Ценообразование на основе больших данных: предметное поле проблемы
https://doi.org/10.38050/01300105202061
Аннотация
Большие данные включают информацию о характеристиках отдельных потребителей, что позволяет продавцам на рынках товаров и услуг индивидуализировать ценовые (и не только) предложения таким образом, чтобы учесть в них готовность платить отдельных покупателей или группы покупателей. Фундаментальные вопросы, обсуждаемые в данной статье: наличие/отсутствие специфического поля для исследований через призму координационных и распределительных эффектов индивидуализированного ценообразования; наличие в связи с этим основания для особого режима антимонопольного регулирования, а также связанного с ним комплекса вопросов в сфере экономического анализа права.
Ключевые слова
большие данные,
персонализированное/индивидуализированное ценообразование/предложение,
конкуренция,
выигрыш потребителя,
ценовая дискриминация,
антимонопольная политика.
При поддержке: Статья подготовлена в рамках выполнения научно-исследовательской работы государственного задания РАНХиГС.
Об авторах
А. Е. Шаститко
МГУ имени М. В. Ломоносова; РАНХиГС
Россия
Россия
Шаститко Андрей Евгеньевич — д.э.н., профессор, заведующий кафедрой конкурентной и промышленной политики экономического факультета; директор
Москва
О. А. Маркова
МГУ имени М. В. Ломоносова; РАНХиГС; НИУ «Высшая школа экономики»
Россия
Россия
Маркова Ольга Анатольевна — ассистент кафедры конкурентной и промышленной политики экономического факультета; м.н.с. Центра исследований конкуренции и экономического регулирования; гл. эксперт Института конкурентной политики и регулирования рынков
Москва
А. И. Мелешкина
РАНХиГС
Россия
Россия
Мелешкина Анна Игоревна — н.с. Центра исследований конкуренции и экономического регулирования
Москва
А. Н. Морозов
МГУ имени М. В. Ломоносова; РАНХиГС
Россия
Россия
Морозов Антон Николаевич — ассистент кафедры конкурентной и промышленной политики экономического факультета; м.н.с. Центра исследований конкуренции и экономического регулирования
Москва
Список литературы
1. Acar G. et al. The web never forgets: Persistent tracking mechanisms in the wild // Proceedings of the 2014 ACM SIGSAC Conference on Computer and Communications Security — 2014.
2. Ayenson M. D. et al. Flash cookies and privacy II: Now with HTML5 and ETag respawning // SSRN 1898390, 2011.
3. Casanova J. How I hacked kayak and booked a cheaper flight, 2014. URL: https:// gizmodo.com/how-i-hacked-kayak-and-booked-a-cheaper-flight-1507368539 (дата обращения: 25.05.2020).
4. Devin. Capital One Made me Different Loan Offers Depending On Which Browser I Used, 2010. URL: https://consumerist.com/2010/11/01/capital-one-made-me-different-loan-offers-depending-on-which-browser-i-used/ (дата обращения: 25.05.2020).
5. Edlin A., Ephemerella M., Keller W. Is Perfect Price Discrimination Really Efficient?: Welfare and Existence in General Equilibrium // Econometrica. — 1998. — Vol. 66. — No. 4. — P. 897–922.
6. Hall M. A., Schneider C. E. Learning from the legal history of billing for medical fees // Journal of general internal medicine. — 2008. — Vol. 23. — No. 8. — P. 1257.
7. Hannak A. et al. Measuring personalization of web search // Proceedings of the 22nd international conference on World Wide Web, 2013 — P. 527–538.
8. Hannak A. et al. Measuring price discrimination and steering on e-commerce web sites // Proceedings of the 2014 conference on internet measurement conference, 2014.
9. Hupperich T., Tatang D., Wilkop N., & Holz T. An Empirical Study on Price Differentiation Based on System Fingerprints. arXiv preprint arXiv:1712.03031, 2017.
10. Iordanou C. et al. Who is fiddling with prices? building and deploying a watchdog service for e-commerce // Proceedings of the Conference of the ACM Special Interest Group on Data Communication, 2017. — P. 376–389.
11. Kliman-Silver C. et al. Location, location, location: The impact of geolocation on web search personalization // Proceedings of the 2015 Internet Measurement Conference, 2015. — P. 121–127.
12. Lollis B. D. Orbitz: Mobile searches may yield better hotel deals // USA Today Travel Blog, 2012.
13. McDonald A. M., Cranor L. F. A survey of the use of adobe flash local shared objects to respawn http cookies // Isjlp. — 2011. — Vol. 7. — P. 639–687.
14. Mikians J., Gyarmati L., Erramilli V., Laoutaris N. Crowd-assisted search for price discrimination in e-commerce: First results. In Proceedings of the ninth ACM conference on Emerging networking experiments and technologies. ACM, 2013. — P. 1–6.
15. Nikiforakis N. et al. Cookieless monster: Exploring the ecosystem of web-based device fingerprinting // 2013 IEEE Symposium on Security and Privacy. IEEE, 2013.
16. Roesner F., Kohno T., Wetherall D. Detecting and defending against third-party tracking on the web // Presented as part of the 9th Symposium on Networked Systems Design and Implementation, 2012.
17. Soltani A. et al. Flash cookies and privacy // AAAI Spring Symposium Series, 2010.
18. Vissers T., Nikiforakis N., Bielova N., Joosen W. Crying wolf? on the price discrimination of online airline tickets // 7th Workshop on Hot Topics in Privacy Enhancing Technologies, 2014.
Рецензия
Для цитирования:
Шаститко А.Е., Маркова О.А., Мелешкина А.И., Морозов А.Н. Ценообразование на основе больших данных: предметное поле проблемы. Вестник Московского университета. Серия 6. Экономика. 2020;(6):3-22. https://doi.org/10.38050/01300105202061
For citation:
Shastiko A.E., Markova O.A., Meleshkina A.I., Morozov A.N. Big Data-based pricing: the problem field. Moscow University Economics Bulletin. 2020;(6):3-22. (In Russ.) https://doi.org/10.38050/01300105202061
Просмотров:
362
Послать статью по эл. почте 