211service.com
Podcast: kā cenu noteikšanas algoritmi mācās sadarboties
Ms Tech | Envato
Algoritmi tagad nosaka, cik lietas maksā. To sauc par dinamisko cenu noteikšanu, un tā tiek pielāgota pašreizējiem tirgus apstākļiem, lai palielinātu peļņu. E-komercijas pieaugums ir padarījis cenu noteikšanas algoritmus par ikdienu — neatkarīgi no tā, vai iepērkaties vietnē Amazon, rezervējat lidojumu, viesnīcu vai pasūtāt Uber. Šajā sērijas par automatizāciju un jūsu maku turpinājumā mēs izpētām, kas notiek, kad mašīna nosaka jūsu maksājamo cenu.
Šajā epizodē tiekamies:
- Liza Vilkinsa, UX dizainere
- Gabe Smith, galvenais evaņģēlists, Pricefx
- Aylin Caliskan, Vašingtonas Universitātes docente
- Džozefs Haringtons, biznesa, ekonomikas un sabiedriskās politikas profesors, Pensilvānijas universitāte
- Maksims Koens, Makgila universitātes Scale AI katedras profesors
Kredīti:
Par šo epizodi ziņoja Entonijs Grīns, un to producēja Dženifera Stronga un Emma Cillekensa. Mūs rediģē Mets Honans, un mūsu miksu inženieris ir Garets Langs, kura skaņu dizainu un mūziku veidojis Džeikobs Gorskis.
Pilns atšifrējums:
[TR ID]
Dženifera: Labi, tāpēc es atrodos lidostā, kas atrodas netālu no Ņujorkas, un tikai skatos uz izlidošanas tablo, redzot, ka visi šie lidojumi notiek dažādās vietās… Tas liek man domāt par to, kā mēs izlemjam, cik kaut kam vajadzētu maksāt… piemēram, biļete uz vienu no šiem reisiem. lidojumus. Jo tas, kur lidmašīna dodas, ir tikai daļa no mīklas. Lidmašīnu cena ir ļoti personalizēta. Tas ietver milzīgu daudzumu patērētāju datu. Cenas mainās arī reāllaikā, pamatojoties uz tādām lietām kā mūsu rezervēšanas modeļi, konkurentu cenas, pat laikapstākļi….
Dženifera: Bet tas ne vienmēr bija tā. Bija laiks... mēs varējām paļauties uz domu, ka tas, ko jūs redzat, ir tas, ko jūs saņemat.
Mūsdienās cenas nosaka algoritmi. To sauc par dinamisko cenu noteikšanu… kas nosaka cenas atbilstoši pašreizējiem tirgus apstākļiem, lai palielinātu peļņu.
Un ne tikai aviosabiedrības izmanto šo paņēmienu.
[SOT: mazumtirgotāji pieņem dinamisko cenu noteikšanu — izmantojot YouTube]
TV ziņu reportieris: Aviokompāniju aizsāktā prakse, pateicoties dažām jaunām tehnoloģijām, mazumtirgotāji tagad ir pieņēmuši dinamisku cenu noteikšanu.
[SOT: Amazon apsūdzēts par paaugstinātām cenām WCPO ABC 9, izmantojot YouTube]
TV ziņu reportieris: ...un tas kļūst arvien izplatītāks, pateicoties datoru algoritmiem. Jūs to atradīsit ar Disney World biļetēm, viesnīcas numuriem, Major League beisbola sēdvietām...un tagad. AMAZON.
Dženifera: E-komercija ieviesa šos algoritmus par ikdienas notikumu…
Bet ko tas nozīmē patērētājiem?
[SOT: PRETTRUST UN KONKURENCES KONFERENCE, 12. daļa, otrā daļa, trešā paneļa Amazones parādība — izmantojot YouTube]
Lina Khan, Atvērto tirgu institūta juridiskās politikas direktore: Amazon maina cenas divus miljonus reižu dienā, vai jūs zināt, kāda ir stabila cena ikvienam no mums un kā mēs uzzināsim, ka mēs maksājam dažādas cenas? Es domāju, ka tas būs galvenais jautājums turpmāk.
Dženifera: Es esmu Dženifera Stronga, un šī epizode par to, kas notiek, kad mašīna nosaka jūsu maksājamo cenu.
[PARĀDĪT ID]
OC:...jūs esat sasniedzis galamērķi.
[MŪZIKA]
[SOT: KIRO7 Sietla — caur tīmekli]
2. ziņu enkurs: Kad vakar vakarā atskanēja apšaude, cilvēki meklēja kādu izeju. Šovakar daži saka, ka drošība ir bijusi visaugstāk solītājam.
Dženifera: Bija vakara brauciena vidus. Pagājušā gada janvārī. Kad Sietlas centrā notika apšaude.
Ziņu Anchor 1 : Rideshare uzņēmumi šovakar tiek kritizēti par cenu paaugstināšanu, kamēr cilvēki mēģināja bēgt no apšaudes. Daži braucēji saka, ka viņi ir izgrauzti.
Liza Vilkinsa: Autobuss, ar kuru es parasti braucu, braucu pa ielu, kurā notika apšaude. Tāpēc visi autobusi, kas brauca pa šo ielu, apstājās. Viņi netika mainīti maršrutā vai kaut kas cits, viņi vienkārši apstājās.
Dženifera: Liza Vilkinsa strādā tehnoloģiju jomā, un viņas birojs atrodas mazāk nekā kvartāla attālumā no apšaudes vietas.
Liza Vilkinsa: Es tikko nolēmu, ka paņemšu Uber vai Lyft un, ziniet, aiznesīšu to mājās vai aizvedīšu atpakaļ uz savu automašīnu, kas atrodas Park and Ride, kas bija aptuveni 27 jūdžu attālumā. Un tad, kad es atvēru lietotni, es redzēju, ka tur ir jāsaņem simts dolāri vai kaut kas cits, lai gan parasti tie būtu bijuši varbūt 30 dolāri.
Dženifera: Ja pieprasījums ir liels, Lyft vai Uber brauciena cena automātiski kļūst dārgāka. Ārkārtas gadījumos uzņēmumi ierobežo šīs cenas, tiklīdz ir skaidrs, kas notiek, un šajā gadījumā piedāvāja atmaksāt braucējiem, kuri maksāja augstākas cenas.
Bet, lai gan Lisas Vilkinsas uzdevums ir izstrādāt lietotnes, ņemot vērā lietotāja pieredzi, viņa saka, ka bija vajadzīgs brīdis, lai saprastu, kas ar viņu notiek. tas bija cenu noteikšanas algoritma dēļ.
Liza Vilkinsa: Sākumā es biju ļoti dusmīgs, jo jūs vēlaties to uztvert personiski, it kā viņi to darītu ar nolūku. Šī ir šaušana, un viņi to izmanto. Un tad, kad es par to runāju ar citu kolēģi. Ziniet, mēs joprojām bijām sarūgtināti par to, ka, lai kaut kur nokļūtu, būs jāmaksā tik dārgi, taču mēs sapratām, ka tas ir cenu kāpums. Šis ir robots, kas galvenokārt norāda, kādas būs cenas. Un, būdams UX dizainers, es saprotu, ka jūsu produktā ir daudz negadījumu, ko jūs, iespējams, neplānojat.
Dženifera: Un tam var būt daži neparedzēti rezultāti.
Gabe Smith: Vietnē Amazon bija grāmata par mušu ģenētiku. Tas bija.. bija divi konkurējoši algoritmi, kas tikai skatījās viens uz otru un nedaudz paaugstināja cenu. Otrs papildus tam nedaudz paaugstinātu cenu. Un viņi vienkārši staigāja turp un atpakaļ, nekontrolēti daudzas dienas. Un tas beidzās ar to, ka šīs grāmatas cena bija aptuveni 1,2 miljoni USD.
Gabe Smith: Mani sauc Geibs Smits, un es esmu PriceFX galvenais evaņģēlists. Un man ir aptuveni 14 gadu pieredze cenu optimizācijā un vadībā.
Dženifera: Viņš izmanto AI un citus rīkus, lai palīdzētu uzņēmumiem izlemt, cik kaut kam vajadzētu maksāt. Viņš arī domā par to, kā izvairīties no šīm novirzēm, piemēram, miljonu dolāru vērtā grāmata par kļūdām.
Gabe Smith: Tā patiešām ir astoņdesmitajos gados, kad skaitļošanas jauda un datu pieejamība sasniedza tik tālu, ka šīs metodes varēja sākt izmantot. Un tiešām, tas vispirms parādījās aviosabiedrību nozarē un pēc tam sekoja citās ceļojumu un atpūtas nozarēs, piemēram, automašīnu nomā un viesnīcās.
Dženifera: Dinamiskā cenu noteikšana var palīdzēt uzņēmumiem uzzināt, ko iekasēt par produktiem, kuru derīguma termiņš beidzas vai kuru piegāde ir ierobežota. Tāpat kā tad, kad lidmašīna paceļas... tas, cik no šīm vietām ir aizpildītas, nemainās. Tātad, lai gūtu lielākos ieņēmumus, aviosabiedrībām ir jāpārdod vislielākais sēdvietu skaits par augstāko iespējamo cenu. Un uzzināt, kāda ir šī cena? Viņiem ir jāsaprot pasažieru uzvedības un tirgus pieprasījuma nianses.
Gabe Smith: Tātad tas patiešām bija pirmais cenu optimizācijas un mākslīgā intelekta izmantošanas veids, lai virzītu cenas tirgū. Kopš tā laika jūs zināt, ka tā izmantošana ir patiešām paplašināta daudzās dažādās nozarēs. Mums, piemēram, ir uzņēmums, kas veic dinamisku cenu noteikšanu savām slēpošanas biļetēm, pamatojoties uz gaidāmajiem notikumiem, laikapstākļiem, sniega apstākļiem, bet mums ir arī citi klienti, kas tirgo elektroniku, ķimikālijas. Mums ir rūpnieciskās ražošanas uzņēmumi, izplatīšanas uzņēmumi, patiešām šīs metodes tiek pieņemtas visdažādākajās nozarēs.
Dženifera: Galvenais, lai tas viss darbotos, ir bagātīga datu kopa par klientiem un to, kas veicina viņu vēlmi maksāt. Jo vairāk datu... Jo mērķtiecīgākas cenas var būt privātpersonām.
Gabe Smith: Kā viņi uzvedas. Kādu produktu jūs piedāvājat. Piemēram, kāda ir jūsu darījuma vai citāta būtība? Tos visus var ņemt vērā jūsu cenu optimizācijas algoritmos un ietekmēt jūsu piedāvājumu. Tātad, ja jums ir šādi dati, var būt diezgan vienkārši ieviest cenu optimizāciju. Tāpēc mums ir klienti, kur esam ieviesuši lietas tikai dažu mēnešu laikā.
Dženifera: Un viņš saka, ka šīs sistēmas arvien labāk pārvalda sarežģītību un līdzsvaro konkurējošus mērķus.
Gabe Smith: Tāpēc varbūt es vēlos pārliecināties, ka vienmēr esmu pozicionēts noteiktā veidā salīdzinājumā ar savu konkurentu, vai ne? Vai varbūt es vēlos teikt: “Es nekad nevienam nevēlos paaugstināt cenas par vairāk nekā 5%.” Vai es cenšos palielināt ieņēmumus, vai es cenšos palielināt peļņu? Vai es cenšos palielināt skaļuma caurlaidspēju? Es varētu balansēt starp tiem. Tātad, kas notiek organizācijās, bieži vien ir konkurējoši mērķi. Tātad jūs varat noteikt ne tikai to, kāda ir mana saraksta cena, bet arī, kāda ir sarunātā cena vai veicināšanas pasākums, pamatojoties uz klienta produktu kombināciju.
Dženifera: Šie ierobežojumi ir svarīgi, jo tos neievērojot, cenu noteikšanas algoritmi var vienkārši noteikt augstākas cenas par prioritāti.
Cits jautājums? Pārliecinieties, ka šīs cenas nepastiprina sistēmisku aizspriedumu.
Bet tas nav tik vienkārši.
Gabe Smith: Var gadīties, ka jūs neredzat vienu no šīm lietām tieši, taču tās var būt tieši zem virsmas citā atribūtā, ko izmantojat. Tātad, ja jūs izmantojat pasta indeksu vai izmantojat demogrāfiskos datus ienākumu līmeņa ziņā, jūs zināt, ka šajos datos var būt sistēmiska novirze. Tāpēc jums patiešām ir rūpīgi jāpārdomā, kā šīs lietas tiek veidotas, un jāpārliecinās, ka rīkojaties pareizi no ētikas viedokļa. Un es domāju, ka daļa no pieņemšanas ir šāda: vai es jūtos kā patērētājs, tā rezultātā dažos gadījumos saņemu labu vai labāku darījumu, vai arī tas vienmēr nāk par labu pakalpojumu sniedzējam?
[MŪZIKAS PĀREJA]
Aylin Caliskan: Mēs zinām, ka lielās tehnoloģijas plaši izmanto šos individualizētos cenu noteikšanas algoritmus, un mēs ne vienmēr saprotam, kas notiek aiz šīm sistēmām vai algoritmiem, jo tās ir melnās kastes. Mēs redzam tikai individuālus rezultātus, galvenokārt cenu, ko saņemam. Un mums īsti nav metožu vai datu kopu, lai sistemātiski pētītu cenu diskriminācijas algoritmus.
Aylin Caliskan: Es esmu Aylin Caliskan. Pašlaik esmu Vašingtonas universitātes docents, un mans pētījums ir vērsts uz mašīnmācību un mākslīgā intelekta aizspriedumiem.
Dženifera: Pirms pāris gadiem Čikāgas pilsēta noteica, ka tādi uzņēmumi kā Uber un Lyft publisko biļešu cenas. Tas ļāva pētniekiem piekļūt miljoniem anonimizētu ceļojumu visā pilsētā. Viņa salīdzināja cenas ar apkārtnes demogrāfiskajiem rādītājiem un to, ko viņa atklāja? Pārsteidza viņu.
Aylin Caliskan: Mūsu rezultāti liecina, ka apkaimēs, kurās dzīvo jaunāki iedzīvotāji vai augsti izglītoti iedzīvotāji, bija jāmaksā ievērojami augstākas cenas. Un apkaimēs, kurās dzīvo vairāk nebalto iedzīvotāju, kā arī nabadzīgos rajonos, mēs arī maksājam augstākas braukšanas cenas, ko noteica šie cenu diskriminācijas algoritmi.
Dženifera: Viņas komanda vēlas uzzināt, kāpēc tas notiek, taču tas ir grūti bez sīkākas informācijas par piedāvājumu un pieprasījumu, kas netiek publiskots.
Pētnieki var iegūt tikai šo datu apakškopu.
Aylin Caliskan: Vai iedzīvotāji nelabvēlīgos rajonos maksā augstākas godīgas cenas viņu apkaimes īpašību dēļ? Vai arī autovadītāju piedāvājums ietekmē godīgas cenas šajos rajonos, kur pieprasījums šķiet salīdzinoši zems. Bet, ja piedāvājums ir vēl mazāks, attiecīgi, relatīvais pieprasījums izskatītos augstāks, kas varētu palielināt biļešu cenas un lielāku pārredzamību, jo labākas metodes mēs varam izstrādāt, lai izpētītu šo algoritmu atšķirīgo ietekmi vai to dinamiku, kā viņi mācās no apkārtnes. transporta modeļi un satiksmes modeļi.
Dženifera: Kas atklāj vēl vienu sarežģītu problēmu? Par to īsti nav noteikumu.
Aylin Caliskan: Mums ir vajadzīga plašāka politika un noteikumi, lai mēs varētu piekļūt šai datu kopai un turpināt to pētīt un saprast, kā tas varētu ietekmēt viedo pilsētas plānošanu, kā arī resursu sadali, jo, ja šādas datu kopas tiek izmantotas, piemēram, bezvadītāja automašīnās vai Resursu sadale viedajās pilsētās, šie aizspriedumi nākotnē var tikt iemūžināti vai potenciāli pastiprināti, izraisot visa veida negaidītas blakusparādības, kas mums būs jārisina nākotnē.
Dženifera: Pēc pārtraukuma mēs uzzinām, kā varētu izskatīties regulējums… un uzzinām, kā šie algoritmi varētu darboties pārtikas preču veikalā.
Bet vispirms es vēlos jums pastāstīt par notikumu ar nosaukumu CyberSecure. Tā ir Tech Review kiberdrošības konference, un es tur būšu kopā ar saviem kolēģiem, lai runātu par izspiedējvīrusu programmatūru un citiem svarīgiem jautājumiem. Varat uzzināt vairāk vietnē Cyber Secure M-I-T dot com.
Mēs tūlīt atgriezīsimies… pēc šī.
[MIDROLL]
[MŪZIKA]
Dženifera: Cenu noteikšanas algoritmi var arī palīdzēt patērētājiem… personalizējot produktus un ieteikumus… vai sniedzot ieskatu uzņēmumiem, kas palīdz tiem izstrādāt labākus produktus un pakalpojumus.
Taču šīs sistēmas rada arī jaunus izaicinājumus tiem, kas regulē konkurenci.
Kongress pieņēma pirmo pretmonopola likumu pirms vairāk nekā gadsimta, bet tikai 2015. gadā valdība ierosināja pirmo pretmonopola lietu, kas īpaši vērsta uz e-komerciju. Tādā gadījumā vīrietis atzina savu vainu sazvērestībā, lai kopā ar citiem pārdevējiem nelikumīgi fiksētu cenas plakātiem, ko viņš pārdeva vietnē Amazon... izmantojot algoritmu, kas paredzēts cenu izmaiņu koordinēšanai.
Džozefs Haringtons: Cenu noteikšanas algoritms meklēs labāko vai zemāko cenu konkurējošiem pārdevējiem, tas ir, šo divu tiešsaistes pārdevēju konkurentiem. Un tad abi tiešsaistes pārdevēji noteiktu nedaudz zemāku kopējo cenu. Tātad abi pārdevēji joprojām konkurēja ar citiem uzņēmumiem tirgū, bet vienkārši nekonkurēja viens pret otru. Tātad tā vietā, lai saskaņotu vienotu cenu, viņi saskaņoja, izmantojot kopīgu cenu noteikšanas algoritmu, un tam bija tāda pati ietekme, samazinot konkurenci.
Džozefs Haringtons: Tātad es esmu Džo Haringtons. Esmu Pensilvānijas Universitātes Vārtonas skolas biznesa, ekonomikas un sabiedriskās politikas profesors. Mans pētījums ir saistīts ar slepenām vienošanām un karteļiem.
Dženifera: Lieta, kas saistīta ar Amazon plakātu pārdevējiem, ir diezgan tuvu tradicionālajai slepenajai vienošanās... kur citādi konkurējoši uzņēmumi koordinē cenas, izmantojot tiešu, cilvēku saziņu.
Taču arvien vairāk tiek veikti pētījumi, kas liecina, ka paši cenu noteikšanas algoritmi varētu iemācīties izveidot sava veida digitālo karteli… un vienoties, lai paaugstinātu cenas bez cilvēka iesaistīšanās.
Džozefs Haringtons: Tagad padomāsim par to, vai vadītājs nolemj, ka viņš deleģēs cenu noteikšanas lēmumu pašmācības algoritmam. Šis pašmācības algoritms eksperimentēs ar dažādiem cenu noteikšanas algoritmiem vai cenu noteikšanas noteikumiem, cerot atrast izdevīgākus. Tāpēc viņi pieņem izdevīgākus cenu noteikšanas noteikumus. Un iemesls, kāpēc tie ir ienesīgāki, ir fakts, ka pašmācības algoritmi ir iemācījušies nekonkurēt savā starpā.
Dženifera: Un pētnieki Itālijā jau ir atraduši pierādījumus tam, ka tas notiek simulētā vidē.
Džozefs Haringtons: Tāpēc viņi uzskatīja par ļoti standarta tirgus ekonomikas modeli. Tādu, ko izmantojuši daudzi ekonomisti gan teorētiskajam, gan empīriskajam darbam. Un jautājums bija par to, vai viņi spēs iemācīties sadarboties diezgan izsmalcinātā un sarežģītā simulētā vidē. Un atbilde ir ļoti nepārprotama, jā, ir konstatētas cenas, kas bija tikai, tikai parasti krietni augstākas par konkurētspējīgām cenām, dažreiz diezgan tuvu monopola cenām.
Dženifera: Viņš saka, ka šie pašmācības algoritmi darbojas tādā veidā, kas atspoguļo cilvēku karteļus.
Džozefs Haringtons: Algoritmi nosaka augstāku cenu virs konkurētspējīgām cenām, kas vismaz īstermiņā rada stimulu noteikt zemāku cenu, lai iegūtu lielāku tirgus daļu un lielāku peļņu. Pašmācības algoritmi ir uzzinājuši par sekām, ko rada atkāpšanās no tā, nosakot zemāku cenu, ir tas, ka otrs pašmācības algoritms ir pieņēmis cenu noteikšanas algoritmu, kas sodīs šo rīcību. Tātad, ja vienam no tiem pēkšņi tika pazemināta cena, otra pašmācības algoritma cenu noteikšanas algoritms tika apmācīts reaģēt ar ļoti zemu cenu. Cenas kādu laiku paliktu zemas, taču tām būtu tendence atgriezties pie augstajām slepenajām cenām. Tas, kas mums šeit patiešām ir, ir šie pašmācības algoritmi, kas mācās, ka, labi, mēs noteiksim augstu cenu, un iemesls, kāpēc viņi no tā nenovirzās, ir tas, ka viņi ir iemācījušies, ka būs atriebība. sods ar citu, pašmācības algoritmu. Un tieši to mēs domājam par slepenu vienošanos.
Dženifera: Tas joprojām ir atklāts jautājums par to, vai šāda veida lietas varētu notikt reālā tirgū ar visu tā papildu sarežģītību.
Taču automatizētas slepenas vienošanās jēdziens rada dažādus juridiskus jautājumus.
Džozefs Haringtons: Ja mēs atgriežamies pie Amazon tirgus un tiešsaistes plakātu pārdevēju piemēra, tad tā ir šāda veida slepena vienošanās, kuras tiesiskais regulējums ir labi izstrādāts. Tas ir paredzēts sazvērestībai, kurā konkurenti sazinās. Un koordinēt viņu rīcību. Likums ir definēts kā prātu satikšanās, apzināta apņemšanās pēc kopīgas shēmas. Doma, ka ir bijusi šī komunikācija, kas radījusi zināmu savstarpēju sapratni starp konkurentiem, lai vairs nekonkurētu. Tas viss nav pieejams, ja konkurenti ir pieņēmuši pašmācības algoritmus, ja vien viņi to darīja neatkarīgi. Šiem pašmācības algoritmiem nav izpratnes, vēl jo mazāk savstarpējas sapratnes, kas patiešām ir nepieciešama likuma kontekstā.
Dženifera: Un pagaidām… neviens nav atbildīgs par uzraudzību, vai šīs sistēmas darbojas saskaņā ar mūsu uzskatītajiem noteikumiem.
Džozefs Haringtons: Es domāju, ka patiesībā iespējamā juridiskā reakcija nākotnē būtu aizliegt noteiktas cenu noteikšanas algoritmu īpašības. Ja tie būtu aizliegti, pašiem uzņēmumiem būtu stimuls uzraudzīt savus cenu noteikšanas algoritmus, nevis atklāt sevi nelikumīgi. Bet pašlaik neviens tos neuzrauga. Un noteikti uzņēmumiem nav stimula, es teiktu, tos uzraudzīt.
Dženifera: Viņš saka, ka pret konkurenci vērsti cenu noteikšanas algoritmi varētu būt arī iegulti programmatūrā… ko varētu izmantot uzņēmumi, kas konkurē savā starpā… šiem uzņēmumiem pat to neapzinoties.
Džozefs Haringtons: Un tad rodas jautājums, ko ar to var darīt? Un tagad mēs atkal esam mazliet neskaidrā juridiskā teritorijā, jo sazvērestībai ir nepieciešami divi vai vairāki aktieri, kas tradicionāli ir divi vai vairāki konkurenti, kuri nolēmuši vairs nesacensties. Bet tagad mēs iedomājamies, ka tas ir viens dalībnieks, kas ir trešās puses izstrādātājs, kurš varētu izstrādāt cenu noteikšanas algoritmu, kas nav īpaši konkurētspējīgs. Un, ja tas spēs pārliecināt daudzus tirgus uzņēmumus to pieņemt, tas labi darbosies šiem uzņēmumiem, jo tas radīs augstākas cenas un mazāku cenu konkurenci. Tagad atkal tas ir slikti, taču nav sazvērestības, jo patiesībā ir tikai viens aktieris, trešās puses izstrādātājs, kas to reklamē.
Dženifera: Un tur ir piemērs tam reālajā pasaulē.. pētījumā, kas veikts par Vācijas degvielas uzpildes stacijām, kuras sāka pieņemt cenu noteikšanas algoritmu.
Džozefs Haringtons: Un pierādījumi liecina, ka, reaģējot uz to, vidējās cenas izmaksu maržas palielinājās aptuveni par 12%. Bet tas tiešām bija ļoti pārsteidzoši, ja paskatās uz tirgiem, kur bija tikai divas stacijas, tāpēc iedomājieties ģeogrāfisku tirgu, kurā konkurē tikai divas stacijas. Un tas, ko pētījums atklāja, bija tāds, ka, ja kāds no viņiem izmantoja cenu noteikšanas algoritmu, tas patiešām neietekmēja cenas. Bet, ja abi pieņēma, tad ievērojami pieauga cenu izmaksu maržas. Apmēram 29%. Tātad tagad tas ir informatīvs attiecībā uz to, ko dara šie cenu noteikšanas algoritmi. Ja tie rada tikai efektīvāku dinamisku cenu noteikšanu, jūs varētu sagaidīt kādu efektu pat tad, ja to pieņēmis tikai viens stacijas operators. Bet tas nav tas, kas ir atrasts pētījumā. Tikai tad, kad abi konkurenti ir adoptēti, jūs redzat efektu. Un tas ir efekts, kas ir ievērojams cenas pieaugums. Tāpēc es domāju, ka tas ir kaut kas, kas, manuprāt, notiek. Un tas, manuprāt, ir nedaudz konkrētāks un, iespējams, ir vairāk politikas iespēju, kā rīkoties. Pretēji pašmācības algoritmu gadījumam, kas, manuprāt, ir potenciāla problēma, kurai mēs vēlamies tikt priekšā.
Maksims Koens: Agrāk cenas varējām mainīt katru dienu vai katru mēnesi, bet tagad cenas var mainīties katru stundu vai dažās lietojumprogrammās, pat katru minūti.
Maksims Koens: Mani sauc Maksims Koens. Es esmu Scale AI katedras profesors Makgila Universitātē Monreālā, Kanādā, kā arī Mazumtirdzniecības inovāciju laboratorijas līdzdirektors.
Dženifera: Dažos pēdējos gados ir vērojams dinamiskas cenu noteikšanas prakses sprādziens... Un arī personalizētā cenu noteikšana ir arvien izplatītāka.
Nākotnē dinamiskās cenu noteikšanas sistēmas varētu būt pilnībā autonomas... un izmantot vēl plašākā mērogā.
Tas rada jautājumu: kā mēs aizsargājam savu privātumu, kad mūsu dati tiek izmantoti, lai noteiktu, cik daudz mēs maksājam par lietām?
Maksims Koens: Tātad cenu noteikšanas algoritmam dienas beigās jābūt balstītam uz nepersoniskiem atribūtiem. Piemēram, varat apkopot pirkumu vēsturi, varat apkopot, iespējams, lietotāju atrašanās vietu, darbības, ko viņi veikuši pagātnē, taču nevēlaties izmantot jebkāda veida personas atribūtus, piemēram, vārdus, dzimumu vai jebko, kas ir personiskāks.
Dženifera: Vēl viens jautājums… kur mēs novelkam robežu starp godīgu un negodīgu cenu noteikšanu?
Maksims Koens: Cilvēkam ir jāuzdod sev jautājums. Vai ir godīgi piedāvāt dažādas cenas dažādiem klientiem par vienu un to pašu produktu vai pakalpojumu? Un atbilde uz šo jautājumu patiesībā nav vienkārša. Šīs divas tēmas par privātumu un godīgumu ir ļoti delikātas, un, manuprāt, tām ir vajadzīgi rūpīgi noteikumi.
Dženifera: Viņš saka, ka regulatoriem vajadzētu sanākt kopā un skaidri pateikt, kādus datus var savākt, uzglabāt un izmantot, lai pieņemtu lēmumus par cenām.
Maksims Koens: Piemēram, ja Uber sāk kliegt par dažādām cenām, pamatojoties uz jūsu tālruņa akumulatora procentuālo daudzumu, kad pasūtāt braucienu. Vai tas būtu labi? Vai tas nebūtu kārtībā? Tāpēc regulatoriem vajadzētu apvienoties pie galda un izveidot sarakstu ar atribūtiem, kurus ir saprātīgi izmantot, pieņemot lēmumus par cenām, un dažus citus atribūtus melnajā sarakstā, kur tos nevajadzētu izmantot, pieņemot lēmumus par cenām.
Dženifera: Un uz spēles ir likti ne tikai mūsu tiešsaistes iepirkumu grozi. Dinamiskie cenu noteikšanas algoritmi drīzumā varētu atrast mājvietu arī fiziskajā mazumtirdzniecībā... elektronisko plauktu etiķešu veidā.
Maksims Koens: Jūs faktiski varat mainīt konkrētu produktu cenas noteiktā laikā, vienkārši mainot vienu koda rindiņu un nospiežot vienu pogu. Jūs maināt vienu koda rindiņu. Pēc tam jūs varat ieviest cenas maiņu praktiski bez maksas. Tagad vienīgais fiziskajā mazumtirdzniecībā atlikušais jautājums ir, kā klienti reaģēs uz strauju, dinamisku cenu noteikšanas praksi. Ja tā padomā, cenas sāks celties lielveikalos saspringtajā laikā. Ja ir kāds diennakts laiks, kad viņiem lielveikalā ir daudz cilvēku, cenas celsies. Tāpat cenas sāks pieaugt, ja jums būs ļoti maz krājumu konkrētiem produktiem. Ja jums ir mazāk akciju cenas celsies, lai patiktu, pārliecinieties, ka jūs optimizējat savu peļņu. Tagad nav skaidrs, vai klienti būs apmierināti un pieņems tos veidus, kas jau ir ieviesti tiešsaistes pasaulē. Tas noteikti var būt ienesīgs īstermiņā, taču tas var radīt zaudējumus ilgtermiņā, jo īpaši attiecībā uz klientu lojalitāti. Tāpēc mums ir jāveic daudz pētījumu, lai mēģinātu izprast fiziskās mazumtirdzniecības dinamiskās cenu noteikšanas jaudu un iespējamos ieguvumus.
[KREDĪTI]
Dženifera: Par šo epizodi ziņoja Entonijs Grīns, un to producējām mēs abi kopā ar Emmu Cillekensu. Mūs rediģē Mets Honans, un mūsu miksu inženieris ir Garets Langs, kura skaņu dizainu un mūziku veidojis Džeikobs Gorskis.
Paldies, ka klausījāties, es esmu Dženifera Stronga.
[TR ID]