Irene's Lernblog

Der Artikel zielt im Wesentlichen auf das Thema der Preis- und Suchdiskriminierung ab und thematisiert dahingehend auch die Datensammlung im Web.

Zusammenfassung des Artikels "Detecting price and search discrimination on the Internet" von Mikians, Gyarmati, Erramilli und Laoutaris (2012):

Preis- und Suchdiskriminierung: Abgrenzung und Definition

Aus ökonomischer Sicht stellt Preisdiskriminierung die optimale Preisgestaltung dar, wird jedoch grundsätzlich vom Robinson-Patman Act verboten. Grund dafür: Preisdiskriminierung basiert auf gesammelten Informationen über die Kunden und ermöglicht den Unternehmen das Festlegen von unterschiedlichen Preisen für unterschiedliche Kunden. Die unterschiedlichen Preise resultieren dabei aus den Preisobergrenzen die Kunden bereit sind für ein bestimmtes Gut zu bezahlen. Die relativ schwer handhabbaren Grenzen des Webs lassen immer wieder Lücken und Möglichkeiten offen um Preisdiskriminierung zu betreiben, der Kunde kann jedoch nur sehr schwer die Diskriminierung erkennen. Aufgrund dessen wird aktuell an einer Lösung gearbeitet um Preisdiskriminierung für den Kunden transparent zu gestalten.

Konträr dazu spielt auch der Begriff der Suchdiskriminierung eine Rolle. Hierbei liefern Unternehmen jenen Personen teurere Produkte bei der Suche, welche bereit sind für ein bestimmtes Gut mehr Geld auszugeben. Der Unterschied zur Preisdiskriminierung lässt sich in der Vielfalt der angestrebten Produkte finden. Während Preisdiskriminierung auf ein Produkt abzielt, konzentriert sich Suchdiskriminierung auf mehre Produkte. D.h. der Kunde sucht in einer bestimmten Preisspanne. Hierbei kann auch die Sortierung der Suchergebnisse eine wesentliche Rolle spielen. Dem Kunden werden beispielsweise die teuersten Produkte zuerst präsentiert, mit dem Gedanken, dass der Kunde nur sehr selten auch die weiteren Seiten der durchgeführten Suche besucht.

Daten und Methodik

Damit Unternehmen Preis- bzw. Suchdiskriminierung betreiben können, benötigt es vorwiegend die Daten der Nutzer und Kunden. Die benötigten Daten werden hierzu meist von unterschiedlichen Quellen bezogen. So liefern vor allem Web Services, Cookies, URLs, Historie oder auch verwendete Betriebssysteme brauchbare Informationen. Aufbauend darauf wurden von den Autoren drei wesentliche Kategorien festgelegt, welche zur Datensammlung und somit zur Diskriminierung verwendet werden können.

Kategorie 1 - Unterschiede im System bzw. der Technologie: werden unterschiedliche Browser oder Betriebssysteme unterschiedlich behandelt.

Kategorie 2 - geografische Lage: Woher kommt die Anfrage bzw. Suche.

Kategorie 3 - persönliche Informationen: Wie gestaltet sich das Verhalten des Users – kauft er meist teurere Produkte oder achtet er eher auf billige Preise usw.

Methodik für

Kategorie 1: es wurden 600 Produkte von acht unterschiedlichen Browser – Betriebssystem Kombinationen untersucht. 

Kategorie 2: dazu wurden Proxyserver eingerichtet um eine Kontrolle darüber zu haben, welche Informationen übertragen werden. Hierzu wurden 6 verschiedenen Seiten quer durch die Kontinente überprüft. Jedes Produkt wurde hierfür zehnmal vom gleichen Gerät abgerufen. Die einzige Information die übertragen wurde, war die IP-Adresse.

Kategorie 3: Getestet wurde diese Kategorie anhand von zwei unterschiedlichen Profilen, welche in sieben Tagen trainiert wurden. Profil 1 bestand darin, möglichst viel Geld für etwas auszugeben, d.h. eher an Luxusgütern interessiert zu sein. Profil 2 hingegen war darauf spezialisiert möglichst günstig, d.h. via Rabatt-Seiten etc., einzukaufen. 

Anhand der durchgeführten Studie wurden in 20 Tagen Daten über 35 Produktkategorien, 200 Verkäufer und 600 Produkte gesammelt. Als generelle Einschränkung der Studie wird die getrennte Überprüfung der einzelnen Kategorien gesehen. 

Ergebnisse

Kategorie 1: es konnten keine signifikanten Unterschiede in Bezug auf die eingesetzten Systeme festgestellt werden. Demnach liefert diese Kategorie keinen Hinweis auf Preis- oder Suchdiskriminierung.

Kategorie 2: Für den Großteil der Ergebnisse konnten keine signifikanten Werte gefunden werden. Es kristallisierte sich jedoch heraus, dass im Test  drei Webseiten doch auf geografische Lage der Anfrage achten. Demnach spielt der Ort der Käufer bei elektronischen Geräten und Büroprodukten eine zentrale Rolle. Aufgrund dessen kann hier von Preis- bzw. Suchdiskriminierung gesprochen werden, wobei eine Preisdifferenz von 21% bis hin zu 166% beobachtet wurde.

Kategorie 3: Es konnte in Bezug auf die eingesetzten Profile keine Preisdiskriminierung festgestellt werden, sehr wohl jedoch Suchdiskriminierung (s. Abbildung 1). Darüber hinaus konnte auch Preisdiskriminierung im Bereich von Rabatt-Webseiten (Original URL) analysiert werden. D.h. sucht ein Kunde ein Produkt auf einer solch angesprochen Seite und wird anschließend auf die Händlerseite weitergeleitet, so erhält er einen bis zu 23% günstigeren Preis als jener, welcher die Seite direkt besucht.

Abbildung 1 (Q1): Suchdiskriminierung zwischen Personen welche bereit sind mehr zu bezahlen (affluent) und zwischen jenen welche ein eher geringes Budget ausgeben wollen (budget). Clean ist das Profil im untrainierten Zustand. 

Fazit

Auch wenn Preissuchmaschinen & Co ständig zur Verbesserung der Markttransparenz beitragen, existieren doch auch gegenwirkende Maßnahmen. Beschäftigt man sich mit dem Thema Preisdiskriminierung so wird meines Erachtens relativ schnell sichtbar, dass der Markt doch nicht so transparent ist wie vorerst gedacht. Preisdiskriminierung ist meiner Meinung nach das perfekte Beispiel um zu zeigen das die Transparenz nicht auf der Seite der User, sondern auf der Seite der Unternehmer/Verkäufer liegt. Demnach kann der Verkäufer aufgrund der Informationsvielfalt über den Kunden die Preise maßgeschneidert festlegen und so seine Gewinnspanne maximieren und auch Neukunden gewinnen. Der Käufer hingegen hat nicht die geringste Ahnung darüber, dass der Preis des Produktes aktuell auf ihn zugeschnitten wurde – ob negativ oder positiv.

Hinlänglich Suchdiskriminierung finde ich, dass das Thema Transparenz auf Käuferseite keine Rolle mehr spielt. Die Transparenz wird förmlich aus dem Rennen geschmissen, obwohl doch Suchmaschinen am ehesten Transparenzverbesserung zugesprochen wird.

Ich denke, dass sich in den letzten Jahren die Markttransparenz auf Kundenseite doch sehr verbessert hat, das Web gleichzeitig aber auch viele Nachteile mit sich bringen kann. So erhält nicht nur der Kunde größere Chancen, sondern gleichzeitig auch der Verkäufer. Ich denke zwar nicht, dass jeder online Händler sich mit dem Thema Preis- bzw. Suchdiskriminierung angefreundet hat, jedoch genug schwarze Schafe (z.B. Amazon) unterwegs sind um die gebotene Chance der Diskriminierung und der einhergehenden Gewinnmaximierung zu nutzen. Demnach ist es fraglich ob das Web den Markt für den Kunden oder doch für den Verkäufer transparenter gestaltet.

Q1: Mikians, J.; Gyarmati, L.; Erramilli, V. & Laoutaris, N. (2012). Detecting price and search discrimination on the Internet. In Proceedings of the 11th ACM Workshop on Hot Topics in Networks (pp. 79-84). ACM.

Link zur Q1:

http://conferences.sigcomm.org/hotnets/2012/papers/hotnets12-final94.pdf 

Dein Beitrag ist sehr informativ und legt  "Missstände" im Bezug auf Markttransparenz offen. So transparent wie man glaubt, ist das Web nämlich nicht - das wurde auch in der Disskussion während der Lehrveranstaltung so kommuniziert.

Ein gutes Beispiel zur Preisdiskriminierung fällt mir hinsichtlich Flugsuchmaschinen ein. Aufgrund der Cookies wird festgestellt, ob ein User bereits öfters nach einem bestimmten Flug gesucht hat oder nicht. Ist das der Fall wird vermutet, dass der User ein echtes Interessen/Bedürfnis für diesen Flug hat und somit wird der Preis künstlich angehoben. Dazu habe ich einen Artikel auf orf.at gefunden.

Dein Thema trifft die Argumentation meines Beitrages. Durch die Datentransparenz, sei es Kaufverhalten, persönliche Daten (Geschlecht, Alter,etc.), wird die Markttransparenz wesentlich beeinflusst. Nicht jeder Kunde/Kundin bekommt den gleichen Preis angezeigt, zudem wird zwischen A-, B-, und C-Kunden unterschieden, dazu hab ich hier einen Artikel über Dynamic Pricing gefunden.

Das Thema Preis- und Suchdiskriminierung habe ich sehr interessant gefunden. Was zu deinem Thema gut passen würde ist das Thema Flugpreisvergleich, da es bereits viele Suchmaschinen gibt, welche die günstigsten Flüge heraussuchen. Dennoch gibt es auch immer wieder Unterschiede zu den Suchmaschinenergebnissen und den Preisen auf der Anbieterseite selbst. Dies zeigt, dass der Kunde sehr genau vergleichen muss, um das günstigste Flugangebot zu finden. Siehe dazu folgenden Link.

Ich fand deinen Beitrag insofern interessant als dass ich mich mit Preisdiskriminierung noch nicht so sehr auseinandergesetzt habe. Ich werde das sicherlich auch mal in der Praxis testen. 

In meinem Beitrag habe ich über E-Commerce als Treiber von Markttransparenz berichtet. Ist E-Commerce deiner Meinung nach für eine Steigerung der Markttransparenz verantwortlich?