[논문 리뷰] Crowd-assisted Search for Price Discrimination in E-Commerce: First results

Jakub Mikians, László Gyarmati외 2명|arXiv (Cornell University)|2013. 07. 17.

Consumer Market Behavior and Pricing참고 문헌 4인용 수 21

한 줄 요약

이 논문은 브라우저 확장 프로그램($heriff)을 활용한 커뮤니티 기반 접근 방식을 통해 전자상거래에서의 가격 차별을 탐지한다. 그 결과 동일한 제품의 가격이 다양한 위치와 설정에 따라 10%-30% 범위에서 변동되며, 극단적인 경우 최대 ×2까지의 차이를 보였다. 본 연구는 화폐, 배송, 세금 차이와 무관하게, 담당자, 전문 및 주류 전자상거래 사이트를 아우르는 일관된 가격 변동을 확인하였으며, 사용자 프로필 기반의 체계적인 맞춤형 가격 책정이 존재할 가능성을 시사한다.

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.

연구 동기 및 목표

• 고립된 사례 연구를 넘어서 전자상거래에서의 가격 차별 탐지 범위를 확장하는 것.
• 가격 변동이 사용자별 요인(예: 위치, 브라우징 행동 등)에 기인한 것으로 지속적이고 재현 가능하게 관찰되는지 조사하는 것.
• 다양한 유통업체와 제품 카테고리에서 가격 차이의 크기와 빈도를 규명하는 것.
• 관찰된 가격 변동의 대안적 설명 요인(예: 화폐, 배송, 세금, A/B 테스트 등)을 배제하는 것.
• 제3자 추적기와 사용자 개인 정보가 동적 가격 설정에 어떻게 기여하는지 탐색하는 것.

제안 방법

• 340명의 커뮤니티 기반 사용자로부터 다양한 브라우징 세션 동안 실시간 가격 데이터를 수집하기 위해 브라우저 확장 프로그램($heriff)을 배포하였다.
• 가격 변동이 뚜렷한 15개 유통업체를 식별하기 위해 커뮤니티 기반 데이터를 활용하였다.
• 동일한 제품에 대해 다양한 위치와 브라우저 설정에서의 가격을 기록하기 위해 다수의 관점에서 대규모 웹 크롤링을 수행하였다.
• 다양한 웹 레이아웃에도 불구하고 정확한 가격 파싱을 보장하기 위해 각 유통업체별로 템플릿 기반의 가격 추출 기법을 적용하였다.
• 시간 차이, A/B 테스트, 화폐/형식 차이 등 혼란을 유발할 수 있는 요인을 통제하여 잠재적 가격 차별을 분리하고 분석하였다.
• 특히 아마존의 킷디 전자책에서 사용자 로그인 상태와 브라우징 이력이 가격에 미치는 영향을 분석하였다.

실험 결과

연구 질문

• RQ1 전자상거래에서의 가격 변동은 다양한 사용자와 위치에서 지속적이고 재현 가능하며 관찰 가능한가?
• RQ2 다양한 유통업체와 제품 카테고리에서 가격 변동의 빈도와 크기는 어떠한가?
• RQ3 관찰된 가격 변동은 가격 차별에 기인한 것인지, 아니면 화폐, 배송, 세금 등의 요인으로 설명 가능한가?
• RQ4 사용자별 정보(예: 위치, 브라우징 이력, 로그인 상태 등)가 표시되는 가격에 영향을 미치는가?
• RQ5 제3자 추적기(예: 구글, 페이스북 등)가 개인 맞춤형 가격 설정에 얼마나 기여하거나 촉진하는가?

주요 결과

• 다양한 유통업체에서 10%-30%의 가격 변동이 지속적으로 관찰되었으며, 일부 극단적인 경우 동일한 제품에 대해 최대 ×2의 가격 차이가 발생하였다.
• 가장 뚜렷한 가격 변동은 저가 제품에서 발생했으며, 일부 제품은 최대 ×3까지의 변동을 보였고, 더 비싼 제품은 상대적으로 낮은 변동(최대 ×1.5)을 보였다.
• 핀란드는 다른 지역과 비교해 일관되게 높은 가격을 보였으며, 분석된 유통업체의 90%에서 핀란드의 가격이 가장 높았다. 이는 지역 기반의 가격 정책을 시사한다.
• 대부분의 유통업체에서는 사용자 로그인 상태나 브라우징 이력에 따른 일관된 가격 차이를 발견하지 못했지만, 아마존의 킷디 전자책에서는 미미한 차이가 관찰되었다.
• 제3자 추적기가 매우 널리 퍼져 있었다: 95%의 유통업체에서 구글 애널리틱스, 65%에서 더블클릭, 40%-80%의 사이트에서 소셜 미디어 위젯(Facebook, Pinterest, Twitter)을 사용하여 개인 맞춤형 가격 설정을 위한 데이터 수집 경로가 존재할 가능성이 높았다.
• 연구는 화폐, 배송, 세금 차이가 관찰된 가격 격차의 주요 원인이 아님을 배제하였으며, 이는 가격 변동이 개인 맞춤형 가격 전략에 기인한 것일 가능성이 높음을 시사한다.