[論文レビュー] Crowd-assisted Search for Price Discrimination in E-Commerce: First results

Jakub Mikians, László Gyarmati+2 more|arXiv (Cornell University)|Jul 17, 2013

Consumer Market Behavior and Pricing参考文献 4被引用数 21

ひとこと要約

本稿では、ブラウザ拡張機能（$heriff）を用いたクラウドソーシング手法により、電子商取引における価格差別化を検出するものであり、同じ製品の価格が異なる場所や設定によって10%〜30%の変動を示し、極端なケースでは最大×2に達することが判明した。本研究では、通貨、配送料、税金の違いとは独立して、ニッチなサイトから大手小売業者に至るまで一貫した価格差が複数の小売業者で確認された。これは、ユーザーのプロファイルに基づくシステム的で個人化された価格設定の存在を示唆している。

ABSTRACT

After years of speculation, price discrimination in e-commerce driven by the personal information that users leave (involuntarily) online, has started attracting the attention of privacy researchers, regulators, and the press. In our previous work we demonstrated instances of products whose prices varied online depending on the location and the characteristics of perspective online buyers. In an effort to scale up our study we have turned to crowd-sourcing. Using a browser extension we have collected the prices obtained by an initial set of 340 test users as they surf the web for products of their interest. This initial dataset has permitted us to identify a set of online stores where price variation is more pronounced. We have focused on this subset, and performed a systematic crawl of their products and logged the prices obtained from different vantage points and browser configurations. By analyzing this dataset we see that there exist several retailers that return prices for the same product that vary by 10%-30% whereas there also exist isolated cases that may vary up to a multiplicative factor, e.g., x2. To the best of our efforts we could not attribute the observed price gaps to currency, shipping, or taxation differences.

研究の動機と目的

• 個別の事例研究を超えて、電子商取引における価格差別化の検出をスケーリングすること。
• 価格差が一貫性を持ち、再現可能で、ユーザー固有の要因（場所や閲覧行動など）に起因するかどうかを調査すること。
• 多様な小売業者および製品カテゴリを通じて、価格差の大きさと頻度を特定すること。
• 観察された価格差の背後にある代替要因（通貨、配送料、税金、A/Bテストなど）を除外すること。
• 第三者トラッカーおよびユーザー個人情報が動的価格設定を可能にする役割を調査すること。

提案手法

• 340名のクラウドソーシング参加者による多様なブラウジングセッションから、リアルタイムの価格データを収集するためのブラウザ拡張機能（$heriff）を導入した。
• クラウドソーシングデータを基に、顕著な価格差が見られる15の小売業者を特定し、系統的なクローリングを実施した。
• 同じ製品の価格を記録するために、複数の立場（異なる場所およびブラウザ設定）から大規模なウェブクローリングを実施した。
• 小売業者ごとに特化したテンプレートを用いて価格抽出技術を適用し、異なるウェブレイアウトに対しても正確な価格パースを確保した。
• タイミングの違い、A/Bテスト、通貨／フォーマットの違いといった混同要因を制御し、潜在的な価格差別化を隔離した。
• 特にアマゾンのKindle電子書籍において、ユーザーのログイン状態や閲覧履歴が価格に与える影響を分析した。

実験結果

リサーチクエスチョン

• RQ1 電子商取引における価格差は、異なるユーザーおよび場所で一貫性を持ち、再現可能に観察可能か？
• RQ2 異なる小売業者および製品カテゴリにおいて、価格差の頻度と大きさはどの程度か？
• RQ3 観察された価格差は価格差別化に起因するものか、それとも通貨、配送料、税金といった要因で説明可能か？
• RQ4 場所、閲覧履歴、ログイン状態といったユーザー固有の情報が表示価格に影響を与えるか？
• RQ5 Google や Facebook などの第三者トラッカーが、個人化された価格設定をどの程度支援・促進しているか？

主な発見

• 複数の小売業者で10%〜30%の価格差が一貫して観察され、極端なケースでは同じ製品で最大×2の差が確認された。
• 最も顕著な価格差は安価な製品で発生し、一部では最大×3の差が生じたが、高価な商品では差が小さく（最大×1.5）、変動が少なかった。
• フィンランドは一貫して高い価格を示し、分析対象の小売業者の90%でフィンランドの価格が最も高かった。これは地域別価格戦略の兆候である。
• 大多数の小売業者では、ユーザーのログイン状態や閲覧履歴による一貫した価格差は確認されなかったが、アマゾンのKindle電子書籍ではわずかな差が観察された。
• 第三者トラッカーは非常に広範に存在しており、95%の小売業者でGoogleアナリティクス、65%でDoubleClick、40%〜80%のサイトでソーシャルメディアウィジェット（Facebook、Pinterest、Twitter）が使用されており、個人化された価格設定に向けたデータ収集の可能性のある経路が示された。
• 本研究では、通貨、配送料、税金の違いが観察された価格ギャップの主な要因ではないと結論づけ、価格差はおそらく個人化された価格戦略に起因するとされた。