公司采用技术的不对称性可以导致可靠地更高的价格:

‘[A]symmetry in pricing technology can fundamentally shift equilibrium behavior: if one firm adopts superior technology, both firms can obtain higher prices. If both firms adopt high-frequency algorithms, collusive prices can be supported without the use of traditional collusive strategies.’

默示价格垄断

这有效地允许类似卡特尔的价格和默示的垄断合作,而不需要任何明确或可指控的合作行为,惠及市场份额(或零售业)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,一个双头垄断市场分析,其中一个零售商的算法更新频率比另一个更快。右,价格顶峰分析,其中零售商具有等效的高频率定价算法,源自竞争对手的数据。结果是更高的价格。来源: https://www.nber.org/system/files/working_papers/w28860/w28860.pdf

左,一个双头垄断市场分析,其中一个零售商的算法更新频率比另一个更快。右,价格顶峰分析,其中零售商具有等效的高频率定价算法,源自竞争对手的数据。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的方法,而不需要采取垄断行为。’

以前的算法垄断研究都是基于公司具有对称和等价的价格设定机制的假设。该报告揭示了一些零售商采用“超分析”高频系统,这一发现挑战了这种假设,并为零售价格的上升趋势开启了道路。

方法

研究人员创建了一个包含五家最大的在线美国零售商的药物价格数据库,尽管他们强调,这些(匿名)零售商不仅销售更广泛的药物,还销售其他类型的产品。

由于实体店铺的开支和定价会影响实体店的价格(并且考虑到过去十八个月在线购买的巨大增长),该数据库仅使用在线价格,这些价格通常更容易修订。数据在2018年4月至2020年10月之间收集,最后的清理数据集包含3606956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采用定价技术的不同方法和对竞争对手价格变化的反应频率差异。其中一家零售商似乎在一小时内多次改变价格,而其他零售商似乎采用了脚本驱动的策略,每天(或更长的间隔)在同一时间改变价格。

旧定价技术的缓解效果

这种分析的结果是,系统中仍然存在的公平性是由技术不够先进的零售商提供的,他们的价格变化不那么频繁,并且代表了对平均价格的“下行拉力”。根据报告,可能导致这种情况的因素包括零售商的技术债务和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。

研究的零售商的重新定价频率变化。公司'A'似乎对竞争对手的价格数据有最快的响应时间和最强的更新频率。

研究的零售商的重新定价频率变化。公司’A’似乎对竞争对手的价格数据有最快的响应时间和最强的更新频率。

实际上,似乎是“旧”的技术在保持价格相对稳定方面发挥了作用。

展望未来,很容易理解新的和更先进的算法定价零售玩家如何开始削弱较慢的玩家的影响力,或者当一个类别中的主要玩家在定价“军备竞赛”中相互匹配时,NBER报告预测的价格上涨可能会发生。

州或联邦干预

研究人员得出结论,最初旨在电子商务革命开始时作为价格之间的制约因素的“无摩擦商业”受到算法定价技术的威胁。

他们得出结论,解决方案是具有挑战性的:政策制定者需要限制公司获取竞争对手价格数据的能力,或者评估竞争对手价格的更广泛和更长期的变化,类似于Google的FLOC框架试图通过建立更广泛和不那么细粒度的监测系统来解决公众对个性化跟踪的不满。

由于这些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,还很难参数化和构建。

研究人员还提出了可能的替代价格评估系统,这些系统不会将竞争对手平衡(优先考虑消费者而不是供应商)视为“惩罚”;然而,在立法趋势方面(并且尽管存在制定和部署此类系统的困难),这种方法可能会面临流行和法律挑战。

机器学习作家,人类图像合成领域专家。曾任 Metaphysic.ai 研究内容负责人。
个人网站: martinanderson.ai
联系: [email protected]
Twitter:@manders_ai