Online shopping algoritmer samarbejder for at holde priserne høje

Har du nogensinde søgt efter et produkt online om morgenen og gået tilbage for at se på det igen om aftenen kun for at finde, at prisen er ændret? I så fald kan du have været underlagt forhandlerens prisalgoritme.

Traditionelt når man skal bestemme prisen på et produkt, marketingfolk overvejer dens værdi for køberen, og hvor meget lignende produkter koster, og fastslå, om potentielle købere er følsomme over for ændringer i prisen. Men i nutidens teknologisk drevne markedsplads, tingene har ændret sig. Prissætningsalgoritmer udfører oftest disse aktiviteter og fastsætter prisen på produkter i det digitale miljø. Hvad mere er, disse algoritmer kan effektivt samarbejde på en måde, der er dårlig for forbrugerne.

Oprindeligt, online shopping blev hyldet som en fordel for forbrugerne, fordi det gav dem mulighed for let at sammenligne priser. Den øgede konkurrence, dette ville forårsage (sammen med det voksende antal detailhandlere), ville også tvinge priserne ned. Men det, der er kendt som indtægtsstyringsprissystemer, har gjort det muligt for onlineforhandlere at bruge markedsdata til at forudsige efterspørgsel og sætte priser i overensstemmelse hermed for at maksimere profitten.

Disse systemer har været usædvanligt populære inden for gæstfriheds- og turismeindustrien, især fordi hoteller har faste omkostninger, letfordærveligt inventar (mad, der skal spises, før det går i gang) og svingende efterspørgselsniveauer. I de fleste tilfælde, indtægtsstyringssystemer giver hoteller mulighed for hurtigt og præcist at beregne ideelle værelsespriser ved hjælp af sofistikerede algoritmer, tidligere resultater og aktuelle markedsdata. Værelsespriser kan derefter nemt justeres overalt, hvor de annonceres.

Disse indtægtsstyringssystemer har ført til udtrykket "dynamisk prissætning". Dette refererer til onlineudbyderes evne til øjeblikkeligt at ændre prisen på varer eller tjenester som reaktion på de mindste skift i udbud og efterspørgsel, uanset om det er et upopulært produkt i et fuldt lager eller en Uber-tur under en stigning sent på natten. Derfor, nutidens forbrugere bliver mere trygge ved tanken om, at priserne online kan og kan svinge, ikke kun på salgstidspunktet, men flere gange i løbet af en enkelt dag.

Imidlertid, nye algoritmiske prisprogrammer bliver langt mere sofistikerede end de oprindelige indtægtsstyringssystemer på grund af udviklingen inden for kunstig intelligens. Mennesker spillede stadig en vigtig rolle i indtægtsstyringssystemer ved at analysere de indsamlede data og træffe den endelige beslutning om priser. Men algoritmiske prissystemer fungerer stort set af sig selv.

På samme måde som i hjemmet stemmeassistenter som Amazon Echo lærer om deres brugere over tid og ændrer den måde, de fungerer på i overensstemmelse hermed, algoritmiske prissætningsprogrammer lærer gennem erfaring med markedspladsen.

Algoritmerne studerer aktiviteten i onlinebutikker for at lære den økonomiske dynamik på markedspladsen (hvordan produkter prissættes, normale forbrugsmønstre, niveauer af udbud og efterspørgsel). Men de kan også utilsigtet "tale" med andre prisprogrammer ved konstant at se andre sælgeres prispunkter for at lære, hvad der virker på markedet

Disse algoritmer er ikke nødvendigvis programmeret til at overvåge andre algoritmer på denne måde. Men de lærer, at det er den bedste ting at gøre for at nå deres mål om at maksimere profitten. Dette resulterer i en utilsigtet samordning af priser, hvor priserne er sat inden for en meget tæt grænse for hinanden. Hvis en virksomhed hæver priserne, konkurrentsystemer vil straks reagere ved at hæve deres, at skabe et uoverskueligt ikke-konkurrencedygtigt marked.

Overvågning af konkurrenternes priser og reaktion på prisændringer er normal og lovlig aktivitet for virksomheder. Men algoritmiske prissystemer kan tage tingene et skridt videre ved at sætte priser over, hvor de ellers ville være på et konkurrencepræget marked, fordi de alle opererer på samme måde for at maksimere profitten.

Dette kan være godt set fra virksomhedernes perspektiv, men er et problem for forbrugere, der skal betale det samme overalt, hvor de går, også selvom priserne kunne være lavere. Ikke-konkurrerende markeder resulterer også i mindre innovation, lavere produktivitet og i sidste ende mindre økonomisk vækst.

Hvad kan vi gøre?

Dette rejser et spændende spørgsmål. Hvis programmører (utilsigtet) har undladt at forhindre dette hemmelige samarbejde, hvad skal der ske? I de fleste lande, stiltiende samordning (hvor virksomheder ikke direkte kommunikerer med hinanden) ses i øjeblikket ikke som en ulovlig aktivitet.

Imidlertid, virksomhederne og deres udviklere kunne stadig holdes ansvarlige, da disse algoritmer er programmeret af mennesker og har evnen til at lære at kommunikere og udveksle oplysninger med konkurrentalgoritmer. Europa-Kommissionen har advaret om, at den udbredte brug af prissætningsalgoritmer i e-handel kan resultere i kunstigt høje priser overalt på markedet, og softwaren skal bygges på en måde, der ikke tillader den at samarbejde.

Men så længe algoritmerne er programmeret til at levere størst mulig fortjeneste, og kan lære at gøre dette selvstændigt, det er muligvis ikke muligt for programmører at overvinde dette hemmelige samarbejde. Selv med nogle begrænsninger på plads, Algoritmerne kan meget vel lære måder at overvinde dem på, når de leder efter nye måder at nå deres mål.

Forsøg på at kontrollere markedsmiljøet for at forhindre bevidst prisovervågning eller markedsgennemsigtighed vil også uden tvivl resultere i flere spørgsmål og skabe nye problemer. Med det i tankerne, vi er nødt til bedre at forstå denne form for maskinlæring og dens muligheder, før vi indfører nye regler.

Denne artikel er genudgivet fra The Conversation under en Creative Commons-licens. Læs den originale artikel.