211service.com
Podcast: come gli algoritmi di determinazione dei prezzi imparano a colludere
Signora Tech | Envato
Gli algoritmi ora determinano quanto costano le cose. Si chiama prezzo dinamico e si adatta alle condizioni di mercato attuali per aumentare i profitti. L'ascesa dell'e-commerce ha spinto gli algoritmi dei prezzi in un'attività quotidiana, sia che tu stia facendo acquisti su Amazon, prenotando un volo, un hotel o ordinando un Uber. In questa continuazione della nostra serie sull'automazione e il tuo portafoglio, esploriamo cosa succede quando una macchina determina il prezzo da pagare.
In questo episodio incontriamo:
- Lisa Wilkins, designer UX
- Gabe Smith, capo evangelista, Pricefx
- Aylin Caliskan, assistente professore, Università di Washington
- Joseph Harrington, professore di affari, economia e politiche pubbliche, Università della Pennsylvania
- Maxime Cohen, professore di Scale AI Chair, McGill University
Crediti:
Questo episodio è stato segnalato da Anthony Green e prodotto da Jennifer Strong ed Emma Cillekens. Siamo a cura di Mat Honan e il nostro tecnico del mix è Garret Lang, con sound design e musica di Jacob Gorski.
Trascrizione completa:
[ID TR]
Jennifer: Va bene, quindi sono in un aeroporto appena fuori New York City e sto solo guardando il tabellone delle partenze qui e vedo tutti questi voli che vanno in posti diversi... Mi fa pensare a come decidiamo quanto dovrebbe costare qualcosa... come un biglietto per uno di questi voli. Perché dove sta andando l'aereo è solo una parte del puzzle. Il prezzo del biglietto aereo è altamente personalizzato. Include enormi quantità di dati sui consumatori. I prezzi cambiano anche in tempo reale in base a cose come i nostri modelli di prenotazione, i prezzi della concorrenza, persino il tempo….
Jennifer: Ma non è sempre stato così. C'è stato un tempo... potevamo fare affidamento sull'idea che ciò che vedi è ciò che ottieni.
Al giorno d'oggi, i prezzi sono decisi da algoritmi. Si chiama prezzo dinamico... che valuta le cose in base alle attuali condizioni di mercato al fine di aumentare i profitti.
E non sono solo le compagnie aeree a utilizzare questa tecnica.
[SOT: i rivenditori adottano i 'prezzi dinamici' - tramite YouTube]
Giornalista televisivo: Una pratica avviata dalle compagnie aeree, la tariffazione dinamica è stata ora adottata dai rivenditori, grazie ad alcune nuove tecnologie.
[SOT: Amazon accusato di aumento dei prezzi WCPO ABC 9, tramite YouTube]
Giornalista televisivo: ...e sta diventando sempre più comune grazie agli algoritmi informatici. Lo troverai con i biglietti per Disney World, le camere d'albergo, i posti per la Major League Baseball... e ora. AMAZON.
Jennifer: L'e-commerce ha spinto questi algoritmi in un evento quotidiano...
Ma cosa significa per i consumatori?
[SOT: CONFERENZA ANTITRUST E CONCORRENZA Parte 12 Secondo giorno Riquadro tre 'Fenomeno Amazon' - via YouTube]
Lina Khan, Direttore, Politica legale, Open Markets Institute: Amazon cambia i prezzi due milioni di volte al giorno, quindi qual è un prezzo stabile per ognuno di noi e come faremo a sapere che stiamo pagando prezzi diversi? Penso che sarà una domanda chiave per il futuro.
Jennifer: Sono Jennifer Strong e in questo episodio, cosa succede quando una macchina determina il prezzo da pagare.
[MOSTRA ID]
OC:...hai raggiunto la tua destinazione.
[MUSICA]
[SOT: KIRO7 Seattle - Via web]
Ancora di notizie 2: Quando ieri sera sono risuonati gli spari, la gente cercava una via d'uscita. Stasera, alcuni dicono che la sicurezza è andata al miglior offerente.
Jennifer: Era la metà del pendolarismo serale. Lo scorso gennaio. Quando c'è stata una sparatoria nel centro di Seattle.
Ancora di notizie 1 : Stanotte le compagnie di Rideshare sono sotto tiro per l'aumento dei prezzi mentre le persone cercavano di sfuggire agli spari. Alcuni motociclisti dicono che sono stati scavati.
Lisa Wilkins: L'autobus che normalmente prenderei sarebbe andato lungo la strada in cui è avvenuta la sparatoria. Quindi tutti gli autobus che stavano percorrendo quella strada, si fermarono tutti. Non sono stati reindirizzati o altro, si sono semplicemente fermati.
Jennifer: Lisa Wilkins lavora nel settore tecnologico e il suo ufficio è a meno di un isolato dal luogo in cui è avvenuta la sparatoria.
Lisa Wilkins: Ho appena deciso di prendere un Uber o Lyft e, sai, portarlo a casa o riportarlo alla mia macchina, che è a Park and Ride, che era a circa 17 miglia di distanza. E poi, quando ho aperto l'app, ho visto che ci volevano cento dollari o qualcosa del genere per arrivarci quando normalmente sarebbero stati forse 30 dollari.
Jennifer: Quando la domanda è alta, il prezzo di una corsa con Lyft o Uber diventa automaticamente più costoso. In caso di emergenza, le aziende limitano i prezzi una volta che è chiaro cosa sta succedendo e, in questo caso, si sono offerte di rimborsare i passeggeri che hanno pagato tariffe più elevate.
Ma anche se il lavoro di Lisa Wilkins è progettare app tenendo d'occhio l'esperienza dell'utente, dice che ci è voluto ancora un momento per rendersi conto di cosa le stava succedendo - era a causa di un algoritmo di prezzo.
Lisa Wilkins: All'inizio ero davvero arrabbiato perché vuoi prenderla sul personale, come se lo stessero facendo intenzionalmente. Questa è una sparatoria e ne stanno approfittando. E poi quando ne stavo parlando con un altro collega. Sapete, eravamo ancora sconvolti dal fatto che sarebbe costato così tanto arrivare da qualche parte, ma ci siamo resi conto che questo è un aumento dei prezzi. Questo è fondamentalmente un bot che dice quali saranno i prezzi. Ed essendo un designer UX, capisco che ci siano molti casi limite che potresti non pianificare perché ciò accada nel tuo prodotto.
Jennifer: E questo può avere dei risultati non intenzionali.
Gabe Smith: C'era un libro sulla genetica delle mosche su Amazon. Cioè... c'erano due algoritmi in competizione che continuavano a guardarsi l'un l'altro e ad aumentare un po' il prezzo. L'altro aumenterebbe leggermente il prezzo. E hanno continuato ad andare avanti e indietro senza controllo per, sai, molti giorni. E alla fine il prezzo di questo libro è stato di circa 1,2 milioni di dollari.
Gabe Smith: Mi chiamo Gabe Smith e sono il capo evangelista di PriceFX. E ho circa 14 anni di esperienza nell'ottimizzazione e nella gestione dei prezzi.
Jennifer: Usa l'intelligenza artificiale e altri strumenti per aiutare le aziende a decidere quanto dovrebbe costare qualcosa. Pensa anche a come evitare quei valori anomali... come quel libro da un milione di dollari sugli insetti.
Gabe Smith: Quindi negli anni Ottanta è davvero quando la potenza di calcolo e la disponibilità dei dati sono arrivate al punto in cui queste tecniche potrebbero iniziare a essere sfruttate. E in realtà, è apparso prima nel settore delle compagnie aeree e poi è seguito in altri settori dei viaggi e del tempo libero come auto a noleggio e hotel.
Jennifer: La determinazione del prezzo dinamico può aiutare le aziende a sapere cosa addebitare per i prodotti scaduti o la cui fornitura è limitata. Come quando un aereo decolla... non c'è modo di cambiare il numero di posti occupati. Quindi, per generare maggiori entrate, le compagnie aeree devono vendere il maggior numero di posti al prezzo più alto possibile. E per sapere qual è quel prezzo? Devono comprendere le sfumature del comportamento dei passeggeri e della domanda del mercato.
Gabe Smith: Quindi questo è stato davvero il primo utilizzo dell'ottimizzazione dei prezzi e dell'intelligenza artificiale per guidare i prezzi in un mercato. E da allora, sai che l'uso è stato davvero ampliato in molti settori diversi. Abbiamo un'azienda, ad esempio, che fa prezzi dinamici per i propri skipass in base agli eventi imminenti, alle condizioni meteorologiche, alle condizioni della neve, ma abbiamo anche altri clienti che vendono elettronica e prodotti chimici. Abbiamo aziende di produzione industriale, società di distribuzione, in realtà queste tecniche stanno ottenendo l'adozione in un'ampia varietà di settori.
Jennifer: La chiave per far funzionare tutto questo è un ricco set di dati sui clienti e ciò che guida la loro disponibilità a pagare. Più dati... Più prezzi mirati possono essere per i privati.
Gabe Smith: Come si comportano. Che prodotto stai offrendo. Cose del tipo, qual è la natura della transazione o del preventivo che stai facendo? Tutti questi possono essere presi in considerazione nei tuoi algoritmi di ottimizzazione dei prezzi e influenzare ciò che offri. Quindi, se disponi di dati del genere, può essere in realtà abbastanza semplice essere in grado di implementare l'ottimizzazione dei prezzi. Quindi abbiamo clienti in cui abbiamo implementato le cose in appena un paio di mesi.
Jennifer: E dice che questi sistemi stanno migliorando nella gestione della complessità e nel bilanciare obiettivi concorrenti.
Gabe Smith: Quindi forse voglio assicurarmi di essere sempre posizionato in un certo modo rispetto alla mia concorrenza, giusto? O forse voglio dire: 'Ehi, non voglio mai aumentare i prezzi di oltre il 5% su nessuno'. Sto cercando di massimizzare le entrate, sto cercando di massimizzare i profitti? Sto cercando di massimizzare il throughput del volume? Potrei bilanciare tra quelli. Quindi, quello che succede nelle organizzazioni, sai, ci sono obiettivi in competizione molte volte. E quindi puoi guidare non solo, ok, qual è il mio prezzo di listino, ma qual è il prezzo negoziato o la promozione basata su una combinazione di prodotti del cliente.
Jennifer: Questi vincoli sono importanti perché, lasciati liberi, gli algoritmi di determinazione dei prezzi possono semplicemente dare la priorità ai prezzi più elevati.
Un altro problema? Assicurarsi che quei prezzi non rafforzino il pregiudizio sistemico.
Ma questo non è così semplice.
Gabe Smith: Potrebbe essere che, sai, non vedi esplicitamente una di quelle cose, ma potrebbero essere appena sotto la superficie in un altro attributo che stai usando. Quindi, se stai usando un codice postale o stai usando i dati demografici in termini di livelli di reddito, sai, potrebbe esserci un pregiudizio sistemico in quei dati. Quindi devi davvero essere premuroso su come costruire queste cose e assicurarti di fare la cosa giusta dal punto di vista etico. E penso che parte dell'accettazione sia: mi sento come un consumatore, sto ottenendo un buon affare o un affare migliore in alcuni casi come risultato di ciò, o è sempre a vantaggio del fornitore?
[ TRANSIZIONE MUSICA]
Aylin Caliskan: Sappiamo che la grande tecnologia utilizza ampiamente questi algoritmi di determinazione dei prezzi personalizzati e non capiamo necessariamente cosa sta succedendo dietro questi sistemi o algoritmi perché sono scatole nere. Vediamo solo i risultati su base individuale, sostanzialmente il prezzo che riceviamo. E non abbiamo davvero metodi o set di dati per studiare sistematicamente algoritmi di discriminazione dei prezzi.
Aylin Caliskan: Sono Aylin Caliskan. Attualmente sono un assistente professore all'Università di Washington e la mia ricerca si concentra sull'apprendimento automatico e sui pregiudizi dell'intelligenza artificiale.
Jennifer: Un paio di anni fa, la città di Chicago ha imposto a società come Uber e Lyft di rilasciare al pubblico i dati sulle tariffe. Ciò ha consentito ai ricercatori di accedere a milioni di viaggi anonimi in tutta la città. Ha confrontato i prezzi con i dati demografici del quartiere e cosa ha trovato? L'ha sorpresa.
Aylin Caliskan: I nostri risultati mostrano che i quartieri con residenti più giovani o con un livello di istruzione elevato pagavano tariffe tariffarie significativamente più elevate. E i quartieri che hanno residenti non bianchi più alti, così come i quartieri poveri, stiamo anche pagando tariffe più alte che sono state determinate da questi algoritmi di discriminazione dei prezzi.
Jennifer: Il suo team vuole sapere perché questo accade, ma è difficile senza dettagli su domanda e offerta, che non sono resi pubblici.
I ricercatori sono in grado di ottenere solo un sottoinsieme di questi dati.
Aylin Caliskan: I residenti in quartieri svantaggiati pagano prezzi equi più elevati a causa delle caratteristiche dei loro quartieri? Oppure l'offerta di autisti ha un impatto su prezzi equi in questi quartieri dove la domanda sembra relativamente bassa. Ma se l'offerta è ancora più bassa, di conseguenza, la domanda relativa sembrerebbe più alta, il che potrebbe essere un aumento dei prezzi delle tariffe e maggiore trasparenza, migliori metodi possiamo sviluppare per studiare l'impatto disparato di questi algoritmi o le loro dinamiche, come stanno imparando dal vicinato modelli di trasporto e modelli di traffico.
Jennifer: Il che solleva un'altra questione spinosa? Non ci sono davvero regole su questo.
Aylin Caliskan: Abbiamo bisogno di più politiche e normative in modo da poter accedere a questo set di dati e continuare a studiarlo e capire in che modo ciò potrebbe influire sulla pianificazione delle città intelligenti e sull'allocazione delle risorse, perché se tali set di dati vengono utilizzati, ad esempio, nelle auto senza conducente o allocazione delle risorse nelle città intelligenti, questi pregiudizi potrebbero finire per essere perpetuati o potenzialmente amplificati in futuro, causando tutti i tipi di effetti collaterali imprevisti che dovremmo affrontare in futuro.
Jennifer: Dopo la pausa, scopriamo come potrebbe essere la regolamentazione... e impariamo come potrebbero funzionare questi algoritmi in un negozio di alimentari.
Ma prima, voglio parlarti di un evento chiamato CyberSecure. È la conferenza sulla sicurezza informatica di Tech Review e sarò lì con i miei colleghi a parlare di ransomware e altre questioni importanti. Puoi saperne di più su Cyber Secure M-I-T dot com.
Torneremo subito... dopo questo.
[MIDROLL]
[MUSICA]
Jennifer: Gli algoritmi di prezzo possono anche aiutare i consumatori... personalizzando prodotti e consigli... o fornendo approfondimenti alle aziende che le aiutano a progettare prodotti e servizi migliori.
Ma questi sistemi presentano anche nuove sfide per coloro che regolano la concorrenza.
Il Congresso ha approvato la prima legge antitrust più di un secolo fa, ma è stato solo nel 2015 che il governo ha perseguito il suo primo caso antitrust specificamente mirato all'e-commerce. In quel caso, un uomo si è dichiarato colpevole di aver cospirato per fissare illegalmente i prezzi dei poster che ha venduto su Amazon con altri venditori... utilizzando un algoritmo progettato per coordinare le variazioni di prezzo.
Joseph Harrington: L'algoritmo dei prezzi cercherebbe il prezzo migliore o più basso dei venditori concorrenti, ovvero i concorrenti di quei due venditori online. E poi i due venditori online fisserebbero un prezzo comune leggermente inferiore. Quindi i due venditori erano ancora in competizione con altre aziende sul mercato, ma semplicemente non erano in competizione l'una contro l'altra. Quindi, invece di coordinarsi su un prezzo comune, si sono coordinati su un algoritmo di determinazione dei prezzi comune e ciò ha avuto lo stesso effetto di ridurre la concorrenza.
Joseph Harrington: Quindi io sono Joe Harrington. Sono professore di economia, economia e politiche pubbliche presso la Wharton School, University of Pennsylvania. La mia ricerca è nell'area della collusione e dei cartelli.
Jennifer: Il caso che coinvolge i venditori di poster di Amazon è qualcosa che è abbastanza vicino alla collusione tradizionale... in cui aziende altrimenti concorrenti coordinano i prezzi tramite la comunicazione diretta, da uomo a uomo.
Ma c'è una crescente ricerca sul fatto che gli stessi algoritmi di determinazione dei prezzi potrebbero imparare a formare una sorta di cartello digitale a parte... e colludere per aumentare i prezzi senza alcun coinvolgimento umano.
Joseph Harrington: Ora, pensiamo a un manager che decide di delegare la decisione sui prezzi a un algoritmo di autoapprendimento. Quell'algoritmo di autoapprendimento sperimenterà diversi algoritmi di prezzo o regole di prezzo nella speranza di trovarne di più redditizi. Quindi finiscono con regole di prezzo più redditizie. E il motivo per cui sono più redditizi è dovuto al fatto che gli algoritmi di autoapprendimento hanno imparato a non competere l'uno contro l'altro.
Jennifer: E i ricercatori in Italia hanno già trovato prove che ciò avvenga in un ambiente simulato.
Joseph Harrington: Quindi hanno considerato un modello economico di mercato molto standard. Uno che è stato utilizzato da molti economisti, sia per il lavoro teorico che empirico. E la domanda era: sarebbero stati in grado di imparare a colludere in un ambiente simulato abbastanza sofisticato e complesso. E la risposta è molto chiara, sì, ci sono prezzi che erano solo, di routine, ben al di sopra dei prezzi competitivi, a volte abbastanza vicini ai prezzi di monopolio.
Jennifer: Dice che questi algoritmi di autoapprendimento si comportano in un modo che rispecchia i cartelli umani.
Joseph Harrington: Gli algoritmi stanno fissando un prezzo elevato al di sopra dei prezzi competitivi, il che crea quindi un incentivo, almeno nel breve periodo, a fissare un prezzo più basso per acquisire più quote di mercato e profitti più elevati. Quello che gli algoritmi di autoapprendimento hanno imparato sulle conseguenze di deviare da quello impostando un prezzo più basso è che l'altro algoritmo di autoapprendimento ha adottato un algoritmo di prezzo che punirà quel comportamento. Quindi, in particolare, se uno di loro dovesse improvvisamente abbassare il prezzo, l'algoritmo di determinazione del prezzo dell'altro algoritmo di autoapprendimento è stato addestrato per rispondere con un prezzo molto basso in risposta. I prezzi rimarrebbero bassi per qualche tempo, ma tenderebbero a risalire agli alti prezzi collusivi. Quindi quello che abbiamo qui in realtà sono questi algoritmi di autoapprendimento che imparano che, ok, fisseremo un prezzo alto e il motivo per cui non deviano da quello, è che hanno imparato che ci sarà una ritorsione punizione dall'altro, algoritmo di autoapprendimento. Ed è esattamente ciò che consideriamo collusione.
Jennifer: È ancora una questione aperta se questo genere di cose possa accadere in un mercato reale, con tutta la sua complessità aggiuntiva.
Ma il concetto di collusione automatizzata solleva ogni sorta di questioni legali.
Joseph Harrington: Se torniamo all'esempio, sul mercato di Amazon e sui venditori di poster online, beh, è quel tipo di collusione per cui il quadro giuridico è ben progettato. È progettato per la cospirazione in cui i concorrenti comunicano. E coordinare la loro condotta. La legge è definita in termini di un incontro di menti, un impegno consapevole per uno schema comune. L'idea che ci sia stata questa comunicazione, che ha portato a una certa comprensione reciproca tra i concorrenti a non competere più. Tutto ciò è assente con i concorrenti che hanno adottato algoritmi di autoapprendimento purché lo abbiano fatto in modo indipendente. Questi algoritmi di autoapprendimento non hanno comprensione, tanto meno comprensione reciproca, che è davvero ciò che è richiesto nel contesto della legge.
Jennifer: E per ora... non c'è nessuno incaricato di monitorare se questi sistemi rispettano regole che riteniamo eque.
Joseph Harrington: Voglio dire, penso che la potenziale risposta legale in futuro sarebbe vietare determinate proprietà degli algoritmi di determinazione dei prezzi. Se questi fossero proibiti, ci sarebbe un incentivo per le aziende stesse a monitorare i propri algoritmi di determinazione dei prezzi, non a esporsi illegalmente. Ma al momento, non c'è davvero nessuno che li stia monitorando. E di certo le aziende non hanno incentivi, direi, a monitorarle.
Jennifer: Dice che algoritmi di determinazione dei prezzi anticoncorrenziali potrebbero anche essere incorporati in software... che potrebbero essere utilizzati da aziende in competizione tra loro... senza che quelle aziende se ne rendano conto.
Joseph Harrington: E poi la domanda è, beh, cosa si può fare al riguardo? E ora eccoci qui, ancora una volta, in un territorio legale un po' oscuro, perché la cospirazione richiede due o più attori, che tradizionalmente sono due o più concorrenti che hanno deciso di non competere più. Ma ora immaginiamo che sia una specie di attore, ovvero lo sviluppatore di terze parti che potrebbe progettare un algoritmo di prezzo non molto competitivo. E se riesce a convincere molte aziende in un mercato ad adottarlo, funzionerà bene per quelle aziende, perché si tradurrà in prezzi più alti e meno concorrenza sui prezzi. Ora, ancora una volta, è brutto, ma non c'è cospirazione perché c'è davvero solo quell'attore, lo sviluppatore di terze parti che sta promuovendo questo.
Jennifer: E lì è un esempio di quello nel mondo reale..in uno studio condotto sulle stazioni di servizio tedesche che hanno iniziato ad adottare un algoritmo di determinazione dei prezzi.
Joseph Harrington: E l'evidenza è che i margini di costo del prezzo medio sono aumentati in risposta a ciò, dell'ordine di circa il 12%. Ma è stato davvero sorprendente, se hai guardato i mercati in cui c'erano solo due stazioni, quindi immagina un mercato geografico in cui ci sono solo due stazioni in competizione. E ciò che lo studio ha scoperto è che se uno di loro ha adottato l'algoritmo di determinazione del prezzo non si è verificato alcun effetto evidente sui prezzi. Ma se entrambi adottati, allora c'è stato un aumento significativo dei margini di costo dei prezzi. Dell'ordine del 29% circa. Quindi ora questo sta informando in termini di ciò che stanno facendo questi algoritmi di determinazione dei prezzi. Se stanno portando a prezzi dinamici più efficienti, allora ti saresti aspettato di vedere qualche effetto, anche quando un solo operatore di stazione l'ha adottato. Ma non è quello che è stato trovato nello studio. È solo quando entrambi i concorrenti adottati vedi un effetto. Ed è un effetto, che è un notevole aumento di prezzo. Quindi penso che sia qualcosa che, penso, sta accadendo. Ed è qualcosa che è un po' più, credo, concreto e in cui ci sono potenzialmente più opzioni politiche da affrontare. Contrariamente al caso degli algoritmi di autoapprendimento, che ritengo sia un potenziale problema che vogliamo anticipare.
Massimo Cohen: Prima eravamo in grado di modificare i prezzi ogni giorno o ogni mese, ma ora i prezzi possono cambiare ogni ora o in alcune applicazioni, anche ogni minuto.
Massimo Cohen: Mi chiamo Maxime Cohen. Sono il professore della Scale AI Chair presso la McGill University di Montreal, in Canada, e sono anche co-direttore del Retail Innovation lab.
Jennifer: Negli ultimi anni si è assistito a un'esplosione di pratiche tariffarie dinamiche... E anche la tariffazione personalizzata è sempre più comune.
In futuro, i sistemi dinamici dei prezzi potrebbero essere completamente autonomi... e applicati su scala ancora più ampia.
Il che pone la domanda: come proteggiamo la nostra privacy quando i nostri dati vengono utilizzati per determinare quanto paghiamo per le cose?
Massimo Cohen: Quindi, l'algoritmo dei prezzi alla fine della giornata dovrebbe essere basato su attributi non personali. Ad esempio, puoi raccogliere la cronologia degli acquisti, puoi raccogliere, potenzialmente, la posizione degli utenti, le azioni che hanno intrapreso in passato, ma non vuoi utilizzare alcun tipo di attributo personale come nomi o sesso o qualsiasi cosa più personale.
Jennifer: Un'altra domanda... dove tracciamo il confine tra prezzi equi e ingiusti?
Massimo Cohen: Bisogna porsi la domanda. È giusto offrire prezzi diversi a clienti diversi per gli stessi prodotti o lo stesso servizio? E la risposta a questa domanda in realtà non è semplice. Questi due temi di privacy e correttezza sono molto delicati e, a mio avviso, necessitano di una regolamentazione attenta per andare avanti.
Jennifer: Dice che le autorità di regolamentazione dovrebbero riunirsi e chiarire quali dati possono essere raccolti, archiviati e utilizzati per prendere decisioni sui prezzi.
Massimo Cohen: Ad esempio, se Uber inizia a gridare prezzi diversi, in base alla percentuale di batteria che hai nel telefono quando ordini un passaggio. Andrebbe bene? Non andrebbe bene? Quindi le autorità di regolamentazione dovrebbero riunirsi al tavolo e fare un elenco di attributi che sono ragionevoli da utilizzare per le decisioni sui prezzi e alcuni altri attributi in una lista nera in cui non dovrebbero essere utilizzati per le decisioni sui prezzi.
Jennifer: E non sono in gioco solo i nostri carrelli della spesa online. Gli algoritmi dinamici dei prezzi potrebbero presto trovare spazio anche nella vendita al dettaglio fisica... sotto forma di etichette elettroniche per scaffali.
Massimo Cohen: Puoi effettivamente modificare il prezzo di prodotti specifici in momenti specifici, semplicemente modificando una singola riga di codice e premendo un pulsante. Cambia una riga di codice. Quindi puoi implementare un cambio di prezzo a costi praticamente zero. Ora l'unica domanda rimasta nella vendita al dettaglio fisica è come reagiranno i clienti a pratiche di prezzo in aumento e dinamiche. Se ci pensi, i prezzi inizieranno a salire nei supermercati durante le ore di punta. Se c'è un momento della giornata in cui hanno molte persone al supermercato, i prezzi aumenteranno. Allo stesso modo, i prezzi inizieranno a salire quando hai un inventario molto basso per prodotti specifici. Se hai meno azioni, i prezzi aumenteranno per piacere, assicurati di ottimizzare i tuoi profitti. Ora non è chiaro se i clienti saranno contenti e accetterà quei tipi di pratiche che sono già in atto nel mondo online. Può essere sicuramente redditizio nel breve periodo, ma può generare perdite nel lungo periodo, soprattutto in termini di fidelizzazione dei clienti. Quindi abbiamo bisogno di fare molte ricerche per cercare di capire il potere e i potenziali vantaggi dei prezzi dinamici per la vendita al dettaglio fisica.
[CREDITI]
Jennifer: Questo episodio è stato segnalato da Anthony Green e prodotto da noi due con Emma Cillekens. Siamo a cura di Mat Honan e il nostro tecnico del mix è Garret Lang, con sound design e musica di Jacob Gorski.
Grazie per l'ascolto, sono Jennifer Strong.
[ID TR]