พอดคาสต์: อัลกอริธึมการกำหนดราคาเรียนรู้ที่จะสมรู้ร่วมคิดอย่างไร
อัลกอริทึมจะกำหนดราคาของสิ่งของ เรียกว่าการกำหนดราคาแบบไดนามิกและปรับตามสภาวะตลาดปัจจุบันเพื่อเพิ่มผลกำไร การเพิ่มขึ้นของอีคอมเมิร์ซทำให้อัลกอริธึมการกำหนดราคาเกิดขึ้นได้ทุกวัน ไม่ว่าคุณจะซื้อของบน Amazon จองเที่ยวบิน โรงแรม หรือสั่งซื้อ Uber ในความต่อเนื่องของซีรีส์เรื่องระบบอัตโนมัติและกระเป๋าเงินของคุณ เราจะสำรวจว่าจะเกิดอะไรขึ้นเมื่อเครื่องกำหนดราคาที่คุณจ่าย
ในตอนนี้เราได้พบกับ:
- ลิซ่า วิลกินส์ นักออกแบบ UX เกบ สมิธ หัวหน้าผู้ประกาศข่าวประเสริฐ PriceFXAylin Caliskan ผู้ช่วยศาสตราจารย์ University of Washington
- Maxime Cohen, ศาสตราจารย์ Scale AI Chair, McGill University
-
-
-
-
- ตอนที่ 12 วันที่สอง แผงสาม “ปรากฏการณ์อเมซอน” – ทาง YouTube
- โจเซฟ แฮร์ริงตัน ศาสตราจารย์ของ ธุรกิจ เศรษฐศาสตร์ และนโยบายสาธารณะ มหาวิทยาลัยเพนซิลเวเนีย
เครดิต:
ตอนนี้รายงานโดย Anthony Green และผลิตโดย Jennifer Strong และ Emma Cillekens เรียบเรียงโดย Mat Honan และวิศวกรผสมของเราคือ Garret Lang ออกแบบเสียงและดนตรีโดย Jacob Gorski
การถอดเสียงฉบับเต็ม:
เจนนิเฟอร์: เอาล่ะ ฉันอยู่ในสนามบินนอกเมืองนิวยอร์ก และกำลังมองดูอยู่ ที่บอร์ดผู้โดยสารขาออกที่นี่ การได้เห็นเที่ยวบินเหล่านี้ไปยังที่ต่างๆ กัน… มันทำให้ผมนึกถึงว่าเราตัดสินใจว่าควรราคาเท่าไหร่… เช่น ตั๋วสำหรับหนึ่งในเที่ยวบินเหล่านี้ เพราะที่ที่เครื่องบินกำลังจะไปนั้นเป็นเพียงส่วนหนึ่งของปริศนา ราคาตั๋วเครื่องบินมีความเป็นส่วนตัวสูง ประกอบด้วยข้อมูลผู้บริโภคจำนวนมหาศาล ราคายังเปลี่ยนแปลงตามเวลาจริงตามสิ่งต่างๆ เช่น รูปแบบการจอง ราคาของคู่แข่ง แม้แต่สภาพอากาศ….
เจนนิเฟอร์: แต่มันไม่ได้เป็นอย่างนั้นเสมอไป มีเวลา… เราสามารถพึ่งพาแนวคิดที่ว่า “สิ่งที่คุณเห็นคือสิ่งที่คุณได้รับ”
ทุกวันนี้ ราคาจะถูกตัดสินโดยอัลกอริทึม เรียกว่าการกำหนดราคาแบบไดนามิก… ซึ่งกำหนดราคาสิ่งต่าง ๆ ตามสภาวะตลาดปัจจุบันเพื่อเพิ่มผลกำไร
และไม่ใช่แค่สายการบินที่ใช้เทคนิคนี้เท่านั้น
[SOT: Retailers Adopt ‘Dynamic Pricing’ – via YouTube]
นักข่าวทีวี: แนวทางปฏิบัติที่เริ่มต้นโดยสายการบิน การกำหนดราคาแบบไดนามิกได้ถูกนำมาใช้โดยผู้ค้าปลีกแล้ว ต้องขอบคุณเทคโนโลยีใหม่บางอย่าง
[SOT: Amazon accused of surge pricing WCPO ABC 9, via YouTube]
นักข่าวทีวี: …และมันกำลังเป็นที่นิยมมากขึ้นเรื่อยๆ ต้องขอบคุณอัลกอริทึมของคอมพิวเตอร์ คุณจะพบกับตั๋ว Disney World ห้องพักในโรงแรม ที่นั่งในเมเจอร์ลีกเบสบอล…และตอนนี้ อเมซอน
เจนนิเฟอร์: อีคอมเมิร์ซขับเคลื่อนอัลกอริทึมเหล่านี้ให้เกิดขึ้นทุกวัน…
แต่นั่นหมายถึงอะไรสำหรับผู้บริโภค?
[SOT: ANTITRUST AND COMPETITION CONFERENCE Part 12 Day Two Panel Three “Amazon Phenomenon” – via YouTube]
Lina Khan ผู้อำนวยการฝ่ายนโยบายกฎหมาย Open Markets Institute: Amazon เปลี่ยนราคาวันละสองล้านครั้ง แล้วราคาที่เสถียรสำหรับพวกเราคืออะไร แล้วเราจะรู้ได้อย่างไรว่าเราจ่ายราคาต่างกัน ฉันคิดว่านั่นจะเป็นคำถามสำคัญในอนาคต
เจนนิเฟอร์: ฉันชื่อเจนนิเฟอร์ สตรอง และตอนนี้ จะเกิดอะไรขึ้นเมื่อเครื่องจักรกำหนด ราคาที่คุณจ่าย
[SHOW ID]
OC:…คุณถึงที่หมายแล้ว
[MUSIC]
[SOT: KIRO7 Seattle – Via web]
[SOT: KIRO7 Seattle – Via web] ผู้ประกาศข่าว 2: เมื่อเสียงปืนดังขึ้นครั้งสุดท้าย คืนนั้นผู้คนต่างมองหาทางออก คืนนี้บางคนบอกว่าความปลอดภัยไปที่ผู้เสนอราคาสูงสุด
เจนนิเฟอร์: มันเป็นช่วงกลางของการเดินทางตอนเย็น เมื่อเดือนมกราคมที่ผ่านมา เมื่อเกิดเหตุกราดยิงในตัวเมืองซีแอตเทิล
ผู้ประกาศข่าว 1 : บริษัท Rideshare กำลังถูกไฟไหม้ คืนนี้เพื่อขึ้นราคาในขณะที่ผู้คนพยายามหนีปืน ผู้ขับขี่บางคนบอกว่าพวกเขาถูกควัก
Lisa Wilkins: รถบัสที่ฉันใช้ตามปกติจะลงไปตามถนนที่เกิดเหตุ เกิดขึ้นบน. ดังนั้นรถเมล์ทุกคันที่วิ่งไปตามถนนสายนั้นจึงหยุดลง พวกเขาไม่ได้เปลี่ยนเส้นทางหรืออะไร พวกเขาก็แค่หยุด
เจนนิเฟอร์: Lisa Wilkins ทำงานด้านเทคโนโลยี และสำนักงานของเธออยู่ห่างจาก ที่เกิดเหตุยิงกัน
Lisa Wilkins: ฉันเพิ่งตัดสินใจว่าฉันจะคว้า Uber หรือ Lyft และ คุณรู้ไหม นำมันกลับบ้านหรือนำกลับไปที่รถของฉัน ซึ่งอยู่ที่ Park and Ride ซึ่งห่างออกไปประมาณ 17 ไมล์ และเมื่อฉันเปิดแอปขึ้นมา ฉันก็เห็นว่ามีเงินร้อยดอลลาร์หรืออะไรซักอย่างที่จะไปถึงที่นั่นได้ โดยปกติราคาจะอยู่ที่ 30 ดอลลาร์
เจนนิเฟอร์: เมื่อความต้องการสูง ราคาของ Lyft หรือ Uber ก็จะแพงขึ้นโดยอัตโนมัติ ในกรณีฉุกเฉิน บริษัทจะจำกัดราคาเหล่านั้นเมื่อเห็นได้ชัดว่าเกิดอะไรขึ้น และในกรณีนี้ เสนอให้คืนเงินแก่ผู้โดยสารที่จ่ายค่าโดยสารที่สูงขึ้น
แต่ถึงแม้ว่างานของ Lisa Wilkins คือการออกแบบแอพโดยคำนึงถึงประสบการณ์ของผู้ใช้ เธอกล่าว มันยังคงใช้เวลาสักครู่กว่าจะรู้ว่าเกิดอะไรขึ้นกับเธอ – เป็นเพราะอัลกอริธึมการกำหนดราคา
ลิซ่า วิลกินส์: ตอนแรกฉันโกรธมากเพราะคุณอยากจะพูดเป็นการส่วนตัว เหมือนกับว่าพวกเขาจงใจทำสิ่งนี้ นี่คือการยิงและพวกเขากำลังใช้ประโยชน์จากมัน แล้วตอนที่ฉันกำลังคุยกับเพื่อนร่วมงานคนอื่นเกี่ยวกับเรื่องนี้ รู้ไหม เรายังรู้สึกไม่สบายใจที่ต้องเสียค่าใช้จ่ายมากในการเดินทางไปไหนมาไหน แต่เราก็ตระหนักว่า ราคานี้พุ่งสูงขึ้น นี่คือบอทที่บอกว่าราคาจะเป็นอย่างไร และในฐานะนักออกแบบ UX ฉันเข้าใจว่ามีหลายกรณีที่คุณอาจไม่ได้วางแผนให้เกิดขึ้นในผลิตภัณฑ์ของคุณ
เจนนิเฟอร์: และนี่อาจมีผลลัพธ์ที่ไม่ได้ตั้งใจ
เกบ สมิธ: มีหนังสือเกี่ยวกับพันธุศาสตร์แมลงใน Amazon นั่นคือ.. มีอัลกอริธึมที่แข่งขันกันสองแบบที่คอยดูกันและเพิ่มราคาเล็กน้อย อีกอันหนึ่งจะเพิ่มราคาขึ้นเล็กน้อยนอกเหนือจากนั้น และพวกเขาก็แค่ไปๆมาๆโดยไม่มีการตรวจสอบเป็นเวลาหลายวัน และจบลงด้วยราคาของหนังสือเล่มนี้ราวๆ 1.2 ล้านเหรียญ
เกบ สมิธ: ฉันชื่อ Gabe Smith และฉันเป็นหัวหน้าผู้ประกาศข่าวประเสริฐของ PriceFX และฉันมีประสบการณ์ประมาณ 14 ปีในการเพิ่มประสิทธิภาพและการจัดการราคา
เจนนิเฟอร์: เขาใช้ AI และเครื่องมืออื่นๆ เพื่อช่วยให้บริษัทตัดสินใจได้ว่าสิ่งใดควรเสียค่าใช้จ่าย เขายังคิดถึงวิธีหลีกเลี่ยงสิ่งผิดปกติเหล่านั้น… เช่น หนังสือเกี่ยวกับแมลงมูลค่าล้านเหรียญ
เกบ สมิธ: ดังนั้นในทศวรรษที่แปดสิบเป็นจริงเมื่อพลังการประมวลผลและความพร้อมใช้งานของข้อมูลมาถึงจุดที่เทคนิคเหล่านี้สามารถเริ่มใช้ประโยชน์ได้ และจริงๆ แล้ว มันปรากฏตัวครั้งแรกในอุตสาหกรรมการบิน และตามมาในอุตสาหกรรมการท่องเที่ยวและการพักผ่อนอื่นๆ เช่น รถเช่าและโรงแรม
เจนนิเฟอร์: การกำหนดราคาแบบไดนามิกสามารถช่วยให้บริษัทต่างๆ ทราบว่าจะเรียกเก็บเงินสำหรับผลิตภัณฑ์ที่หมดอายุหรือ จำกัดในการจัดหา เหมือนกับเวลาที่เครื่องบินขึ้น… ไม่มีการเปลี่ยนแปลงว่าที่นั่งเหล่านั้นจะเต็มกี่ที่นั่ง ดังนั้น ในการขับเคลื่อนรายได้ให้มากที่สุด สายการบินจำเป็นต้องขายที่นั่งให้ได้มากที่สุดในราคาสูงสุด และต้องเรียนรู้ว่าราคานั้นคืออะไร? พวกเขาจำเป็นต้องเข้าใจความแตกต่างของพฤติกรรมผู้โดยสารและความต้องการของตลาด
Gabe Smith: นั่นคือครั้งแรกที่ใช้การเพิ่มประสิทธิภาพการกำหนดราคาและปัญญาประดิษฐ์เพื่อขับเคลื่อน การกำหนดราคาในตลาด และตั้งแต่นั้นเป็นต้นมา คุณก็รู้ว่ามีการใช้งานอย่างกว้างขวางในอุตสาหกรรมต่างๆ มากมาย ตัวอย่างเช่น เรามีบริษัทที่ทำการกำหนดราคาแบบไดนามิกสำหรับตั๋วสกีตามกิจกรรมที่จะเกิดขึ้น สภาพอากาศ สภาพหิมะ แต่เรายังมีลูกค้ารายอื่นๆ ที่ขายอุปกรณ์อิเล็กทรอนิกส์ เคมีภัณฑ์อีกด้วย เรามีบริษัทผู้ผลิตอุตสาหกรรม บริษัทจัดจำหน่าย เทคนิคเหล่านี้กำลังถูกนำไปใช้ในอุตสาหกรรมที่หลากหลาย
เจนนิเฟอร์: กุญแจสำคัญในการทำให้สิ่งนี้สำเร็จคือชุดข้อมูลที่สมบูรณ์เกี่ยวกับลูกค้าและอะไร ผลักดันความเต็มใจที่จะจ่าย ยิ่งมีข้อมูลมากขึ้น… ราคาที่ตรงเป้าหมายมากขึ้นสำหรับบุคคลทั่วไป
Gabe Smith: พวกเขาประพฤติตนอย่างไร ผลิตภัณฑ์อะไรที่คุณนำเสนอ อย่างเช่น ลักษณะของธุรกรรมหรือใบเสนอราคาที่คุณกำลังทำคืออะไร สิ่งเหล่านี้สามารถนำมาประกอบเป็นอัลกอริธึมการปรับราคาให้เหมาะสมและมีอิทธิพลต่อสิ่งที่คุณจะนำเสนอ ดังนั้นหากคุณมีข้อมูลเช่นนั้น จริง ๆ แล้วสามารถใช้การเพิ่มประสิทธิภาพการกำหนดราคาได้ค่อนข้างตรงไปตรงมา ดังนั้นเราจึงมีลูกค้าที่เราได้ดำเนินการต่างๆ ในเวลาเพียงสองสามเดือน
เจนนิเฟอร์: และเขาบอกว่าระบบเหล่านี้กำลังดีขึ้นในการจัดการความซับซ้อนและปรับสมดุลเป้าหมายการแข่งขัน
Gabe Smith: ดังนั้นบางทีฉันอาจต้องการให้แน่ใจว่าฉันอยู่ในตำแหน่งเสมอ เมื่อเทียบกับคู่แข่งของฉันใช่ไหม หรือบางทีฉันอยากจะพูดว่า ‘ฉันไม่เคยต้องการเพิ่มราคาใครมากกว่า 5%’ ฉันกำลังพยายามเพิ่มรายได้ให้สูงสุด ฉันกำลังพยายามเพิ่มผลกำไรให้สูงสุดหรือไม่ ฉันกำลังพยายามเพิ่มปริมาณการรับส่งข้อมูลสูงสุดหรือไม่ ฉันสามารถสร้างสมดุลระหว่างสิ่งเหล่านั้นได้ ดังนั้น สิ่งที่เกิดขึ้นในองค์กร มีหลายครั้งที่มีวัตถุประสงค์ที่แข่งขันกัน ดังนั้นคุณสามารถเป็นแนวทางได้ ไม่เพียงแต่ โอเค ราคาปลีกของฉันราคาเท่าไหร่ แต่ราคาที่ต่อรองหรือหรือโปรโมชั่นตามการรวมผลิตภัณฑ์ของลูกค้าคืออะไร
เจนนิเฟอร์: ข้อจำกัดเหล่านี้มีความสำคัญเนื่องจากไม่มีการผูกมัด อัลกอริธึมการกำหนดราคาสามารถจัดลำดับความสำคัญของราคาที่สูงกว่าได้
ปัญหาอื่น? ตรวจสอบให้แน่ใจว่าราคาเหล่านั้นไม่ส่งเสริมอคติเชิงระบบ
แต่นี่ไม่ตรงไปตรงมานัก
Gabe Smith: เป็นไปได้ว่าคุณไม่เห็น สิ่งเหล่านั้นอย่างชัดเจน แต่อาจอยู่ใต้พื้นผิวในแอตทริบิวต์อื่นที่คุณใช้อยู่ ดังนั้น หากคุณใช้รหัสไปรษณีย์หรือกำลังใช้ข้อมูลประชากรในแง่ของระดับรายได้ อาจมีอคติเชิงระบบอยู่ในข้อมูลนั้น ดังนั้น คุณจึงต้องไตร่ตรองถึงวิธีที่คุณสร้างสิ่งเหล่านี้ออกมา และตรวจสอบให้แน่ใจว่าคุณกำลังทำสิ่งที่ถูกต้องจากมุมมองด้านจริยธรรม และฉันคิดว่าส่วนหนึ่งของการยอมรับคือ: ฉันรู้สึกเหมือนเป็นผู้บริโภค ฉันได้รับข้อเสนอที่ดีหรือข้อตกลงที่ดีขึ้นในบางกรณี ซึ่งเป็นผลมาจากสิ่งนี้ หรือเป็นประโยชน์ต่อผู้ให้บริการเสมอ?
[CREDITS]
Aylin Caliskan: เรารู้ว่าเทคโนโลยีขนาดใหญ่ใช้อัลกอริธึมการกำหนดราคาเป็นรายบุคคลเหล่านี้อย่างกว้างขวาง และเราไม่จำเป็นต้องเข้าใจว่าเกิดอะไรขึ้นเบื้องหลังระบบหรืออัลกอริธึมเหล่านี้เพราะ มันคือกล่องดำ เห็นผลเท่านั้น เป็นรายบุคคล โดยพื้นฐานแล้วราคาที่เราได้รับ และเราไม่มีวิธีการหรือชุดข้อมูลในการศึกษาอัลกอริธึมการเลือกปฏิบัติราคาอย่างเป็นระบบ
Aylin Caliskan: ฉันชื่อ Aylin Caliskan ปัจจุบันฉันเป็นผู้ช่วยศาสตราจารย์ที่มหาวิทยาลัยวอชิงตัน และงานวิจัยของฉันมุ่งเน้นไปที่การเรียนรู้ของเครื่องและอคติของปัญญาประดิษฐ์
เจนนิเฟอร์: เมื่อสองสามปีก่อน เมืองชิคาโกได้รับคำสั่งให้บริษัทต่างๆ เช่น Uber และ Lyft เผยแพร่ข้อมูลค่าโดยสารสู่สาธารณะ สิ่งนี้ทำให้นักวิจัยสามารถเข้าถึงการเดินทางแบบไม่ระบุชื่อได้หลายล้านครั้งทั่วเมือง เธอเปรียบเทียบราคากับข้อมูลประชากรของพื้นที่ใกล้เคียงและสิ่งที่เธอพบ? ทำให้เธอประหลาดใจ
Aylin Caliskan: ผลลัพธ์ของเราแสดงให้เห็นว่าย่านที่มีคนอายุน้อยหรือมีการศึกษาสูงจ่ายเงิน ราคาค่าโดยสารที่สูงขึ้นอย่างมีนัยสำคัญ และย่านใกล้เคียงที่มีผู้อยู่อาศัยที่ไม่ใช่คนผิวขาวและย่านที่ยากจน เรายังจ่ายราคาค่าโดยสารที่สูงขึ้นซึ่งกำหนดโดยอัลกอริธึมการเลือกปฏิบัติด้านราคาเหล่านี้ด้วย
เจนนิเฟอร์: ทีมของเธอต้องการทราบว่าเหตุใดจึงเกิดขึ้น แต่นั่นเป็นเรื่องยากหากไม่มีรายละเอียดเกี่ยวกับอุปสงค์และอุปทาน – ซึ่งจะไม่เปิดเผยต่อสาธารณะ
นักวิจัยสามารถรับข้อมูลนี้ได้เพียงส่วนย่อยเท่านั้น
Aylin Caliskan: ผู้อยู่อาศัยในละแวกใกล้เคียงที่ด้อยโอกาสจ่ายราคายุติธรรมที่สูงกว่าเนื่องจากลักษณะของพวกเขา บริเวณใกล้เคียง หรืออุปทานของผู้ขับขี่มีผลกระทบต่อการกำหนดราคาที่ยุติธรรมในละแวกใกล้เคียงเหล่านี้ซึ่งความต้องการดูเหมือนค่อนข้างต่ำ แต่ถ้าอุปทานต่ำกว่านั้น อุปสงค์ที่เกี่ยวข้องก็จะดูสูงขึ้น ซึ่งอาจเพิ่มราคาค่าโดยสารและความโปร่งใสมากขึ้น วิธีที่ดีกว่าที่เราสามารถพัฒนาเพื่อศึกษาผลกระทบที่แตกต่างกันของอัลกอริธึมเหล่านี้หรือไดนามิกของพวกมัน วิธีที่พวกเขาเรียนรู้จากพื้นที่ใกล้เคียง รูปแบบการขนส่งและรูปแบบการจราจร
เจนนิเฟอร์: ซึ่งทำให้เกิดปัญหายุ่งยากอีกประการหนึ่ง? ไม่มีกฎเกณฑ์เกี่ยวกับเรื่องนี้จริงๆ
Aylin Caliskan: เราต้องการนโยบายและข้อบังคับเพิ่มเติมเพื่อให้เราสามารถเข้าถึงชุดข้อมูลนี้ได้ และศึกษาต่อไปและทำความเข้าใจว่าสิ่งนี้อาจส่งผลต่อการวางแผนเมืองอัจฉริยะและการจัดสรรทรัพยากรอย่างไร เพราะหากใช้ชุดข้อมูลดังกล่าว เช่น ในรถยนต์ไร้คนขับหรือการจัดสรรทรัพยากรในเมืองอัจฉริยะ ความลำเอียงเหล่านี้อาจสิ้นสุดลงหรืออาจเป็นไปได้ ขยายวงกว้างในอนาคตทำให้เกิดผลข้างเคียงที่คาดไม่ถึงทุกประเภทที่เราจะต้องรับมือในอนาคต
หลังจากหยุดพัก เราจะค้นพบว่ากฎระเบียบจะเป็นอย่างไร… และเราเรียนรู้ว่าอัลกอริธึมเหล่านี้ทำงานอย่างไรในร้านขายของชำ
แต่ก่อนอื่น ฉันอยากจะบอกคุณเกี่ยวกับเหตุการณ์ที่เรียกว่า CyberSecure เป็นการประชุมด้านความปลอดภัยทางไซเบอร์ของ Tech Review และฉันจะอยู่ที่นั่นกับเพื่อนร่วมงานเพื่อพูดคุยเกี่ยวกับแรนซัมแวร์และปัญหาสำคัญอื่นๆ คุณสามารถเรียนรู้เพิ่มเติมที่ Cyber Secure MIT dot com.
เราจะกลับมา…หลังจาก นี้.
[MIDROLL]
[MUSIC]
เจนนิเฟอร์: อัลกอริธึมการกำหนดราคาสามารถช่วยผู้บริโภคได้…. โดยการปรับเปลี่ยนผลิตภัณฑ์และคำแนะนำในแบบของคุณ… หรือให้ข้อมูลเชิงลึกแก่บริษัทที่ช่วยพวกเขาออกแบบผลิตภัณฑ์และบริการที่ดียิ่งขึ้น
แต่ระบบเหล่านี้ยังนำเสนอความท้าทายใหม่ๆ สำหรับผู้ที่ควบคุมการแข่งขัน
สภาคองเกรสผ่านกฎหมายต่อต้านการผูกขาดฉบับแรกเมื่อกว่าศตวรรษที่ผ่านมา แต่ไม่ถึงปี 2015 ที่ รัฐบาลดำเนินคดีกับคดีต่อต้านการผูกขาดคดีแรกที่มุ่งเป้าไปที่อีคอมเมิร์ซโดยเฉพาะ ในกรณีนั้น ชายคนหนึ่งสารภาพว่าสมคบกันแก้ไขราคาโปสเตอร์ที่เขาขายใน Amazon กับผู้ขายรายอื่นอย่างผิดกฎหมาย… โดยใช้อัลกอริทึมที่ออกแบบมาเพื่อประสานการเปลี่ยนแปลงราคา
โจเซฟ แฮร์ริงตัน: อัลกอริธึมการกำหนดราคาจะมองหาสิ่งที่ดีที่สุดหรือราคาต่ำสุดของการแข่งขัน ผู้ขาย นั่นคือ คู่แข่งของผู้ขายออนไลน์ทั้งสองรายนั้น จากนั้นผู้ขายออนไลน์ทั้งสองรายก็จะกำหนดราคาทั่วไปที่ต่ำกว่าเล็กน้อย ดังนั้นผู้ขายทั้งสองยังคงแข่งขันกับบริษัทอื่นในตลาด แต่ไม่ได้แข่งขันกันเอง ดังนั้นแทนที่จะประสานงานกับราคาทั่วไป พวกเขาประสานงานกับอัลกอริธึมการกำหนดราคาทั่วไปและมีผลเช่นเดียวกันกับการลดการแข่งขัน
โจเซฟ แฮร์ริงตัน: ดังนั้นฉันคือโจแฮร์ริงตัน ฉันเป็นศาสตราจารย์ด้านธุรกิจ เศรษฐศาสตร์ และนโยบายสาธารณะที่โรงเรียนวอร์ตัน มหาวิทยาลัยเพนซิลเวเนีย งานวิจัยของฉันอยู่ในพื้นที่ของการสมรู้ร่วมคิดและการตกลงร่วมกัน
เจนนิเฟอร์: กรณีที่เกี่ยวข้องกับผู้ขายโปสเตอร์ของ Amazon เป็นสิ่งที่ค่อนข้างใกล้เคียงกับการสมรู้ร่วมคิดแบบดั้งเดิม .. หากเป็นอย่างอื่นธุรกิจที่แข่งขันกันประสานราคาผ่านการสื่อสารโดยตรงระหว่างมนุษย์กับมนุษย์
แต่มีการวิจัยเพิ่มขึ้นว่าอัลกอริธึมการกำหนดราคาเองสามารถเรียนรู้ที่จะสร้างกลุ่มพันธมิตรดิจิทัลของพวกเขา ของตัวเอง… และสมรู้ร่วมคิดเพื่อขึ้นราคาโดยไม่ต้องมีมนุษย์เข้ามาเกี่ยวข้อง
โจเซฟ แฮร์ริงตัน: เอาล่ะ ลองนึกถึงผู้จัดการที่กำลังตัดสินใจว่าจะ มอบหมายการตัดสินใจด้านราคาให้กับอัลกอริธึมการเรียนรู้ด้วยตนเอง อัลกอริธึมการเรียนรู้ด้วยตนเองนั้นกำลังทดลองกับอัลกอริธึมการกำหนดราคาหรือกฎการกำหนดราคาที่แตกต่างกันโดยหวังว่าจะพบอัลกอริธึมที่ทำกำไรได้มากกว่า ดังนั้นพวกเขาจึงลงเอยด้วยกฎการกำหนดราคาที่ให้ผลกำไรมากขึ้น และสาเหตุที่ทำกำไรได้มากกว่าก็เพราะว่าอัลกอริธึมการเรียนรู้ด้วยตนเองได้เรียนรู้ที่จะไม่แข่งขันกันเอง
เจนนิเฟอร์: และนักวิจัยในอิตาลีได้พบหลักฐานว่าสิ่งนี้เกิดขึ้นในสภาพแวดล้อมจำลองแล้ว
โจเซฟ แฮร์ริงตัน: ดังนั้นพวกเขาจึงพิจารณารูปแบบเศรษฐกิจที่เป็นมาตรฐานของตลาด นักเศรษฐศาสตร์หลายคนใช้ทั้งในงานทฤษฎีและเชิงประจักษ์ และคำถามคือพวกเขาจะสามารถเรียนรู้ที่จะสมรู้ร่วมคิดในสภาพแวดล้อมจำลองที่ซับซ้อนและซับซ้อนได้หรือไม่ และคำตอบนั้นชัดเจนมาก ใช่ พบว่ามีราคาที่สูงกว่าราคาที่แข่งขันได้ตามปกติ บางครั้งค่อนข้างใกล้เคียงกับราคาผูกขาด
เจนนิเฟอร์: เขากล่าวว่าอัลกอริธึมการเรียนรู้ด้วยตนเองเหล่านี้ทำงานในลักษณะที่สะท้อนกลุ่มค้ามนุษย์
โจเซฟ แฮร์ริงตัน: อัลกอริทึมกำหนดราคาให้สูงกว่าราคาที่แข่งขันได้ ซึ่งจะสร้างแรงจูงใจ อย่างน้อยก็ในระยะสั้นเพื่อกำหนดราคาที่ต่ำกว่าเพื่อรับส่วนแบ่งการตลาดและผลกำไรที่สูงขึ้น สิ่งที่อัลกอริธึมการเรียนรู้ด้วยตนเองได้เรียนรู้เกี่ยวกับผลที่ตามมาของการเบี่ยงเบนจากสิ่งนั้นโดยการกำหนดราคาที่ต่ำกว่าก็คืออัลกอริทึมการเรียนรู้ด้วยตนเองอื่น ๆ ได้นำอัลกอริธึมการกำหนดราคาที่จะลงโทษพฤติกรรมนั้น โดยเฉพาะอย่างยิ่ง หากหนึ่งในนั้นลดราคาลงกะทันหัน อัลกอริธึมการกำหนดราคาของอัลกอริธึมการเรียนรู้ด้วยตนเองอีกตัวหนึ่งได้รับการฝึกอบรมให้ตอบสนองด้วยราคาที่ต่ำมาก ราคาจะยังคงอยู่ในระดับต่ำในบางครั้ง แต่มีแนวโน้มที่จะกลับไปสู่ราคาที่มีการสมรู้ร่วมคิดสูง สิ่งที่เรามีคืออัลกอริธึมการเรียนรู้ด้วยตนเองเหล่านี้ การเรียนรู้ว่า โอเค เราจะกำหนดราคาที่สูง และเหตุผลที่พวกเขาไม่เปลี่ยนทิศทางจากสิ่งนั้น คือพวกเขาได้เรียนรู้ว่าจะมีการตอบโต้ การลงโทษด้วยอัลกอริธึมการเรียนรู้ด้วยตนเอง และนั่นคือสิ่งที่เราคิดว่าเป็นการสมรู้ร่วมคิด
ยังคงเป็นคำถามที่เปิดอยู่เช่น ว่าสิ่งนี้สามารถเกิดขึ้นได้ในตลาดจริงหรือไม่ ด้วยความซับซ้อนที่เพิ่มขึ้นทั้งหมด
แต่แนวคิดของการสมรู้ร่วมคิดแบบอัตโนมัติทำให้เกิดคำถามทางกฎหมายทุกประเภท
Joseph Harrington: หากเราย้อนกลับไปที่ตัวอย่าง ในตลาด Amazon และ ผู้ขายโปสเตอร์ออนไลน์ เป็นการสมรู้ร่วมคิดแบบที่กรอบทางกฎหมายได้รับการออกแบบมาอย่างดี ออกแบบมาเพื่อสมรู้ร่วมคิดที่คู่แข่งสื่อสารกัน และประสานความประพฤติ กฎหมายกำหนดไว้ในแง่ของการประชุมของจิตใจ ความมุ่งมั่นอย่างมีสติต่อแผนงานร่วมกัน ความคิดที่ว่าได้มีการสื่อสารนี้ซึ่งนำไปสู่ความเข้าใจซึ่งกันและกันระหว่างคู่แข่งเพื่อไม่ให้แข่งขันกันอีกต่อไป ทั้งหมดที่ไม่มีคู่แข่งใช้อัลกอริธึมการเรียนรู้ด้วยตนเองตราบใดที่พวกเขาทำอย่างอิสระ อัลกอริธึมการเรียนรู้ด้วยตนเองเหล่านี้ไม่มีความเข้าใจ มีความเข้าใจซึ่งกันและกันน้อยกว่ามาก ซึ่งเป็นสิ่งที่จำเป็นสำหรับบริบทของกฎหมายจริงๆ
เจนนิเฟอร์: และสำหรับตอนนี้… ไม่มีใครรับผิดชอบในการตรวจสอบว่าระบบเหล่านี้กำลังเล่นอยู่หรือไม่ ตามกฎเราถือว่ายุติธรรม
โจเซฟ แฮร์ริงตัน: ฉันหมายถึง ฉันคิดว่าจริงๆ แล้วอะไรคือ การตอบสนองทางกฎหมายที่อาจเกิดขึ้นในอนาคตคือการห้ามคุณสมบัติบางอย่างของอัลกอริธึมการกำหนดราคา หากสิ่งเหล่านั้นถูกห้าม จะมีแรงจูงใจให้บริษัทตรวจสอบอัลกอริธึมการกำหนดราคาของตนเอง ไม่ใช่เพื่อเปิดเผยตนเองอย่างผิดกฎหมาย แต่ ณ ตอนนี้ ยังไม่มีใครเฝ้าติดตามอยู่เลย และแน่นอนว่าบริษัทไม่มีแรงจูงใจให้ฉันติดตามพวกเขา
เจนนิเฟอร์: เขากล่าวว่าอัลกอริธึมการกำหนดราคาที่ต่อต้านการแข่งขันอาจฝังอยู่ในซอฟต์แวร์… ซึ่งอาจจะ ถูกใช้โดยบริษัทที่แข่งขันกันเอง..โดยที่บริษัทเหล่านั้นไม่รู้ด้วยซ้ำ
โจเซฟ แฮร์ริงตัน: แล้วคำถามก็คือ แล้วจะทำอะไรกับมันได้บ้าง? และตอนนี้ เราอยู่ในขอบเขตทางกฎหมายที่มืดมนอีกครั้ง เพราะการสมรู้ร่วมคิดต้องใช้นักแสดงตั้งแต่สองคนขึ้นไป ซึ่งตามเนื้อผ้าเป็นคู่แข่งตั้งแต่สองคนขึ้นไปที่ตัดสินใจว่าจะไม่แข่งขันอีกต่อไป แต่ตอนนี้ เรากำลังจินตนาการว่าเป็นนักแสดงประเภทหนึ่ง ซึ่งเป็นผู้พัฒนาบุคคลที่สามที่อาจออกแบบอัลกอริธึมการกำหนดราคาที่ไม่มีการแข่งขันสูง และหากสามารถโน้มน้าวให้หลายบริษัทในตลาดยอมรับ ก็จะทำงานได้ดีสำหรับบริษัทเหล่านั้น เพราะจะส่งผลให้ราคาสูงขึ้นและการแข่งขันด้านราคาน้อยลง เป็นอีกครั้งที่แย่ แต่ไม่มีสมรู้ร่วมคิดเพราะมีนักแสดงเพียงคนเดียวซึ่งเป็นผู้พัฒนาบุคคลที่สามที่โปรโมตสิ่งนี้
และที่นั่น คือ ตัวอย่างของสิ่งนั้นในโลกแห่งความเป็นจริง..ในการศึกษาเกี่ยวกับปั๊มน้ำมันของเยอรมันซึ่งเริ่มใช้อัลกอริธึมการกำหนดราคา
โจเซฟ แฮร์ริงตัน : และหลักฐานคือส่วนต่างราคาต้นทุนเฉลี่ยเพิ่มขึ้นตามคำสั่งนี้ ประมาณ 12 %. แต่ที่โดดเด่นมากคือ ถ้าคุณดูตลาดที่มีเพียงสองสถานี ลองนึกภาพตลาดทางภูมิศาสตร์ที่มีเพียงสองสถานีแข่งขันกัน และผลการศึกษาพบว่า ถ้าหนึ่งในนั้นใช้อัลกอริธึมการกำหนดราคา จะไม่มีผลกระทบต่อราคาจริงๆ แต่ถ้าใช้ทั้งคู่ ก็มีส่วนต่างราคาเพิ่มขึ้นอย่างมีนัยสำคัญ จากการสั่งซื้อประมาณ 29% ดังนั้นตอนนี้สิ่งนี้กำลังแจ้งในแง่ของสิ่งที่อัลกอริธึมการกำหนดราคาเหล่านี้กำลังทำอยู่ หากสิ่งเหล่านี้นำไปสู่การกำหนดราคาแบบไดนามิกที่มีประสิทธิภาพมากขึ้น คุณก็คาดว่าจะเห็นผล แม้ว่าจะมีเพียงผู้ให้บริการสถานีเพียงรายเดียวที่นำมาใช้ แต่นั่นไม่ใช่สิ่งที่พบในการศึกษา เฉพาะเมื่อคู่แข่งทั้งสองนำมาใช้คุณจะเห็นผลกระทบ และเป็นผลซึ่งเป็นราคาที่เพิ่มขึ้นอย่างมาก ดังนั้นฉันคิดว่านั่นคือสิ่งที่ฉันคิดว่ากำลังเกิดขึ้น และมันเป็นสิ่งที่มากกว่านั้น ฉันคิดว่าเป็นรูปธรรมและมีหม้อ มีตัวเลือกนโยบายเพิ่มเติมสำหรับการจัดการ ตรงข้ามกับกรณีของอัลกอริธึมการเรียนรู้ด้วยตนเองซึ่งฉันคิดว่าเป็นปัญหาที่อาจเกิดขึ้นที่เราต้องการที่จะก้าวไปข้างหน้า
แม็กซิม โคเฮน: เราเคยเปลี่ยนราคาได้ทุกวันหรือทุกเดือน แต่ตอนนี้ราคาเปลี่ยนได้ทุกชั่วโมงหรือในบางแอพ แม้แต่ทุกนาที[SOT: KIRO7 Seattle – Via web]
แม็กซิม โคเฮน: ฉันชื่อแม็กซิม โคเฮน ฉันเป็นศาสตราจารย์ Scale AI Chair ที่มหาวิทยาลัย McGill ในเมืองมอนทรีออล ประเทศแคนาดา และยังเป็นผู้อำนวยการร่วมของห้องปฏิบัติการนวัตกรรมการค้าปลีกอีกด้วย
เจนนิเฟอร์: ในช่วงไม่กี่ปีที่ผ่านมาได้เห็นแนวทางการกำหนดราคาแบบไดนามิก… และ การกำหนดราคาส่วนบุคคลก็เป็นเรื่องธรรมดามากขึ้นเช่นกัน
ในอนาคต ระบบการกำหนดราคาแบบไดนามิกอาจเป็นแบบอัตโนมัติทั้งหมด… และนำไปใช้ในจุดคู่ ขนาดที่ใหญ่กว่า
ซึ่งทำให้เกิดคำถาม: เราจะปกป้องความเป็นส่วนตัวของเราได้อย่างไรเมื่อข้อมูลของเราถูกใช้เพื่อกำหนด เท่าไหร่ที่เราจ่ายสำหรับสิ่งต่างๆ?
Maxime Cohen: ดังนั้นอัลกอริธึมการกำหนดราคาในตอนท้ายของวันจึงควรยึดตาม คุณลักษณะที่ไม่ใช่ส่วนบุคคล ตัวอย่างเช่น คุณสามารถรวบรวมประวัติการซื้อ คุณสามารถรวบรวม ตำแหน่งที่เป็นไปได้ของผู้ใช้ การกระทำที่พวกเขาทำในอดีต แต่คุณไม่ต้องการใช้คุณลักษณะส่วนบุคคลประเภทใด ๆ เช่น ชื่อหรือเพศหรืออะไรก็ตาม เป็นส่วนตัวมากขึ้น
เจนนิเฟอร์: คำถามอื่น… เราจะลากเส้นแบ่งระหว่างความยุติธรรมและไม่ยุติธรรมที่ไหน ราคา?
Maxim Cohen: เราต้องถามคำถามกับตัวเอง การเสนอราคาที่แตกต่างกันให้กับลูกค้าที่แตกต่างกันสำหรับผลิตภัณฑ์เดียวกันหรือบริการเดียวกันนั้นยุติธรรมหรือไม่ และคำตอบของคำถามนั้นไม่ง่ายเลยจริงๆ หัวข้อเรื่องความเป็นส่วนตัวและความยุติธรรมทั้งสองนี้มีความละเอียดอ่อนมาก และในความคิดของฉัน จำเป็นต้องมีกฎระเบียบที่ระมัดระวังในภายภาคหน้า
เจนนิเฟอร์: เขากล่าวว่าหน่วยงานกำกับดูแลควรร่วมมือกันและชี้แจงให้ชัดเจนว่าข้อมูลใดบ้างที่สามารถรวบรวม จัดเก็บ และนำไปใช้ในการตัดสินใจด้านราคา
Maxime Cohen: ตัวอย่างเช่น หาก Uber เริ่มตะโกนราคาต่างกัน โดยคิดจากเปอร์เซ็นต์ของ แบตเตอรี่ที่คุณมีในโทรศัพท์ของคุณเมื่อคุณสั่งรถ มันจะโอเคไหม? มันจะไม่เป็นไรเหรอ? ดังนั้นหน่วยงานกำกับดูแลจึงควรมารวมตัวกันที่ตารางและจัดทำรายการคุณลักษณะที่สมเหตุสมผลเพื่อใช้ในการตัดสินใจด้านราคาและคุณลักษณะอื่นๆ ในบัญชีดำซึ่งไม่ควรใช้ในการตัดสินใจด้านราคา
เจนนิเฟอร์: และไม่ใช่แค่ตะกร้าสินค้าออนไลน์ของเราเท่านั้นที่เป็นเดิมพัน ในไม่ช้า อัลกอริธึมการกำหนดราคาแบบไดนามิกก็สามารถหาบ้านในร้านค้าปลีกได้เช่นกัน… ในรูปแบบของฉลากชั้นวางอิเล็กทรอนิกส์
Maxime Cohen: คุณสามารถเปลี่ยนราคาของผลิตภัณฑ์เฉพาะในเวลาที่กำหนดได้โดยง่าย แก้ไขโค้ดบรรทัดเดียวแล้วกดปุ่มเดียว คุณเปลี่ยนรหัสหนึ่งบรรทัด จากนั้น คุณสามารถปรับใช้การเปลี่ยนแปลงราคาโดยแทบไม่มีต้นทุน ตอนนี้คำถามเดียวที่เหลืออยู่ในการขายปลีกทางกายภาพคือวิธีที่ลูกค้าจะตอบสนองต่อแนวทางการกำหนดราคาแบบไดนามิกที่เพิ่มขึ้นอย่างรวดเร็ว หากคุณลองคิดดู ราคาในซูเปอร์มาร์เก็ตจะเริ่มสูงขึ้นในช่วงเวลาที่วุ่นวาย ถ้ามีเวลาของวันที่คนเยอะในซุปเปอร์มาร์เก็ต ราคาก็จะสูงขึ้น ในทำนองเดียวกัน ราคาจะเริ่มสูงขึ้นเมื่อคุณมีสินค้าคงคลังต่ำมากสำหรับผลิตภัณฑ์เฉพาะ หากคุณมีราคาหุ้นน้อยก็จะขึ้นเพื่อให้ถูกใจ ให้แน่ใจว่าคุณได้กำไรสูงสุด ตอนนี้ยังไม่ชัดเจนว่าลูกค้าจะพึงพอใจหรือไม่ และจะยอมรับวิธีปฏิบัติเหล่านั้นที่มีอยู่แล้วในโลกออนไลน์ อาจทำกำไรได้อย่างแน่นอนในระยะสั้น แต่อาจสร้างความเสียหายในระยะยาว โดยเฉพาะอย่างยิ่งในแง่ของความภักดีของลูกค้า ดังนั้นเราจึงต้องทำการวิจัยมากมายเพื่อพยายามทำความเข้าใจถึงพลังและประโยชน์ที่เป็นไปได้ของการกำหนดราคาแบบไดนามิกสำหรับการขายปลีกจริง
[CREDITS]
เจนนิเฟอร์ : ตอนนี้ถูกรายงานโดย Anthony Green และผลิตโดยเราสองคนกับ Emma Cillekens แก้ไขโดย Mat Honan และวิศวกรผสมของเราคือ Garret Lang โดยมีการออกแบบเสียงและดนตรีโดย Jacob Gorski
ขอบคุณที่รับฟัง ผมชื่อเจนนิเฟอร์ สตรอง
เสียงจาก:
ผู้ค้าปลีกใช้ ‘การกำหนดราคาแบบไดนามิก’ – ผ่าน YouTube
Amazon ถูกกล่าวหาว่าเพิ่มราคา WCPO ABC 9 ผ่าน YouTube
OC:…คุณถึงที่หมายแล้ว
[MUSIC][SOT: KIRO7 Seattle – Via web]
[SOT: KIRO7 Seattle – Via web] ผู้ประกาศข่าว 2: เมื่อเสียงปืนดังขึ้นครั้งสุดท้าย คืนนั้นผู้คนต่างมองหาทางออก คืนนี้บางคนบอกว่าความปลอดภัยไปที่ผู้เสนอราคาสูงสุดเจนนิเฟอร์: มันเป็นช่วงกลางของการเดินทางตอนเย็น เมื่อเดือนมกราคมที่ผ่านมา เมื่อเกิดเหตุกราดยิงในตัวเมืองซีแอตเทิล
ผู้ประกาศข่าว 1 : บริษัท Rideshare กำลังถูกไฟไหม้ คืนนี้เพื่อขึ้นราคาในขณะที่ผู้คนพยายามหนีปืน ผู้ขับขี่บางคนบอกว่าพวกเขาถูกควัก
Lisa Wilkins: รถบัสที่ฉันใช้ตามปกติจะลงไปตามถนนที่เกิดเหตุ เกิดขึ้นบน. ดังนั้นรถเมล์ทุกคันที่วิ่งไปตามถนนสายนั้นจึงหยุดลง พวกเขาไม่ได้เปลี่ยนเส้นทางหรืออะไร พวกเขาก็แค่หยุด
เจนนิเฟอร์: Lisa Wilkins ทำงานด้านเทคโนโลยี และสำนักงานของเธออยู่ห่างจาก ที่เกิดเหตุยิงกัน
Lisa Wilkins: ฉันเพิ่งตัดสินใจว่าฉันจะคว้า Uber หรือ Lyft และ คุณรู้ไหม นำมันกลับบ้านหรือนำกลับไปที่รถของฉัน ซึ่งอยู่ที่ Park and Ride ซึ่งห่างออกไปประมาณ 17 ไมล์ และเมื่อฉันเปิดแอปขึ้นมา ฉันก็เห็นว่ามีเงินร้อยดอลลาร์หรืออะไรซักอย่างที่จะไปถึงที่นั่นได้ โดยปกติราคาจะอยู่ที่ 30 ดอลลาร์
เจนนิเฟอร์: เมื่อความต้องการสูง ราคาของ Lyft หรือ Uber ก็จะแพงขึ้นโดยอัตโนมัติ ในกรณีฉุกเฉิน บริษัทจะจำกัดราคาเหล่านั้นเมื่อเห็นได้ชัดว่าเกิดอะไรขึ้น และในกรณีนี้ เสนอให้คืนเงินแก่ผู้โดยสารที่จ่ายค่าโดยสารที่สูงขึ้น
แต่ถึงแม้ว่างานของ Lisa Wilkins คือการออกแบบแอพโดยคำนึงถึงประสบการณ์ของผู้ใช้ เธอกล่าว มันยังคงใช้เวลาสักครู่กว่าจะรู้ว่าเกิดอะไรขึ้นกับเธอ – เป็นเพราะอัลกอริธึมการกำหนดราคา
ลิซ่า วิลกินส์: ตอนแรกฉันโกรธมากเพราะคุณอยากจะพูดเป็นการส่วนตัว เหมือนกับว่าพวกเขาจงใจทำสิ่งนี้ นี่คือการยิงและพวกเขากำลังใช้ประโยชน์จากมัน แล้วตอนที่ฉันกำลังคุยกับเพื่อนร่วมงานคนอื่นเกี่ยวกับเรื่องนี้ รู้ไหม เรายังรู้สึกไม่สบายใจที่ต้องเสียค่าใช้จ่ายมากในการเดินทางไปไหนมาไหน แต่เราก็ตระหนักว่า ราคานี้พุ่งสูงขึ้น นี่คือบอทที่บอกว่าราคาจะเป็นอย่างไร และในฐานะนักออกแบบ UX ฉันเข้าใจว่ามีหลายกรณีที่คุณอาจไม่ได้วางแผนให้เกิดขึ้นในผลิตภัณฑ์ของคุณ
เจนนิเฟอร์: และนี่อาจมีผลลัพธ์ที่ไม่ได้ตั้งใจ
เกบ สมิธ: มีหนังสือเกี่ยวกับพันธุศาสตร์แมลงใน Amazon นั่นคือ.. มีอัลกอริธึมที่แข่งขันกันสองแบบที่คอยดูกันและเพิ่มราคาเล็กน้อย อีกอันหนึ่งจะเพิ่มราคาขึ้นเล็กน้อยนอกเหนือจากนั้น และพวกเขาก็แค่ไปๆมาๆโดยไม่มีการตรวจสอบเป็นเวลาหลายวัน และจบลงด้วยราคาของหนังสือเล่มนี้ราวๆ 1.2 ล้านเหรียญ
เกบ สมิธ: ฉันชื่อ Gabe Smith และฉันเป็นหัวหน้าผู้ประกาศข่าวประเสริฐของ PriceFX และฉันมีประสบการณ์ประมาณ 14 ปีในการเพิ่มประสิทธิภาพและการจัดการราคา
เจนนิเฟอร์: เขาใช้ AI และเครื่องมืออื่นๆ เพื่อช่วยให้บริษัทตัดสินใจได้ว่าสิ่งใดควรเสียค่าใช้จ่าย เขายังคิดถึงวิธีหลีกเลี่ยงสิ่งผิดปกติเหล่านั้น… เช่น หนังสือเกี่ยวกับแมลงมูลค่าล้านเหรียญ
เกบ สมิธ: ดังนั้นในทศวรรษที่แปดสิบเป็นจริงเมื่อพลังการประมวลผลและความพร้อมใช้งานของข้อมูลมาถึงจุดที่เทคนิคเหล่านี้สามารถเริ่มใช้ประโยชน์ได้ และจริงๆ แล้ว มันปรากฏตัวครั้งแรกในอุตสาหกรรมการบิน และตามมาในอุตสาหกรรมการท่องเที่ยวและการพักผ่อนอื่นๆ เช่น รถเช่าและโรงแรม
เจนนิเฟอร์: การกำหนดราคาแบบไดนามิกสามารถช่วยให้บริษัทต่างๆ ทราบว่าจะเรียกเก็บเงินสำหรับผลิตภัณฑ์ที่หมดอายุหรือ จำกัดในการจัดหา เหมือนกับเวลาที่เครื่องบินขึ้น… ไม่มีการเปลี่ยนแปลงว่าที่นั่งเหล่านั้นจะเต็มกี่ที่นั่ง ดังนั้น ในการขับเคลื่อนรายได้ให้มากที่สุด สายการบินจำเป็นต้องขายที่นั่งให้ได้มากที่สุดในราคาสูงสุด และต้องเรียนรู้ว่าราคานั้นคืออะไร? พวกเขาจำเป็นต้องเข้าใจความแตกต่างของพฤติกรรมผู้โดยสารและความต้องการของตลาด
Gabe Smith: นั่นคือครั้งแรกที่ใช้การเพิ่มประสิทธิภาพการกำหนดราคาและปัญญาประดิษฐ์เพื่อขับเคลื่อน การกำหนดราคาในตลาด และตั้งแต่นั้นเป็นต้นมา คุณก็รู้ว่ามีการใช้งานอย่างกว้างขวางในอุตสาหกรรมต่างๆ มากมาย ตัวอย่างเช่น เรามีบริษัทที่ทำการกำหนดราคาแบบไดนามิกสำหรับตั๋วสกีตามกิจกรรมที่จะเกิดขึ้น สภาพอากาศ สภาพหิมะ แต่เรายังมีลูกค้ารายอื่นๆ ที่ขายอุปกรณ์อิเล็กทรอนิกส์ เคมีภัณฑ์อีกด้วย เรามีบริษัทผู้ผลิตอุตสาหกรรม บริษัทจัดจำหน่าย เทคนิคเหล่านี้กำลังถูกนำไปใช้ในอุตสาหกรรมที่หลากหลาย
เจนนิเฟอร์: กุญแจสำคัญในการทำให้สิ่งนี้สำเร็จคือชุดข้อมูลที่สมบูรณ์เกี่ยวกับลูกค้าและอะไร ผลักดันความเต็มใจที่จะจ่าย ยิ่งมีข้อมูลมากขึ้น… ราคาที่ตรงเป้าหมายมากขึ้นสำหรับบุคคลทั่วไป
Gabe Smith: พวกเขาประพฤติตนอย่างไร ผลิตภัณฑ์อะไรที่คุณนำเสนอ อย่างเช่น ลักษณะของธุรกรรมหรือใบเสนอราคาที่คุณกำลังทำคืออะไร สิ่งเหล่านี้สามารถนำมาประกอบเป็นอัลกอริธึมการปรับราคาให้เหมาะสมและมีอิทธิพลต่อสิ่งที่คุณจะนำเสนอ ดังนั้นหากคุณมีข้อมูลเช่นนั้น จริง ๆ แล้วสามารถใช้การเพิ่มประสิทธิภาพการกำหนดราคาได้ค่อนข้างตรงไปตรงมา ดังนั้นเราจึงมีลูกค้าที่เราได้ดำเนินการต่างๆ ในเวลาเพียงสองสามเดือน
เจนนิเฟอร์: และเขาบอกว่าระบบเหล่านี้กำลังดีขึ้นในการจัดการความซับซ้อนและปรับสมดุลเป้าหมายการแข่งขัน
Gabe Smith: ดังนั้นบางทีฉันอาจต้องการให้แน่ใจว่าฉันอยู่ในตำแหน่งเสมอ เมื่อเทียบกับคู่แข่งของฉันใช่ไหม หรือบางทีฉันอยากจะพูดว่า ‘ฉันไม่เคยต้องการเพิ่มราคาใครมากกว่า 5%’ ฉันกำลังพยายามเพิ่มรายได้ให้สูงสุด ฉันกำลังพยายามเพิ่มผลกำไรให้สูงสุดหรือไม่ ฉันกำลังพยายามเพิ่มปริมาณการรับส่งข้อมูลสูงสุดหรือไม่ ฉันสามารถสร้างสมดุลระหว่างสิ่งเหล่านั้นได้ ดังนั้น สิ่งที่เกิดขึ้นในองค์กร มีหลายครั้งที่มีวัตถุประสงค์ที่แข่งขันกัน ดังนั้นคุณสามารถเป็นแนวทางได้ ไม่เพียงแต่ โอเค ราคาปลีกของฉันราคาเท่าไหร่ แต่ราคาที่ต่อรองหรือหรือโปรโมชั่นตามการรวมผลิตภัณฑ์ของลูกค้าคืออะไร
เจนนิเฟอร์: ข้อจำกัดเหล่านี้มีความสำคัญเนื่องจากไม่มีการผูกมัด อัลกอริธึมการกำหนดราคาสามารถจัดลำดับความสำคัญของราคาที่สูงกว่าได้
ปัญหาอื่น? ตรวจสอบให้แน่ใจว่าราคาเหล่านั้นไม่ส่งเสริมอคติเชิงระบบ
แต่นี่ไม่ตรงไปตรงมานัก
Gabe Smith: เป็นไปได้ว่าคุณไม่เห็น สิ่งเหล่านั้นอย่างชัดเจน แต่อาจอยู่ใต้พื้นผิวในแอตทริบิวต์อื่นที่คุณใช้อยู่ ดังนั้น หากคุณใช้รหัสไปรษณีย์หรือกำลังใช้ข้อมูลประชากรในแง่ของระดับรายได้ อาจมีอคติเชิงระบบอยู่ในข้อมูลนั้น ดังนั้น คุณจึงต้องไตร่ตรองถึงวิธีที่คุณสร้างสิ่งเหล่านี้ออกมา และตรวจสอบให้แน่ใจว่าคุณกำลังทำสิ่งที่ถูกต้องจากมุมมองด้านจริยธรรม และฉันคิดว่าส่วนหนึ่งของการยอมรับคือ: ฉันรู้สึกเหมือนเป็นผู้บริโภค ฉันได้รับข้อเสนอที่ดีหรือข้อตกลงที่ดีขึ้นในบางกรณี ซึ่งเป็นผลมาจากสิ่งนี้ หรือเป็นประโยชน์ต่อผู้ให้บริการเสมอ?
[CREDITS]Aylin Caliskan: เรารู้ว่าเทคโนโลยีขนาดใหญ่ใช้อัลกอริธึมการกำหนดราคาเป็นรายบุคคลเหล่านี้อย่างกว้างขวาง และเราไม่จำเป็นต้องเข้าใจว่าเกิดอะไรขึ้นเบื้องหลังระบบหรืออัลกอริธึมเหล่านี้เพราะ มันคือกล่องดำ เห็นผลเท่านั้น เป็นรายบุคคล โดยพื้นฐานแล้วราคาที่เราได้รับ และเราไม่มีวิธีการหรือชุดข้อมูลในการศึกษาอัลกอริธึมการเลือกปฏิบัติราคาอย่างเป็นระบบ
Aylin Caliskan: ฉันชื่อ Aylin Caliskan ปัจจุบันฉันเป็นผู้ช่วยศาสตราจารย์ที่มหาวิทยาลัยวอชิงตัน และงานวิจัยของฉันมุ่งเน้นไปที่การเรียนรู้ของเครื่องและอคติของปัญญาประดิษฐ์
เจนนิเฟอร์: เมื่อสองสามปีก่อน เมืองชิคาโกได้รับคำสั่งให้บริษัทต่างๆ เช่น Uber และ Lyft เผยแพร่ข้อมูลค่าโดยสารสู่สาธารณะ สิ่งนี้ทำให้นักวิจัยสามารถเข้าถึงการเดินทางแบบไม่ระบุชื่อได้หลายล้านครั้งทั่วเมือง เธอเปรียบเทียบราคากับข้อมูลประชากรของพื้นที่ใกล้เคียงและสิ่งที่เธอพบ? ทำให้เธอประหลาดใจ
Aylin Caliskan: ผลลัพธ์ของเราแสดงให้เห็นว่าย่านที่มีคนอายุน้อยหรือมีการศึกษาสูงจ่ายเงิน ราคาค่าโดยสารที่สูงขึ้นอย่างมีนัยสำคัญ และย่านใกล้เคียงที่มีผู้อยู่อาศัยที่ไม่ใช่คนผิวขาวและย่านที่ยากจน เรายังจ่ายราคาค่าโดยสารที่สูงขึ้นซึ่งกำหนดโดยอัลกอริธึมการเลือกปฏิบัติด้านราคาเหล่านี้ด้วย
เจนนิเฟอร์: ทีมของเธอต้องการทราบว่าเหตุใดจึงเกิดขึ้น แต่นั่นเป็นเรื่องยากหากไม่มีรายละเอียดเกี่ยวกับอุปสงค์และอุปทาน – ซึ่งจะไม่เปิดเผยต่อสาธารณะ
นักวิจัยสามารถรับข้อมูลนี้ได้เพียงส่วนย่อยเท่านั้น
Aylin Caliskan: ผู้อยู่อาศัยในละแวกใกล้เคียงที่ด้อยโอกาสจ่ายราคายุติธรรมที่สูงกว่าเนื่องจากลักษณะของพวกเขา บริเวณใกล้เคียง หรืออุปทานของผู้ขับขี่มีผลกระทบต่อการกำหนดราคาที่ยุติธรรมในละแวกใกล้เคียงเหล่านี้ซึ่งความต้องการดูเหมือนค่อนข้างต่ำ แต่ถ้าอุปทานต่ำกว่านั้น อุปสงค์ที่เกี่ยวข้องก็จะดูสูงขึ้น ซึ่งอาจเพิ่มราคาค่าโดยสารและความโปร่งใสมากขึ้น วิธีที่ดีกว่าที่เราสามารถพัฒนาเพื่อศึกษาผลกระทบที่แตกต่างกันของอัลกอริธึมเหล่านี้หรือไดนามิกของพวกมัน วิธีที่พวกเขาเรียนรู้จากพื้นที่ใกล้เคียง รูปแบบการขนส่งและรูปแบบการจราจร
เจนนิเฟอร์: ซึ่งทำให้เกิดปัญหายุ่งยากอีกประการหนึ่ง? ไม่มีกฎเกณฑ์เกี่ยวกับเรื่องนี้จริงๆ
Aylin Caliskan: เราต้องการนโยบายและข้อบังคับเพิ่มเติมเพื่อให้เราสามารถเข้าถึงชุดข้อมูลนี้ได้ และศึกษาต่อไปและทำความเข้าใจว่าสิ่งนี้อาจส่งผลต่อการวางแผนเมืองอัจฉริยะและการจัดสรรทรัพยากรอย่างไร เพราะหากใช้ชุดข้อมูลดังกล่าว เช่น ในรถยนต์ไร้คนขับหรือการจัดสรรทรัพยากรในเมืองอัจฉริยะ ความลำเอียงเหล่านี้อาจสิ้นสุดลงหรืออาจเป็นไปได้ ขยายวงกว้างในอนาคตทำให้เกิดผลข้างเคียงที่คาดไม่ถึงทุกประเภทที่เราจะต้องรับมือในอนาคต
หลังจากหยุดพัก เราจะค้นพบว่ากฎระเบียบจะเป็นอย่างไร… และเราเรียนรู้ว่าอัลกอริธึมเหล่านี้ทำงานอย่างไรในร้านขายของชำ
แต่ก่อนอื่น ฉันอยากจะบอกคุณเกี่ยวกับเหตุการณ์ที่เรียกว่า CyberSecure เป็นการประชุมด้านความปลอดภัยทางไซเบอร์ของ Tech Review และฉันจะอยู่ที่นั่นกับเพื่อนร่วมงานเพื่อพูดคุยเกี่ยวกับแรนซัมแวร์และปัญหาสำคัญอื่นๆ คุณสามารถเรียนรู้เพิ่มเติมที่ Cyber Secure MIT dot com.
เราจะกลับมา…หลังจาก นี้.
[MIDROLL] [MUSIC]เจนนิเฟอร์: อัลกอริธึมการกำหนดราคาสามารถช่วยผู้บริโภคได้…. โดยการปรับเปลี่ยนผลิตภัณฑ์และคำแนะนำในแบบของคุณ… หรือให้ข้อมูลเชิงลึกแก่บริษัทที่ช่วยพวกเขาออกแบบผลิตภัณฑ์และบริการที่ดียิ่งขึ้น
แต่ระบบเหล่านี้ยังนำเสนอความท้าทายใหม่ๆ สำหรับผู้ที่ควบคุมการแข่งขัน
สภาคองเกรสผ่านกฎหมายต่อต้านการผูกขาดฉบับแรกเมื่อกว่าศตวรรษที่ผ่านมา แต่ไม่ถึงปี 2015 ที่ รัฐบาลดำเนินคดีกับคดีต่อต้านการผูกขาดคดีแรกที่มุ่งเป้าไปที่อีคอมเมิร์ซโดยเฉพาะ ในกรณีนั้น ชายคนหนึ่งสารภาพว่าสมคบกันแก้ไขราคาโปสเตอร์ที่เขาขายใน Amazon กับผู้ขายรายอื่นอย่างผิดกฎหมาย… โดยใช้อัลกอริทึมที่ออกแบบมาเพื่อประสานการเปลี่ยนแปลงราคา
โจเซฟ แฮร์ริงตัน: อัลกอริธึมการกำหนดราคาจะมองหาสิ่งที่ดีที่สุดหรือราคาต่ำสุดของการแข่งขัน ผู้ขาย นั่นคือ คู่แข่งของผู้ขายออนไลน์ทั้งสองรายนั้น จากนั้นผู้ขายออนไลน์ทั้งสองรายก็จะกำหนดราคาทั่วไปที่ต่ำกว่าเล็กน้อย ดังนั้นผู้ขายทั้งสองยังคงแข่งขันกับบริษัทอื่นในตลาด แต่ไม่ได้แข่งขันกันเอง ดังนั้นแทนที่จะประสานงานกับราคาทั่วไป พวกเขาประสานงานกับอัลกอริธึมการกำหนดราคาทั่วไปและมีผลเช่นเดียวกันกับการลดการแข่งขัน
โจเซฟ แฮร์ริงตัน: ดังนั้นฉันคือโจแฮร์ริงตัน ฉันเป็นศาสตราจารย์ด้านธุรกิจ เศรษฐศาสตร์ และนโยบายสาธารณะที่โรงเรียนวอร์ตัน มหาวิทยาลัยเพนซิลเวเนีย งานวิจัยของฉันอยู่ในพื้นที่ของการสมรู้ร่วมคิดและการตกลงร่วมกัน
เจนนิเฟอร์: กรณีที่เกี่ยวข้องกับผู้ขายโปสเตอร์ของ Amazon เป็นสิ่งที่ค่อนข้างใกล้เคียงกับการสมรู้ร่วมคิดแบบดั้งเดิม .. หากเป็นอย่างอื่นธุรกิจที่แข่งขันกันประสานราคาผ่านการสื่อสารโดยตรงระหว่างมนุษย์กับมนุษย์
แต่มีการวิจัยเพิ่มขึ้นว่าอัลกอริธึมการกำหนดราคาเองสามารถเรียนรู้ที่จะสร้างกลุ่มพันธมิตรดิจิทัลของพวกเขา ของตัวเอง… และสมรู้ร่วมคิดเพื่อขึ้นราคาโดยไม่ต้องมีมนุษย์เข้ามาเกี่ยวข้อง
โจเซฟ แฮร์ริงตัน: เอาล่ะ ลองนึกถึงผู้จัดการที่กำลังตัดสินใจว่าจะ มอบหมายการตัดสินใจด้านราคาให้กับอัลกอริธึมการเรียนรู้ด้วยตนเอง อัลกอริธึมการเรียนรู้ด้วยตนเองนั้นกำลังทดลองกับอัลกอริธึมการกำหนดราคาหรือกฎการกำหนดราคาที่แตกต่างกันโดยหวังว่าจะพบอัลกอริธึมที่ทำกำไรได้มากกว่า ดังนั้นพวกเขาจึงลงเอยด้วยกฎการกำหนดราคาที่ให้ผลกำไรมากขึ้น และสาเหตุที่ทำกำไรได้มากกว่าก็เพราะว่าอัลกอริธึมการเรียนรู้ด้วยตนเองได้เรียนรู้ที่จะไม่แข่งขันกันเอง
เจนนิเฟอร์: และนักวิจัยในอิตาลีได้พบหลักฐานว่าสิ่งนี้เกิดขึ้นในสภาพแวดล้อมจำลองแล้ว
โจเซฟ แฮร์ริงตัน: ดังนั้นพวกเขาจึงพิจารณารูปแบบเศรษฐกิจที่เป็นมาตรฐานของตลาด นักเศรษฐศาสตร์หลายคนใช้ทั้งในงานทฤษฎีและเชิงประจักษ์ และคำถามคือพวกเขาจะสามารถเรียนรู้ที่จะสมรู้ร่วมคิดในสภาพแวดล้อมจำลองที่ซับซ้อนและซับซ้อนได้หรือไม่ และคำตอบนั้นชัดเจนมาก ใช่ พบว่ามีราคาที่สูงกว่าราคาที่แข่งขันได้ตามปกติ บางครั้งค่อนข้างใกล้เคียงกับราคาผูกขาด
เจนนิเฟอร์: เขากล่าวว่าอัลกอริธึมการเรียนรู้ด้วยตนเองเหล่านี้ทำงานในลักษณะที่สะท้อนกลุ่มค้ามนุษย์
โจเซฟ แฮร์ริงตัน: อัลกอริทึมกำหนดราคาให้สูงกว่าราคาที่แข่งขันได้ ซึ่งจะสร้างแรงจูงใจ อย่างน้อยก็ในระยะสั้นเพื่อกำหนดราคาที่ต่ำกว่าเพื่อรับส่วนแบ่งการตลาดและผลกำไรที่สูงขึ้น สิ่งที่อัลกอริธึมการเรียนรู้ด้วยตนเองได้เรียนรู้เกี่ยวกับผลที่ตามมาของการเบี่ยงเบนจากสิ่งนั้นโดยการกำหนดราคาที่ต่ำกว่าก็คืออัลกอริทึมการเรียนรู้ด้วยตนเองอื่น ๆ ได้นำอัลกอริธึมการกำหนดราคาที่จะลงโทษพฤติกรรมนั้น โดยเฉพาะอย่างยิ่ง หากหนึ่งในนั้นลดราคาลงกะทันหัน อัลกอริธึมการกำหนดราคาของอัลกอริธึมการเรียนรู้ด้วยตนเองอีกตัวหนึ่งได้รับการฝึกอบรมให้ตอบสนองด้วยราคาที่ต่ำมาก ราคาจะยังคงอยู่ในระดับต่ำในบางครั้ง แต่มีแนวโน้มที่จะกลับไปสู่ราคาที่มีการสมรู้ร่วมคิดสูง สิ่งที่เรามีคืออัลกอริธึมการเรียนรู้ด้วยตนเองเหล่านี้ การเรียนรู้ว่า โอเค เราจะกำหนดราคาที่สูง และเหตุผลที่พวกเขาไม่เปลี่ยนทิศทางจากสิ่งนั้น คือพวกเขาได้เรียนรู้ว่าจะมีการตอบโต้ การลงโทษด้วยอัลกอริธึมการเรียนรู้ด้วยตนเอง และนั่นคือสิ่งที่เราคิดว่าเป็นการสมรู้ร่วมคิด
ยังคงเป็นคำถามที่เปิดอยู่เช่น ว่าสิ่งนี้สามารถเกิดขึ้นได้ในตลาดจริงหรือไม่ ด้วยความซับซ้อนที่เพิ่มขึ้นทั้งหมด
แต่แนวคิดของการสมรู้ร่วมคิดแบบอัตโนมัติทำให้เกิดคำถามทางกฎหมายทุกประเภท
Joseph Harrington: หากเราย้อนกลับไปที่ตัวอย่าง ในตลาด Amazon และ ผู้ขายโปสเตอร์ออนไลน์ เป็นการสมรู้ร่วมคิดแบบที่กรอบทางกฎหมายได้รับการออกแบบมาอย่างดี ออกแบบมาเพื่อสมรู้ร่วมคิดที่คู่แข่งสื่อสารกัน และประสานความประพฤติ กฎหมายกำหนดไว้ในแง่ของการประชุมของจิตใจ ความมุ่งมั่นอย่างมีสติต่อแผนงานร่วมกัน ความคิดที่ว่าได้มีการสื่อสารนี้ซึ่งนำไปสู่ความเข้าใจซึ่งกันและกันระหว่างคู่แข่งเพื่อไม่ให้แข่งขันกันอีกต่อไป ทั้งหมดที่ไม่มีคู่แข่งใช้อัลกอริธึมการเรียนรู้ด้วยตนเองตราบใดที่พวกเขาทำอย่างอิสระ อัลกอริธึมการเรียนรู้ด้วยตนเองเหล่านี้ไม่มีความเข้าใจ มีความเข้าใจซึ่งกันและกันน้อยกว่ามาก ซึ่งเป็นสิ่งที่จำเป็นสำหรับบริบทของกฎหมายจริงๆ
เจนนิเฟอร์: และสำหรับตอนนี้… ไม่มีใครรับผิดชอบในการตรวจสอบว่าระบบเหล่านี้กำลังเล่นอยู่หรือไม่ ตามกฎเราถือว่ายุติธรรม
โจเซฟ แฮร์ริงตัน: ฉันหมายถึง ฉันคิดว่าจริงๆ แล้วอะไรคือ การตอบสนองทางกฎหมายที่อาจเกิดขึ้นในอนาคตคือการห้ามคุณสมบัติบางอย่างของอัลกอริธึมการกำหนดราคา หากสิ่งเหล่านั้นถูกห้าม จะมีแรงจูงใจให้บริษัทตรวจสอบอัลกอริธึมการกำหนดราคาของตนเอง ไม่ใช่เพื่อเปิดเผยตนเองอย่างผิดกฎหมาย แต่ ณ ตอนนี้ ยังไม่มีใครเฝ้าติดตามอยู่เลย และแน่นอนว่าบริษัทไม่มีแรงจูงใจให้ฉันติดตามพวกเขา
เจนนิเฟอร์: เขากล่าวว่าอัลกอริธึมการกำหนดราคาที่ต่อต้านการแข่งขันอาจฝังอยู่ในซอฟต์แวร์… ซึ่งอาจจะ ถูกใช้โดยบริษัทที่แข่งขันกันเอง..โดยที่บริษัทเหล่านั้นไม่รู้ด้วยซ้ำ
โจเซฟ แฮร์ริงตัน: แล้วคำถามก็คือ แล้วจะทำอะไรกับมันได้บ้าง? และตอนนี้ เราอยู่ในขอบเขตทางกฎหมายที่มืดมนอีกครั้ง เพราะการสมรู้ร่วมคิดต้องใช้นักแสดงตั้งแต่สองคนขึ้นไป ซึ่งตามเนื้อผ้าเป็นคู่แข่งตั้งแต่สองคนขึ้นไปที่ตัดสินใจว่าจะไม่แข่งขันอีกต่อไป แต่ตอนนี้ เรากำลังจินตนาการว่าเป็นนักแสดงประเภทหนึ่ง ซึ่งเป็นผู้พัฒนาบุคคลที่สามที่อาจออกแบบอัลกอริธึมการกำหนดราคาที่ไม่มีการแข่งขันสูง และหากสามารถโน้มน้าวให้หลายบริษัทในตลาดยอมรับ ก็จะทำงานได้ดีสำหรับบริษัทเหล่านั้น เพราะจะส่งผลให้ราคาสูงขึ้นและการแข่งขันด้านราคาน้อยลง เป็นอีกครั้งที่แย่ แต่ไม่มีสมรู้ร่วมคิดเพราะมีนักแสดงเพียงคนเดียวซึ่งเป็นผู้พัฒนาบุคคลที่สามที่โปรโมตสิ่งนี้
และที่นั่น คือ ตัวอย่างของสิ่งนั้นในโลกแห่งความเป็นจริง..ในการศึกษาเกี่ยวกับปั๊มน้ำมันของเยอรมันซึ่งเริ่มใช้อัลกอริธึมการกำหนดราคา
โจเซฟ แฮร์ริงตัน : และหลักฐานคือส่วนต่างราคาต้นทุนเฉลี่ยเพิ่มขึ้นตามคำสั่งนี้ ประมาณ 12 %. แต่ที่โดดเด่นมากคือ ถ้าคุณดูตลาดที่มีเพียงสองสถานี ลองนึกภาพตลาดทางภูมิศาสตร์ที่มีเพียงสองสถานีแข่งขันกัน และผลการศึกษาพบว่า ถ้าหนึ่งในนั้นใช้อัลกอริธึมการกำหนดราคา จะไม่มีผลกระทบต่อราคาจริงๆ แต่ถ้าใช้ทั้งคู่ ก็มีส่วนต่างราคาเพิ่มขึ้นอย่างมีนัยสำคัญ จากการสั่งซื้อประมาณ 29% ดังนั้นตอนนี้สิ่งนี้กำลังแจ้งในแง่ของสิ่งที่อัลกอริธึมการกำหนดราคาเหล่านี้กำลังทำอยู่ หากสิ่งเหล่านี้นำไปสู่การกำหนดราคาแบบไดนามิกที่มีประสิทธิภาพมากขึ้น คุณก็คาดว่าจะเห็นผล แม้ว่าจะมีเพียงผู้ให้บริการสถานีเพียงรายเดียวที่นำมาใช้ แต่นั่นไม่ใช่สิ่งที่พบในการศึกษา เฉพาะเมื่อคู่แข่งทั้งสองนำมาใช้คุณจะเห็นผลกระทบ และเป็นผลซึ่งเป็นราคาที่เพิ่มขึ้นอย่างมาก ดังนั้นฉันคิดว่านั่นคือสิ่งที่ฉันคิดว่ากำลังเกิดขึ้น และมันเป็นสิ่งที่มากกว่านั้น ฉันคิดว่าเป็นรูปธรรมและมีหม้อ มีตัวเลือกนโยบายเพิ่มเติมสำหรับการจัดการ ตรงข้ามกับกรณีของอัลกอริธึมการเรียนรู้ด้วยตนเองซึ่งฉันคิดว่าเป็นปัญหาที่อาจเกิดขึ้นที่เราต้องการที่จะก้าวไปข้างหน้า
แม็กซิม โคเฮน: เราเคยเปลี่ยนราคาได้ทุกวันหรือทุกเดือน แต่ตอนนี้ราคาเปลี่ยนได้ทุกชั่วโมงหรือในบางแอพ แม้แต่ทุกนาที[SOT: KIRO7 Seattle – Via web]
แม็กซิม โคเฮน: ฉันชื่อแม็กซิม โคเฮน ฉันเป็นศาสตราจารย์ Scale AI Chair ที่มหาวิทยาลัย McGill ในเมืองมอนทรีออล ประเทศแคนาดา และยังเป็นผู้อำนวยการร่วมของห้องปฏิบัติการนวัตกรรมการค้าปลีกอีกด้วย
เจนนิเฟอร์: ในช่วงไม่กี่ปีที่ผ่านมาได้เห็นแนวทางการกำหนดราคาแบบไดนามิก… และ การกำหนดราคาส่วนบุคคลก็เป็นเรื่องธรรมดามากขึ้นเช่นกัน
ในอนาคต ระบบการกำหนดราคาแบบไดนามิกอาจเป็นแบบอัตโนมัติทั้งหมด… และนำไปใช้ในจุดคู่ ขนาดที่ใหญ่กว่า
ซึ่งทำให้เกิดคำถาม: เราจะปกป้องความเป็นส่วนตัวของเราได้อย่างไรเมื่อข้อมูลของเราถูกใช้เพื่อกำหนด เท่าไหร่ที่เราจ่ายสำหรับสิ่งต่างๆ?
Maxime Cohen: ดังนั้นอัลกอริธึมการกำหนดราคาในตอนท้ายของวันจึงควรยึดตาม คุณลักษณะที่ไม่ใช่ส่วนบุคคล ตัวอย่างเช่น คุณสามารถรวบรวมประวัติการซื้อ คุณสามารถรวบรวม ตำแหน่งที่เป็นไปได้ของผู้ใช้ การกระทำที่พวกเขาทำในอดีต แต่คุณไม่ต้องการใช้คุณลักษณะส่วนบุคคลประเภทใด ๆ เช่น ชื่อหรือเพศหรืออะไรก็ตาม เป็นส่วนตัวมากขึ้น
เจนนิเฟอร์: คำถามอื่น… เราจะลากเส้นแบ่งระหว่างความยุติธรรมและไม่ยุติธรรมที่ไหน ราคา?
Maxim Cohen: เราต้องถามคำถามกับตัวเอง การเสนอราคาที่แตกต่างกันให้กับลูกค้าที่แตกต่างกันสำหรับผลิตภัณฑ์เดียวกันหรือบริการเดียวกันนั้นยุติธรรมหรือไม่ และคำตอบของคำถามนั้นไม่ง่ายเลยจริงๆ หัวข้อเรื่องความเป็นส่วนตัวและความยุติธรรมทั้งสองนี้มีความละเอียดอ่อนมาก และในความคิดของฉัน จำเป็นต้องมีกฎระเบียบที่ระมัดระวังในภายภาคหน้า
เจนนิเฟอร์: เขากล่าวว่าหน่วยงานกำกับดูแลควรร่วมมือกันและชี้แจงให้ชัดเจนว่าข้อมูลใดบ้างที่สามารถรวบรวม จัดเก็บ และนำไปใช้ในการตัดสินใจด้านราคา
Maxime Cohen: ตัวอย่างเช่น หาก Uber เริ่มตะโกนราคาต่างกัน โดยคิดจากเปอร์เซ็นต์ของ แบตเตอรี่ที่คุณมีในโทรศัพท์ของคุณเมื่อคุณสั่งรถ มันจะโอเคไหม? มันจะไม่เป็นไรเหรอ? ดังนั้นหน่วยงานกำกับดูแลจึงควรมารวมตัวกันที่ตารางและจัดทำรายการคุณลักษณะที่สมเหตุสมผลเพื่อใช้ในการตัดสินใจด้านราคาและคุณลักษณะอื่นๆ ในบัญชีดำซึ่งไม่ควรใช้ในการตัดสินใจด้านราคา
เจนนิเฟอร์: และไม่ใช่แค่ตะกร้าสินค้าออนไลน์ของเราเท่านั้นที่เป็นเดิมพัน ในไม่ช้า อัลกอริธึมการกำหนดราคาแบบไดนามิกก็สามารถหาบ้านในร้านค้าปลีกได้เช่นกัน… ในรูปแบบของฉลากชั้นวางอิเล็กทรอนิกส์
Maxime Cohen: คุณสามารถเปลี่ยนราคาของผลิตภัณฑ์เฉพาะในเวลาที่กำหนดได้โดยง่าย แก้ไขโค้ดบรรทัดเดียวแล้วกดปุ่มเดียว คุณเปลี่ยนรหัสหนึ่งบรรทัด จากนั้น คุณสามารถปรับใช้การเปลี่ยนแปลงราคาโดยแทบไม่มีต้นทุน ตอนนี้คำถามเดียวที่เหลืออยู่ในการขายปลีกทางกายภาพคือวิธีที่ลูกค้าจะตอบสนองต่อแนวทางการกำหนดราคาแบบไดนามิกที่เพิ่มขึ้นอย่างรวดเร็ว หากคุณลองคิดดู ราคาในซูเปอร์มาร์เก็ตจะเริ่มสูงขึ้นในช่วงเวลาที่วุ่นวาย ถ้ามีเวลาของวันที่คนเยอะในซุปเปอร์มาร์เก็ต ราคาก็จะสูงขึ้น ในทำนองเดียวกัน ราคาจะเริ่มสูงขึ้นเมื่อคุณมีสินค้าคงคลังต่ำมากสำหรับผลิตภัณฑ์เฉพาะ หากคุณมีราคาหุ้นน้อยก็จะขึ้นเพื่อให้ถูกใจ ให้แน่ใจว่าคุณได้กำไรสูงสุด ตอนนี้ยังไม่ชัดเจนว่าลูกค้าจะพึงพอใจหรือไม่ และจะยอมรับวิธีปฏิบัติเหล่านั้นที่มีอยู่แล้วในโลกออนไลน์ อาจทำกำไรได้อย่างแน่นอนในระยะสั้น แต่อาจสร้างความเสียหายในระยะยาว โดยเฉพาะอย่างยิ่งในแง่ของความภักดีของลูกค้า ดังนั้นเราจึงต้องทำการวิจัยมากมายเพื่อพยายามทำความเข้าใจถึงพลังและประโยชน์ที่เป็นไปได้ของการกำหนดราคาแบบไดนามิกสำหรับการขายปลีกจริง
[CREDITS]เจนนิเฟอร์ : ตอนนี้ถูกรายงานโดย Anthony Green และผลิตโดยเราสองคนกับ Emma Cillekens แก้ไขโดย Mat Honan และวิศวกรผสมของเราคือ Garret Lang โดยมีการออกแบบเสียงและดนตรีโดย Jacob Gorski
ขอบคุณที่รับฟัง ผมชื่อเจนนิเฟอร์ สตรอง
เสียงจาก:
ผู้ค้าปลีกใช้ ‘การกำหนดราคาแบบไดนามิก’ – ผ่าน YouTube
