Ценовая дискриминация на двухсторонних рынках: пример такси Текст научной статьи по специальности «Экономика и бизнес»

Цифровая экономика

ЦЕНОВАЯ ДИСКРИМИНАЦИЯ НА ДВУХСТОРОННИХ РЫНКАХ: ПРИМЕР ТАКСИ

Е. А. ПОНОМАРЕВА

Развитие технологий, направленных на сбор и анализ данных пользователей цифровых платформ, приводит к расширению использования алгоритмов установления персонализированных цен на товары и услуги. В настоящей работе на примере сферы услуг такси в Москве показано, что на ценообразование, применяемое цифровой платформой, статистически значимо влияют не только предельные издержки предоставления услуг, но и персональные характеристики потребителей, а также ряд внешних факторов (погодные условия, дорожная обстановка и иные), приводящих к изменению готовности пользователей платить за соответствующие услуги.

Результаты проведенного анализа показывают, что имеет место дискриминация пользователей такси со стороны онлайн-платформы, которая может приводить к потерям общественного благосостояния, составляющим, по данным за 2019 г., до 2% выпуска сферы такси. На основе полученных результатов и мировой практики автором предложен ряд рекомендаций по смягчению возникающих негативных эффектов.

Ключевые слова, ценовая дискриминация, цифровая экономика, персонализированные цены, онлайн-платформы, двухсторонние рынки.

Введение

Развитие доступа к Интернету и в целом цифровых технологий на всех этапах производственных цепочек, в том числе технологий сбора и анализа данных, привело к появлению и интенсивному развитию новых рыночных структур, осуществляющих функции посредника между продавцом и покупателем - он-лайн-платформ: например, образовательных («Российская электронная школа», Coursera и др.), услуг такси (Яндекс.такси, Uber и др.), торговых площадок (Wildberries, Яндекс.Маркет, Beru.ru) и т.д. Одними из их ключевых преимуществ являются отсутствие необходимости физического присутствия на рынках и снижение транзакционных издержек взаимодействия экономических агентов разных типов. Платформенные рынки1 с точки зрения экономической теории являются много-

сторонними рынками, т.е. рынками, на которых существует несколько типов участников (например, продавцы, покупатели, службы доставки, платежные системы и др.), которые взаимодействуют при помощи услуг посредника - платформы.

Вместе с этим рост прослеживаемости активности пользователей платформ, доступ к их персональным данным привели к возможности встраивания в алгоритмы ценообразования, используемые платформами, дискриминационных механизмов.

Дискриминация на рынке, порождаемая использованием алгоритмов ценообразования и возможностью автоматического сбора и анализа данных из различных источников, позволяет повысить совокупное общественное благосостояние, однако при этом возникает перераспределение благосостояния между от-

Пономарева Екатерина Александровна, заведующий лабораторией социально-экономических проблем регулирования Института контрольно-надзорной деятельности, РАНХиГС при Президенте Российской Федерации (Москва), е-таН; [email protected]

1 В экономической литературе отсутствует единое определение платформенного рынка — в рамках настоящей статьи под ним будет пониматься двух(много)сторонний рынок, для которого характерно наличие нескольких сторон (чаще всего покупателя и поставщика товара и услуги), связанных между собой посредником, с использованием доступа к Интернету и некоторого набора программных решений (алгоритмов).

дельными участниками рынка - сокращение излишка потребителя2 и увеличение прибыли производителя. Кроме того, уменьшение потребительского излишка может быть неравномерным: пользователям с высокой готовностью платить может выставляться более высокая цена по сравнению с предельными издержками производства товара (предоставления услуги), а пользователи с наиболее низкой готовностью платить будут платить цену, близкую к предельным издержкам.

Таким образом, возникновение и развитие платформ может приводить к существенному перераспределению компонент общественного благосостояния, в том числе перераспределению их внутри пользователей одного типа и между пользователями различных типов3. Это влечет за собой появление межсетевых эффектов4 и зависимости благосостояния пользователей одного типа от действий пользователей других и требует корректировки посредством регулирования таких рынков.

Статья структурирована следующим образом. В первой части рассматриваются последствия цифровой трансформации отдельных сфер и процессов, к которым относятся появление онлайн-платформ и использование алгоритмов ценообразования на них. Далее анализируются виды и последствия ценовой дискриминации потребителей вследствие расширения доступных данных о них и об их готовности платить за товары и услуги. Затем проводятся эконометрический анализ и оценка последствий алгоритмического ценообразования на примере рынка такси. В заключении даются рекомендации относительно предотвращения негативных эффектов, связанных с расширением возможностей дискриминации потребителей посредством алгоритмического ценообразования.

Цифровизация экономики: за и против

Развитие цифровой экономики и внедрение цифровых технологий, одной из важных особенностей которых является трансформация всех процессов на основе анализа данных, как показывает исследовательская экономическая литература (см., например, работы [1; 5; 6; 11; 15]), могут приводить к целому спектру возможных эффектов для рынков и их участников:

• сокращению транзакционных издержек, снижению рыночных барьеров, расширению рынков сбыта, в том числе и для факторов производства и промежуточных товаров, что повышает их доступность и прозрачность формирования цены, а также усиливает конкуренцию на соответствующих рынках. Кроме того, цифровая трансформация может изменять процесс организации производства в целом и приводить к перераспределению ресурсов в экономике (например, замещая часть стандартных операций, выполнявшихся людьми, машинными);

• уменьшению производственных издержек и внедрению новых технологий, что будет вести к снижению цен производимых товаров и цен в экономике в целом, перераспределению стоимости между разными этапами производства и, как следствие, росту спроса в экономике;

• изменению дизайна рынков: во-первых, географические границы рынков при этом размываются (для взаимодействия продавцов и покупателей больше нет необходимости в личном присутствии); во-вторых, сами товары или услуги могут стать цифровыми (например, электронный контент - музыка, книги; цифровые финансовые

2 Англ. эквивалент: consumer surplus. Под излишком потребителя в литературе по экономической теории понимается разность между той суммой денег, которую потребитель готов заплатить за каждую дополнительную единицу товара, и ценой, которую он фактически платит.

3 Например, сбор и анализ пользовательской информации и установление на ее основе персонализированных цен на платформенных рынках, представляющих собой торговые площадки, может приводить к сокращению благосостояния потребителей и росту прибыли продавцов товаров и услуг на этих площадках.

4 Роста полезности у пользователей одного типа за счет увеличения количества пользователей платформы другого типа.

услуги — в частности, интернет-банкинг; государственные электронные услуги и проч.), а их покупка/получение не потребует личного присутствия и большого количества времени;

• изменению характера спроса на рынках. Появление цифровых товаров и услуг и возможность их получения цифровым способом будут обусловливать изменение спроса не только на сами эти товары/услуги, но и на связанных рынках. Кроме того, дополнительным фактором, влияющим на спрос на рынках, будет информация (в том числе рекламная), получаемая через цифровые источники информации (телевидение, цифровые платформы, Интернет и др.), что позволит вводить те или иные виды дискриминации потребителей;

• изменению способа принятия решений экономическими агентами. Следствием изменения способа взаимодействия между экономическими агентами в результате цифровой трансформации станут не только коммуникационные изменения, но и изменения в организации производственных процессов и/или процессов доставки товаров/услуг потребителю. Далее, будет исключено посредничество, сократятся издержки (в том числе за счет повышения эффективности производства в результате автоматизации и снижения транзакцион-ных издержек) предоставления товаров или услуг потребителям.

Развитие цифровых технологий ведет к повышению обоснованности принимаемых решений и интенсификации использования накапливаемых данных об экономических объектах, их поведении и внешних факторах. Однако не всегда эти процессы рассматриваются участниками рынков как позитивные; накопление, анализ и обмен данными также вызывают усиление стимулов к их использова-

нию с целью получения экономической ренты либо неправомерному использованию, а кроме того, повышают незаинтересованность граждан и хозяйствующих субъектов в применении технологий, собирающих и передающих информацию о них.

Возможности незаконного использования клиентских данных, недостаточное развитие технологий информационной безопасности при высокой стоимости цифровых решений вызывают недоверие к цифровым технологиям как со стороны бизнеса, так и со стороны граждан и, как следствие, ведут к отказу или же ограниченному их использованию [8], что, в свою очередь, влечет за собой замедление процессов технологического развития. Одним из способов преодоления подобного провала рынка является государственное регулирование способов и масштабов распоряжения пользовательскими данными.

Ценовая дискриминация и алгоритмическое ценообразование

Помимо перечисленных эффектов автоматизированное управление работой отдельных рынков или их сегментов на основе собираемых данных — например, наблюдаемых характеристик пользователей, которые могут свидетельствовать об их доходе и готовности платить за отдельные виды товаров и услуг, факторов, оказывающих влияние на объемы спроса и предложения на рынке5, — может стимулировать производителей применять динамическое ценообразование (в случае учета обобщенных характеристик спроса и предложения на отдельном рынке или его сегменте) либо персонализированное ценообразование (в случае возможности наблюдения и учета характеристик отдельных потребителей).

Как динамическое, так и персонализированное ценообразование являются разновидностями ценовой дискриминации на рынке.

5 В частности, на объемы спроса и предложения могут влиять погодные условия (в плохую погоду потребители готовы платить за поездку больше), время суток (большинство водителей предпочитают оказывать свои услуги в дневное время; в ночное время готовность платить за услуги такси у потребителей выше, так как возможность передвижения общественным транспортом ограниченна), день недели (спрос на услуги такси в выходные меньше) и др.

Традиционно экономистами выделяются три вида ценовой дискриминации [12; 16]:

1) совершенная ценовая дискриминация (или дискриминация первого рода) относится к случаю, когда производитель устанавливает для потребителя ту цену, которую тот готов заплатить за дополнительную единицу приобретаемого товара или услуги. В этом случае величина общественного благосостояния, соответствующая прибыли производителя, максимальна, поскольку излишек потребителя равен нулю;

2) ценовая дискриминация в зависимости от объемов потребления (ценовая дискриминация второго рода) соответствует случаю, когда потребителю предоставляется выбор в объеме приобретаемого товара или услуги. В этом случае стоимость единицы приобретаемого блага будет различаться, снижаясь по мере роста объема покупки;

3) ценовая дискриминация третьего рода представляет собой случай выделения на рынках сегментов на основе наблюдаемых характеристик потребителей (например, выделение потребителей с различной эластичностью спроса на товары или услуги) и установления цен для них в зависимости от того, к какому сегменту они относятся.

Развитие технологий, позволяющих собирать значительные массивы информации о пользователях платформ, в том числе непосредственно вводимой пользователем (адрес доставки, дата рождения), информации о деятельности пользователей в Интернете (например, на основе их активности в социальных сетях), данных, получаемых на основе сведений о взаимодействии с платформой (например, данных о применяемом для входа на платформу устройстве, истории покупок или действий на платформе), а также данных о внешних условиях, оказывающих влияние на готовность пользователей платить за товар или услугу на платформе (например, наличие осадков на улице может влиять на спрос на

доставку из магазина, услуги такси и проч.), привело к возможности использования собираемых данных с целью управления работой отдельных рынков или их сегментов.

Наиболее широкое применение автоматизированного управления работой отдельных рынков, в частности дискриминация пользователей с помощью алгоритмов установления цен, наблюдается на онлайн-плат-формах. При этом для них характерен иной набор стимулов, чем для участников рынка: максимизация прибыли платформы означает необходимость максимизации числа транзакций, проводимых с ее помощью, а следовательно, необходимость привлечения пользователей обеих сторон рынка, что порождает возникновение перекрестного субсидирования в ценах на услуги платформы для участников разных сторон. В результате установление цен, отличных от предельных издержек, является обоснованным с точки зрения платформы, а эффективная структура цен товаров или услуг на двухсторонних рынках может не отражать издержек на их производство или предоставление.

Превышение цены над предельными издержками не свидетельствует о наличии у платформы рыночной силы, а снижение цены ниже значения предельных издержек не свидетельствует об установлении монопольно низкой цены. Из этих особенностей следует, что традиционные способы анализа конкурентной среды на рынке, такие как, например, тест гипотетического монополиста, не в полной мере подходят для анализа ценообразования на платформе, осложняя исследование эффектов от ее деятельности. Кроме того, цены на услуги платформы для отдельных участников (преимущественно для субсидируемых, т.е. тех участников, стоимость услуг платформы для которых ниже предельных издержек) не являются наблюдаемыми6.

Однако анализ эффектов деятельности платформ возможен посредством экономет-

6 Например, на рынке такси наблюдаемой является стоимость поездки, при этом ее часть является стоимостью услуг платформы для водителя и пассажира. Кроме того, цена также часто учитывает заинтересованность пользователя в услугах платформы.

рических инструментов и выявления зависимостей в данных относительно стоимости товаров и услуг, приобретаемых с помощью он-лайн-платформы.

Один из таких примеров, который мы рассматриваем в настоящей статье, — рынок услуг такси. С теоретической точки зрения стоимость услуг такси, определяемая платформой, является ценой со стороны предложения (пользователь может вызвать или не вызвать такси за сумму, определенную алгоритмом платформы), а следовательно, исходя из теории, она должна устанавливаться исходя из предельных издержек предоставления данной услуги, которые включают стоимость бензина, услуг водителя, аренды автомобиля у таксопарка, информационных услуг платформы (см., например, классические модели ценообразования на рынках с несовершенной конкуренцией [4; 14], а также модели для рынка такси [3; 9]).

Алгоритм ценообразования, применяемый платформой, может учитывать не только предельные издержки предоставления услуги, но и готовность пользователей платить за нее, на которую (готовность) способен влиять ряд внешних факторов (например, тип или характеристики устройств, применяемых для вызова такси, погодные условия, доход пользователя, наличие и характеристики альтернативных маршрутов общественного транспорта и др.), что, с теоретической точки зрения, нельзя рассматривать как аргумент в пользу установления повышенной стоимости за услуги7 [2].

Выявление наличия такого влияния и конкретных факторов, характеризующих готов-

ность пассажира платить за услуги такси, но не связанных с предельными издержками предоставления данной услуги, становится важнейшим элементом анализа деятельности платформ и возникающих связанных эффектов. Этому посвящена эмпирическая часть настоящей статьи.

Эмпирический анализ ценовой дискриминации на рынке такси

Для проведения эконометрического анализа была сформирована база данных о ценах на услуги такси по заданным маршрутам в г. Москве8, которая, помимо цен на услуги такси, содержала сведения о;

1) поездке (тариф, время вызова такси, продолжительность, маршрут и его протяженность);

2) пользователе (рейтинг, устройство, используемое для вызова такси);

3) внешних факторах (наличии или отсутствии солнца; осадках; температуре воздуха; альтернативных маршрутах общественного транспорта, в том числе количестве пересадок на наиболее быстром маршруте общественного транспорта, времени в пути по наиболее быстрому маршруту общественного транспорта; ценах на бензин; среднем расходе топлива автомобиля; используемом тарифе).

Следуя классической литературе относительно ценообразования на рынках с несовершенной конкуренцией [4; 14], а также исследованиям непосредственно рынка такси [3; 9], для проведения эмпирического анализа мы использовали модель ценообразования на монополистически конкурентном рынке;

7 В противном случае можно было бы оправдать ситуации высокой стоимости проезда на общественном транспорте в часы пик, высокую стоимость вакцины в период повышенной заболеваемости и другие варианты дискриминации потребителей. В отдельных случаях (преимущественно для инфраструктурных компаний) дискриминация на рынках может быть обоснована необходимостью покрытия высоких фиксированных издержек производства, так как установление цены на уровне предельных издержек сделает существование компании экономически невыгодным.

8 Сбор данных проводился для цен на услуги такси в г. Москве ежедневно в рамках 4-х заданных временных интервалов (утренний час пик, дневное время, вечерний час пик и ночное время) в период с февраля по май 2020 г., что позволило обеспечить достаточную вариативность использованных для анализа экзогенных переменных, касающихся условий внешней среды (температуры, осадков, солнца и проч.), по двум маршрутам (радиальному и кольцевому) для каждого из 4-х тарифных планов («Эконом», «Комфорт», «Детский» и «Комфорт с использованием программы лояльности»).

Всего сформированная база данных содержит порядка 6,4 тыс. наблюдений по ценам на услуги такси (в качестве объекта наблюдения рассматривалась стоимость поездки на такси по заданному маршруту с учетом выбранного пользователем тарифа).

Price. = -

1

■ MC„

1 + 1/£.

i

где Price.t - цена товара (услуги) i в период t; MC.t - предельные издержки производства товара (услуги) i в период t; е. -эластичность спроса на товар (услугу) i по цене (которая постоянна во времени). Данное уравнение было модифицировано - в него были включены факторы, определяющие изменение готовности пользователя платить в зависимости от параметров, напрямую не влияющих на производственную функцию (погодные условия, осадки, устройство вызова такси и пр.).

Кроме того, были проведены следующие преобразования: на основе протяженности маршрута, среднего расхода топлива автомобилями разных классов и цен на бензин была произведена оценка переменной, аппроксимирующей динамику предельных издержек услуг такси9. Также при оценке модели учитывались характеристики маршрута, пользователя и внешние факторы. В результате оцени-

валась спецификация модели следующего вида:

1пРпсв.== а0 + а. + Р^тМС^+P2D_quaгantine.t+ + №аапд'и + вр_(р\ 1 и + вР_(р8и + ' + Р6Р_Ьопаг + ¡Зр_Бип+ + вр_Яа щ + + РдТешр{ + Р10Тга{йс_]аш1 + в1р_шогп тд+ + + P12D_dayt + в1р_еуеп тд1 + еи,

где Рпсеи - стоимость поездки по маршруту I в момент времени V, МСи - предельные издержки осуществления поездки по маршруту I в момент времени V, D_quaгantmett - фиктивная переменная, принимающая значение 1 в период действия карантинных мероприятий; Ratingtt - рейтинг пассажира, осуществляющего запрос на поездку по маршруту I в момент времени t посредством мобильного приложения; D_ip11 и - фиктивная переменная, принимающая значение 1 для пассажира, осуществляющего запрос на поездку по маршруту . в момент времени t посредством мобиль-

Результаты оценивания модели ценообразования на рынке такси на основе данных

Зависимая переменная: логарифм цены поездки на такси

Модель 1 Модель 2 Модель 3

Предельные издержки поездки (логарифм) 0,767*** 0,338*** 0,340***

Дамми на период карантинных мероприятий -0,060*** -0,042*** -0,042***

Рейтинг пассажира -0,387*** -0,336*** -0,337***

Дамми-переменная на устройство входа - 1РИопе11 0,031*** 0,018** 0,018**

Дамми-переменная на устройство входа - ¡РИопев -0,033*** -0,027*** -0,027***

Дамми-переменная на устройство входа - НопогШ 0,004 0,001 0,001

Солнечная погода (дамми) -0,007* -0,005** -0,005**

Осадки в виде снега, дождя или града (дамми) 0,014** 0,021*** 0,021***

Температура воздуха -0,002*** -0,001*** -0,001***

Дорожная ситуация (пробки) -0,011*** 0,013*** 0,013***

Дамми на временной промежуток - утренний час пик -0,012* 0,003 0,003

Дамми на временной промежуток - дневное время -0,033*** -0,026*** -0,026***

Дамми на временной промежуток - вечерний час пик -0,020*** -0,013*** -0,013***

Константа 0,185 2,669*** 2,666***

№ 0,6613 0,5689 0,5698

Примечания:

1. Использованные спецификации модели: 1 - сквозная регрессия, 2 - модель с фиксированными эффектами, 3 - модель со случайными эффектами.

2. * - значимость на уровне 5%; ** - значимость на уровне 1 %; *** - значимость на уровне 0,1 %. Источник: расчеты автора.

9 В предположении о том, что издержки включают затраты на услуги водителя, а также затраты на бензин.

ного приложения с телефона модели ¡Phone 11; D_ip8.t - фиктивная переменная, принимающая значение 1 для пассажира, осуществляющего запрос на поездку по маршруту i в момент времени t посредством мобильного приложения с телефона модели ¡Phone 8; D_honorit - фиктивная переменная, принимающая значение 1 для пассажира, осуществляющего запрос на поездку по маршруту i в момент времени t посредством мобильного приложения с телефона модели Honor 10i; D_Sunt - фиктивная переменная, принимающая значение 1, если в момент вызова такси t светило солнце; D_Raint - фиктивная переменная, принимающая значение 1, если в момент вызова такси t были осадки (снег, дождь, град); Tempt - температура воздуха в момент вызова такси t; Traffic_jamt - оценка дорожной ситуации по шкале от 0 до 10 (по данным сервиса Яндекс.Пробки); D_momingt - фиктивная переменная, принимающая значение 1 при вызове такси с 06.00 до 09.59; D_dayt -фиктивная переменная, принимающая значение 1 при вызове такси с 10.00 до 15.59; D_evening - фиктивная переменная, принимающая значение 1 при вызове такси с 16.00 до 20.59; а0 - константа; а. - индивидуальные эффекты (для модели с фиксированными эффектами); р. - оцениваемые коэффициенты модели при объясняющих переменных; еи -случайная ошибка (для модели со случайными эффектами является двухкомпонентной:

е.. = u. + и). it i it

При этом для расчета были использованы данные о стоимости услуг такси по всем мар-

шрутам с учетом тарифного плана10. Использовалась методология оценки панельных данных, где объектом наблюдения являлась стоимость поездки по определенному маршруту с учетом выбранного пользователем тарифа.

В таблице представлены основные результаты анализа данных в соответствии с тремя спецификациями модели (сквозная регрессия, модель с фиксированными эффектами и модель со случайными эффектами). Наиболее предпочтительной является модель со случайными эффектами, так как распределение таксистов и пассажиров в пространстве является в ней случайным и не всегда обусловлено только характеристиками маршрута (начальная и конечная точки, наличие и характеристики альтернативных маршрутов общественного транспорта)11.

Полученные результаты показывают, что на цену поездки на такси помимо предельных издержек статистически значимо влияют также временной промежуток заказа, рейтинг пассажира и его устройство входа, используемое для заказа такси, погодные условия (наличие осадков, наличие или отсутствие облачности, температура воздуха), дорожная ситуация. В частности, использование для заказа относительно более дорогого телефонного аппарата (¡РИопе 11) по сравнению с использованием более дешевого (¡РИопе 612) приводит к увеличению цены поездки в среднем на 8,6 руб.13. Стоимость поездки снижается на 2,4 руб. в солнечную погоду и увеличивается на 10,1 руб. при наличии осадков в виде снега, дождя или града, а также на 44 коп. при повы-

10 Так как объектом наблюдения в рамках проведенного анализа являлся маршрут поездки с учетом тарифного плана, выбираемого пассажиром, учет различий в объектах наблюдения был произведен непосредственно в процессе эконометрического анализа путем выбора спецификации оцениваемой модели.

11 Тестирование (тесты Вальда, Бройша-Пагана и Хаусмана) спецификаций модели также показывает предпочтительность использования модели со случайными эффектами.

12 Для сбора информации использовались четыре модели телефонных аппаратов — ¡РИопе 6, ¡РИопе 8, ¡РИопе 11 и Нопог101, так как исследовательская гипотеза состояла в том, что владельцы наиболее старых (дешевых) телефонных аппаратов обладают наиболее низкой готовностью платить, а следовательно, для них алгоритм ценообразования должен устанавливать минимальную цену поездки (при прочих равных). Поэтому для всех телефонных аппаратов, за исключением ¡РИопе 6, в оцениваемое уравнение были введены дамми-переменные, коэффициент при которых показывает надбавку к цене, обусловленную более высокой готовностью платить их владельцев.

13 В данном случае, скорее всего, алгоритм учитывает дату выхода телефонного аппарата (и, как следствие, аппроксимирует частоту обновления телефонных аппаратов пользователем), так как наиболее старым является ¡РИопе 6.

шении температуры воздуха на 1 градус. Ухудшение дорожной ситуации на 1 балл (в соответствии с данными сервиса Яндекс.Пробки по шкале от 0 — минимальная загрузка до 10 — максимальная загрузка транспортной инфраструктуры) приводит к росту стоимости поездки в среднем на 6,2 руб. Наиболее дешевым является вызов такси в дневное время; по сравнению с ночным временным промежутком (21.00—23.59) поездка при этом стоит меньше на 1,4 руб.

Из проведенного анализа следует наличие дискриминации потребителей услуг такси как в зависимости от их индивидуальных характеристик, так и от внешних факторов, таких как временной интервал заказа, дорожная ситуация, погодные условия и др.

Модельный расчет показывает, что ухудшение дорожной ситуации (до 10 баллов), наличие осадков и использование пассажиром для заказа такси телефонного аппарата ¡РИопе 11 обусловливают средний рост стоимости поездки на 14%. В этом случае, предполагая, что эластичность спроса по цене на услуги такси равна -1,014, а в среднем в сутки в Москве осуществляется около 900 тыс. поездок со средним чеком 457 руб.15, получаем, что потери на рынке такси, вызванные снижением спроса на поездки на этом виде транспорта и ростом прибыли поставщиков услуг такси (платформы-агрега-тора, таксопарков и водителей) за счет сокращения излишка потребителя, могут составлять порядка 2% (или около 8,2 млн. руб. в сутки) от среднесуточного выпуска отрасли в 2019 г.16, что составляет достаточно ощутимую величину.

Заключение

Таким образом, выявлено, что алгоритмическое ценообразование на платформенных рынках формирует предпосылки к накоплению

и использованию данных о пользователях и факторах, характеризующих их готовность платить за предоставляемые платформой товары и услуги (так как создает возможности для увеличения прибыли), а следовательно, и к дискриминации потребителей. При этом перераспределение благосостояния между участниками рынка осуществляется в нескольких направлениях; от потребителей к производителям, а также от потребителей с высокой готовностью платить к потребителям с низкой такой готовностью.

Корректировка и снижение негативных эффектов персонализированного ценообразования на отдельных рынках в мировой практике производятся посредством проведения политик в отношении защиты конкуренции, защиты прав потребителя, а также защиты персональных данных. Так, например, отметим следующие возможные решения (см. подробнее работы [2; 7; 9]), которые могли бы быть имплементированы в России и позволили сократить потери общественного благосостояния, составляющие, как показано выше, даже для одного небольшого рынка существенную по абсолютному значению величину;

1) установление для поставщиков услуг требования о предоставлении потребителям информации о том, что их цена является персонализированной (в том числе с указанием конкретных параметров персонализации), а также требования о получении согласия потребителей на использование их персональных данных, либо требования установления единой цены при отказе от персонализированной, либо введение полного запрета на использование клиентских данных;

2) установление требования о раскрытии политики ценообразования компаний для регулятора с целью разработки последним алго-

14 Использована наиболее часто оцениваемая в эмпирических работах эластичность спроса (по количеству поездок) на услуги такси по цене из работы Розе и Хеншера [12].

15 Около 900 тысяч пассажиров в сутки: Департамент транспорта и компании-такси подвели итоги года / Официальный сайт мэра Москвы. URL: https://www.mos.ru/news/item/67616073/

16 Необходимо учитывать, что отрасль довольно динамично развивается и к 2021 г. ожидается увеличение числа пассажиров на 22% по сравнению с 2019 г., а следовательно, данное соотношение может поменяться в зависимости от готовности платить потребителей, которые ранее не пользовались услугами такси.

ритмов, противодействующих неявному сговору. В частности, в зависимости от результатов анализа работы алгоритмов ценообразования регулятор может устанавливать ограничения на скорость (частоту) изменения либо только повышения цен, вводить запрет на сбор определенных видов пользовательских данных, стимулировать вход новых участников на рынок (при условии, что это дестабилизирует сговор);

3) применение к компаниям мер ответственности в случае обнаружения нарушения ими правил оперирования на рынке, в частности: запрет или ограничение деятельности, связанной с использованием персонализированных цен, введение штрафов и компенсационных выплат потребителям, публичное осуждение17, полное прекращение деятельности. ■

Литература / References

1. Bloom N., Sadun R., Van Reenen J. Americans do IT better: US multinationals and the productivity miracle // American Economic Review. 2012. Vol. 102. No. 1. Pp. 167-201.

2. Bourreau M., De Streel A. The regulation of personalised pricing in the digital era. Directorate For Financial And Enterprise Affairs Competition Committee (DAF/COMP), WD (2018) 150. 2018.

3. Brodeur A., Nield K. An empirical analysis of taxi, Lyft and Uber rides: Evidence from weather shocks in NYC // Journal of Economic Behavior & Organization. 2018. Vol. 152. Pp. 1-16.

4. Christiano L.J., Eichenbaum M., Evans C.L. Nominal rigidities and the dynamic effects of a shock to monetary policy // Journal of Political Economy. 2005. Pp. 1-45.

5. Corrado C., Haskel J., Jona Lasinio C. Knowledge spillovers, ICT and productivity growth // Oxford Bulletin of Economics and Statistics. 2017. Vol. 79. No. 4. Pp. 592-618.

6. Dedrick J., Kraemer K.L., Shih E. Information technology and productivity in developed and developing countries // Journal of Management Information Systems. 2013. Vol. 30. No. 1. Pp. 97-122.

7. Ezrachi A., Stucke M.E. Two artificial neural networks meet in an online hub and change the future (of competition, market dynamics and society). 2017.

8. Firstbrook P., MacDonald N., Orans L., de Boer M., Thielemann K., Willemsen B., Khan A., Kranawetter M. Gartner Top 9 Security and Risk Trends for 2020. URL: https://www.gartner.com/smarterwithgartner/ gartner-top-9-security-and-risk-trends-for-2020/

9. Gawell A. Big data: Bringing competition policy in the digital era // Working Paper, OECD, 2016.

10. Lin L., Zhang Y., Ge L. Taxi pricing analysis under government price regulation - A case study of Shenzhen taxi market // Proceedings 2011 International Conference on Transportation, Mechanical, and Electrical Engineering (TMEE). IEEE, 2011. Pp. 1534-1538.

11. Paunov C., Rollo V. Overcoming obstacles: the internet's contribution to firm development // The World Bank Economic Review. 2015. Vol. 29. No. suppl_1. Pp. S192-S204.

12. Pigou A.C. The economics of welfare. Palgrave Macmillan, 2013.

13. Rose J.M., Hensher D.A. Demand for taxi services: new elasticity evidence // Transportation. 2014. Vol. 41. No. 4. Pp. 717-743.

14. Rotemberg J.J., Woodford M. Markups and the business cycle // NBER Macroeconomics Annual. 1991. Pp. 63-140.

15. Van Ark B., O'Mahoney M., Timmer M.P. The productivity gap between Europe and the United States: trends and causes // Journal of Economic Perspectives. 2008. Vol. 22. No. 1. Pp. 25-44.

16. Varian H.R. Price discrimination // Handbook of Industrial Organization. 1989. Vol. 1. Pp. 597-654.

Price Discrimination in Two-Sided Markets: the Taxi Services Example

Ekaterina A. Ponomareva - Head of Research Laboratory on Socio-Economic Regulatory Problems of the

Institute for Control and Supervision, Russian Presidential Academy of National Economy and Public Administration, Candidate of Economic Sciences (Moscow, Russia). E-mail: [email protected]

The development of technologies directed at collection and analysis of digital platforms users data leads to

expansion of algorithms for setting personalized prices for goods and services. This article shows using the

17 Англ. эквивалент: пэте&зНэте.

example of the Taxi services sector in Moscow that the pricing used by the digital platform is statistically significant influenced not only by the marginal costs of providing services, but also by the personal characteristics of consumers, as well as a number of external factors (weather conditions, traffic conditions, etc.) that affect the willingness of users to pay for services.

That is, there is discrimination of taxi users on the part of the online platform, which can lead to losses of public welfare (can be up to 2% of taxi production in 2019 year). Based on the results and international experience, the authors have proposed a number of recommendations to mitigate the negative effects.

Key words, price discrimination, digital economy, personalized pricing, online platforms, two-sided markets.