CC BY
85
ЦЕНОВАЯ ДИСКРИМИНАЦИЯ В ИНТЕРНЕТ-ТОРГОВЛЕ
© Дмитриев В.А.1
Национальный исследовательский университет «Высшая школа экономики», г. Москва
Стратегия ценообразования в сфере электронной коммерции, как, впрочем, и в остальных сферах торговли, часто включает в себя использование ценовой дискриминации, которая в широком смысле слова подразумевает выявление потребителей, готовых платить за товар больше остальных, и взимание с них завышенной платы. Согласно концепции, предложенной Вэрианом и Шапиро в 1999 году, принято выделять три степени ценовой дискриминации: дискриминация первой степени (каждому покупателю предлагается своя цена), второй степени (цены назначаются в зависимости от объемов покупки) и третьей степени (выделяются группы схожих покупателей и каждой из них устанавливается своя цена). Для извлечения максимальной прибыли по средствам использования механизмов ценовой дискриминации, Интернет-компании должны принимать соответствующие решения, во-первых, о выборе формы ценовой дискриминации, во-вторых, об установление необходимой цены и, в-третьих, об определении оптимального уровня качества и объема продаж. Только оптимальные значения упомянутых выше показателей, с точки зрения теории сканирования, обеспечат владельцам магазинов (принципалам) максимальную прибыль.
Основной целью данной статьи является обзор релевантной литературы по ранее выдвинутой тематике с анализом преимуществ и недостатков текущей персонализированной ценовой дискриминации в Интернете.
Ключевые слова: персонализированное ценообразование, Интернет-коммерция, Интернет-маркетинг, ценовая дискриминация, ценовая дифференциация в Интернете.
Введение
Активное распространение Интернет-магазинов, начавшееся в развитых странах в начале 21-го века, приводит к модернизации классического понятия «торговли» и вытеснению онлайн-магазинами магазинов «из кирпича и бетона». Такие торговые площадки, как Amazon и eBay, давно превалируют над альтернативными, привычными нам магазинами, а их владельцы входят в рейтинги богатейших людей планеты (например, состояние Джеффа Безоса, основателя Amazon, оценивается в 36 миллиардов долла-
1 Студент.
ров). Дело в том, что Интернет-магазины одновременно подходят как покупателям, так и владельцам магазинов. Это связано с преимуществами он-лайн-торговли над офлайн, среди которых: более низкие цены (за счет экономии на издержках, направленных на погашение арендной платы и оплаты обслуживающего персонала), экономия времени (покупатель может эффективно рассчитывать затраченное на покупку время за счет возможности удаленного доступа к магазину), широта ассортимента (возможность выбора среди множества альтернатив как среди Интернет-магазинов, так и среди товаров внутри каждого из них).
Предпосылки и формулирование проблемы
По мере развития потребительского сектора электронной коммерции, онлайн-ритейлеры активно внедряют персонализированные технологии сбора данных, которые значительно увеличивают их способность проводить ценовую дискриминацию. Например, карты лояльности и программы накопления воздушных миль используются для сбора данных о торговых предпочтениях каждого потребителя [4]. До начала 21-го века затраты на обеспечение механизмов дискриминации были слишком высоки, ведь оперирование и анализ такого количества данных требовали огромных затрат чело-века-часов. Более того, сбор, хранение и анализ информации в бумажном виде вряд ли мог привести к эффективным результатам.
Однако, с появлением электронной коммерции ситуация в этой сфере категорически изменилась. Онлайн-каталоги, использующиеся агентами в реальном времени, могут индивидуально подстраиваться под текущего покупателя, в то время как принципал может определить его тип и автоматически перестроить веб-сайт, чтобы тот соответствовал предполагаемым потребностям пользователя. В частности, данная технология может быть использована с целью предложения разных цен для разных потребителей. Так, издержки моделирования онлайн-меню практически равны нулю, а выгоды от изменения цен в сторону изъятия у покупателя его потребительского излишка могут быть весьма существенными. На сегодняшний день развитие Интернет-технологий позволяет использовать современные методы анализа данных (data mining), что делает возможным ведением компаниями массивных баз данных предпочтений отдельных потребителей.
Существуют сотни методов анализа данных с целью проведения ценовой дискриминации. Например, ритейлер может устанавливать различную цену в зависимости от информации о ранних покупках текущего пользователя в этом Интернет-магазине, или он может варьировать цену продукта в зависимости от объемов покупки пользователя. Никто не сомневается в том, что, возможно, инструменты ценовой дискриминации в электронной ком-
мерции еще не полностью раскрыли весь свой потенциал, но уже сегодня это мощнейший инструмент управления предпочтениями клиента и возможность получения недополученного ранее дохода. Также существуют сотни работ, посвященных различным подходам к ценовой дискриминации, однако очень мало опубликованных исследований с доказательствами того, что компании, во-первых, действительно используют методы дискриминации и, во-вторых, используют их оптимально. Однако, благодаря эмпирическим данным с сайтов, появилась возможность проводить анализ такого рода. Поэтому данный работа посвящен анализу работ, целью которых было изучение эффективности различных инструментов проведения дискриминации и доказательству существования дискриминации в Интернет-магазинах.
Начало анализа
Статья «Evaluating Pricing Strategy Using e-Commerce Data: Evidence and Estimation Challenges», написанная в 2006 году двумя профессорами Нью-Йоркского университета стала своего рода первопроходцем в теория оценки эффективности инструментов ценовой дискриминации в Интернет-магазине [1]. Рассматривая в качестве сферы торговли онлайн-поставщиков программного обеспечения, они пришли к весьма интересным результатам. Главная цель их исследовательской программы заключалась в использовании эмпирических данных для оценки оптимальности стратегий ценовой дискриминации в индустрии программного обеспечения. Очевидно, что эта проблема имеет важное экономическое значение с точки зрения альтернативного выбора между различными инструментами дискриминации. Для проведения анализа были использованы данные, содержащие информацию о спросе и цене, с сайта самого дорогого в мире онлайн-магазина Amazon.
Первая проблема, с которой столкнулись авторы статьи, была в необходимости поиска способа преобразования «Рядов продаж» (именно в таком формате Amazon предлагает свои данные) в фактические уровни спроса. Amazon публикует ряды продаж для каждого продукта, который он продает, формируя ранг продукта в каждой категории на основе недавнего спроса на него. Далее, «система спроса», связанная с продуктами (т.е. связанность разброса цен с изменением спроса), должна быть использована. Т.к. Amazon не предоставляет никаких данных о переменной стоимости продуктов, которые он продает, то авторы также должны были вывести эти издержки из имеющихся данных (надо понимать, что прибыль продавца определяется не только ценой, назначаемой на количество продаваемых товаров, но и стоимостью товара за единицу). Для оценки эластичности спроса по цене необходимо применить метод наименьших квадратов (метод регрессионного анализа [5]). Оценку переменных затрат они проводят, выводя коэффициент
Лернера для каждого продукта (экономический показатель монополизма фирмы [6]). Наконец, необходимо проверить оптимальность ценообразования, используя условия первого порядка максимизации прибыли. Блок-схема на рис. 1 показывает шаги, которые необходимо выполнить для проведения оценки оптимальности цен.
Оценить эластичность спроса по цене, используя метод наименьших квадратов Оценить переменные затраты, выведя ноэффи иие нт Лернера для каждого продукта Проверить оптимальность ценообразования, используя условие первого порядна для максимизации прибыли
Рис. 1
Для поиска элементов, включенных в генеральную совокупность, они проводят случайную выборку. Их выборка содержит 330 продуктов, взятых в каждой из четырех основных категорий сферы программного обеспечения, предлагаемых на Amazon:
- продукты для бизнеса, увеличивающие производительность работников компании;
- программы для обеспечения безопасности доступа и работы;
- продукты для построения и анализа графиков, а также другие различные продукты для разработчиков;
- классические эксплуатационные систем программного обеспечения.
Данная выборка состоит из продуктов, которые имеют разные версии и
из продуктов, которые продаются вместе, т.е. в виде товаров-комплементов или дополнений (bundles). Для рассмотрения групп товаров, описанных выше, авторам необходим сделать отбор по ключевым словам, таким как версии: «премьер», «люкс» или «стандарт». Аналогичным образом для рассмотрения групп продуктов, продающихся вместе, они отбирают только те продукты, где имеется ключевое слово bundle (пакет продуктов). Кроме того, авторы также собирают данные о вторичном рынке продажи, в том числе данные об используемых на нем ценах (ценах, устанавливаемых продавцами, которые размещают подержанные копии продукта для продажи) и других ценах, предлагаемых продавцами не из Amazon, т.е. продавцами, которые не связанны с Amazon, но имеют разрешение продавать товары на Amazon в обмен на комиссионные от цены проданного продукта. Они рассматривают только два года издания: «текущий» (2005) и «предыдущий» (2004).
После фильтрации продуктов по группам, авторы выделяют три различных инструмента проведения ценовой дискриминации, эффективность которых в последующем они будут оценивать:
- продукты, содержащие в себе две версии или больше;
- продукты, которые продаются как часть от целого, т.е. являются дополнением к чему-либо;
- продукты, которые выпустили в самом успешном поколении (году). Сбор данных осуществлялся в период с января 2005 года до ноября 2005 г. Таким образом, авторами были собраны следующие данные (табл. 1).
Таблица 1
Категория продукта Количество уникальных названий Общее количество продуктов
Пакет продуктов (bundles) 68 136
Две версии продукта 32 64
Более двух версий продукта 19 57
Успешное поколение 56 112
Если данные собраны, необходимо переходить к их анализу, согласно установленным на ранее упомянутой блок-схеме шагам. Во-первых, необходимо вывести спрос, исходя из имеющихся данных. Для этого авторы статьи предполагают, что данные из ряда имеют Парето распределение. Затем они преобразовывают ряд продаж в каждом периодическом уровне спроса, используя отношение Парето, т.е. log [Q] = а + в • log [rank], где Q является спросом на товар, rank - наблюдаемый ранг продажи и а, в- параметры для конкретных категорий товаров. Проанализировав данные, они делают вывод, что их выборка охватывает множество продуктов, наблюдение которых собранно в течение долгого времени, и поэтому их набор данных имеет элементы одновременно поперечных (cross-sectional) и временных рядов (time-series) данных.
Во-вторых, следует оценить эластичность спроса по цене, используя метод наименьших квадратов. Они учитывают колебания цен для всех продуктов во времени и меры количества в каждом периоде, которые прослеживаются в рядах продаж, и заключают, что потребители являются чувствительными к цене. Соответственно есть необходимость производить оценку эластичности спроса по цене. Определяя формулу регрессии методом наименьших квадратов в общем виде [5], они проводят оценку эластичности для двух случаев: высококачественная версия и низкокачественная версия. Несложно догадаться, что в результате исследований получилось, что группа людей, предпочитающих низкокачественную версию, является более чувствительной к цене. Полученные оценки эластичности описывают изменение спроса при изменении цены, и формируют основу для анализа оптимальности выбранной стратегии цен, поскольку они позволяют, например, оценить, насколько спрос будет отличаться, если фирма изменила свою ценовую политику, удалив версию или набор.
В-третьих, они оценивают переменные затраты, выводя коэффициент Лернера для каждого продукта. Многие продукты в области информационных технологий имеют необычную структуру затрат: высокие фиксирован-
ные затраты на производство, но близкие к нулю или нулевые переменные издержки производства. Эта структура затрат характеризует целый класс технологических продуктов, которые, в совокупности, называются информационными товарами. Можно подумать, что товары из категории «программное обеспечение» следует относить к информационным товарам, однако это неверно. Ведь, кроме огромных издержек на разработку, присутствуют положительные переменные издержки, связанные с производством, упаковкой и распределением, и они могут представлять собой значительная часть цены такого программного обеспечения. Поэтому, чтобы оценить оптимальность выбора продавцом ценовой дискриминации, необходимо провести оценку переменных затрат, выводя коэффициент Лернера для каждой версии товара i.
Наконец, необходимо проверить оптимальность ценообразования, используя условие первого порядка для максимизации прибыли. В данном разделе они, аналогично, рассматривают всего две версии товара и определяют общую прибыль, как
Я = к ( Pi - c ) Q + к ( Pj - Cj ) Q,
где p, c - цены и издержки на обе версии.
Дважды дифференцируя по ценам двух товаров, они получают оптимальные значения двух цен в зависимости от объема продаж и коэффициента к. Таким образом, на основе признаков этих частных производных, можно эмпирически проверить, являются ли цены фирмы оптимальными, заниженными или завышенными.
Затем авторы статьи приводят пример верифицирования продукта Microsoft Office. Используя модель, определенную ранее, они устанавливают важную взаимосвязь: потребительский спрос на Microsoft Office Professional очень чувствителен к цене Microsoft Office Standard. Кроме того, они получают оптимальные значения цен версий: цена на Office Professional должна быть на уровне 334.9, а на Standard - 75.2. Это позволяет предположить, что в текущий момент цены на Microsoft Office являются завышенными. Таким образом, авторы статьи сформулировали точную модель оценки эффективности различных инструментов ценовой дискриминации, и самое главное, что их модель позволяет определить оптимальную цену, которую необходимо установить на товар для того, чтобы извлечь максимальную прибыль. Проанализировав статью, я могу сказать, что методы, которые используются авторами, можно выводить за рамки рынка программного обеспечения. Подход, который заключается в последовательном выявлении спроса, определения эластичности, переменных издержек и оптимальной цены для максимизации прибыли, является классическим с точки зрения экономики.
Анализ релевантной литературы
Данная статья была написана в 2013 году четырьмя профессорами политехнического университета Каталонии [2]. Она является продолжением уже ранее изданных работ этих авторов, поэтому содержит в себе больше прикладного материала, основанного на уже имеющихся исследованиях. Основной целью их работы было доказательство и получение эмпирических результатов проведения дискриминации Интернет-магазинами, используя подход краудсорсинга. Краудсорсинг - это мобилизация ресурсов людей посредством информационных технологий с целью решения поставленных задач.
Они выдвинули гипотезу, согласно которой ценовая дискриминация напрямую зависит от многих факторов нашего поведения в Интернете. Например, пользователи, часто посещающие сайты, где продается роскошный продукт, или географическая локализация которых на основе сравнения почтовых индексов определяется как «часто заказывающий дорогие товары», могут быть помечены как богатые или нечувствительные к цене, и, следовательно, им будут предлагаться завышенные цены. Для подтверждения данной гипотезы, как уже было упомянуто ранее, авторы статьи обратились к краудсорсингу. Краудсорсинг позволяет конечным пользователям, во-первых, помечать продукты и электронные розничные торговые сети, которые могут участвовать в ухищрениях ценовой дискриминации, и, во-вторых, может помочь авторам в извлечении цены на продукты из веб-страницы, не требуя вмешательства пользователя. Этого можно достичь с помощью расширения браузера называемой $heriff, который был разработан одним из авторов статьи.
Итак, они использовали расширение $heriff, созданное для браузеров Mozilla Firefox и Google Chrome. Расширение работает следующим образом:
- позволяет пользователю выделить цену товара на площадке электронной розничной торговли;
- как только цена будет выделена, расширение позволяет проверять изменения цен с помощью лишь одного клика мышью;
- когда кнопка мыши нажата, точное URI (универсальный идентификатор ресурса) отправляется в 14 точек по всему миру, где та же URI запрашивается, и вся веб-страница загружается;
- учитывая информацию о цене, полученную от пользователя с текущей страницы, расширение использует эту информация для извлечения цены из загруженных страниц в разных местах;
- эти цены посылаются обратно пользователю;
- расширение сохраняет страницу в базу данных для проведения дальнейшего анализа.
Соответственно, $heriff дает возможность пользователю наблюдать за какими-либо изменениями цены конкретного продукта, который он искал. Следовательно, пользователи имеют стимул воспользоваться $heriff время от времени, чтобы проверить цены снова.
С помощью $heriff авторы собирали данные в течение полугода (с января 2013 по май 2013 года), и, в результате, им удалось собрать 1500 запросов для проверки изменения цен на различные продукты. Были установлены запросы 340 разных пользователей из 18 стран мира. После проведения анализа были выявлены следующие онлайн-ритейлеры с наибольшим количеством экземпляров колебания цен (рис. 2):
Рис. 3
Неудивительно, что именно Amazon оказался на первом месте в этом списке, ведь Джефф Безос давно пропагандирует свой магазин, как наиболее персонализированный магазин в мире.
Благодаря проведенному анализу, авторы смогли выявить следующие закономерности:
- чем меньше цена товара, тем больше различия цен при их колебании (при цене продукта около 10 $ цена может варьироваться в три раза, в то же время у очень дорогих продуктов цена не изменяется более, чем в полтора раза);
- колебания цен зависит от географического положения пользователя (из рисунка 3 видно, что для Бразилии и США цены предлагаются ниже, чем для Европы, в то время как самые высокие цены в Европе - в Финляндии);
- существует зависимость колебания цен от личной информации пользователя, собранной в Google и Facebook, но исследования рода этой зависимости авторы оставили на следующую работу.
Таким образом, в данной работе авторы проанализировали частоту и величину колебания цен, наблюдаемые с помощью краудсорсинга, и определили от каких показателей зависит установленная пользователю цена. По моему мнению, данное исследование делает значительный вклад в развитие теории ценовой дискриминации. Однако, в данном случае ее рассмотрение возможно под другим углом, т.е. не от лица экономиста, а от лица среднестатистического пользователя.
Обзор литературы со схожей тематикой
В этой части работы обратимся к работам со схожей тематикой или же из смежных областей. Во-первых, рассмотрим статью «Pricing of delivery services in the e-commerce sector», написанную в 2014 году и посвященную рассмотрению ценообразования на рынке доставки [7]. Всем известно, что существуют вертикальные отношения в секторе электронной коммерции между розничными магазинами и поставщиками услуг, такими, как службы доставки. Однако работы по поиску оптимальных стратегий ценообразования последних получили мало внимания до сих пор. При выстраивании комплексной модели сектора электронной коммерции необходимо рассматривать конкуренцию между онлайн-магазинами в том числе на рынке услуг доставки, что представляет собой важный вклад в производственную функцию электронной розничной торговли. Исследования ценообразования внутри систем доставки свидетельствуют о том, что потребители не будут реагировать одинаковым образом в случае, если сборы доставки отображаются явно или отображается в системе «все включено», включая как стоимость продукта, так и стоимость услуг доставки. Соответственно, принципиально важным является вопрос об оптимальном ценообразовании с целью сохранения большего числа клиентов.
Во-вторых, обратимся к рассмотрению работы «Competitive First-Degree Price Discrimination» [4]. Данная работа посвящена размышлениям на тему конкурентоспособности дискриминации первой степени. Вопрос, который авторы решили осветить в своей статье формулируется так: существует ли такая доступная фирмам технология дискриминации первой степени, что фирмы обязательно решат ее использовать. На первый взгляд, этот вопрос может показаться странным, так как классическая теория говорит нам, что способность фирмы использовать ценовую дискриминацию первой степени всегда поднимает прибыль фирмы, так как это может помочь извлечь большую часть потребительского излишка. Назовем этот эффект, как эффект извлечение излишка. Однако, практически во всех учебниках, где анализируется ценовая дискриминация, делаются выводы лишь в контексте ценовой дискриминации, производящейся монополистом. Очевидно, что ключевой особенностью среды, в которой работают фирмы электронной коммерции является то, что эта среда весьма конкурентоспособна. Интуитивно можно предположить, что эта гипотеза будет приводить ко второму важному следствию: решение фирмами использовать ценовую дискриминацию первой степени приведет к активизации конкуренции между фирмами, так как теперь они будут конкурировать за каждого потребителя с новой силой. Назовем этот эффект, как эффект активизации конкуренции. Этот эффект будет, безусловно, сокращать прибыль фирм. Таким образом, распределение между двумя упомянутыми эффектами может существенно повлиять на философию компании и на ее желание проводить ценовую дискриминацию.
Выводы
Текущая тема становится еще более актуальной в свете научно-технологического прогресса, учитывая огромные, до сих пор полностью нереализованные возможности интеллектуального анализа данных. Кроме того, очевидно, что в последние годы Интернет стал популярным торговым каналом, ведь Интернет предлагает потребителям ходить по магазинам 24 часа в сутки и удобно совершать покупки и поиск необходимых товаров среди множества альтернатив, не выходя из дома. Именно поэтому мы видим огромное количество работ, посвященных данной тематике, будь то исследование эффективности ценообразования, предлагаемое аутсорсинговыми компаниями (компании доставки) или анализ эффективности различных подходов ценовой дискриминации всех трех степеней. Так или иначе, я считаю, что работы по обоснованию теоретический базы данной экономической теории будут активно публиковаться, минимум, ближайшие 10 лет, более того, я уверен, что эта тема будет актуальна вплоть до какого-либо технологического бума в данной области, ведь при таких возможностях слишком заманчивы выгоды от проведения ценовой дискриминации.
Список литературы:
1. Ghose A., Sundararajan A. Evaluating Pricing Strategy Using e-Commerce Data: Evidence and Estimation Challenges [Электронный ресурс] // Statical science. - 2006. - Vol. 21. - № 2. - P. 131-142. - Режим доступа: http://arxiv.org/ pdf/math/0609170.pdf.
2. Mikians J., Gyarmati L., Erramilli V., Laoutaris N. Crowd-assisted Search for Price Discrimination in E-Commerce: First results [Электронный ресурс] // CoNEXT'13. - 9-12 december 2013. - Режим доступа: http://conferences.sig-comm.org/co-next/2013/program/p1.pdf.
3. Shapiro C., Varian H.R. Information Rules, A strategic Guide to the Network Economy [Электронный ресурс]. - Harvard Business School Press, 1999. - Режим доступа: www.uib.cat/depart/deeweb/pdi/acm/arxius/information-rules.pdf.
4. Ulph D., Vulkah N. Competitive First-Degree Price Discrimination [Электронный ресурс] / ESRC Centre for Economic Learning and Social Evolution. -February, 2000. - Режим доступа: http://else.econ.ucl.ac.uk/papers/vulkan.pdf.
5. Метод наименьших квадратов [Электронный ресурс] / Wikipedia. -The Free Encyclopedia. - 2016. - Режим доступа: https://ru.wikipedia.org/wiki/ Метод_наименьших_квадратов.
6. Коэффициент Лернера [Электронный ресурс] / Wikipedia - The Free Encyclopedia. - 2015. - Режим доступа: https://m.wikipedia.org/wiki/Коэф-фициент_Лернера.
7. Borsenberger C., Cremer H., De Donder P., Joram D., Lecou S. Pricing of delivery services in the e-commerce sector [Электронный ресурс] / The Role Of Postal Service In A Digital Age, Chapter 6. - 2014. - P. 75-92. - Режим доступа: http://idei.fr/sites/default/files/medias/doc/by/de_donder/2014_pricing_ecommerc e_delivery.pdf.
ИНФЛЯЦИЯ И ЦЕНОВАЯ ПОЛИТИКА НА ПРЕДПРИЯТИЯХ ЛЕСНОГО СЕКТОРА ЭКОНОМИКИ
1 2 © Фетищева З.И. , Назаренко И.Н.
Московский государственный университет леса, г. Мытищи
В статье рассматриваются сущность и виды инфляции, основные причины роста цен при инфляции, меры воздействия и социально-экономические последствия инфляции, сущность, стратегии и факторы, влияю-
1 Заведующий кафедрой Управления, экономики и внешних связей лесного хозяйства и лесной промышленности, кандидат экономических наук, профессор.
2 Доцент кафедры Управления, экономики и внешних связей лесного хозяйства и лесной промышленности, кандидат экономических наук, доцент.
