Viena iš didelių duomenų ir dirbtinio intelekto (DI) atsiradimo pasekmių yra ta, kad dabar įmonė gali perduoti savo sprendimą dėl kainų trečiajai šaliai, pvz., programinės įrangos ar duomenų analizės įmonei. Tikėtina, kad trečioji šalis sukurs geresnius kainodaros algoritmus, nes turi daugiau patirties ir patirties, turi daugiau duomenų ir labiau skatina investuoti į jų kūrimą (kadangi kainų nustatymo algoritmą galima licencijuoti daugeliui firmų).
Tuo pat metu buvo išreikštas susirūpinimas, kad trečiosios šalies delegavimas galėtų palengvinti suderintą konkurentų kainodarą. Pavyzdžiui, JK Konkurencijos ir rinkų institucija (CMA) perspėjo: „Jei pakankamai didelė pramonės dalis kainoms nustatyti naudoja vieną algoritmą, gali susidaryti… struktūra, kuri gali turėti galimybių ir paskatų didėti. kainos“ (CMA 2018). Be to, Vokietijos monopolijų komisija (2018 m.) pažymėjo, kad gali būti, kad trečioji šalis, parduodama kainodaros algoritmą, „žino arba sutinka, kad jis galėtų prisidėti prie slapto susitarimo rinkoje (ir) netgi įmanoma, kad (jie) tokį indėlį vertinti kaip privalumą, nes jis algoritmą daro patrauklesnį vartotojams…“.
Yra keletas įrodymų ir įrodymų, kad šis antikonkurencinis poveikis pasireiškė. Pavyzdžiui, duomenų analizės įmonės a2i Systems ir Kalibrate sukūrė kainodaros algoritmus, padedančius mažmeninės prekybos benzino įmonėms nustatyti jų kainas. Po to, kai Vokietijoje buvo plačiai pritaikyta jų kainodaros programinė įranga, neseniai atliktas tyrimas randa antikonkurencinio poveikio įrodymų (Assad ir kt., 2024).
Keliose JAV teisinėse bylose butų ir viešbučių rinkose ieškovai teigia, kad trečioji šalis ir abonentai sudarė neteisėtą susitarimą apriboti konkurenciją (Harrington 2024a). Kalbant apie butus, neseniai atliktas tyrimas pateikia tiek konkurenciją skatinančio, tiek antikonkurencinio poveikio įrodymų (Calder-Wang ir Kim 2024).
Kalbant apie politiką, JAV Senatas priėmė teisės aktus, apribojančius duomenų analizės įmonių elgesį, tikėdamasis užkirsti kelią antikonkurencinei žalai (JAV Senatas 2024 m.). Akivaizdu, kad trečiųjų šalių kainodaros algoritmų iššūkis konkurencijos politikai yra čia ir dabar. Papildomas konkurencijos politikos iššūkis yra algoritmai, mokantys susitarti be žmogaus ketinimų (Pastorello ir kt., 2019, Calvano ir kt., 2020).
Norint tinkamai parengti politiką, labai svarbu suprasti trečiosios šalies paskatas. Tuo tikslu aš atlikau tyrimą, kuriame nagrinėjamas toks klausimas: Kada trečioji šalis turi paskatų sukurti savo kainodaros algoritmą, kad sudarytų virškonkurencines kainas? Paviršutiniškas problemos nagrinėjimas kai kuriems komentatoriams (pvz., cituotiems) pasiūlė, kad trečioji šalis gali norėti sukurti kainodaros algoritmą, kad maksimaliai padidintų savo abonentų kolektyvinį pelną – iš tikrųjų veiktų kaip kartelio valdytojas. Tačiau Harrington (2022) atlikta analizė rodo, kad taip nebūtinai.
Pagal Harrington (2022) nustatymą trečiosios šalies kūrėjas pateikia kainodaros algoritmą, leidžiantį įmonėms labiau diskriminuoti kainas – pritaikyti kainas siauriems rinkos segmentams – arba dinamiškesnę kainodarą – pritaikyti kainas prie dažnų paklausos sukrėtimų. Būdinga pusiausvyra, kai trečioji šalis sukuria kainodaros algoritmą ir nustato licencijos mokestį, kad maksimaliai padidintų pelną iš jo pardavimo, o įmonės optimaliai nusprendžia, ar taikyti kainodaros algoritmą ir sumokėti mokestį. Kiekviena įmonė savarankiškai priima sprendimą dėl priėmimo.
Analizė rodo, kad trečioji šalis neprogramuoja virškonkurencinio antkainio savo kainodaros algoritme. Tiksliau, vidutinė kaina yra tokia pati kaip tada, kai nėra trečiosios šalies ir kiekviena įmonė gali susikurti savo kainodaros algoritmą. Trečioji šalis optimaliai parengia kainodaros algoritmą, kad maksimaliai padidintų įmonės norą mokėti (WTP), ty pelną, kurį ji uždirba taikydama algoritmą, atėmus pelną, gautą jo nepritaikius. Nors didesnis antkainis padidina pelną taikant algoritmą (kadangi visos taikančios įmonės taiko didesnes kainas), jis taip pat padidina pelną neprisiimant, nes įmonė gali pelningai sumažinti konkuruojančių taikančių įmonių nustatytas aukštas kainas.
Parodyta, kad padidinus vidutinį antkainį virš konkurencinio lygio, pelnas iš neprisiėmimo padidina daugiau, o iš priėmimo, todėl sumažėtų įmonės WTP ir taip sumažėtų pelnas, kurį trečioji šalis gali gauti iš priimančių įmonių. Net kai visos įmonės taiko trečiosios šalies kainodaros algoritmą, vidutinis antkainis nėra antikonkurencinis. (Nors vidutinė kaina yra ta pati, kaina yra jautresnė paklausos pokyčiams, kai kainodaros algoritmą kuria trečioji šalis. Taigi, palyginti su tuo atveju, kai įmonės kuria savo kainodaros algoritmus, trečiosios šalies kainodaros algoritmas lemia didesnę kainą. kaina, kai paklausa didelė, bet mažesnė kaina, kai paklausa silpna.)
Ankstesnės analizės pagrindas yra tai, kad įmonės priima nepriklausomus sprendimus dėl priėmimo. Tarkime, kad yra neteisėtas susitarimas tarp trečiosios šalies, kuri kuria kainodaros algoritmą, ir konkurentų rinkoje, kurie jį taiko. Šis atvejis nagrinėjamas Harrington (2024b). Dabar tikslinga, kad trečioji šalis sukurtų kainodaros algoritmą, kad maksimaliai padidintų bendrą įmonių pelną. Susirūpinimas dėl virškonkurencinio kainodaros algoritmo, dėl kurio įmonei būtų patrauklu jo nepriimti, kad ji galėtų išnaudoti konkuruojančių įmonių aukštas kainas, nebėra aktualus, kai įmonės susitaria. Vadinasi, trečioji šalis iš tiesų veikia kaip kartelio valdytoja.
Palyginus kainodaros algoritmus, kai įmonės priima suderintus ir nepriklausomus priėmimo sprendimus, atsiranda keletas patikrinamų prognozių, kurios gali leisti mums nustatyti, kada yra susitarimas, pagrįstas kainos ir priėmimo duomenimis. Jei pritaikymas bus suderintas, taikančių asmenų kainos padidės įsisavinimo lygiu (ty įmonių, kurios taiko, dalis), ir vidutiniškai taikytojai mokės didesnę kainą nei nepritaikantys asmenys.
Priežastis ta, kad didesnis priėmimo lygis yra panašus į labiau įtraukiantį kartelį, o optimali susitarimo kaina yra didesnė, kai yra mažiau įmonių, nepriklausančių karteliui (čia tai yra neprisiimančios įmonės). Priešingai, jei įmonių sprendimai dėl priėmimo yra nepriklausomi, tai įvaikintojų kainos nesikeičia atsižvelgiant į priėmimo rodiklį ir vidutiniškai priimančiosios ir neprisiimančios įmonės kainuoja vienodai. Prisiminkite, kad vidutinė kaina yra tokia pati kaip ir konkuruojant be trečiosios šalies, todėl ji nepriklauso nuo to, kaip plačiai taikomas kainodaros algoritmas.
Šis tyrimas parodo, kaip trečiosios šalies kainodaros algoritmo savybės priklauso nuo to, kaip konkurentai priima sprendimus dėl priėmimo. Jei įmonės savarankiškai nusprendžia, ar taikyti kainodaros algoritmą, prognozuojama, kad vidutinė priimančių įmonių kaina nepriklauso nuo įmonių, kurios taiko, skaičiaus, o jei įmonės derina savo sprendimus dėl priėmimo, numatoma, kad vidutinė priimančių įmonių kaina didės priimančių įmonių skaičius.
Ši išvada yra testas, leidžiantis nustatyti, ar tarp trečiosios šalies ir įvaikinančių įmonių yra neteisėtas susitarimas. Jo pateikti įrodymai galėtų būti naudojami tiriant galimas bylas tirti arba kartu su kitais įrodymais, siekiant įrodyti Sutarties dėl Europos Sąjungos veikimo 101 straipsnio pažeidimą.
Nuorodos
Assad, S, R Clark, D Ershov ir L Xu (2024), „Algoritminė kainodara ir konkurencija: empiriniai įrodymai iš Vokietijos mažmeninės benzino rinkos“, Politinės ekonomijos žurnalas 132: 723-71.
Calder-Wang, S ir GH Kim (2024), “Algoritminė kainodara daugiabučių namų nuomai: efektyvumo padidėjimas ar kainų derinimas?“, darbo dokumentas.
Calvano, E, G Calzolari, V Denicolò, JE Harrington, Jr. ir S Pastorello (2020), „Vartotojų apsauga nuo slaptų kainų dėl dirbtinio intelekto“, Mokslas 370: 1040-42.
CMA – Konkurencijos ir rinkų tarnyba (2018 m.), Kainodaros algoritmai: Ekonominis darbo dokumentas apie algoritmų naudojimą siekiant palengvinti slaptą susitarimą ir individualizuotą kainodarąCMA94.
Vokietijos monopolijų komisija (2018), „Algoritmai ir susitarimas“, in Dvejų metų ataskaita.
Harrington, JE (2022), „Užsakomųjų kainodaros algoritmų poveikis rinkos konkurencijai“, Vadybos mokslas 68: 6889-6906.
Harrington, JE (2024a), “Trečiųjų šalių kainodaros algoritmų iššūkiai konkurencijos teisei“, darbo dokumentas.
Harrington, JE (2024b), “Ekonominis testas dėl neteisėto susitarimo taikyti trečiosios šalies kainodaros algoritmą“, darbo dokumentas.
Pastorello, S, G Calzolari, V Denicolò ir E Calvano (2019), „Dirbtinis intelektas, algoritminė kainodara ir slaptas susitarimas“, VoxEU.org, vasario 3 d
JAV Senatas (2024 m.), 2024 m. Algoritminio susitarimo prevencijos aktassausio 30 d.