Adakah Algoritma Membeli-belah Dalam Talian Berjuang Untuk Menjaga Harga Tinggi?

Adakah Algoritma Membeli-belah Dalam Talian Adakah Berjuang Untuk Menjaga Harga Tinggi?Algoritma harga sentiasa menonton kedai dalam talian lain. Kaspar Grinvalds / Shutterstock

Pernahkah anda mencari produk dalam talian pada waktu pagi dan kembali melihatnya semula pada waktu petang hanya untuk mencari harga yang telah berubah? Sekiranya anda mungkin tertakluk kepada algoritma harga peruncit.

Secara tradisinya apabila menentukan harga produk, pemasar menganggap nilainya kepada pembeli dan berapa kos produk yang serupa, dan menentukan jika pembeli berpotensi sensitif terhadap perubahan harga. Tetapi dalam pasaran yang didorong oleh teknologi terkini, perkara telah berubah. Algoritma harga paling kerap menjalankan aktiviti ini dan menetapkan harga produk dalam persekitaran digital. Lebih-lebih lagi, algoritma ini secara berkesan mungkin berkecimpung dengan cara yang buruk bagi pengguna.

Pada mulanya, membeli-belah dalam talian telah dipuji sebagai faedah kepada pengguna kerana ia membolehkan mereka dengan mudah membandingkan harga. Peningkatan persaingan ini akan menyebabkan (bersama dengan bilangan peruncit yang semakin meningkat) juga akan memaksa harga turun. Tetapi apa yang dikenali sebagai sistem harga pengurusan pendapatan telah membenarkan peruncit dalam talian menggunakan data pasaran untuk meramalkan permintaan dan menetapkan harga dengan sewajarnya untuk memaksimumkan keuntungan.

Sistem-sistem ini telah menjadi sangat popular dalam industri perhotelan dan pelancongan, terutamanya kerana hotel mempunyai kos tetap, inventori mudah rosak (makanan yang perlu dimakan sebelum dimatikan) dan tahap permintaan yang berubah-ubah. Dalam kebanyakan kes, sistem pengurusan pendapatan membolehkan hotel untuk mengira kadar bilik yang ideal dengan cepat dan tepat dengan menggunakan algoritma yang canggih, data prestasi lalu dan data pasaran semasa. Kadar bilik boleh disesuaikan dengan mudah di mana-mana mereka diiklankan.

Sistem pengurusan pendapatan ini telah membawa kepada istilah "harga dinamik". Ini merujuk kepada keupayaan pembekal dalam talian untuk mengubah harga barang atau perkhidmatan dengan serta-merta untuk mengubah sedikit penawaran dan permintaan, sama ada produk tidak popular di gudang penuh atau naik Uber semasa lonjakan larut malam. Sehubungan itu, pengguna hari ini menjadi lebih selesa dengan idea bahawa harga dalam talian boleh dan berubah-ubah, bukan hanya pada masa jualan, tetapi beberapa kali selama satu hari.

Walau bagaimanapun, baru program penetapan harga algoritma menjadi jauh lebih canggih daripada sistem pengurusan pendapatan asli kerana perkembangan kecerdasan buatan. Manusia masih memainkan peranan penting dalam sistem pengurusan pendapatan dengan menganalisis data yang dikumpul dan membuat keputusan muktamad tentang harga. Tetapi sistem penentuan harga algoritmik sebahagian besarnya berfungsi dengan sendirinya.

Dengan cara yang sama pembantu suara dalam rumah seperti Amazon Echo belajar tentang pengguna mereka dari masa ke masa dan mengubah cara mereka beroperasi dengan sewajarnya, program penetapan harga algoritma belajar melalui pengalaman pasaran.


Dapatkan yang terbaru dari InnerSelf


Algoritma ini mengkaji aktiviti kedai dalam talian untuk mempelajari dinamik ekonomi pasaran (bagaimana produk berharga, corak penggunaan biasa, tahap bekalan dan permintaan). Tetapi mereka juga boleh secara tidak sengaja "bercakap" dengan program penetapan harga lain dengan sentiasa mengawasi mata harga penjual lain untuk mengetahui apa yang berfungsi dalam pasaran

Algoritma ini tidak semestinya diprogramkan untuk memantau algoritma lain dengan cara ini. Tetapi mereka tahu bahawa ia adalah perkara terbaik untuk mencapai matlamat mereka untuk memaksimumkan keuntungan. Ini menghasilkan a kolusi yang tidak disengajakan harga, di mana harga ditetapkan dalam batasan yang sangat rapat antara satu sama lain. Jika satu firma menaikkan harga, sistem pesaing akan segera bertindak dengan menaikkan mereka, mewujudkan pasaran tidak kompetitif yang bersatu padu.

Memantau harga pesaing dan bertindak balas terhadap perubahan harga adalah aktiviti yang normal dan sah untuk perniagaan. Tetapi sistem penentuan harga algoritma boleh mengambil langkah lebih jauh dengan menetapkan harga di atas di mana mereka akan berada dalam keadaan pasaran yang kompetitif kerana mereka semua beroperasi dengan cara yang sama untuk memaksimumkan keuntungan.

Ini mungkin baik dari perspektif syarikat tetapi masalah bagi pengguna yang perlu membayar yang sama di mana sahaja mereka pergi, walaupun harga boleh lebih rendah. Pasaran bukan kompetitif juga mengakibatkan kurang inovasi, produktiviti yang lebih rendah dan akhirnya pertumbuhan ekonomi yang kurang.

Apa yang boleh kita lakukan?

Ini menimbulkan persoalan yang menarik. Jika pengaturcara telah (tidak sengaja) gagal untuk mengelakkan kolusi ini berlaku, apa yang perlu berlaku? Di kebanyakan negara, kolusi tersirat (di mana syarikat tidak berkomunikasi secara langsung dengan satu sama lain) tidak dilihat sebagai aktiviti haram.

Walau bagaimanapun, syarikat dan pemaju mereka masih boleh bertanggungjawab kerana algoritma ini diprogramkan oleh manusia dan mempunyai keupayaan untuk belajar bagaimana untuk berkomunikasi dan bertukar maklumat dengan algoritma pesaing. The Suruhanjaya Eropah telah memberi amaran bahawa penggunaan algoritma penetapan harga secara meluas dalam e-dagang boleh mengakibatkan harga buatan tinggi di seluruh pasaran, dan perisian harus dibina dengan cara yang tidak biarkan ia bercanggah.

Tetapi selagi algoritma diprogramkan untuk memberikan keuntungan terbesar, dan boleh belajar bagaimana melakukan ini secara bebas, mungkin tidak mungkin bagi pengaturcara untuk mengatasi kolusi ini. Walaupun terdapat beberapa sekatan, algoritma mungkin mempelajari cara untuk mengatasi mereka kerana mereka mencari cara baru untuk memenuhi objektif mereka.

Mencuba untuk mengawal persekitaran pasaran untuk mengelakkan pemantauan harga sedar atau ketelusan pasaran juga tidak pasti akan menghasilkan lebih banyak soalan dan mencipta masalah baru. Dengan fikiran ini, kita perlu memahami dengan lebih baik jenis pembelajaran mesin dan keupayaannya sebelum kita membawa peraturan baru.Perbualan

Tentang Pengarang

Graeme McLean, Pensyarah dalam Pemasaran, Universiti Strathclyde

Artikel ini diterbitkan semula daripada Perbualan di bawah lesen Creative Commons. Membaca artikel asal.

Buku-buku yang berkaitan

{amazonWS: searchindex = Books; keywords = fixing price; maxresults = 3}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

ikuti InnerSelf pada

icon-facebooktwitter-iconrss-icon

Dapatkan Yang Terbaru Dengan E-mel

{Emailcloak = mati}