CC BY
63Саперов Н. В., преподаватель, департамент теоретической экономики НИУ ВШЭ, г. Москва, nsaperov@hse.ru
ПОВЫШЕНИЕ
КОНКУРЕНТОСПОСОБНОСТИ ОНЛАйН-РЫНКОВ ДОВЕРИТЕЛЬНЫХ БЛАГ С ПОМОЩЬЮ РЕПУТАЦИОННЫХ МЕХАНИЗМОВ
В данной статье рассматриваются онлайн-площадки в контексте асимметрии информации и ухудшающего отбора в сравнении их с оффлайновыми рынками. Ключевой тезис заключается в том, что без наличия дополнительных институтов, прежде всего репутационных, онлайн-модели рынков доверительных благ со временем теряют свою конкурентоспособность. Приводится обзор литературы, преимущественно зарубежной, посвященной анализу репутации в повышении конкурентоспособности онлайн-рынков, и указываются возможные направления архитектуры эффективных репутационных механизмов.
Показывается, что через существующие на сегодняшний день электронные социальные институты продавец может строить свою репутацию, создавая для потребителей стимулы делиться информацией о качественном сервисе со своим кругом общения в социальных сетях. В заключение выделены предпосылки для более глубокого модельного анализа описанных феноменов, а также указываются направления дальнейших исследований.
Ключевые слова: ухудшающий отбор, ассиметрия информации, конкурентоспособность интернет-рынков.
Введение
Быстрое развитие интернет-рынков опытных и доверительных благ1, наблюдаемое с середины 2000-х гг., пока что мало освещено в отечественной экономической литературе. Одним из трендов в развитии экономики российского Интер-
1 Данный термин ввел П. Нельсон. Опытные блага (experience goods) — те блага, качественные характеристики трудно проверить до момента совершения транзакции. Доверительные блага (credence goods) — те блага, качественные характеристики трудно проверить даже после совершения транзакции. Например, услуги в области образования.
нета с середины 2000-х гг. стало появление онлайн-рынков благ и услуг, которые раньше продавались традиционно в оффлайне (так называемые online marketplaces)2. Так, в последние годы в России появились электронные площадки для посуточной аренды частного жилья (www.airbnb.com.ru, сервис появился в 2011 г.) или продажи услуг частных репетиторов (www.repetitors.info, сервис появился в 2006 г.).
Появление онлайн-рынков укладывается в существующие тенденции повышения
2 Исследование «Экономика Рунета 2011-2012»,
коллектив авторов НИУ ВШЭ и РАЭК.
информационной прозрачности некоторых традиционно «серых» оффлайновых рынков (таких как подбор репетиторов, тренеров, автоинструкторов) и их экономической эффективности, что подробно описано в работе3. Онлайновые модели рынков позволяют покупателям и продавцам существенно снизить географические и временные барьеры выхода на рынок, что приводит к снижению транзакционных издержек и издержек поиска товара. Как показывает А. Гхош4, в результате появления онлайновых площадок на рынках может наблюдаться снижение среднего уровня цен и рост общественного благосостояния по сравнению с оффлайновыми моделями. Снижая транзакционные издержки, онлайновые механизмы играют значимую роль в распределении сложных благ и услуг нужным потребителям в определенное время.
В статье показывается, что одним из дополнительных эффектов появления онлайн-рынков становится рост времени ожидания транзакции поставщиком качественной услуги, что снижает его стимулы присутствия на рынке. В результате объем рынка, количество и качество транзакций падают ниже общественно оптимального уровня. Проблема информационной асимметрии встает особенно остро для онлайн-рынков выраженных доверительных благ, качество которых трудно идентифицировать полностью даже уже после покупки.
Автором рассматривается возможность проведения подобного анализа для двух характерных рынков доверительных услуг: услуг частных репетиторов и кратковременной аренды жилья. Асимметрия между знаниями продавца и покупателя о качестве товара является характерной чертой данных рынков, построенных как в оффлайн-модели,
3 Jiangxia Hu. Business Models of Information Aggregators. MIT working papers. 2007.
4 Ghose A. Internet Exchanges for Used Goods: An Empirical Analysis of Trade Patterns and Adverse Selection. MIS Quarterly. Vol. 33. Is. 2. June, 2009. P. 263-292.
так и в онлайн-модели. В работе сравниваются оффлайн- и онлайн-модели указанных рынков с точки зрения причин возникновения информационной асимметрии и ухудшающего отбора.
Для оффлайновой формы рынков доверительных благ, при наличии высоких издержек поиска, типичным рыночным паттерном является сегментирование рынка на информированных и неинформированных покупателей.
Продавцы разделяются на два типа:
1. Те, кто продает или некачественный товар по стандартной цене, или товар стандартного качества по завышенной цене неинформированным покупателям, которые находят такого продавца случайным образом.
2. Те, кто продает качественный товар по стандартной цене, или же товар стандартного качества по низкой цене информированным покупателям5.
Важным экономическим следствием организации рынков оффлайн-услуг через он-лайн-площадки является существенное снижение барьеров входа для новых поставщиков услуги и снижение транзакционных издержек покупателя на поиск нужного предложения практически до нуля. Эти феномены описаны подробно в работах6.
В статье показано, что при трансформации данных рынков в онлайн-модели, при снижении издержек поиска практически
5 Этот тип равновесия был проанализирован Дугласом Даймондом в работе 1989 г. (Diamond D. Reputation acquisition in debt markets // Journal of Political economy. 1989. Vol. 97. № 4) для рынка кредитования.
6 Yannis Bakos J. A Strategic Analysis of Electronic Marketplaces. MIS Quarterly. Vol. 15. № 3. Special Issue: [Strategic Use of Information Systems] Sep., 1991. Р. 295-310; Edward J. Deak. The economics of e-commerce and the internet. Thomson, South-Western, Mar 1, 2003. Business & Economics. — 428 p.; Koch J. V., Ce-bula R. J. Price, quality, and service on the internet: Sense and nonsense // Building Research & Information. Vol. 33. Is. 2. 2002; Sarkar Mitrabarun, Brian Butler, Charles Stein-field. Cybermediaries in Electronic Marketspace: Toward Theory Building // Journal of Business Research. Vol. 41. № 3. March, 1998. Р. 215-221.
до нуля, подобное сегментирование может исчезать, но при этом создаются предпосылки для еще более масштабного ухудшающего отбора по сравнению с оффлайн-моде-лями. Снижение барьеров на вход и издержек поиска поставщика услуги покупателем трансформирует традиционные оффлайновые рынки. В работе показываются происходящие изменения, а также их влияние на степень информационной асимметрии и ухудшающий отбор. В частности показывается, как исчезает сегментирование рынка на информированных и неинформированных покупателей и параллельно растет информационный шум на данных рынках.
Центральным тезисом статьи является утверждение о том, что онлайн-площадки, без дополнения их рядом институтов, могут приводить к еще более выраженной информационной асимметрии, потере конкурентоспособности и, как следствие, к более быстрому исчезновению их функций организатора рынка, по сравнению с аналогичными оффлайновыми моделями. Таким образом, конкурентоспособность электронной формы организации рынка может быть поставлена под сомнение, если ее не дополнить рядом сигнализирующих институтов. Для избегания развития рыночных провалов в функционировании онлайн-п-лощадок требуется наличие достаточно сложных институтов предварительного определения качества потребляемого блага. В статье рассматриваются возможные конструкции и эффективность различных разделительных сигналов для онлайн-рынков, причем внимание акцентируется на web2.0 механизмах7, основанных на социальном взаимодействии потребителей (online social interactions) и совместной пользовательской оценке потребляемых услуг (user generated feedbacks). Репутационные механизмы, важные для преодоления ухудшающего отбора в оффлайновых моделях, приобретают го-
раздо большее значение в онлайн-моделях этих же рынков8.
Важность механизмов репутационно-го сигнализирования осознается организаторами онлайн-площадок. Airbnb.com, repetitors.info, и другие рынки предложили ряд надстроек, направленных на построение репутации поставщиком услуги. В то же время окончательные репутационные механизмы еще не выработаны, и организаторы онлайн-рынков регулярно проводят «полевые эксперименты» по внедрению и улучшению институциональных надстроек онлайн-площадок. Е-Ьау и Slashdot.com несколько раз за последние несколько лет кардинально меняли правила пользовательских отзывов. В статье указывается на минусы существующих репутационных механизмов он-лайн-рынков, рассматриваются площадки www.repetitors.info и www.airbnb.com и предлагаются возможные направления архитектуры эффективных разделительных рыночных сигналов. Шерил Т. Друэл9 показывает, что интернет-компании могут и должны про-
7 Механизмы, основанные на создании пользовательского контента.
8 Анализу данного феномена посвящены работы: Thomas Lützkendorf, Thorsten M. Speer. Alleviating asymmetric information in propertymarkets: building performance and product quality as signals for consumers // Building Research and Information. Vol. 33. № 2. March — April, 2005. Р. 182-195; Werner Guth, Mengel F. An evolutionary analysis of buyer insurance and seller reputation in inline markets // Theory and Decision. 2007; Bolton G., Katok E, Ockenfels A. How effective are online reputation mechanisms? An experimental investigation // Management Science. Vol. 50. № 11. Nov., 2004; Resnick P., Zeck-hauser R. Trust among strangers in internet transactions: empirical analysis of ebay's reputation system // The Economics of the Internet and E-Commerce. Michael R. Baye, editor. Vol. 11 of Advances in Applied Microeconomics. Amsterdam: Elsevier Science, 2002. Р. 127-157; Mel-nik M. I., Alm J. Does a seller's ecommerce reputation matter? Evidence from eBay auctions // The Journal of Industrial Economics. Vol. 50. Is. 3. September 2002. Р. 337-349; Biswas A., Biswas A. The diagnostic role of signals in the context of perceived risks in online shopping: do signals matter more on the web // Journal of Interactive Marketing. 2004. № 18 (3). Р. 30-45.
9 Cheryl T. Druehl. Strategic Product/Service Innovations of an Online Firm // Decision Sciences. Vol. 41. № 3. August, 2010.
водить больше экспериментов в поиске механизмов улучшения эффективности предлагаемых бизнес-моделей, чем оффлайновые компании.
В данной работе рассматривается сравнительная эффективность различных форм институциональных надстроек онлайн-пло-щадок, позволяющих снизить информационную асимметрию и риск оппортунистического поведения поставщиков услуги. Сравниваются механизмы дигитализации «сарафанного радио» (word-of-mouth), рей-тингования потребительских отзывов, страхования покупателя, раскрытия продавцом подробной информации о поведении потребителей, а также электронной социализации потребителя.
Все эти институты в той или иной степени внедряются и эксперементируются рядом онлайн-рынков в настоящее время. Авторский анализ проведен на примере сервисов www.airbnb.com (marketplace-услуг посуточной аренды частного жилья) и сервиса www.repetitors.info (marketplace услуг частного репетиторства).
Выделим тезисы статьи:
1. При продаже опытных и доверительных благ онлайн-форма рынка может приводить к более масштабным оппортунистическому поведению продавцов и ухудшающему отбору, чем на их оффлайновых аналогах.
2. Ухудшающий отбор на онлайн-рынках опытных благ может заключаться в том, что поставщик качественной услуги вынужден ждать большее время для поиска «своего» клиента, что снижает его стимулы присутствия на онлайн-рынке.
3. Репутационные системы, основанные на отзывах покупателей, не становятся эффективным разделяющим рыночным сигналом без дополнительных надстроек.
4. Институты, основанные на социальном взаимодействии потребителей, могут стать наиболее эффективным разделяющим сигналом на онлайн-рынках доверительных благ.
Появление онлайн-рынков опытных благ
Онлайн-торговые площадки начали возникать сначала для рынков поисковых благ (цифровая и бытовая техника), а также цифровых благ (электронные книги, аудио-и видеозаписи). Данные рынки появились в Российской Федерации в конце 1990-х гг. (www.ozon.ru, www.holodilnik.ru) и получили активное развитие в начале-середине 2000-х гг.
Площадки для выраженных опытных благ (подержанные автомобили), качество которых сложно проверить до момента транзакции, начали появляться в середине 2000-х гг. (www.auto.ru, www.avito.ru,www.slando.ru). Еще позже (в конце 2000-х гг.) появились онлайн-площадки для доверительных благ (услуги частных врачей и репетиторские услуги), качество которых трудно проверить даже после совершения транзакции (www.repetitors.info, www.doktornarabote.ru, www.airbnb.com.ru). Подробно характеристики рынков опытных и доверительных благ рассмотрены в статье10.
Рассматриваемые в работе услуги краткосрочной аренды жилья и частных репетиторов относятся к опытным (experience goods) и доверительным (credence goods) благам по этой классификации.
Сфера интернет-предпринимательства, активно развивающаяся в России с начала 2000-х гг., пытается предложить новые, более эффективные модели соединения покупателей и продавцов для ряда рынков. Описанная траектория развития институтов электронной коммерции (поисковые блага — опытные блага — доверительные блага) связана с постепенным предложением на рынке институтов, повышающих эффективность онлайн-коммерции и делающих ее возможной для определенных
10 Liebeskind J., Rumelt R. P. Markets for Experience Goods with Performance Uncertainty // The RAND Journal of Economics. Vol. 20. № 4. Winter, 1989. P. 601-621.
категорий благ. Например, последняя категория площадок (для доверительных благ) стала возможной только после появления ряда web2.0-институтов, таких как пользовательские отзывы и совместное пользовательское рейтингование поставщика услуги. Поскольку подобные институты являются молодыми и только формируются, их применение может не иметь однозначного положительного эффекта на организацию он-лайн-рынков.
Рассмотрим некоторые характеристики оффлайновых рынков опытных и доверительных благ. Доверительные блага относятся к категории наиболее информационно непрозрачных рынков, где покупатели услуг не имеют полной информации ни о ценах, ни о качестве предоставляемых услуг. Оценка как качества подобного блага, так и добросовестности продавца затруднительна для покупателя даже после совершения транзакции. Следствием этой асимметрии информации является ряд эффектов, описанных в классических работах Дж. Акер-лофа и М. Спенса11. В первую очередь, это классический ухудшающий отбор. Добросовестные продавцы качественной услуги при наличии множества поставщиков некачественных услуг, «халтуры», не могут получить премию за более высокое качество своей услуги и вынуждены либо уходить с рынка, либо, как показано в работе А. Гхош12, ждать слишком долго в поисках своего клиента. В результате при возможном снижении среднего уровня цены среднее качество услуг также падает. В данной работе не будем рассматривать эти эффекты, но более подробно остановимся на описании роли ре-путационных механизмов, которые нередко
11 Akerlof G. A. The Market for «Lemons»: Quality Uncertainty and the Market Mechanism // The Quarterly Journal of Economics. V. 84. August 1970. P. 488-500; Spence, Michael. Job Market Signaling // The Quarterly Journal of Economics. Vol. 87. August, 1973. P. 355-374.
12 Ghose A. Internet Exchanges for Used Goods: An Empirical Analysis of Trade Patterns and Adverse Selection //
MIS Quarterly. Vol. 33. Is. 2. June, 2009. P. 263-292.
становятся источником эффективных разделительных сигналом. Репутационные механизмы позволяют передавать информацию о добросовестных представителях качественных услуг клиентам «из уст в уста», это так называемое «сарафанное радио».
При наличии подобного механизма может происходить разделение рынка на два сегмента: информированные покупатели (те, кто получил рекомендацию) покупают качественную услугу, неинформированные покупатели могут покупать как качественную, так и некачественную услугу у продавца, которого они находят случайным образом. Данный феномен был проанализирован в модели Дугласа Даймонда13. Более подробно указанная модель применительно к рынкам краткосрочной аренды жилья и репетиторских услуг будет рассмотрена далее в статье.
Модель Даймонда для оффлайн-рынков опытных благ
Невозможность оценить качество услуги до момента ее потребления — классическое проявление асимметрии информации, которое может приводить к разделению рынка подобных благ на два сегмента: информированных и неинформированных покупателей. Сегментирование может заключаться как в продаже менее качественных услуг менее информированным потребителям, так и в продаже услуг по завышенным ценам менее информированным потребителям. Последний случай является примером ценовой информационной асимметрии и рассматривается в модели Д. Даймонда. Напомним, что данная модель описывает процессы, происходящие на информационно непрозрачных рынках, на которых есть два типа потребителей: информированные и неинформированные. Неинформированные потребители не знают о ценах услуг, предлагаемых раз-
13 Diamond D. Reputation acquisition in debt markets // Journal of Political economy. 1989. Vol. 97. № 4.
личными поставщиками, и поиск предложения с наименьшей ценой сопряжен с тран-закционными издержками.
При наличии транзакционных затрат, а также в силу дефицита времени и внимания потребитель не может узнать информацию о ценах всех поставщиков услуги. Модель рассматривает определение равновесной цены услуги при наличии устойчивой доли неинформированных покупателей.
В данной модели информационная асимметрия о ценах услуг приводит к формированию локальных монополий: каждый поставщик услуги обладает монопольной властью по отношению к тем неинформированным покупателям, которые посещают его случайным образом. В результате неинформированный покупатель получает товар по более высокой, монопольной, а не конкурентной цене. Более высокая цена товара — это дополнительная плата, взимаемая фирмами за неинформированность потребителя. Если на рынке есть информированные и неинформированные покупатели, то выбор стратегии фирмой (какую цену назначить, низкую или высокую) зависит от соотношения информированных и неинформированных потребителей. Это наиболее важный вывод модели. Если доля информированных потребителей сравнительно велика, то фирма будет осторожна с поднятием цены и предпочтет придерживаться конкурентной цены. Если доля информированных потребителей невелика, то произойдет разделение рынка на сегменты. Некоторые фирмы предпочтут продавать дешево для информированных потребителей. Определенные фирмы будут продавать дорого для неинформированных потребителей, при этом осознанно потеряв информированных клиентов. На рынке установится два равновесия с двумя ценами: для информированных и для неинформированных потребителей. Наличие информационной асимметрии приводит к повышению платы за услугу для неинформированных потребителей.
Вторым важным следствием модели является то, что фирмы заинтересованы в создании и поддержании информационной асимметрии на рынке, поскольку она приводит к повышению среднего уровня цен в отрасли. В связи с тем, что поиск ведется лишь до тех пор, пока выгоды от него больше сопутствующих транзакционных затрат, фирмы заинтересованы в поддержании транзакционных затрат покупателя на поиск на высоком уровне. Высокие транзакционные затраты могут поддерживаться различными способами: повышение числа товарных марок, создание дополнительных характеристик у продукта, что усложняет процесс сравнения и выбора, географическая удаленность точек оказания физической услуги (частное лечение или репетиторство).
Важным результатом модели Даймонда представляется самопроизвольное разделение рынка на два сегмента, которое становится возможным благодаря тому, что не все покупатели являются информированными.
Подобная модель развития характерна для многих рынков, для анализа были выбраны два рынка с наличием ярко выраженного эффекта наличия неинформированных покупателей: рынок посуточной сдачи жилья в аренду и рынок репетиторства.
Рынок посуточной аренды жилья аренды до появления онлайн-marketplace являлся одним из классических информационно непрозрачных массовых рынков, ориентированных, прежде всего, на туристов, для которых посуточная аренда квартиры или комнаты является альтернативой номеру в гостинице. Подобные рынки возникают и процветают, например, в крупных мегаполисах или курортных городах. Приезжающий в город турист, не знакомый с локальным рынком частного жилья, несет транзак-ционные издержки получения информации о данном рынке и получает услугу по более высокой цене, чем более информированный покупатель.
Можно провести параллели и с другими информационно непрозрачными рынка-
ми с высокими транзакционными издержками получения информации о цене и качестве услуги, такими как рынок частного репетиторства, который также состоит из информированных и неинформированных потребителей и на котором можно наблюдать схожие с рынком аренды частного жилья процессы.
Перечислим предпосылки классической модели Даймонда с положительными издержками поиска:
1. На рынке существует много идентичных поставщиков однородной услуги с одинаковыми предельными издержками.
2. На рынке существует множество потребителей, которые не знают разброса цен между продавцами.
3. Неинформированный потребитель несет предельные издержки при поиске товара в размере МСЕ при каждом новом поиске.
4. Информированный потребитель не несет издержек при поиске.
Если покупатель покупает товар у первого попавшегося производителя по цене Р1, то его общие издержки на покупку товара составят ТС1 = Р1.
Если покупатель считает цену первого предложения необоснованно высокой, он отказывается от покупки у первого попавшегося продавца и продолжает поиск. Его издержки при покупке у второго продавца составляют ТС2 = Р2 + МСЕ, поскольку к цене второго предложения прибавляются издержки поиска этого производителя.
При покупке у п-го продавца издержки покупателя составят ТСп = Рп + (п - 1) • МСЕ.
Предположим, что в момент t = 0 средняя цена на рынке установлена на уровне предельных издержек производства Р* = МС, что соответствует конкурентному равновесию и средней нулевой прибыли всех фирм на рынке.
В момент t = 1 какая-либо фирма, зная, что не все потребители на рынке являются информированными, решает назначить чуть более высокую цену р = Р* + г.
Покупатель, видя повышение цены у данной фирмы, будет принимать решение о по-
купке именно у нее, исходя из соотношения этой надбавки цены и предельных издержек поиска МСЕ.
Следовательно, предельно высокая величина надбавки г, которую сможет назначить фирма, равна издержкам поиска этого продавца потребителем, т. е. г = МСе. Остальные фирмы, подчиняясь той же логике, также могут повысить цену до уровня Р1 = Р* + г, в результате средняя рыночная цена вырастает до уровня Р** = Р* + г.
Далее, в момент времени г = 2 какая-либо фирма, предполагая, что на рынке имеются покупатели, готовые и дальше искать лучшее предложение, решает назначить еще более высокую цену Р = Р** + г = Р* + 2 • г. Подобной стратегии могут придерживаться и остальные фирмы.
После ряда итераций цена на рынке может вырасти до монопольного уровня, который ограничен сверху платежеспособным спросом. Продавцы, зная, что покупатель имеет положительные издержки поиска, пытаются таким образом забрать себе его потребительский излишек. Информационная асимметрия на данном рынке приводит к образованию локальных монополий, возникающих в ответ на нежелание потребителя продолжать поиск производителя с лучшей ценой (или же с лучшим качеством). Потребитель в условиях острой нехватки информации о других производителях вынужден принимать высокую цену подобной локальной монополии. Рынки краткосрочной аренды жилья и услуг частных репетиторов являются прекрасной иллюстрацией.
Рассмотрим возможные стратегии поведения фирмы на данном рынке. Пусть на рынке существует два типа потребителей: информированные потребители (знающие разброс цен между фирмами) и неинформированные потребители. Предельные издержки поиска для информированных потребителей равны нулю, для неинформированных они положительны.
Пусть число фирм на рынке равно Nf, число потребителей равно Nc, из которых
доля а являются информированными, и доля (1 - а) — неинформированными.
Если все фирмы назначат одинаковую цену на рынке на уровне предельных издержек, тогда каждая фирма будет иметь оди-
Ч,
наковую рыночную долю а1 = ~.
В этом случае информиров^ нные и неинформированные покупатели равномерно распределяются между фирмами, которые получают нулевую прибыль, что соответствует конкурентной ситуации.
Если какая-либо фирма в момент времени решает поднять цену до уровня р = Р* + г, она потеряет всех информированных потребителей. При этом, если г < МСЕ, то фирма получит свою долю неинформированных потребителей
ап = (1-а) • ^. п N
Если наценка фирмы будет выше уровня МСЕ , она потеряет всех клиентов, т. е. ап = 0.
Если фирма назначит цену ниже предельных издержек Р( < Р*, то она, дополнительно к своей доле неинформированных покупателей, получит всех информированных покупателей. В этом случае ее доля равна
ап = (1-а) • ^ + а • Nc. п ^ > N с
Но в этом случае прибыль фирмы будет отрицательной, поскольку цена станет ниже предельных издержек.
Таким образом, фирма может выбирать из двух стратегий: назначить конкурентную цену Р* = МС или же монопольную цену Р( = Р* + МСЕ, предварительно оценив степень неинформированности покупателя и его поисковые издержки.
Даймонд показал, что фирма будет придерживаться той или иной стратегии в зависимости от двух факторов:
1. Доли информированных и неинформированных покупателей на рынке.
2. Поведения других участников рынка.
Если на данном рынке высока доля информированных потребителей и другие фирмы назначили высокие цены, то фирма может снизить цену, заполучив всех информированных потребителей. Если на указанном рынке высока доля неинформированных потребителей, и другие фирмы назначили низкие цены, то фирме выгодно поднять цену для своей доли неинформированных потребителей, которые находят данную фирму случайным образом.
Важным следствием модели является то, что соотношение фирм с низкими и высокими ценами на данном рынке может служить индикатором степени информированности покупателей.
До появления онлайн-площадок для рынков доверительных благ их ценовая информационная непрозрачность оставалась очень высокой. Разброс цен на рынках посуточной аренды жилья и рынке репетиторских услуг впечатлял: цены за схожие услуги могли отличаться в десятки раз. Поставщики услуги, работающие в сегменте неинформированных потребителей, пытались множеством способов продать дорогую услугу стандартного качества (или же некачественную услугу по стандартной рыночной цене) случайному неинформированному покупателю. Для рынка посуточной аренды жилья об этом можно судить по знакомым многим скоплениям людей с транспарантами «Сдам жилье» на автобусных станциях туристических городов, а также заклеенных бумажными объявлениями о сдаче жилья стен железнодорожных станций крупных мегаполисов. Как можно догадаться, в этих местах доля неинформированных покупателей, обладающих высокими транзакционными издержками поиска, максимальна. Потребителю необходимо принять решение очень быстро, как правило, в течение нескольких часов. Потребитель устал после дороги, поэтому транзакционные издержки поиска особенно велики. В этих условиях ему ничего не остается, как принять одно из ближайших предложений, даже зная, что оно может
быть не самым дешевым и уж точно не высшего качества.
Похожая ситуация, но с другими характеристиками, наблюдается на рынке частного репетиторства, который является информационно непрозрачным, с высокой долей неинформированных покупателей (многие покупатели «туристы», не имеющие положительных рекомендаций по выбору репетитора от знакомых и друзей), которым необходимо сделать выбор репетитора в достаточно короткий срок (обычно несколько недель). Нахождение поставщика услуги (репетитора) клиентом до появления marketplace являлось во многом случайным процессом, поскольку зависело главным образом от нахождения клиента в определенном образовательном институте, связанном с абитуриентской подготовкой (специализированная школа или курсы при университете).
В результате поставщик услуги приобретал локальную монопольную власть, которая в этом случае может быть следствием действия нескольких факторов14.
В результате поставщик услуги, используя определенные сигналы, становится локальной монополией для клиентов, которые случайным образом среагировали на подобные сигналы, что приводит к образованию для них монопольных цен. Важной характеристикой рынков опытных и доверительных благ является очень низкая доля неинформированных покупателей: клиент, ищущий репетитора, практически ничего не знает о «справедливом» или среднем уровне цен, в результате при подобной ценовой информационной асимметрии разброс цен становится очень большим, а сами цены монопольно высокими. При этом можно проследить сильную положительную связь между локальной монопольной властью репетитора, долей неинформированных покупателей и уровнем цен.
14 Балакина Т. П. Экономика репетиторства: мотивы, стимулы, модели // Финансы и бизнес. 2011. № 1. С. 23-37.
Трансформация информационной асимметрии при появлении онлайн-площадок
Онлайн-площадки для продажи оффлайновых услуг призваны устранить ряд экономических провалов этих рынков, в первую очередь, ценовую информационную асимметрию. Теперь цены обо всех поставщиках на рынке доступны на единой онлайн-пло-щадке. Сравнение цен и базовых характеристик услуги, выбор наиболее подходящей для клиента услуги стали для покупателя тривиальными процедурами, выполняемыми в несколько кликов. Сервис www.airbnb.com (и его русскоязычная версия www.airbnb.ru) предлагает базу данных частного жилья для посуточной аренды из 300 000 предложений в 192 странах мира и 33 000 городах. Сервисом уже воспользовались более 10 млн клиентов в разных странах15.
Онлайн-marketplace для продажи оффлайновых репетиторских услуг www.repetitors.info предлагает базу данных более 93 000 частных репетиторов по 75 предметам. К настоящему времени с помощью данного ресурса репетитора себе нашли 350 000 учеников16.
Оба сайта (и ряд подобных сервисов) имеют цель обеспечить информационно прозрачный доступ покупателя к широкой базе имеющихся предложений оффлайновых опытных и доверительных услуг. Подобные сервисы снижают практически до нуля издержки ценового поиска покупателем — теперь это делается за доли секунды. Достаточно задать правильные фильтры поиска и получить в ответ все имеющиеся предложения в форме, удобной для сравнения и поиска оптимального для клиента предложения. При наличии подобного сервиса на рынках оффлайновых услуг можно ожидать падение цен до конкурентного уровня. Можно предположить, что вследствие
15 Источник: сайт www.airbnb.ru.
16 Источник: сайт www.repetitors.info.
исчезновения ценовой информационной асимметрии экономическая эффективность рынков должна вырасти многократно, и они должны полностью вытеснить оффлайновые рынки.
В действительности же появление он-лайн-площадок не оказывает однозначного влияния на средний уровень цен соответствующих рынков17 и сопровождается рядом сложных эффектов, рассматриваемых далее.
При организации marketplace доля неинформированных покупателей (при условии, что все покупатели ищут себе поставщика услуги через этот marketplace) становится ничтожно малой и определяется не издержками физического поиска оптимального предложения, а скорее дефицитом внимания пользователя. Например, при доступности нескольких десятков или сотен предложений по заданным фильтрам пользователь может ограничиться рассмотрением только 10 из них из-за дефицита внимания. При наличии покупателей, которые не ищут предложение в онлайновой базе данных, а продолжают это делать привычным оффлайновым способом, доля неинформированных покупателей может быть существенно выше.
В результате радикального снижения доли неинформированных покупателей фирмы теряют локальную монопольную власть. Теперь фирмы, продающие услуги по монопольно высоким ценам неинформированным клиентам, находящие их случайным образом, сталкиваются с оттоком клиентов в пользу фирм с конкурентными ценами. Разделение рынка на конкурентный и монопольный сегменты исчезает, весь рынок становится конкурентным.
На первый взгляд, подобный ход развития событий является вероятным. В действитель-
17 Lee H. G. Do Electronic Marketplaces Lower the Price of Goods? // Communications of the ACM. Vol. 41. Is. 1. Jan., 1998. P. 73-80; Lewis Gregory. Asymmetric Information, Adverse Selection and Online Disclosure: The Case of eBay Motors // American Economic Review, 2011. № 101 (4). P. 1535-46.
ности же происходит следующее. Электронные площадки снижают практически до нуля барьеры входа на данный рынок, в результате на него могут приходить неквалифицированные поставщики услуг сомнительного качества или же поставщики, имеющие практически нулевую альтернативную стоимость пребывания на данном рынке (для рынка репетиторства это студенты или пенсионеры). Если раньше поставщик подобной некачественной услуги не имел возможности беспрепятственного поиска и привлечения клиентов, то теперь имеет — достаточно разместить профайл с красивой фотографией в базе данных онлайн-каталога. В результате на рынке происходит резкий рост предложения по низким ценам от подобных поставщиков, в результате чего средний уровень цен, конечно же, падает.
В результате этого поставщик качественной (и при этом более дорогой) услуги обнаруживает для себя следующие эффекты: 1) его рыночная доля снижается; 2) он вынужден ждать дольше при привлечении покупателя услуги.
Следствием этого является снижение стимулов поставщика качественной услуги оставаться на подобной онлайн-площад-ке, а вместо этого использовать другие механизмы создания и удержания своей клиентской базы. В результате на подобных онлайн-рынках запускается классический ухудшающий отбор по Акерлофу с постепенным понижением среднего качества услуги. Потребитель, видя множество дешевых услуг сомнительного качества в онлай-не, предпочитает оставаться в сегменте дорогих услуг, ориентируясь на привычные оффлайновые сигналы (как правило, рекомендации друзей и знакомых).
Вместе с тем при повысившейся конкуренции и снижении количества обращений к нему поставщик качественной услуги может вынужденно повышать цены, при этом понимая, что время ожидания прихода клиента к нему может существенно вырасти. Как правило, к подобным поставщикам кли-
енты приходят по оффлайновым рекомендациям друзей («сарафанному радио»), т. е. уже будучи информированными.
В результате сегментирование рынка может сохраняться и даже усиливаться: потребитель должен делать выбор между гарантированно качественной услугой уже по существенно более высокой цене или же между многообразием хаоса услуг непроверенного качества низшего ценового сегмента, представленного на онлайн-рынке. В этих условиях потребительский излишек может падать даже при снижении среднего уровня цен в отрасли.
Таким образом, онлайн-рынки, организованные без дополнительных надстроек, приводят к неоднозначным последствиям с точки зрения экономической эффективности. Организация рынков через онлайновые площадки запускает ряд других механизмов, приводящих к потере экономической эффективности и разрушению с течением времени функций данных рынков.
Основным негативным экономическим эффектом, запускаемым на рынках онлайн-marketplace, является ухудшающий отбор по качеству предоставляемой услуги. Рынки оффлайновых услуг — это, как правило, рынки опытных или доверительных благ (за редкими исключениями). Обычный потребитель (и порой даже эксперт) не могут произвести экспертизу качества продукции до процесса потребления этой услуги. В условиях, когда фирма имеет неограниченный доступ к потребителю через размещение информации о себе в онлайновой базе данных, на рынках опытных благ возникает еще большая асимметрия информации о качестве предоставляемой услуги, что ведет к более масштабному ухудшающему отбору. Качественные услуги теряются в массе некачественных и вытесняются ими. Поставщики качественных услуг, имея все меньшую долю рынка, обнаруживают меньше стимулов для присутствия в онлайн-базе и предпочитают удерживать свою рыночную долю другими способами (например, развивая собст-
венную рекомендательную сеть). Также к подобным площадкам перестают обращаться клиенты, получившие опыт приобретения некачественной услуги. В результате высокая ценовая информационная прозрачность, в условиях асимметрии информации о качестве услуги, может приводить не к росту, а к снижению экономической эффективности, это проявляется в том, что количество транзакций становится меньше общественно оптимального уровня. Подобные феномены были названы Хьюстоном и Спенсером проблемой кибер лимоном (cyber lemons problem)18 и вскоре обозначены как главные препятствия для масштабного развития онлайн-рынков определенных видов благ.
Эмпирические подтверждения
Данные, полученные от портала www.repetitors.info, свидетельствуют о том, что после появления данного ресурса в 2006 г., в результате политики открытой регистрации предложений об оказании услуг, в 2008-2009 гг. на ресурсе появилась масса некачественных предложений по недорогой цене, в результате информационный шум на рынке многократно вырос, что увеличило транзакционные издержки покупателя на поиск оптимального предложения.
На начальных этапах работы данной площадки наблюдался ярко выраженный эффект вытеснения качественных товаров и услуг некачественными. После старта площадки repetitors.info на нее устремились множество студентов, которые начали предоставлять, репетиторские услуги по невысокой цене, но при этом также и невысокого качества, а также множество людей, считающих, что они могут заниматься репетиторской деятельностью, не имея на то весомых оснований (например, домохозяйки). С открытием информационного простран-
18 Huston J. H, Spencer R. W. Quality, Uncertainty and the Internet: The Market for Cyber Lemons // The American
Economist. Vol. 46. № 1 (Spring, 2002). P. 50-60.
ства каждый мог заявить, что сумеет оказывать репетиторские или другие услуги. Притом эти люди были готовы предоставлять услуги по ценам ниже среднерыночных. В итоге на рынке запускался классический ухудшающий отбор. Потребитель, просматривая анкеты и не имея дополнительных сигналов о качестве, будет стремиться выбрать более дешевое предложение. Таким образом, качественные и дорогие услуги со временем получают все меньше покупателей, и поставщики данных услуг покидают онлайновые рынки. Со временем среднее качество услуг на рынке ухудшается.
Без дополнительных механизмов, способных ограничить появление на рынке некачественных услуг и оппортунистическое поведение фирм (маскировка некачественных услуг под качественные), онлайн-пло-щадки вскоре перестают быть экономически эффективными. Например, в работе19 рассматривается разрушение рыночных функций на площадке Е-Ьау до тех пор, пока она не была дополнена рядом надстроек.
Можно резюмировать влияние организации онлайн-форм на рынках доверительных и опытных благ и выделить следующие положительные стороны:
1. Обеспечение информационной прозрачности рынка, снижение издержек поиска для покупателя практически до нуля.
2. Снижение барьеров входа на рынок, увеличение занятости и дополнительных заработков населения.
3. Снижение цен.
4. Рост дифференциации предлагаемой услуги.
Выделяются и отрицательные стороны:
1. Асимметрия информации о качестве продукции и как следствие ухудшающий отбор.
19 Resnick P., Zeckhauser R. Trust among strangers in internet transactions: empirical analysis of ebay's reputation system // The Economics of the Internet and E-Commerce. Michael R. Baye, editor. Vol. 11 of Advances in Applied Microeconomics. Amsterdam: Elsevier Science, 2002. P. 127-157.
2. Повышение информационного шума, что затрудняет выбор покупателем.
3. Возможность оппортунистического поведения поставщика услуги.
Эффективные разделительные рыночные сигналы на онлайн-площадках
В современной литературе анализируются следующие разделительные механизмы на онлайн-рынках с ассиметричной информацией:
1. Раскрытие дополнительной информации о свойствах блага (дополнительные характеристики, фото- и видеообзоры).
2. Пользовательское (user generated) рейтингование продукта или поставщика20.
3. Немодерируемые пользовательские отзывы о качестве продукта или надежности поставщика21.
4. Модерируемые комментарии пользователей22.
5. Страхование потребителей23.
6. Раскрытие информации продавцов о прошлом поведении потребителей24.
7. Социальные взаимодействия потребителей.
20 Ba S, Pavlou P. A. Evidence of the Effect of Trust Building Technology in Electronic Markets: Price Premiums and Buyer Behavior // Journal of Marketing. 2002. № 59.
21 Pavlou P. A., Dimoka A. The Nature and Role of Feedback Text Comments in Online Marketplaces: Implications for Trust Building, Price Premiums, and Seller Differentiation // Information Systems Research. December, 2006. Vol. 17. № 4. P. 392-414.
22 Jianqing Chen, Hong Xu, Andrew B. Whinston. Moderated online communities and quality of user-generated content // Journal of Management Information Systems. Vol. 28. № 2. Fall, 2011. P. 237-268.
23 Werner Guth, Mengel F. An evolutionary analysis of buyer insurance and seller reputation in inline markets // Theory and Decision. 2007.
24 Yubo Chen, Qi Wang, Jinhong Xie. Online social inter-
actions — a natural experiment on word of mouth versus
observational learning // Journal of Marketing Research.
Vol. XLVIII. April, 2011. P. 238-254.
Анализу эффективности мер по раскрытию дополнительной информации о поставляемой услуге, посвящена работа25. Однако на рынке опытных благ подобные меры могут оказаться недостаточно эффективными, поскольку наличие дополнительных характеристик может только создавать информационный шум для потребителя, не сигнализируя о качестве услуги. Например, для рынка репетиторских услуг множество характеристик, а также видеообращений поставщиков услуги могут только создать информационный шум и затруднить выбор в условиях дефицита внимания клиента. Так, в источнике26 приводятся аргументы, что несмотря на то, что более подробные характеристики товаров и услуг обычно воспринимаются как средство повышения информационной прозрачности рынков, они имеют и ряд негативных эффектов. Продавцы могут намеренно создавать сложные описания продуктов и услуг, чтобы повысить издержки просеивания информации потребителем, что приводит к образованию локальных монополий, основывающихся на случайных покупках.
В работе27 рассматривается технология пользовательского рейтингования продукта или поставщика услуги. Показывается, что данный механизм достаточно эффективен как разделительный сигнал, хотя и остается открытым вопрос о достоверности отзывов и масштабных возможностей для манипуляции рейтингом. Та же проблема сохраняется и для механизма пользовательских отзывов,
25 Lewis Gregory. Asymmetric Information, Adverse Selection and Online Disclosure: The Case of eBay Motors // American Economic Review. 2011. № 101 (4). P. 1535-46.
26 Dimoka A., Yili Hong, Pavlou P. A. On product uncertainty in online markets. MIS Quarterly. Vol. 36. 2012.
27 Ba S., Pavlou P. A. Evidence of the Effect of Trust Building Technology in Electronic Markets: Price Premiums and Buyer Behavior // Journal of Marketing. 2002. № 59.
оставляемых на сайте, что описано в работе П. Павлу и А. Димока28.
В более поздней работе Д. Чжен, Х. Сю и А. Винстон 29 рассматривают механизм мо-дерируемых (то есть проверяемых и регулируемых) пользовательских отзывов. Подобное модерирование может заключаться в экспертной обработке и рейтинговании отзыва внешними или внутренними экспертами площадки, может быть, выбранными даже случайным образом. Упомянутая работа содержит обзор влияния различных механизмов модерирования отзывов на качество и достоверность публикуемых отзывов. Опубликованный отзыв может быть проверен (или модерирован) другими выборочными пользователями, которые могут его прорейтинговать и оценить его качество (например, «информативный» или «бесполезный»). Согласно мнению авторов такой механизм можно сравнить с аудитом в бухгалтерии. Результатом модерации становится рейтинг надежности комментариев, а также репутация комментатора30.
Одним из пионеров в применении данной методики стал Slashdot.com, который случайным образом отбирает нескольких наиболее соответствующих комментаторов и затем дает им возможность модерировать несколько отзывов, определив ограничения по количеству комментариев — 5 и времени — 3 дня. Подобные ограничения гарантируют, что ни одни потребитель не будет иметь чрезмерного влияния на всю систему. Slashdot заявляет, что подобным образом
28 Pavlou P. A., Dimoka A. The Nature and Role of Feedback Text Comments in Online Marketplaces: Implications for Trust Building, Price Premiums, and Seller Differentiation // Information Systems Research. Vol. 17. December, 2006. № 4. Р. 392-414.
29 Chen J., Xu H, Whinston А. В. Moderated online communities and quality of user-generated content // Journal of Management Information Systems. Fall 2011. Vol. 28. № 2. Р. 237-268.
30 Примером может служить репутация пользователя на коллективном блоге www.habrahabr.ru, названная на этом ресурсе «кармой».
помогает людям в структурировании получаемых от продавцов и комментаторов сигналов.
Конечно же, подобная система имеет ряд недостатков, в первую очередь, возможности для оппортунистического поведения продавца — «накручивания» положительных отзывов. Но считается, что главным фактором, элиминирующим оппортунистическое поведение продавца, является случайность процесса выбора модератора комментария. Однако для эффективной работы подобной системы необходимо выполнение следующих условий: модератор честно оценивает комментарий, каждый комментарий будет оценен одинаковое количество раз.
В. Гут и Ф. Менгель в своей работе31 сравнивают репутацию продавца и страхование потребителей и делают вывод о том, что страхование практически незначимо на электронных рынках, тогда как репутация продавца становится значимым разделительным сигналом.
Ю. Чен, Ц. Ванг и Д. Це посвятили свою работу32 сравнению эффектов, оказывающих влияние на принятие решения потребителем при покупке услуги на marketplace: мнение других пользователей, оставляемых через отзывы (word of mouth) и наблюдения за поведением других покупателей (observational learning). Делается вывод о том, что эффект от негативного отзыва более значим, чем от положительного. Наличие информации о поведении прошлых потребителей (дополнительные покупки, средний чек, количество повторных обращений) может существенно повысить продажи, тогда как отсутствие такой информации практически не влияет на них. Авторы делают заключение, что подобная инфор-
31 Guth W, Mengel F. An evolutionary analysis of buyer insurance and seller reputation in inline markets // Theory and Decision. 2007.
32 Yubo Chen, Qi Wang, Jinhong Xie. Online social inter-
actions — a natural experiment on word of mouth versus
observational learning // Journal of Marketing Research, Vol. XLVIII. April, 2011. P. 238-254.
мация может способствовать продвижению массовых продуктов, не причиняя вред ни-шевым продуктам. Возможно, что более детальная информация о поведении прошлых покупателей услуги, направленная на развитие observational learning (повторное обращение, продолжительность использования, произведенный эффект), могла бы также создать стимулы для присутствия только качественных поставщиков услуг на рынке.
Эффективные механизмы сигнализирования репутации поставщика услуги
Ряд работ, перечисленных выше, показывают, что решение заключается в системе отзывов, оставляемых клиентами, которые доступны для просмотра новыми клиентами. Во многом это помогает решать проблему предварительной оценки качества предлагаемых услуг. Развитая система отзывов на онлайн-площадке является фактором определения качества и позволяет клиенту произвести разделение качественных и некачественных услуг. Однако система отзывов клиента, встроенная в сайт, может побуждать фирму к определенному роду оппортунистического поведения. Поскольку организатор электронного рынка не может контролировать факт действительного оказания услуги, то фирма может сама создавать фиктивных клиентов для написания фиктивных отзывов. Таким образом, организованная подобным образом система отзывов может не стать фактором преодоления асимметрии информации, и ухудшающий отбор будет продолжиться.
Например, в статье П. Павлу и А. Димо-ка33 авторы приводят ряд стратегий оппортунистического поведения фирмы, принимая во внимание эффекты накопления и потреб-
33 Pavlou P. A., Dimoka A. The Nature and Role of Feedback Text Comments in Online Marketplaces: Implications for Trust Building, Price Premiums, and Seller Differentiation // Information Systems Research. December. Vol. 17. 2006. № 4. P. 392-414.
ления репутации. Так, оппортунистическая фирма может выстраивать свою положительную репутацию (на основании публикуемых отзывов) на протяжении ограниченного периода времени, чтобы затем эксплуатировать покупателей, являющихся наиболее доверчивыми. Однако данный феномен может быть применен скорее для рынков, организованных по оффлайн-модели, когда новый потребитель не имеет мгновенного доступа к отзывам прошлых потребителей, и их поиск сопряжен с достаточными издержками.
Чтобы найти возможные решения указанной проблемы, достаточно вспомнить, каким образом функционировали данные рынки, когда они полностью находились в оффлай-не. Фирмы искали новых клиентов, основываясь на рекомендательной сети (так называемое «сарафанное радио»).
Конечно же, как было отмечено выше, при наличии ценовой информационной асимметрии происходит сегментирование рынка на более информированных и менее информированных потребителей. Но фирмы, работающие в сегменте информированных потребителей (либо предоставляя услугу высокого качества по стандартной цене, либо не повышая цену для услуги стандартного качества), как рассмотрено в анализе Даймонда, получат не случайных клиентов, а клиентов, приходящих по рекомендации. Таким образом, репутация поставщика услуги, выявленная заранее, становится определяющим источником информации о качестве услуги. В работе34 приводятся аргументы в пользу того, что онлайн-площадки, продающие информационно непрозрачные опытные услуги, должны развивать динамические системы построения репутации поставщика услуги, основанные на оценках других проверенных агентов, а также объеме сделок с данным поставщиком.
34 Gaur V., Sharma N. К. А Dynamic Framework of Reputation Systems ^г ап Адеп Mediated e-market // IJCSI 1^ета^опа1 Joumal of СотрШег Science Issues. М. 8. 4. July 2011.
Фирмы, оказывающие качественные услуги, привлекают новых клиентов, которые приходят от прежних клиентов, довольных качеством услуги, получив информацию по рекомендации. При этом на рынке существуют фирмы, оказывающие некачественные услуги и получающие неинформированных клиентов случайным образом. Главным критерием качества выступает рекомендация, доподлинно не ангажированная, т. е. переданная из уст в уста по товарищеским или дружеским связям. Подобный механизм нужно искать и для электронных рынков. Существующие на сегодняшний день возможности электронной социализации потребителей через социальные сети создают прекрасную почву для развития пользовательских дружеских рекомендаций. Таким механизмом становится система рекомендаций пользователей, размещенных на личных страницах в социальных сетях. Это разновидность механизма пользовательской совместной работы, или коллаборативной фильтрации, как ее назвал А. Долгин35. Напомним, что суть этого механизма заключается в совместной пользовательской оценке потребляемого блага, в результате которой качественные товары и услуги обладают более высоким пользовательским рейтингом. Покупатель реагирует на предложенные ему стимулы и производит определенное действие, направленное на повышение информационной прозрачности всего рынка.
Рассматриваемые в статье площадки airbnb и repetitors понимают наличие встроенных механизмов ухудшающего отбора и поэтому осознают необходимость создания институтов для его преодоления. Предложенные на площадках механизмы — это системы отзывов, оставляемых покупателями, и внутреннее (экспертное) рейтингова-ние поставщиков услуги. Конечно же, эти механизмы позволяют повысить информационную прозрачность рынка, снабдив новых
35 Долгин А. Манифест новой экономики. Вторая не-
видимая рука рынка. М.: АСТ, 2010.
покупателей информацией о мнении других покупателей о прошлых сделках с данным продавцом. Но в то же время они создают обширные возможности для оппортунистического поведения поставщика услуги. В условиях отсутствия механизмов идентификации и проверки автора отзыва поставщик услуги может самостоятельно создавать подобных фиктивных клиентов со множеством положительных отзывов.
Следует заметить, что подобная проблема является общей для web2.0 контента. Контент, созданный пользователями, имеет тенденцию к ухудшающему отбору качества без наличия дополнительных институтов. Статьи, размещаемые пользователями на W(k(ped(a, могут быть сомнительного качества или даже некорректными. Посты, размещенные в коллективных блогах (www.slashdot.com или www.habгahabг.гu), могут быть бесполезными или смещенными во мнении36. Также и отзывы пользователей, оставляемые в открытом доступе на сайтах магазинов или онлайн-площадках, могут быть ангажированными.
Согласно статистике гереШо^.(^о 93% оставленных отзывов являются положительными. При этом первое приближение к оценке среднего качества услуг говорит скорее об обратном — на рынке присутствует немного поставщиков услуги хорошего качества и обширный сегмент репетиторов, предоставляющий услуги невысокого качества. Можно вспомнить об исследованиях поведения покупателей в сети при выставлении отзыва. Как указывает А. Долгин и авторы работы37, отзывы, по определенным причинам, имеют ^форму с пиком в районе 8 по десятибалльной шкале.
Таким образом, один из выводов данной работы заключается в том, что простая система отзывов покупателей, открыто размещаемая на сайте, может быть неэффектив-
36 Имеется ввиду английское слово biased.
37 Hu N., Pavlou P. A., Zhang J. Why Do Product Reviews Have a J-Shaped Distribution? 2009.
ным разделительным механизмом, и даже наоборот, только способствовать ухудшающему отбору.
Что можно предложить в этих условиях? Очень важно обеспечить такой механизм выставления оценок пользователей, который был бы прозрачным и элиминировал возможность оппортунистического поведения поставщика услуги (подкуп клиента или создание фиктивного клиента с положительной рекомендацией). Развивая рассуждения авторов статьи38, приходим к выводу, что ответ нужно искать в социальных взаимодействиях потребителей. Идея заключается в том, чтобы давать стимулы информированным потребителям, т. е. тем, кто самостоятельно произвели экспертную оценку качества услуги (путем tг(al-aпd-eггoг выбора), рекомендовать качественные услуги своих друзьям в социальных сетях. Принципиальное отличие от системы отзывов, открыто публикуемых на сайте, заключается в том, что отзыв доступен для просмотра только тем агентам, которые имеют дружеские социальные связи с данным потребителем, а не неограниченному кругу лиц. Теперь увидеть рекомендацию могут только друзья (или друзья друзей при перепосте рекомендации) автора, что решает проблему доверия к качеству и истинности отзыва. Таким образом, этот онлайновый механизм полностью копирует его оффлайновый аналог, на котором и был построен качественный сегмент репетиторского и им подобных рынков, — так называемое «сарафанное радио»39.
С помощью подобного механизма потребитель стимулируется оставить на своей странице в социальной сети положительный отзыв о полученной качественной ус-
38 Yubo Chen, Qi Wang, Jinhong Xie. Online social interactions — a natural experiment on word of mouth versus observational learning // Journal of Marketing Research. Vol. XLVIII. April, 2011. Р. 238-254.
39 В сети подобный механизм получил название «реферальный маркетинг» (или «социальный маркетинг»).
луге и порекомендовать ее своим друзьям. Принципиальное отличие от систем оценок и отзывов, размещенных на marketplace около каждого продукта или поставщика услуги, заключается в том, что рекомендацию дает получатель услуги на своей персональной странице в социальной сети. Сразу же решается проблема фиктивных клиентов с положительными отзывами, поскольку клиент, публикуя отзыв, дорожит своей репутацией.
Новые модели социальных взаимодействий, возникающие в Интернете, открывают для фирм пласт новых возможностей для наблюдения и управления социальным поведением потребителей напрямую, что было дорого и неэффективно ранее.
Конечно же, можно сказать, что и в этом случае у поставщика услуги будут стимулы подкупить клиента, стимулировать его дать положительный отзыв о заведомо некачественном продукте. Но тут включается другой механизм, апеллирующий к репутации клиента. Если это агент с большим количеством друзей и подписчиков его ленты новостей, то он дорожит своей репутацией, и именно это будет удерживать его от оппортунистического поведения. Таким образом, рекомендательные сервисы, организованные подобным образом, могут помогать в решении проблемы асимметрии информации на онлайн-рынках оффлайновых услуг. Давая оценку качественной услуге на своей ленте новостей, потребитель запускает «сарафанное радио», работающее на благо поставщика качественной услуги. Клубная фильтрация, построенная таким образом, удерживает клиента от оппортунистического поведения именно потому, что он находится в рамках клуба, и, сообщая о качественной услуге, устремляет свой посыл участникам данного клуба. Страх быть изгнанным из неформального клуба за ангажированную рекомендацию сильнее сиюминутных выгод.
Как же может выглядеть онлайновый marketplace оффлайновых услуг с подоб-
ным встроенным механизмом клубной фильтрации? Во-первых, нельзя забывать о том, что онлайновый marketplace призван обеспечить покупателю мгновенный доступ к информации о поставщиках услуг и устранить асимметрию информации в отношении цен. Таким образом, решается классическая проблема наличия высоких издержек поиска у неинформированных покупателей. Онлайн-рынки призваны повысить информационную эффективность. Во-вторых, обеспечив доступ потребителей к базе существующих услуг, эти рынки также обеспечили доступ поставщика услуги к массиву потенциальных потребителей — теперь для того, чтобы выйти со своим предложением на широкий рынок, достаточно просто разместить объявление с предложением своей услуги. В условиях информированности потребителя о цене услуги, но асимметрии информации о качестве услуги поставщику некачественной услуги теперь достаточно сделать ее чуть дешевле среднерыночной цены, чтобы привлечь к себе определенный объем покупателей. В этих условиях организатор данного рынка может создавать дополнительные институты, помогающие покупателю заранее эффективно оценить качество предоставляемой услуги. Организатор рынка может проводить дополнительные экспертные оценки качества услуги, но зачастую этого трудно добиться для рынков опытных благ. Кроме этого, покупатель должен быть уверен в объективности проведенной экспертной оценки. Путь, по которому в настоящее время идет большинство создаваемых marketplace — это проводимые дополнительные экспертные оценки качества, а также системы отзывов покупателей, доступные неограниченному кругу лиц. Как показывается в настоящей работе, первый механизм является трудно-воспроизводимым для рынка опытных благ, а второй не решает проблему асимметрии информации, поскольку создает предпосылки для недобросовестного поведения продавца. В этих условиях электронная
клубная фильтрация, работающая по принципу «сарафанного радио», может стать наиболее эффективным механизмом устранения асимметрии информации и ухудшающего отбора на онлайновых площадках оффлайновых услуг.
Заключение
На неорганизованных оффлайновых рынках могут возникать онлайновые операторы, агрегирующие информацию о спросе и предложении на этих рынках и, как следствие, повышающие эффективность рынка. Так называемые marketplaces снижают поисковые издержки для покупателя практически до нуля. Устойчивый рост потребительской активности в сети создает спрос на подобные сервисы и новые бизнес-модели. Клиентами подобных сервисов становятся активные пользователи Интернета, понимающие выгоды от быстрого онлайн-поиска поставщика услуги в отличие от традиционного оффлайнового поиска. Классическим примером является рынок посуточной сдачи жилья в аренду или рынок репетиторства. На первом рынке возник сервис Airbnb, на втором рынке в Российской Федерации — компания www.repetitors.info. В основу каждого из данных оффлайновых рынков изначально заложена рекомендательная модель. Клиенты искали жилье или репетитора, основываясь на рекомендациях, переданных «из уст в уста».
В этом случае возникает почва для сегментирования рынка по двум категориям покупателей: информированных и неинформированных. Информированными можно считать тех, кто, уже произведя несколько итераций покупки услуги, обнаружил качественную услугу и в последующем придерживается покупки именно ее. Неинформированными можно считать тех, кто приходит на рынок впервые и не может отличить качественную услугу от некачественной. Фирмы, работающие в сегменте информированных покупателей, предлагали либо качествен-
ные услуги по стандартной цене, либо услуги стандартного качества по низкой цене. Клиенты к таким фирмам приходили по рекомендации. Фирмы, работающие в сегменте неинформированных покупателей, предлагали услуги низкого качества по стандартной цене либо услуги стандартного качества по завышенной цене, ориентируясь на покупателя, пришедшего к ним случайным образом. Данные покупатели, как правило, обращались к фирме однократно и не давали положительных рекомендаций. Электронные модели подобных рынков, снизив издержки поиска для неинформированных покупателей практически до нуля, решили проблему ценовой информационной асимметрии. Теперь покупатель в несколько кликов мыши может получить информацию о ценах на широком рынке в визуально наглядной форме. Но вместе с тем экономическая эффективность подобных площадок, без наличия у них дополнительных институтов, может быть поставлена под сомнение. Снижение барьеров для входа новых фирм в условиях информационной асимметрии о качестве услуги для доверительных и опытных благ, приводит к масштабному ухудшающему отбору по качеству на онлайн-рынках.
Как показывает модель Даймонда, оффлайновые рынки благ с высокими издержками поиска постепенно приобретают монопольный вид, поскольку каждый продавец реализует свою локальную монопольную власть. В этом у продаваемого блага возникают характеристики поискового блага: потребитель, имея дело с поставщиком в ограниченном географическом или временном пространстве (например, репетитор является школьным учителем для клиента), имеет возможность распознать некоторые характеристики услуги до ее покупки.
Вместе с тем онлайн-организация подобных рынков приводит к тому, что они начинают приобретать в большей степени характеристики опытного блага. С исчезновением издержек поиска для покупателя, локальная монопольная власть продавца также исче-
зает. Вместе с этим пропадает и возможность проверки качества услуги до ее покупки. Размещенный на электронном портале профиль услуги и положительные отзывы прошлых покупателей могут лишь косвенно свидетельствовать о качестве предлагаемых услуг.
В работе рассмотрен ряд дополнительных механизмов, призванных решать проблему информационной асимметрии по качеству на онлайн-рынках. Показывается, что используемые на данный момент механизмы пользовательских отзывов имеют стимулы для продавца вести себя оппортунистически. Также подобные системы создают барьеры для входа новых поставщиков качественных услуг на рынок. Автором показано, что решение проблемы может лежать в эксплуатировании социальной пользовательской активности в сети. Кроме создания стимулов для покупателя рассказывать о качественном сервисе друзьям и делать перепосты в социальных сетях, производитель качественной услуги должен формировать устойчивые связи с клиентами путем предоставления им дополнительных услуг, стимулирования обратной связи и развития сетевых сообществ вокруг их продукта.
Поставленные в статье вопросы создают большое поле для дальнейших эмпирических исследований, а именно:
1. Эмпирические исследования роли ре-путационных механизмов в снижении асимметрии информации на российских онлайн-рынках.
2. Эмпирические исследования трансформации рынков опытных и доверительных благ при появлении онлайн-площадок.
3. Сравнение эффективности различных форм разделительных сигналов, используемых на онлайн-рынках.
4. Исследование влияния репутацион-ных механизмов на принятие решений покупателем и продавцом на онлайн-рынках.
Исследования возможностей и ограничений динамической репутационной системы
на онлайн-рынках, основанной на социальном взаимодействии потребителей.
Список литературы
1. Akerlof G. The Market for «Lemons»: Quality Uncertainty and the Market Mechanism // The Quarterly Journal of Economics. V. 84. August, 197О. Р. 488-5ОО.
2. Aperjis C., Johari R. Optimal Windows for Aggregating Ratings in Electronic Marketplaces // Management Science. Vol. 56. № 5. May, 2О1О. Р. 864-
88О.
3. Ba S., Pavlou P. A. Evidence of the effect of trust building technology in electronic markets — price premiums and buyer behavior. MIS Quarterly. Vol. 26. Is. 3. September, 2ОО2. P. 243-268.
4. Ba S., Pavlou P. A. Evidence of the Effect of Trust Building Technology in Electronic Markets: Price Premiums and Buyer Behavior // Journal of Marketing. 2ОО2. № 59.
5. Banerjee A., Fudenberg D. Word-of-Mouth Learning // Games and Economic Behavior. 2ОО4. № 46. Р. 1-22.
6. Biswas A., Biswas A. The diagnostic role of signals in the context of perceived risks in online shopping: do signals matter more on the web // Journal of Interactive Marketing. 2ОО4. № 18 {3). Р. 3О-45.
7. Bolton G., Katok E., Ockenfels A. How effective are online reputation mechanisms? An experimental investigation // Management Science. Vol. 5О. № 11. Nov., 2ОО4.
8. Chen J., Xu H., Whinston A. B. Moderated online communities and quality of user-generated content // Journal of Management Information Systems. Fall 2О11. Vol. 28. № 2. Р. 237-268.
9. Cheryl T. DruehlStrategic Product/Service Innovations of an Online Firm // Decision Sciences. Vol. 41. № 3. August, 2О1О.
10. Daniel Amor. The e-busines revolution. Prentice Hall, New York, 2ОО2.
11. David Godes, Dina Mayzlin. The firm's management of social interactions. 2ОО5. Marketing Letters, 16. 3/4. Р. 415-428.
12. Dellarocas C. Reputation Mechanism Design in Online Trading Environments with Pure Moral // Information Systems Research. June, 2ОО5. Vol. 16. № 2. Р. 2О9-23О.
13. Dellarocas C. The digitization of word-of-mouth: promise and challenges of online reputation mechanisms // Management Science. 2003. Vol. 49. № 10. October, 2003. P. 1407-1424.
14. Dellarocas C, Narayan R. A Statistical Measure of a Population's Propensity to Engage in Post-Purchase Online Word-of-Mouth // Statistical Science. Vol. 21. 2006. № 2. P. 277-285.
15. Dellarocas D. Online Reputation System-How to Design One That Does What You Need. MITSloan management review. 2010. Vol. 51. № 3.
16. Dewally M, Ederington L. Reputation, certification, warranties, and information as remedies for seller-buyer information asymmetries: Lessons from the online comic book market // Journal of Business. 2006. № 79. P. 693-730.
17. Diamond D. Reputation acquisition in debt markets // Journal of Political economy. 1989. Vol. 97. № 4.
18. Dimoka A., Yili Hong, Pavlou P. A. On product uncertainty in online markets. MIS Quarterly. Vol. 36. 2012.
19. Edward J. Deak. The economics of e-commerce and the internet. Thomson, South-Western, Mar 1, 2003. Business & Economics. — 428 p.
20. Gaur V., Sharma N. K. A Dynamic Framework of Reputation Systems for an Agent Mediated e-mar-ket // IJCSI International Journal of Computer Science Issues. Vol. 8. Is. 4. July 2011.
21. Ghose A. Internet Exchanges for Used Goods: An Empirical Analysis of Trade Patterns and Adverse Selection. MIS Quarterly. Vol. 33. Is. 2. June, 2009. P. 263-292.
22. Guth W, Mengel F, Ockenfels A. An Evolutionary Analysis of Buyer Insurance and Seller Reputation in Online Markets // Theory and Decision. 2007. Vol. 63. P. 265-282.
23. Hu N., Pavlou P., Zhang J. Why do Online Product Reviews have a J-shaped Distribution? Overcoming Biases in Online Word-of-Mouth Communication // Working Paper. 2007.
24. Huston J. H., Spencer R. W. Quality, Uncertainty and the Internet: The Market for Cyber Lemons // The American Economist. Vol. 46. № 1 (Spring, 2002). P. 50-60.
25. Jiang Z., Wang W., Benbasat I. Multimedia-Based Interactive Advising Technology for Online Consum-
er Decision Support // Communications of the ACM. Vol. 48. 2005. № 8. P. 92-98.
26. Jiangxia Hu. Business Models of Information Aggregators. MIT working papers, 2007.
27. Klein T. J., Lambertz C, Spagnolo G, Stahl K. O. Last minute feedback // CEPR Discussion Paper. June, 2006. № 5693.
28. Koch J. V., Cebula R. J. Price, quality, and service on the internet: Sense and nonsense // Building Research & Information. Vol. 33. Is. 2. 2002.
29. Lee H. G. Do Electronic Marketplaces Lower the Price of Goods? // Communications of the ACM. Vol. 41. Is. 1. Jan., 1998. P. 73-80.
30. Lewis Gregory. Asymmetric Information, Adverse Selection and Online Disclosure: The Case of eBay Motors // American Economic Review. 2011. № 101 (4). P. 1535-46.
31. LiX., Hitt L. M. Self Selection and Information Role of Online Product Reviews // Information Systems Research. December. Vol. 19. 2008. № 4. P. 456-474.
32. Liebeskind J., Rumelt R. P. Markets for Experience Goods with Performance Uncertainty // The RAND Journal of Economics. Vol. 20. № 4. Winter, 1989. P. 601-621.
33. Melnik M. I., Alm J. Does a seller's ecommerce reputation matter? Evidence from eBay auctions // The Journal of Industrial Economics. Vol. 50. Is. 3. September, 2002. P. 337-349.
34. Pavlou P. A, Dimoka A. The Nature and Role of Feedback Text Comments in Online Marketplaces: Implications for Trust Building, Price Premiums, and Seller Differentiation // Information Systems Research. December. Vol. 17. 2006. № 4. P. 392-414.
35. Pavlou P. A., Gefen D. Building Effective Online Marketplaces with Institution-Based Trust // Information Systems Research. 2004. № 15. P. 37-59.
36. Qingmin Liu. Information Acquisition and Reputation Dynamics // Review of Economic Studies. 2011. № 78 (4). P. 1400-1425.
37. Resnick P., Zeckhauser R. Trust among strangers in internet transactions: empirical analysis of ebay's reputation system // The Economics of the Internet and E-Commerce. Michael R. Baye, editor. Vol. 11 of Advances in Applied Microeconomics. Amsterdam: Elsevier Science, 2002. P. 127-157.
38. Salop Steven. The noisy monopolist: imperfect information, price dispertion and price discrimination // The Review of Economic Studies. Vol. 44. № 3. Oct., 1977. P. 393-406.
39. Sarkar Mitrabarun, Brian Butler, Charles Steinfield. Cybermediaries in Electronic Marketspace: Toward Theory Building // Journal of Business Research. Vol. 41. № 3. March, 1998. P. 215-221.
40. Spence M. Job Market Signaling // The Quarterly Journal of Economics. Vol. 87. August, 1973. P. 355-374.
41. Thanasis G. Papaioannou, George D. Stamoulis. A mechanism that provides incentives for truthful feedback in peer-to-peer systems // Electronic Commerce. 2010. № 10. P. 331-362.
42. Thomas Lützkendorf, Thorsten M. Speer. Alleviating asymmetric information in propertymarkets: building performance and product quality as signals for consumers // Building Research and Information. Vol. 33. № 2. March — April, 2005. P. 182-195.
43. Winch G., Joyce P. Exploring the dynamics of building, and losing, consumer trust in B2C e-business // International Journal of Retail & Distribution Management. Vol. 34. Is. 7. 2006. P. 541-555.
44. Xiao B., Benbasat I. Ecommerce Product Recommendation Agents: Use, Characteristics, and Impact // MIS Quarterly. Vol. 31. March, 2007. № 1. P. 137-209.
45. Yannis Bakos J. A Strategic Analysis of Electronic Marketplaces. MIS Quarterly. Vol. 15. № 3. Special Issue: [Strategic Use of Information Systems] Sep., 1991. Р. 295-310.
46. Yo-Sub Han Laehyun Kim. Computing user reputation in a social network of web 2.0 // Computing and Informatics. Vol. 31. 2012. Р. 447-462.
47. Yubo Chen, Qi Wang, Jinhong Xie. Online social interactions — a natural experiment on word of mouth versus observational learning // Journal of Marketing Research, Vol. XLVIII. April, 2011. Р. 238-254.
48. Балакина Т. П. Экономика репетиторства: мотивы, стимулы, модели // Финансы и бизнес. 2011. № 1. C. 23-37.
49. Долгин А. Манифест новой экономики. Вторая невидимая рука рынка. М.: АСТ, 2010.
50. Исследование «Экономика Рунета 2011-2012». М.: НИУ ВШЭ, РАЭК. — 52 с.
51. Каверзин И. Л., Махров П. Н. Факторы конкурентоспособности и инвестиционной привлекательности интернет-проектов // Современная конкуренция. 2012. № 5 (35). С. 44-53.
52. Коваленко А. И. О конкуренции теорий кон-куренций // Современная конкуренция. 2010. № 6 (24). С. 107-116.
53. Розанова Н. М. Микроэкономика — руководство для будущих профессионалов. М.: Юрайт, 2012.
N. Saperov, Lecturer, Department of Theoretical Economics, HSE, Moscow, nsaperov@hse.ru
IMPROVING THE COMPETITIVENESS OF ONLINE MARKETS OF CREDENCE GOODS WITH REPUTATION MECHANISMS
Rapid development of markets for experience and credence goods in XXI century has not yet been analyzed in Russian academical literature. Meanwhile these markets has institutionalized and changed organizational structure and rules of some markets, for instance, private tutors market (internet site www.repetitors.info) and home-rent market (internet site www.airbnb.com). In this article I analyze internet markets in context of assymetric information and adverse selection, comparing them to offline markets. Key thesis is that online markets without reputational mechanisms are less efficient compare to offline markets. I consider list of recent research of reputation on online markets which offer different mechanisms to avoid adverse selection on internet. I compare social interactions of consumers and web 2.0 (user-generated content) instruments. I conclude that online markets should help seller of experience good (or service) to build his reputation through stimulating his consumers to share information in their social accounts. In conclusion I suggest more directions for deeper analysis of these phenomena.
Keywords: online markets, adverse selection on web, assymetric information on web, seller reputation on web.
