Buyer and seller value from optional automated bargaining in electronic commerce
Cet article développe un modèle de valeur relative au passage en caisse pour démontrer que, bien que la négociation automatisée optionnelle puisse générer une valeur combinée pour les acheteurs et les vendeurs, son bénéfice économique net est fortement conditionné par des contextes de produits spécifiques, des configurations de politiques et des coûts d'interaction, favorisant souvent le vendeur aux dépens de l'acheteur ou ne bénéficiant pas simultanément aux deux parties.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans le monde du shopping en ligne, deux manières distinctes d'acheter des articles existent depuis longtemps. La première est le prix affiché, où un vendeur liste un article pour un montant fixe, et l'acheteur paie ce montant ou renonce à l'achat. La seconde est la négociation, où un acheteur et un vendeur marchandent le prix jusqu'à ce qu'ils s'entendent sur un chiffre. Depuis des décennies, les économistes étudient comment ces deux systèmes interagissent, se demandant si laisser les clients négocier aide réellement le marché ou ne fait que créer de la confusion et une perte de temps. La question centrale n'est pas seulement de savoir si un accord est conclu, mais si l'acte de négocier crée plus de valeur pour les deux parties que le simple fait d'acheter au prix fixe. Si un client passe cinq minutes à marchander pour économiser quelques dollars, mais qu'en faisant cela, il perd la chance d'acheter l'article au prix d'origine, ou si le vendeur baisse le prix pour quelqu'un qui aurait de toute façon payé le prix fort, le système pourrait en réalité perdre de la valeur.
Les chercheurs Bankatesh Choudhary et Meenakshi Sharma, du Birla Institute of Technology en Inde, ont cherché à répondre à cette question en construisant une simulation informatique détaillée d'une boutique en ligne. Ils n'ont pas demandé à de vraies personnes de négocier ; ils ont plutôt créé une place de marché virtuelle où des agents informatiques automatisés agissaient comme vendeurs, tentant de négocier avec des acheteurs simulés. L'objectif était de voir si l'ajout d'une option de négociation à un processus de paiement standard bénéficierait à la fois à l'acheteur et au vendeur, ou si cela ne ferait que déplacer l'argent ou causer des pertes. Ils ont testé cela en comparant un paiement standard « acheter maintenant » à un scénario où un acheteur pouvait choisir de négocier d'abord. Ils n'ont pas seulement mesuré le prix final, mais tout le parcours : combien de nouvelles ventes ont été créées, combien de ventes existantes ont été perdues parce que le prix a été abaissé, combien d'accords ont échoué complètement, et combien de temps et d'efforts les deux parties ont consacrés au processus.
Les chercheurs ont découvert que la réponse dépend entièrement de la situation spécifique et du comportement des personnes impliquées. Dans un scénario standard et moyen, où les acheteurs ont une chance raisonnable d'acheter au prix fort, un système de négociation automatisé peut effectivement créer une valeur supplémentaire pour les deux parties. Dans leur test principal, l'agent vendeur automatisé a réussi à générer un gain faible mais positif pour lui-même et un petit gain pour l'acheteur pour chaque opportunité d'achat originale. Cependant, ce résultat positif n'était pas universel. L'étude a révélé qu'une politique qui rapporte le plus d'argent au vendeur n'est pas nécessairement celle qui rapporte le plus d'argent aux deux parties combinées. En fait, le négociateur automatisé le plus sophistiqué testé par les chercheurs, qui utilisait une méthode d'apprentissage complexe pour prendre des décisions, a en réalité produit une valeur totale légèrement inférieure pour le duo qu'une approche plus simple et plus prévisible basée sur des règles.
La simulation a également montré avec quelle facilité les choses peuvent mal tourner. Lorsque les chercheurs ont testé un scénario où les acheteurs étaient « têtus » et refusaient de s'écarter de leurs offres initiales basses, le système de négociation automatisé a fait perdre de l'argent au vendeur. Le système a passé du temps à négocier, a échoué à conclure un accord, et dans le processus, le vendeur a perdu la chance de vendre l'article au prix d'origine à un client qui était prêt à le payer. De même, lorsque les chercheurs ont simulé un groupe d'acheteurs qui n'accordaient simplement pas assez de valeur au produit pour en payer le prix fort, le processus de négociation leur a tout de même coûté du temps et des efforts. Même si la négociation a parfois permis une vente qui ne se serait pas produite autrement, le temps passé à négocier n'était pas rentable par rapport à la petite remise reçue, laissant les acheteurs globalement moins bien lotis.
Une découverte clé est que les bénéfices de la négociation sont cachés par la moyenne. Alors que les chiffres globaux semblaient positifs dans le meilleur des cas, les chercheurs ont examiné de plus près les produits individuels et ont découvert que seulement environ 42 % des situations de produits spécifiques bénéficiaient réellement aux deux parties simultanément. Pour les autres produits, l'un ou l'autre des côtés était perdant. Cela signifie qu'une décision globale d'activer la négociation pour l'ensemble d'une boutique pourrait nuire à de nombreux clients et à l'entreprise elle-même, même si les chiffres moyens semblent bons. L'étude a également calculé le montant maximal de temps ou d'effort qu'un acheteur ou un vendeur pourrait consacrer à une négociation avant que l'accord ne cesse d'en valoir la peine. Ils ont trouvé que si le coût de la négociation est trop élevé, ou si la chance de revenir au prix d'origine après une négociation ratée est trop faible, le système s'effondre.
Les chercheurs ont pris soin de préciser que ces résultats sont basés sur un modèle informatique, et non sur des données de ventes réelles. Ils ont utilisé des registres publics de prix passés et de conversations de négociation passées pour construire leur simulation, mais les comportements spécifiques des acheteurs et les coûts de leur temps étaient des hypothèses intégrées au modèle. Ils n'ont pas prétendu avoir découvert une nouvelle loi de l'économie ou une façon parfaite de gérer une boutique en ligne. Au lieu de cela, ils ont fourni un cadre clair pour aborder le problème. Ils ont montré que pour savoir si la négociation est utile, une entreprise doit examiner les détails spécifiques de ses clients et de ses produits, plutôt que de se contenter de regarder le prix final d'une transaction. L'étude conclut que bien que la négociation automatisée ait un potentiel, c'est un outil délicat qui nécessite une configuration minutieuse. Si un magasin souhaite la proposer, il doit s'assurer que le système ne fait pas perdre de temps aux clients qui sont prêts à acheter, et qu'il ne force pas les vendeurs à céder des profits à des clients qui auraient de toute façon payé le prix fort. La valeur du système ne réside pas dans la technologie elle-même, mais dans la manière dont elle est adaptée aux personnes et aux produits spécifiques qu'elle sert.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.