[论文解读] 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 PricingBusiness, Management and Accounting参考文献 4被引用 21

一句话总结

本文提出一种基于众包的浏览器扩展方法（$heriff），用于检测电子商务中的价格歧视，发现同一产品在不同地区和配置下的价格差异达10%-30%，极端情况下甚至达到×2。研究在多个零售商（包括利基网站和主流网站）中识别出持续存在的价格差异，且与货币、运费或税收差异无关，表明存在基于用户档案的系统性个性化定价。

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.

研究动机与目标

• 将电子商务中价格歧视的检测规模扩展至超越孤立案例研究的范围。
• 调查价格差异是否具有持久性、可复现性，并可归因于用户特定因素（如位置或浏览行为）。
• 确定在不同零售商和产品类别中价格差异的幅度与频率。
• 排除货币、运费、税收或A/B测试等替代解释因素对观察到的价格差异的影响。
• 探索第三方跟踪器和用户个人资料信息在实现动态定价中的作用。

提出的方法

• 部署浏览器扩展程序（$heriff）从340名众包用户在多样化浏览会话中实时收集价格数据。
• 利用众包数据识别出15家价格差异显著的零售商，并对其开展系统性爬取。
• 从多个观察点（不同地理位置和浏览器配置）执行大规模网络爬取，记录相同产品的价格。
• 针对每家零售商应用特定模板的价格提取技术，以确保在不同网页布局下仍能准确解析价格。
• 控制时间差异、A/B测试及货币/格式差异等混杂因素，以隔离潜在的价格歧视。
• 分析用户登录状态和浏览历史对价格的影响，特别针对亚马逊Kindle电子书进行研究。

实验结果

研究问题

• RQ1 电子商务中的价格差异是否具有持久性、可复现性，并可在不同用户和位置间观测到？
• RQ2 在不同零售商和产品类别中，价格差异的频率与幅度如何？
• RQ3 观察到的价格差异是否可归因于价格歧视，还是可由货币、运费或税收等因素解释？
• RQ4 用户特定信息（如位置、浏览历史或登录状态）是否会影响所显示的价格？
• RQ5 第三方跟踪器（如Google、Facebook）在多大程度上促成或支持了个性化定价？

主要发现

• 在多家零售商中持续观察到10%-30%的价格差异，部分极端情况同一产品价格差异最高达×2。
• 价格差异最显著的是低价商品，部分商品价格差异最高达×3，而高价商品的差异较小（最高×1.5）。
• 芬兰始终显示较高价格，90%的被分析零售商中芬兰价格最高，表明存在区域性定价模式。
• 大多数零售商中未发现用户登录状态或浏览历史对价格有显著影响，但亚马逊Kindle电子书存在轻微差异。
• 第三方跟踪器极为普遍：95%的零售商使用Google Analytics，65%使用DoubleClick，40%-80%的网站使用社交媒体插件（Facebook、Pinterest、Twitter），表明存在潜在的个性化定价数据收集路径。
• 研究排除了货币、运费和税收差异作为价格差距主因的可能性，表明这些差异很可能是由个性化定价策略导致的。