211service.com
Podcast: hoe prijsalgoritmen leren samenspannen
mevrouw Tech | Envato
Algoritmen bepalen nu hoeveel dingen kosten. Het wordt dynamische prijsstelling genoemd en past zich aan de huidige marktomstandigheden aan om de winst te vergroten. De opkomst van e-commerce heeft prijsalgoritmen tot een alledaagse gebeurtenis gemaakt, of je nu winkelt op Amazon, een vlucht boekt, een hotel boekt of een Uber bestelt. In dit vervolg op onze serie over automatisering en uw portemonnee, onderzoeken we wat er gebeurt als een machine de prijs bepaalt die u betaalt.
In deze aflevering ontmoeten we:
- Lisa Wilkins, UX-ontwerper
- Gabe Smith, hoofdevangelist, Pricefx
- Aylin Caliskan, assistent-professor, Universiteit van Washington
- Joseph Harrington, hoogleraar bedrijfskunde, economie en openbaar beleid, Universiteit van Pennsylvania
- Maxime Cohen, professor Scale AI Chair, McGill University
Credits:
Deze aflevering werd gerapporteerd door Anthony Green en geproduceerd door Jennifer Strong en Emma Cillekens. We zijn bewerkt door Mat Honan en onze mix-engineer is Garret Lang, met geluidsontwerp en muziek van Jacob Gorski.
Volledig transcript:
[TR-ID]
Jennifer: Oké, dus ik ben op een luchthaven net buiten New York City en kijk hier naar het vertrekbord en zie al deze vluchten naar verschillende plaatsen gaan... Het doet me nadenken over hoe we beslissen hoeveel iets moet kosten... zoals een kaartje voor een van deze vluchten. Want waar het vliegtuig heen gaat, is slechts een deel van de puzzel. De prijs van vliegtickets is sterk gepersonaliseerd. Het bevat enorme hoeveelheden consumentengegevens. De prijzen veranderen ook in realtime op basis van zaken als onze boekingspatronen, prijzen van concurrenten, zelfs het weer….
Jennifer: Maar zo was het niet altijd. Er was een tijd... we konden vertrouwen op het idee dat wat je ziet is wat je krijgt.
Tegenwoordig worden prijzen bepaald door algoritmen. Het wordt dynamische prijsstelling genoemd... die dingen prijst volgens de huidige marktomstandigheden om de winst te vergroten.
En het zijn niet alleen luchtvaartmaatschappijen die deze techniek gebruiken.
[SOT: Retailers adopteren 'Dynamic Pricing' - via YouTube]
TV nieuwsverslaggever: Een praktijk die is gestart door de luchtvaartmaatschappijen, dynamische prijsstelling is nu door retailers overgenomen, dankzij een nieuwe technologie.
[SOT: Amazon beschuldigd van prijsstijgingen WCPO ABC 9, via YouTube]
TV nieuwsverslaggever: ...en het komt steeds vaker voor dankzij computeralgoritmen. Je vindt het met Disney World-tickets, hotelkamers, Major League Baseball-stoelen ... en nu. AMAZON.
Jennifer: E-commerce heeft deze algoritmen tot een alledaags verschijnsel gemaakt...
Maar wat betekent dat voor de consument?
[SOT: ANTITRUST- EN COMPETITIECONFERENTIE Deel 12 Dag Twee Panel Drie 'Amazon Phenomenon' - via YouTube]
Lina Khan, directeur Juridisch beleid, Open Markets Institute: Amazon verandert de prijzen twee miljoen keer per dag, weet je, dus wat is een stabiele prijs voor ieder van ons en hoe weten we dat we verschillende prijzen betalen? Ik denk dat dat in de toekomst een belangrijke vraag zal zijn.
Jennifer: Ik ben Jennifer Strong en deze aflevering, wat er gebeurt als een machine de prijs bepaalt die je betaalt.
[Toon ID]
OC:...je hebt je bestemming bereikt.
[MUZIEK]
[SOT: KIRO7 Seattle - Via internet]
Nieuwsanker 2: Toen er gisteravond geweerschoten klonken, zochten mensen naar een uitweg. Vanavond zeggen sommigen dat de veiligheid naar de hoogste bieder ging.
Jennifer: Het was midden in de avond woon-werkverkeer. Afgelopen Januari. Toen er een schietpartij was in het centrum van Seattle.
Nieuwsanker 1 : Rideshare-bedrijven liggen vanavond onder vuur voor het verhogen van de prijzen terwijl mensen probeerden te vluchten voor het geweervuur. Sommige renners zeggen dat ze gekerft waren.
Lisa Wilkins: De bus die ik normaal gesproken zou nemen, zou door de straat gaan waar de schietpartij plaatsvond. Dus alle bussen die door die straat reden, stopten allemaal. Ze zijn niet omgeleid of zo, ze zijn gewoon gestopt.
Jennifer: Lisa Wilkins werkt in de techniek en haar kantoor is minder dan een blok verwijderd van waar die schietpartij plaatsvond.
Lisa Wilkins: Ik heb net besloten dat ik een Uber of Lyft zal nemen en, weet je, mee naar huis nemen of terugbrengen naar mijn auto, die bij een Park and Ride is, ongeveer 27 mijl verderop. En toen ik de app opende, zag ik dat het ongeveer honderd dollar of zoiets was om daar te komen, terwijl het normaal misschien 30 dollar zou zijn geweest.
Jennifer: Wanneer de vraag groot is, wordt de prijs van een rit met Lyft of Uber automatisch duurder. In noodgevallen beperken bedrijven die prijzen zodra duidelijk is wat er aan de hand is, en in dit geval, aangeboden om rijders die hogere tarieven hebben betaald, terug te betalen.
Maar hoewel het de taak van Lisa Wilkins is om apps te ontwerpen met het oog op de gebruikerservaring, zegt ze dat het even duurde voordat ze besefte wat er met haar aan de hand was - was vanwege een prijsalgoritme.
Lisa Wilkins: In het begin was ik echt boos omdat je het persoonlijk wilt opvatten, alsof ze dit opzettelijk doen. Dit is een schietpartij en ze maken er misbruik van. En toen ik er met een andere collega over aan het praten was. Weet je, we waren nog steeds van streek dat het zoveel zou kosten om ergens te komen, maar we realiseerden ons dat dit een prijsstijging is. Dit is een bot die in feite zegt wat de prijzen zullen zijn. En omdat ik een UX-ontwerper ben, begrijp ik dat er veel randgevallen zijn waarvan u misschien niet van plan bent dat dit in uw product gebeurt.
Jennifer: En dit kan onbedoelde resultaten hebben.
Gabe Smit: Er was een boek over vliegengenetica op Amazon. Dat was... er waren twee concurrerende algoritmen die elkaar maar bleven aankijken en de prijs een beetje opdreven. De andere zou de prijs daarbovenop nog een beetje verhogen. En ze bleven maar heen en weer gaan gedurende, weet je, vele dagen. En uiteindelijk kwam de prijs van dit boek uit op 1,2 miljoen dollar.
Gabe Smit: Mijn naam is Gabe Smith en ik ben de hoofdevangelist voor PriceFX. En ik heb ongeveer 14 jaar ervaring in prijsoptimalisatie en management.
Jennifer: Hij gebruikt AI en andere tools om bedrijven te helpen beslissen wat iets moet kosten. Hij denkt ook na over hoe die uitschieters kunnen worden vermeden... zoals dat boek van een miljoen dollar over bugs.
Gabe Smit: Dus in de jaren tachtig kwamen de rekenkracht en de beschikbaarheid van gegevens op het punt waarop deze technieken konden worden benut. En echt, het verscheen eerst in de luchtvaartindustrie en daarna in de andere reis- en vrijetijdsindustrieën, zoals huurauto's en hotels.
Jennifer: Dynamische prijzen kunnen bedrijven helpen te weten wat ze in rekening moeten brengen voor producten die verlopen of waarvan de voorraad beperkt is. Zoals wanneer een vliegtuig opstijgt... het verandert niet hoeveel van die stoelen bezet zijn. Dus om de meeste inkomsten te genereren, moeten luchtvaartmaatschappijen het grootste aantal stoelen verkopen voor de hoogst mogelijke prijs. En om te weten wat die prijs is? Ze moeten de nuances van het passagiersgedrag en de marktvraag begrijpen.
Gabe Smit: Dus dat was echt het eerste gebruik van prijsoptimalisatie en kunstmatige intelligentie om prijsstelling in een markt te stimuleren. En sindsdien is het, zoals u weet, echt uitgebreid in gebruik in veel verschillende industrieën. We hebben bijvoorbeeld een bedrijf dat dynamische prijzen hanteert voor hun skitickets op basis van de komende evenementen, weersomstandigheden en sneeuwcondities, maar we hebben ook andere klanten die elektronica en chemicaliën verkopen. We hebben industriële productiebedrijven, distributiebedrijven, deze technieken worden echt gebruikt in een groot aantal verschillende industrieën.
Jennifer: De sleutel om dit allemaal te laten werken, is een uitgebreide dataset over klanten en wat hun betalingsbereidheid stimuleert. Hoe meer gegevens... Hoe gerichter de prijzen voor particulieren kunnen zijn.
Gabe Smit: Hoe ze zich gedragen. Welk product u aanbiedt. Dingen zoals, wat is de aard van de transactie of de offerte die u doet? Al deze kunnen worden meegenomen in uw prijsoptimalisatie-algoritmen en beïnvloeden wat u gaat aanbieden. Dus als u over dergelijke gegevens beschikt, kan het eigenlijk vrij eenvoudig zijn om prijsoptimalisatie te implementeren. We hebben dus klanten waar we dingen in slechts een paar maanden hebben geïmplementeerd.
Jennifer: En hij zegt dat deze systemen steeds beter worden in het beheren van complexiteit en het balanceren van concurrerende doelen.
Gabe Smit: Dus misschien wil ik er zeker van zijn dat ik altijd op een bepaalde manier gepositioneerd ben ten opzichte van mijn concurrentie, toch? Of misschien wil ik zeggen: 'Hé, ik wil nooit de prijzen van iemand met meer dan 5% verhogen.' Probeer ik de inkomsten te maximaliseren, probeer ik de winst te maximaliseren? Probeer ik de volumedoorvoer te maximaliseren? Ik zou daartussen kunnen balanceren. Dus wat er gebeurt in organisaties, weet je, er zijn vaak concurrerende doelstellingen. En dus kun je niet alleen sturen, oké, wat is mijn catalogusprijs, maar wat is de, je weet wel, de onderhandelde prijs of of promotie op basis van een productcombinatie van een klant.
Jennifer: Deze beperkingen zijn belangrijk omdat prijsalgoritmen, als ze ongebonden blijven, eenvoudig hogere prijzen kunnen prioriteren.
Een ander probleem? Ervoor zorgen dat die prijzen de systemische vooringenomenheid niet versterken.
Maar dit is niet zo eenvoudig.
Gabe Smit: Het kan zijn dat je een van die dingen niet expliciet ziet, maar ze kunnen net onder de oppervlakte zijn in een ander attribuut dat je gebruikt. Dus als je een postcode gebruikt of je gebruikt de demografie in termen van inkomensniveaus, weet je, er kan sprake zijn van systemische vertekening in die gegevens. Je moet dus echt nadenken over hoe je deze dingen uitbouwt en ervoor zorgen dat je het juiste doet vanuit een ethisch perspectief. En ik denk dat een deel van de acceptatie is: heb ik als consument het gevoel dat ik hierdoor in sommige gevallen een goede deal of een betere deal krijg, of is het altijd in het voordeel van de aanbieder?
[MUZIEKOVERGANG]
Aylin Caliskan: We weten dat big tech deze geïndividualiseerde prijsalgoritmen op grote schaal gebruikt en we begrijpen niet per se wat er achter deze systemen of algoritmen gebeurt, omdat het zwarte dozen zijn. We zien de resultaten alleen op individuele basis, in feite de prijs die we ontvangen. En we hebben niet echt methoden of datasets om algoritmen voor prijsdiscriminatie systematisch te bestuderen.
Aylin Caliskan: Ik ben Aylin Caliskan. Ik ben momenteel een assistent-professor aan de Universiteit van Washington en mijn onderzoek richt zich op machine learning en kunstmatige intelligentie.
Jennifer: Een paar jaar geleden verplichtte de stad Chicago bedrijven als Uber en Lyft om tariefgegevens vrij te geven aan het publiek. Dit gaf onderzoekers toegang tot miljoenen geanonimiseerde reizen door de stad. Ze vergeleek de prijzen met de demografie van de buurt en wat vond ze? Verrast haar.
Aylin Caliskan: Onze resultaten laten zien dat buurten met jongere of hoogopgeleide inwoners significant hogere tarieven betaalden. En in buurten met hogere niet-blanke inwoners, maar ook in verarmde buurten, betalen we ook hogere tariefprijzen die werden bepaald door deze prijsdiscriminatie-algoritmen.
Jennifer: Haar team wil weten waarom dit gebeurt, maar dat is moeilijk zonder details over vraag en aanbod - die niet openbaar worden gemaakt.
Onderzoekers kunnen slechts een subset van deze gegevens krijgen.
Aylin Caliskan: Betalen bewoners in achterstandswijken een hogere eerlijke prijs vanwege de kenmerken van hun buurt. Of heeft het aanbod van chauffeurs invloed op een eerlijke prijsstelling in deze buurten waar de vraag relatief laag lijkt. Maar als het aanbod nog lager is, zou de relatieve vraag er hoger uitzien, wat zou kunnen leiden tot hogere tariefprijzen en hoe meer transparantie, hoe betere methoden we kunnen ontwikkelen om de ongelijksoortige impact van deze algoritmen of hun dynamiek te bestuderen, hoe ze leren van buurtbewoners transportpatronen en verkeerspatronen.
Jennifer: Wat roept een ander netelig probleem op? Hier zijn niet echt regels over.
Aylin Caliskan: We hebben meer beleid en regelgeving nodig om toegang te krijgen tot deze dataset en deze te blijven bestuderen en te begrijpen hoe dit van invloed kan zijn op zowel slimme stadsplanning als de toewijzing van middelen, want als dergelijke datasets worden gebruikt, bijvoorbeeld in zelfrijdende auto's of toewijzing van middelen in slimme steden, kunnen deze vooroordelen in de toekomst worden bestendigd of mogelijk worden versterkt, met allerlei onverwachte bijwerkingen tot gevolg waarmee we in de toekomst te maken krijgen.
Jennifer: Na de pauze ontdekken we hoe regelgeving eruit zou kunnen zien... en leren we hoe deze algoritmen zouden kunnen werken in een supermarkt.
Maar eerst wil ik je vertellen over een evenement genaamd CyberSecure. Het is de cyberbeveiligingsconferentie van Tech Review en ik zal daar zijn met mijn collega's om te praten over ransomware en andere belangrijke kwesties. U kunt meer leren op Cyber Secure M-I-T dot com.
We zijn zo terug... hierna.
[MIDROLL]
[MUZIEK]
Jennifer: Prijsalgoritmen kunnen ook consumenten helpen…. door producten en aanbevelingen te personaliseren... of door bedrijven inzichten te geven die hen helpen betere producten en diensten te ontwerpen.
Maar deze systemen bieden ook nieuwe uitdagingen voor degenen die de concurrentie reguleren.
Het Congres nam meer dan een eeuw geleden de eerste antitrustwet aan, maar pas in 2015 vervolgde de regering haar eerste antitrustzaak die specifiek gericht was op e-commerce. In dat geval pleitte een man schuldig aan samenzwering om illegaal de prijzen vast te stellen van posters die hij samen met andere verkopers op Amazon verkocht... met behulp van een algoritme dat is ontworpen om prijswijzigingen te coördineren.
Joseph Harrington: Het prijsalgoritme zou rondkijken naar de beste of de laagste prijs van concurrerende verkopers, dat wil zeggen concurrenten van die twee online verkopers. En dan zouden de twee online verkopers een iets lagere gemeenschappelijke prijs vaststellen. Dus de twee verkopers concurreerden nog steeds met andere bedrijven op de markt, maar concurreerden gewoon niet met elkaar. Dus in plaats van te coördineren op een gemeenschappelijke prijs, coördineerden ze op een gemeenschappelijk prijsalgoritme en dat had hetzelfde effect van het verminderen van de concurrentie.
Joseph Harrington: Dus ik ben Joe Harrington. Ik ben hoogleraar bedrijfskunde, economie en openbaar beleid aan de Wharton School, University of Pennsylvania. Mijn onderzoek ligt op het gebied van collusie en kartels.
Jennifer: De zaak waarbij de Amazon-posterverkopers betrokken zijn, komt vrij dicht in de buurt van traditionele collusie... waar anders concurrerende bedrijven prijzen coördineren via directe, mens-tot-mens communicatie.
Maar er is groeiend onderzoek dat prijsalgoritmen zelf zouden kunnen leren een soort digitaal kartel te vormen... en samen te spannen om prijzen te verhogen zonder enige menselijke tussenkomst.
Joseph Harrington: Laten we nu eens nadenken over een manager die besluit dat hij de prijsbeslissing gaat delegeren aan een zelflerend algoritme. Dat zelflerende algoritme gaat experimenteren met verschillende prijsalgoritmen of prijsregels in de hoop die te vinden die winstgevender zijn. Dus ze eindigen met meer winstgevende prijsregels. En de reden waarom ze winstgevender zijn, is omdat de zelflerende algoritmen hebben geleerd niet met elkaar te concurreren.
Jennifer: En onderzoekers in Italië hebben al bewijs gevonden dat dat gebeurt in een gesimuleerde omgeving.
Joseph Harrington: Dus beschouwden ze een zeer standaard economisch model van een markt. Een die door veel economen is gebruikt, zowel voor theoretisch als empirisch werk. En de vraag was of ze zouden kunnen leren samenspannen in een redelijk geavanceerde en complexe gesimuleerde omgeving. En het antwoord is heel duidelijk: ja, er zijn prijzen gevonden die gewoon, gewoon routinematig ver boven de concurrerende prijzen lagen, soms dicht bij monopolieprijzen.
Jennifer: Hij zegt dat deze zelflerende algoritmen zich gedragen op een manier die menselijke kartels weerspiegelt.
Joseph Harrington: Algoritmen stellen een hoge prijs vast boven concurrerende prijzen, wat vervolgens een prikkel creëert, althans op de korte termijn, om een lagere prijs vast te stellen om meer marktaandeel en hogere winsten te verwerven. Wat de zelflerende algoritmen hebben geleerd over de gevolgen van het afwijken daarvan door een lagere prijs in te stellen, is dat het andere zelflerende algoritme een prijsalgoritme heeft aangenomen dat dat gedrag afstraft. Dus specifiek als een van hen de prijs plotseling zou verlagen, werd het prijsalgoritme van het andere zelflerende algoritme getraind om te reageren met een zeer lage prijs als reactie. De prijzen zouden nog enige tijd laag blijven, maar ze zouden de neiging hebben om zich weer omhoog te werken naar de hoge heimelijke prijzen. Dus wat we hier hebben, zijn deze zelflerende algoritmen die leren dat, oké, we gaan een hoge prijs stellen en de reden waarom ze daar niet van afwijken, is dat ze hebben geleerd dat er vergeldingsmaatregelen zullen komen. straf door het andere, zelflerende algoritme. En dat is precies wat we beschouwen als samenzwering.
Jennifer: Het is nog steeds een open vraag of dit soort dingen zou kunnen gebeuren in een echte markt, met al zijn extra complexiteit.
Maar het concept van geautomatiseerde collusie roept allerlei juridische vragen op.
Joseph Harrington: Als we teruggaan naar het voorbeeld van, op de Amazon-marktplaats en de online posterverkopers, welnu, het is dat soort collusie waarvoor het wettelijk kader goed is ontworpen. Het is ontworpen voor samenzwering waarbij concurrenten communiceren. En coördineer hun gedrag. De wet wordt gedefinieerd in termen van een bijeenkomst van geesten, een bewuste toewijding aan een gemeenschappelijk plan. Het idee dat er deze communicatie is geweest, die heeft geleid tot enig wederzijds begrip tussen concurrenten om niet langer te concurreren. Dat alles ontbreekt bij concurrenten die zelflerende algoritmen hebben aangenomen, zolang ze dat maar onafhankelijk deden. Deze zelflerende algoritmen hebben geen begrip, laat staan wederzijds begrip, wat echt nodig is in de context van de wet.
Jennifer: En voor nu ... is er niemand die verantwoordelijk is voor het controleren of deze systemen zich houden aan regels die wij eerlijk achten.
Joseph Harrington: Ik bedoel, ik denk dat de mogelijke juridische reactie in de toekomst zou zijn om bepaalde eigenschappen van prijsalgoritmen te verbieden. Als die verboden zouden zijn, zou er een prikkel zijn voor de bedrijven zelf om hun prijsalgoritmen te controleren, niet om zichzelf illegaal bloot te geven. Maar vanaf nu is er echt niemand die ze in de gaten houdt. En zeker de bedrijven hebben geen prikkel, zou ik zeggen, om ze te controleren.
Jennifer: Hij zegt dat concurrentiebeperkende prijsalgoritmen ook ingebed kunnen worden in software... die kan worden gebruikt door bedrijven die met elkaar concurreren... zonder dat die bedrijven het zelf beseffen.
Joseph Harrington: En dan is de vraag: wat kun je eraan doen? En nu zijn we hier, opnieuw, op een beetje troebel juridisch terrein, omdat samenzwering twee of meer actoren vereist, wat traditioneel twee of meer concurrenten zijn die besloten hebben niet langer te concurreren. Maar nu stellen we ons voor dat het een soort van actor is, namelijk de externe ontwikkelaar die een prijsalgoritme kan ontwerpen dat niet erg concurrerend is. En als het veel bedrijven in een markt kan overtuigen om het te adopteren, zal het voor die bedrijven goed presteren, omdat het zal resulteren in hogere prijzen en minder prijsconcurrentie. Nogmaals, dat is slecht, maar er is geen samenzwering, want er is eigenlijk maar die ene acteur, de externe ontwikkelaar die dit promoot.
Jennifer: En daar is een voorbeeld van dat in de echte wereld..in een studie van Duitse benzinestations die een prijsalgoritme begonnen toe te passen.
Joseph Harrington: En het bewijs is dat de gemiddelde prijs-kostenmarges als reactie hierop zijn gestegen, in de orde van grootte van ongeveer 12%. Maar het was echt heel opvallend, als je naar markten keek waar er maar twee stations waren, dus stel je een geografische markt voor waar er maar een soort van twee stations zijn die met elkaar concurreren. En wat de studie ontdekte, was dat als een van hen het prijsalgoritme zou gebruiken, er echt geen merkbaar effect op de prijzen was. Maar als beide werden aangenomen, was er een aanzienlijke stijging van de prijskostenmarges. In de orde van ongeveer 29%. Dus nu is dit informatief in termen van wat deze prijsalgoritmen doen. Als ze alleen maar leiden tot een efficiëntere dynamische prijsstelling, dan zou je enig effect verwachten, zelfs als slechts één stationsexploitant het had overgenomen. Maar dat is niet wat er in de studie wordt gevonden. Het is pas wanneer beide concurrenten geadopteerd zijn, zie je een effect. En het is een effect, namelijk een forse prijsstijging. Dus ik denk dat dat iets is wat, denk ik, aan het gebeuren is. En het is iets dat iets concreter is, denk ik, en waar er potentieel meer beleidsopties zijn om mee om te gaan. In tegenstelling tot het geval van zelflerende algoritmen, waarvan ik denk dat het een potentieel probleem is dat we willen voorkomen.
Maxime Cohen: Vroeger konden we prijzen elke dag of elke maand wijzigen, maar nu kunnen prijzen elk uur of in sommige toepassingen veranderen, zelfs elke minuut.
Maxime Cohen: Mijn naam is Maxime Cohen. Ik ben de Scale AI Chair-professor aan de McGill University in Montreal, Canada en ik ben ook de co-directeur van het Retail Innovation Lab.
Jennifer: De afgelopen jaren hebben we een explosie van dynamische prijsstellingspraktijken gezien... En gepersonaliseerde prijsstelling komt ook steeds vaker voor.
In de toekomst zouden dynamische prijssystemen volledig autonoom kunnen zijn... en op nog grotere schaal kunnen worden toegepast.
Wat de vraag oproept: hoe beschermen we onze privacy wanneer onze gegevens worden gebruikt om te bepalen hoeveel we voor dingen betalen?
Maxime Cohen: Het prijsalgoritme aan het eind van de dag moet dus gebaseerd zijn op niet-persoonlijke kenmerken. U kunt bijvoorbeeld aankoopgeschiedenis verzamelen, u kunt mogelijk de locatie van de gebruikers verzamelen, de acties die ze in het verleden hebben ondernomen, maar u wilt geen enkele vorm van persoonlijke kenmerken gebruiken, zoals namen of geslacht of iets anders dat persoonlijker.
Jennifer: Nog een vraag... waar trekken we de grens tussen eerlijke en oneerlijke prijzen?
Maxime Cohen: Men moet zichzelf de vraag stellen. Is het eerlijk om verschillende prijzen aan verschillende klanten te bieden voor dezelfde producten of dezelfde service? En het antwoord op die vraag is eigenlijk niet eenvoudig. Deze twee onderwerpen van privacy en rechtvaardigheid zijn zeer delicaat en hebben naar mijn mening zorgvuldige regelgeving nodig.
Jennifer: Hij zegt dat regelgevers samen moeten komen en duidelijk moeten maken welke gegevens kunnen worden verzameld, opgeslagen en gebruikt om prijsbeslissingen te nemen.
Maxime Cohen: Als Uber bijvoorbeeld verschillende prijzen begint te roepen, gebaseerd op het percentage batterij dat je in je telefoon hebt wanneer je een rit bestelt. Zou dat goed zijn? Zou dat niet oké zijn? Regelgevers moeten dus samen aan tafel zitten en een lijst maken van kenmerken die redelijkerwijs kunnen worden gebruikt voor prijsbeslissingen en enkele andere kenmerken op een zwarte lijst waar ze niet mogen worden gebruikt voor prijsbeslissingen.
Jennifer: En het zijn niet alleen onze online winkelwagentjes die op het spel staan. Dynamische prijsalgoritmen zouden binnenkort ook een thuis kunnen vinden in de fysieke detailhandel... in de vorm van elektronische schapetiketten.
Maxime Cohen: U kunt de prijs van specifieke producten op specifieke tijden wijzigen door simpelweg een enkele regel code aan te passen en op één knop te drukken. U wijzigt één regel code. Dan kunt u vrijwel kosteloos een prijswijziging doorvoeren. Nu is de enige resterende vraag in de fysieke detailhandel hoe klanten zullen reageren op sterke, dynamische prijspraktijken. Als je erover nadenkt, zullen de prijzen in de supermarkten tijdens drukke uren omhoog gaan. Als er een moment van de dag is waarop ze veel mensen in de supermarkt hebben, gaan de prijzen omhoog. Evenzo zullen de prijzen stijgen wanneer u een zeer lage voorraad heeft voor specifieke producten. Als u minder aandelenkoersen heeft om te liken, zorg er dan voor dat u uw winst optimaliseert. Nu is het niet duidelijk of klanten blij zullen zijn en het soort praktijken zal accepteren die al bestaan in de online wereld. Het kan op korte termijn zeker winstgevend zijn, maar het kan op lange termijn verliezen veroorzaken, vooral in termen van klantenloyaliteit. We moeten dus veel onderzoek doen om de kracht en de potentiële voordelen van dynamische prijsstelling voor fysieke detailhandel te begrijpen.
[CREDITS]
Jennifer: Deze aflevering werd gerapporteerd door Anthony Green en geproduceerd door ons tweeën met Emma Cillekens. We zijn bewerkt door Mat Honan en onze mix-engineer is Garret Lang, met geluidsontwerp en muziek van Jacob Gorski.
Bedankt voor het luisteren, ik ben Jennifer Strong.
[TR-ID]