Buyer and seller value from optional automated bargaining in electronic commerce
Diese Arbeit entwickelt ein Modell des relativen Wertzuwachses beim Checkout, um aufzuzeigen, dass die optionale automatisierte Verhandlung zwar einen kombinierten Wert für sowohl Käufer als auch Verkäufer generieren kann, ihr Nettowirtschaftlicher Nutzen jedoch stark von spezifischen Produktkontexten, politischen Konfigurationen und Interaktionskosten abhängig ist, wobei er häufig den Verkäufer auf Kosten des Käufers begünstigt oder es versäumt, beide Parteien gleichzeitig zu profitieren.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In der Welt des Online-Shoppings existieren seit langem zwei grundlegend verschiedene Arten, Dinge zu kaufen. Die erste ist der Festpreis, bei dem ein Verkäufer einen Artikel zu einem festen Betrag anbietet und der Käufer diesen entweder zahlt oder auf den Kauf verzichtet. Die zweite ist das Feilschen, bei dem ein Käufer und ein Verkäufer über den Preis verhandeln, bis sie sich auf eine Zahl einigen. Seit Jahrzehnten untersuchen Ökonomen, wie diese beiden Systeme interagieren, und stellen die Frage, ob das Zulassen von Verhandlungen für die Kunden tatsächlich den Markt fördert oder lediglich Verwirrung und Zeitverschwendung schafft. Die zentrale Frage ist nicht nur, ob ein Geschäft zustande kommt, sondern ob der Akt des Verhandelns mehr Wert für beide Seiten schafft, als es der bloße Kauf zum Festpreis getan hätte. Wenn ein Kunde fünf Minuten lang feilscht, um ein paar Dollar zu sparen, dabei aber die Chance verliert, den Artikel zum ursprünglichen Preis zu kaufen, oder wenn der Verkäufer den Preis für jemanden senkt, der ohnehin den vollen Preis bezahlt hätte, könnte das System tatsächlich an Wert verlieren.
Die Forscher Bankatesh Choudhary und Meenakshi Sharma vom Birla Institute of Technology in Indien gingen diese Frage an, indem sie eine detaillierte Computersimulation eines Online-Shops erstellten. Sie fragten keine echten Menschen zum Verhandeln; stattdessen erschufen sie einen virtuellen Marktplatz, in dem automatisierte Computer-Agenten als Verkäufer agierten und mit simulierten Käufern verhandelten. Das Ziel war zu sehen, ob das Hinzufügen einer optionalen Verhandlungsfunktion zu einem Standard-Checkout-Prozess sowohl dem Käufer als auch dem Verkäufer zugutekommt oder ob es lediglich Geld verschiebt oder Verluste verursacht. Sie testeten dies, indem sie einen standardmäßigen „Jetzt kaufen“-Checkout mit einem Szenario verglichen, in dem ein Käufer wählen konnte, zuerst zu verhandeln. Sie maßen nicht nur den Endpreis, sondern die gesamte Reise: wie viele neue Verkäufe generiert wurden, wie viele bestehende Verkäufe verloren gingen, weil der Preis gesenkt wurde, wie viele Geschäfte völlig scheiterten und wie viel Zeit und Aufwand beide Seiten während des Prozesses aufwendeten.
Die Forscher fanden heraus, dass die Antwort vollständig von der spezifischen Situation und dem Verhalten der beteiligten Personen abhängt. In einem standardmäßigen, durchschnittlichen Szenario, in dem Käufer eine vernünftige Chance haben, zum vollen Preis zu kaufen, kann ein automatisiertes Verhandlungssystem in der Tat einen Mehrwert für beide Parteien schaffen. In ihrem Haupttest gelang es dem automatisierten Verkäufer-Agenten, für jede ursprüngliche Einkaufsmöglichkeit einen kleinen, aber positiven Gewinn für sich selbst und einen kleinen Gewinn für den Käufer zu generieren. Dieses positive Ergebnis war jedoch nicht universell. Die Studie zeigte, dass eine Strategie, die dem Verkäufer das meiste Geld einbringt, nicht zwangsläufig diejenste ist, die für beide Seiten zusammen das meiste Geld generiert. Tatsächlich produzierte der komplexeste automatisierte Verhandler, den die Forscher testeten – welcher eine komplexe Lernmethode zur Entscheidungsfindung nutzte –, tatsächlich einen etwas geringeren Gesamtwert für das Paar als ein einfacherer, regelbasierter Ansatz.
Die Simulation zeigte auch, wie leicht Dinge schiefgehen können. Als die Forscher ein Szenario testeten, in dem Käufer „stur“ waren und sich weigerten, von ihren anfänglichen niedrigen Angeboten abzuweichen, verursachte das automatisierte Verhandlungssystem Verluste für den Verkäufer. Das System verbrachte Zeit mit Verhandlungen, erreichte kein Geschäft und der Verkäufer verlor in diesem Prozess die Chance, den Artikel zum Originalpreis an einen Kunden zu verkaufen, der bereit gewesen wäre, diesen zu zahlen. Ähnlich verhielt es sich, als die Forscher eine Gruppe von Käufern simulierten, die das Produkt einfach nicht hoch genug schätzten, um den vollen Preis zu zahlen; der Verhandlungsprozess kostete sie dennoch Zeit und Mühe. Selbst wenn die Verhandlung manchmal einen Verkauf ermöglichte, der sonst nicht stattgefunden hätte, war die investierte Zeit für die Verhandlung den kleinen Rabatt nicht wert, was die Käufer insgesamt schlechter dastehen ließ.
Eine wichtige Entdeckung war, dass die Vorteile des Verhandelns durch den Durchschnitt verborgen werden. Während die Gesamtzahlen im Best-Case-Szenario positiv aussah, betrachteten die Forscher genau einzelne Produkte und fanden heraus, dass nur etwa 42 Prozent der spezifischen Produktsituationen tatsächlich sowohl den Käufer als auch den Verkäufer gleichzeitig begünstigten. Bei den anderen Produkten verlor die eine oder die andere Seite. Dies bedeutet, dass die pauschale Entscheidung, das Verhandeln für einen gesamten Shop zu aktivieren, viele Kunden und das Unternehmen selbst schädigen könnte, selbst wenn die Durchschnittszahlen gut aussehen. Die Studie berechnete auch den maximalen Betrag an Zeit oder Aufwand, den ein Käufer oder Verkäufer sich leisten könnte, bevor das Geschäft nicht mehr lohnenswert ist. Sie fanden heraus, dass das System zusammenbricht, wenn die Kosten des Verhandelns zu hoch sind oder wenn die Chance, nach einer gescheiterten Verhandlung zum ursprünglichen Preis zurückzukehren, zu gering ist.
Die Forscher betonten sorgfältig, dass diese Ergebnisse auf einem Computermodell basieren und nicht auf realen Verkaufsdaten. Sie nutzten öffentliche Aufzeichnungen vergangener Preise und vergangener Verhandlungsgespräche, um ihre Simulation aufzubauen, aber das spezifische Verhalten der Käufer sowie die Kosten ihrer Zeit waren Annahmen, die in das Modell eingebaut wurden. Sie behaupteten nicht, ein neues Gesetz der Ökonomie oder einen perfekten Weg zur Führung eines Online-Shops entdeckt zu haben. Stattdessen lieferten sie einen klaren Rahmen dafür, wie man das Problem betrachten sollte. Sie zeigten, dass ein Unternehmen, um zu wissen, ob Verhandeln nützlich ist, die spezifischen Details seiner Kunden und Produkte betrachten muss, anstatt nur auf den Endpreis eines Geschäfts zu schauen. Die Studie kommt zu dem Schluss, dass automatisiertes Verhandeln zwar Potenzial hat, aber ein empfindliches Werkzeug ist, das eine sorgfältige Einrichtung erfordert. Wenn ein Geschäft es anbieten möchte, muss es sicherstellen, dass das System nicht die Zeit von Kunden verschwendet, die bereit sind zu kaufen, und dass es nicht die Verkäufer dazu zwingt, Gewinne an Kunden abzuge außen, die ohnehin den vollen Preis bezahlt hätten. Der Wert des Systems liegt nicht in der Technologie selbst, sondern darin, wie gut sie auf die spezifischen Menschen und Produkte abgestimmt ist, denen sie dient.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.