Buyer and seller value from optional automated bargaining in electronic commerce
이 논문은 선택적 자동 협상이 구매자와 판매자 모두에게 결합된 가치를 창출할 수 있음에도 불구하고, 그 순경제적 이득은 특정 제품 맥락, 정책 구성 및 상호작용 비용에 따라 매우 조건적이며, 종종 구매자의 희생을 통해 판매자에게 유리하게 작용하거나 양측 모두에게 동시에 이익을 주지 못한다는 것을 입증하기 위해 체크아웃 상대 가치 모델을 개발한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
온라인 쇼핑의 세계에는 두 가지 뚜렷한 구매 방식이 오랫동안 존재해 왔습니다. 첫 번째는 판매자가 정해진 금액으로 상품을 게시하고, 구매자가 그 금액을 지불하거나 아니면 포기하는 방식인 정가 판매입니다. 두 번째는 구매자와 판매자가 합의된 숫자에 도달할 때까지 가격을 두고 흥정하는 협상입니다. 수십 년 동안 경제학자들은 이 두 시스템이 어떻게 상호작용하는지, 즉 고객에게 협상의 여지를 주는 것이 실제로 시장에 도움이 되는지, 아니면 그저 혼란과 시간 낭비를 초래하는지를 연구해 왔습니다. 핵심 질문은 단순히 거래가 성사되었는지 여부가 아니라, 협상이라는 행위가 단순히 정가로 구매했을 때보다 양측 모두에게 더 많은 가치를 창출하느냐 하는 것입니다. 만약 고객이 몇 달러를 아끼기 위해 5분 동안 흥정을 하다가 그 과정에서 원래 가격으로 물건을 살 기회를 놓치거나, 혹은 판매자가 원래 가격을 지불했을 사람에게 가격을 낮춰준다면, 이 시스템은 실제로 가치를 잃고 있는 것일 수 있습니다.
인도의 비를라 공과대학교(Birla Institute of Technology) 소속 연구원인 바카테쉬 초다리(Bankatesh Choudhary)와 미낙시 샤르마(Meenakshi Sharma)는 온라인 상점의 상세한 컴퓨터 시뮬레이션을 구축함으로써 이 질문에 답하고자 했습니다. 그들은 실제 사람들에게 협상을 시키지 않았습니다. 대신, 자동화된 컴퓨터 에이전트들이 판매자 역할을 하며 시뮬레이션된 구매자들과 협상하도록 하는 가상 시장을 만들었습니다. 목표는 표준적인 결제 과정에 선택적인 협상 기능을 추가하는 것이 구매자와 판매자 모두에게 이득이 될지, 아니면 단순히 돈을 옮겨 다니게 하거나 손실을 일으킬지를 확인하는 것이었습니다. 그들은 표준적인 '지금 구매하기' 결제 방식과 구매자가 먼저 협상할 수 있는 시나리오를 비교함으로써 이를 테스트했습니다. 그들은 최종 가격뿐만 아니라 전체 과정을 측정했습니다: 얼마나 많은 새로운 판매가 창출되었는지, 가격을 낮춤으로써 기존 판매가 얼마나 사라졌는지, 얼마나 많은 거래가 완전히 무산되었는지, 그리고 이 과정에서 양측이 소비한 시간과 노력은 어느 정도였는지를 측정했습니다.
연구진은 그 답이 전적으로 구체적인 상황과 관련된 사람들의 행동에 달려 있다는 것을 발견했습니다. 구매자가 정가로 구매할 가능성이 충분히 있는 일반적이고 평균적인 시나리오에서는, 자동화된 협상 시스템이 실제로 양측 모두에게 추가적인 가치를 창출할 수 있습니다. 주요 테스트에서 자동화된 판매자 에이전트는 원래의 쇼핑 기회마다 자신을 위한 작은 플러스 이익과 구매자를 위한 작은 이득을 생성해 냈습니다. 그러나 이러한 긍정적인 결과가 보편적인 것은 아니었습니다. 연구는 판매자에게 가장 많은 돈을 벌어다 주는 정책이 반드시 양측 모두에게 가장 많은 돈을 벌어다 주는 것은 아니라는 점을 밝혀냈습니다. 실제로 연구진이 테스트한 가장 정교한 자동 협상기는 복잡한 학습 방법을 사용하여 의사를 결정했지만, 오히려 더 단순하고 예측 가능한 규칙 기반 접근 방식보다 쌍방의 총 가치를 약간 더 낮게 생성했습니다.
시뮬레이션은 상황이 얼마나 쉽게 잘못될 수 있는지도 보여주었습니다. 연구진이 구매자들이 초기 낮은 제안에서 물러서기를 거부하는 '고집스러운' 시나리오를 테스트했을 때, 자동 협상 시스템은 판매자에게 손실을 입혔습니다. 시스템은 협상에 시간을 썼지만 거래 성사에 실패했고, 그 과정에서 판매자는 원래 가격을 지불할 의사가 있었던 고객에게 물건을 팔 기회를 잃었습니다. 마찬가지로, 제품의 가치를 정가만큼 높게 평가하지 않는 구매자 그룹을 시뮬레이션했을 때도 협상 과정은 그들에게 시간과 노력을 소모하게 했습니다. 비록 협상이 없었다면 일어나지 않았을 판매를 가능하게 하기도 했지만, 협상에 들인 시간은 그들이 받은 작은 할인 혜택에 비해 가치가 없었으며, 결과적으로 구매자들을 전반적으로 더 불리하게 만들었습니다.
주요한 발견은 협상의 이점이 평균값에 의해 가려져 있다는 것이었습니다. 최선의 시나리오에서는 전체적인 수치가 긍정적으로 보였지만, 연구진이 개별 제품을 자세히 조사한 결과, 구매자와 판매자 모두에게 동시에 이득이 된 구체적인 제품 상황은 약 42퍼센트에 불지 않았습니다. 나머지 제품들에 대해서는 한쪽 혹은 다른 쪽이 손해를 보았습니다. 이는 매장 전체에 협상 기능을 일괄적으로 적용하는 결정이, 평균 수치는 좋아 보일지라도 많은 고객과 사업 자체에 해를 끼칠 수 있음을 의미합니다. 또한 연구진은 거래가 가치가 있다고 판단될 수 있는 구매자나 판매자의 최대 시간 또는 노력의 양을 계산했습니다. 그들은 만약 협상의 비용이 너무 높거나, 협상 실패 후 원래 가격으로 돌아갈 확률이 너무 낮으면 시스템이 붕괴된다는 것을 발견했습니다.
연구진은 이 결과들이 실제 판매 데이터가 아닌 컴퓨터 모델에 기반하고 있다는 점을 주의 깊게 명시했습니다. 그들은 과거의 가격 기록과 과거의 협상 대화 내용을 사용하여 시뮬레이션을 구축했지만, 구매자의 구체적인 행동과 그들의 시간 비용은 모델에 포함된 가정이었습니다. 그들은 새로운 경제 법칙이나 온라인 상점을 운영하는 완벽한 방법을 발견했다고 주장하지 않았습니다. 대신, 그들은 이 문제에 대해 생각할 수 있는 명확한 프레임워크를 제공했습니다. 그들은 협상이 유용한지 알기 위해서는 기업이 단순히 거래의 최종 가격만을 보는 것이 아니라, 고객과 제품의 구체적인 세부 사항을 살펴봐야 한다는 것을 보여주었습니다. 연구는 자동 협상이 잠재력은 있지만, 세심한 설정이 필요한 섬세한 도구라는 결론을 내립니다. 만약 상점이 이를 제공하고자 한다면, 시스템이 구매할 준비가 된 고객의 시간을 낭비하게 해서는 안 되며, 판매자가 원래 가격을 지불했을 고객에게 수익을 넘겨주게 해서도 안 된다는 것을 명시하며, 시스템의 가치는 기술 그 자체가 아니라 그 기술이 어떤 특정 사람 및 제품과 얼마나 잘 맞물리느냐에 달려 있다고 결론지었습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.