AI智能算法定價(jià)對(duì)共享經(jīng)濟(jì)平臺(tái)的影響研究

摘"要：AI智能算法定價(jià)會(huì)對(duì)共享經(jīng)濟(jì)平臺(tái)的效益產(chǎn)生多維度影響。本文以Airbnb平臺(tái)實(shí)施的AI智能算法定價(jià)策略為準(zhǔn)自然實(shí)驗(yàn)，構(gòu)造雙重差分模型考察AI智能算法定價(jià)對(duì)共享經(jīng)濟(jì)平臺(tái)的影響。研究發(fā)現(xiàn)，AI智能算法定價(jià)顯著提高了Airbnb平臺(tái)經(jīng)濟(jì)效益與定價(jià)調(diào)整靈活性，該結(jié)果在經(jīng)過一系列穩(wěn)健性檢驗(yàn)后仍然成立。進(jìn)一步分析發(fā)現(xiàn)，AI智能算法定價(jià)對(duì)Airbnb經(jīng)濟(jì)效益的提升在旅游淡季更顯著，定價(jià)下調(diào)行為在旅游旺季更顯著。

關(guān)鍵詞：AI算法定價(jià)；共享經(jīng)濟(jì)；算法價(jià)格歧視

中圖分類號(hào)：F2"""""文獻(xiàn)標(biāo)識(shí)碼：A""""""doi：10.19311/j.cnki.16723198.2024.23.014

0"引言

共享經(jīng)濟(jì)是利用互聯(lián)網(wǎng)平臺(tái)將分散資源進(jìn)行優(yōu)化配置，通過推動(dòng)資產(chǎn)權(quán)屬、組織形態(tài)、就業(yè)模式和消費(fèi)方式的創(chuàng)新，提高資源利用效率、便利群眾生活的新業(yè)態(tài)、新模式。根據(jù)《中國(guó)共享經(jīng)濟(jì)研究報(bào)告》，2023年我國(guó)共享經(jīng)濟(jì)市場(chǎng)交易規(guī)模約為38320億元，同比增長(zhǎng)約39%，增速較上年明顯提升。

在共享經(jīng)濟(jì)下產(chǎn)生了新的優(yōu)化問題，包括消費(fèi)者選擇行為研究、最優(yōu)定價(jià)、路徑優(yōu)化問題等，問題間的相互關(guān)聯(lián)性進(jìn)一步加大了問題的復(fù)雜性。其中，人工智能（Artificial"Intelligence，簡(jiǎn)稱AI）算法通常被用來解決業(yè)務(wù)場(chǎng)景中優(yōu)化匹配問題，主要應(yīng)用于3個(gè)領(lǐng)域：（1）服務(wù)成本因消費(fèi)者而定的領(lǐng)域，這可以使用可觀察的數(shù)據(jù)進(jìn)行近似計(jì)算；（2）需求波動(dòng)比供給波動(dòng)顯著更快的領(lǐng)域；（3）有大量商品需要定價(jià)的領(lǐng)域（Li"et"al.，2016）。

AI"定價(jià)系統(tǒng)作為中介，根據(jù)市場(chǎng)條件（買賣雙方的現(xiàn)存偏見）進(jìn)行匹配會(huì)提高效率和收益，但也有可能引發(fā)算法歧視等社會(huì)倫理問題。因此，本研究選取具有代表性的共享經(jīng)濟(jì)平臺(tái)Airbnb，通過DID模型，探究AI定價(jià)算法對(duì)于其效益的影響。

1"文獻(xiàn)綜述和研究假設(shè)

1.1"文獻(xiàn)綜述

目前諸多學(xué)者對(duì)于AI定價(jià)的算法進(jìn)行研究，并提出算法蘊(yùn)含的問題。例如范紅霞和孫金波（2021）指出算法歧視的成因包括算法設(shè)計(jì)者本身攜帶的性別刻板印象或社會(huì)偏見、數(shù)據(jù)統(tǒng)計(jì)過程中的“幸存者偏差”以及算法黑箱造成的結(jié)果偏差。目前聚焦研究算法定價(jià)對(duì)于共享經(jīng)濟(jì)平臺(tái)的影響的文獻(xiàn)較少，研究結(jié)論可以歸納為以下兩個(gè)方面：（1）AI算法定價(jià)會(huì)提升共享經(jīng)濟(jì)平臺(tái)的效益。一項(xiàng)基于Airbnb的實(shí)證研究發(fā)現(xiàn)，接受智能算法定價(jià)的房東，通過AI算法匹配可以使平均日收入提升8.6%（Zhang"et"al.，"2021）。（2）AI"算法定價(jià)會(huì)引發(fā)算法歧視等社會(huì)公平問題。一項(xiàng)基于德國(guó)拼車市場(chǎng)的實(shí)證研究發(fā)現(xiàn)，德國(guó)名字的司機(jī)比外族司機(jī)更受當(dāng)?shù)厥袌?chǎng)青睞，因而可以通過共享經(jīng)濟(jì)平臺(tái)收取更高的費(fèi)用（Tjaden"et"al.，"2018）；在國(guó)內(nèi)，對(duì)算法定價(jià)產(chǎn)生的社會(huì)公平問題的討論主要集中在立法層面。例如，共享平臺(tái)的智能定價(jià)算法構(gòu)成“大數(shù)據(jù)殺熟”，觸及反壟斷法上的價(jià)格歧視（朱建海，2021）；電商平臺(tái)通過大數(shù)據(jù)壟斷，實(shí)施差別定價(jià)獲取超額利潤(rùn)，不僅侵犯了消費(fèi)者權(quán)益，也不利于市場(chǎng)長(zhǎng)久健康的發(fā)展（時(shí)慧等，2022）。

綜上所述，當(dāng)前共享經(jīng)濟(jì)蓬勃發(fā)展，AI定價(jià)算法在此中發(fā)揮著重要作用。研究表明，AI定價(jià)可提升平臺(tái)效益，然而也可能引發(fā)社會(huì)公平問題，如算法歧視。雖然已有部分研究探討了AI定價(jià)對(duì)共享經(jīng)濟(jì)的影響，但關(guān)注度尚不足。未來研究應(yīng)深入探討AI定價(jià)算法的優(yōu)化與風(fēng)險(xiǎn)，為共享經(jīng)濟(jì)的可持續(xù)發(fā)展提供理論與實(shí)踐支持。

1.2"研究假設(shè)

傳統(tǒng)的定價(jià)和推薦系統(tǒng)往往無法滿足不斷變化的市場(chǎng)需求和用戶偏好。AI智能算法能夠通過深度學(xué)習(xí)和數(shù)據(jù)挖掘技術(shù)，分析海量的用戶行為和房源信息，實(shí)現(xiàn)個(gè)性化的定價(jià)和推薦策略。這種個(gè)性化的服務(wù)能夠提升用戶體驗(yàn)，增加用戶的滿意度和忠誠(chéng)度，進(jìn)而促進(jìn)用戶再次預(yù)訂和推薦，增加平臺(tái)的收入和入住率。同時(shí)，AI算法還能夠?qū)崿F(xiàn)動(dòng)態(tài)調(diào)整定價(jià)，根據(jù)實(shí)時(shí)的市場(chǎng)需求和競(jìng)爭(zhēng)情況靈活調(diào)整房源價(jià)格，使得價(jià)格更具競(jìng)爭(zhēng)力，吸引更多的用戶選擇Airbnb平臺(tái)，進(jìn)而增加平臺(tái)的經(jīng)濟(jì)效益?；谏鲜隼碚摲治?，本文提出假設(shè)H1。

假設(shè)H1：經(jīng)濟(jì)效益方面，采用AI智能算法能增加Airbnb平臺(tái)收入和入住率，增加平臺(tái)經(jīng)濟(jì)效益。

2"實(shí)證分析

2.1"樣本選擇與數(shù)據(jù)來源

Airbnb被廣泛認(rèn)為是旅游住宿行業(yè)最大的P2P平臺(tái)，是符合本文研究主題的共享經(jīng)濟(jì)平臺(tái)。截至2023年12月，Airbnb在220個(gè)國(guó)家擁有770萬活躍房源，共接待房客和體驗(yàn)參與者15億次。Airbnb允許主人和客人共享夜間出租的空房間來連接他們，從而將他們的部分或全部房屋轉(zhuǎn)換為出租物業(yè)或潛在的酒店。在經(jīng)濟(jì)表現(xiàn)數(shù)據(jù)方面，由于Airbnb于2015年10月開始采用AI智能算法定價(jià)，本文從AirDNA收集了2014年10月至2016年11月期間Airbnb紐約市每月短期租賃活動(dòng)的數(shù)據(jù)，共385892條。其余房屋和地理數(shù)據(jù)均來自American"Census"Bureau數(shù)據(jù)庫(kù)。為了控制極端值的影響，本文對(duì)所有連續(xù)變量在"1%"和"99%"的水平上進(jìn)行了縮尾處理（Winsorize）。

2.2"變量說明與模型設(shè)定

2.2.1"變量說明

表1為變量的定義與說明，其中雙重差分交互項(xiàng)AI"pricing×Post為解釋變量，AI"pricing是AI智能算法定價(jià)分組虛擬變量，如果房產(chǎn)選擇AI智能算法定價(jià)則AI"pricing=1，不選擇AI智能算法則AI"pricing=0。Post是Airbnb平臺(tái)政策實(shí)施虛擬變量，Airbnb平臺(tái)自2015年10月開始推廣采用AI智能算法定價(jià)，即2015年10月前Post=0，2015年10月及以后Post=1。

2.2.2"模型設(shè)定

由于部分商家可自己選擇是否使用AI智能算法定價(jià)，對(duì)照組和實(shí)驗(yàn)組不滿足平行趨勢(shì)假設(shè)，因此本文用逆概率加權(quán)（IPTW）方法來緩解自我選擇問題：估計(jì)每個(gè)屬性的處理概率作為觀察協(xié)變量的函數(shù)，然后將每個(gè)屬性的權(quán)重構(gòu)造為其處理分配概率的倒數(shù)。對(duì)于政策效果評(píng)估，通常采用雙重差分法（DID）進(jìn)行分析?？紤]到本文的場(chǎng)景，我們采用雙重差分法來進(jìn)行回歸分析，并設(shè)定如下的模型：

Revernuei，t=α0+α1AI"pricingi×Postt+α2Controlsi，t+μi+γt+εi，t

Occupancyi，t=β0+β1AI"pricingi×Postt+β2Controlsi，t+μi+γt+εi，t

Pricei，t=η0+η1AI"pricingi×Postt+η2Controlsi，t+μi+γt+εi，t

Adjustmenti，t=λ0+λ1AI"pricingi×Postt+λ2Controlsi，t+μi+γt+εi，t

其中，AI"pricingi是AI智能算法定價(jià)分組虛擬變量，Postt是政策實(shí)施虛擬變量；Controlsi，t代表一系列控制變量，具體定義見表1。γt代表時(shí)間固定效應(yīng)，μi代表房產(chǎn)個(gè)體固定效應(yīng)，εi，t為隨機(jī)擾動(dòng)項(xiàng)。本文關(guān)注的核心系數(shù)是α1，α1顯

著大于0表示采用AI算法定價(jià)提高了共享經(jīng)濟(jì)平臺(tái)收入，α1顯著小于0表示采用AI算法定價(jià)降低了共享經(jīng)濟(jì)平臺(tái)收入，其余被解釋變量同理。最后，本文對(duì)所有回歸系數(shù)的標(biāo)準(zhǔn)誤在房產(chǎn)個(gè)體層面上進(jìn)行了“聚類”（cluster）處理。

2.3"描述性統(tǒng)計(jì)與相關(guān)性分析

2.3.1"描述性統(tǒng)計(jì)

表2列示了變量的描述性統(tǒng)計(jì)結(jié)果。經(jīng)濟(jì)效益方面，日均入住率Occupancy的標(biāo)準(zhǔn)差為0.325，表明不同房產(chǎn)每日入住情況存在較大差異。價(jià)格調(diào)整方面，定價(jià)調(diào)整率Adjustment的最大值為2.756，最小值為0，表明不同房產(chǎn)定價(jià)策略和定價(jià)調(diào)整間距的差異。其余變量統(tǒng)計(jì)結(jié)果與Zhang"et"al.（2021）的基本一致。

2.3.2"相關(guān)性分析

在正式回歸之前，我們對(duì)各變量進(jìn)行相關(guān)性分析，以了解變量設(shè)定是否合理及變量間的相關(guān)關(guān)系，表3為各變量間相關(guān)系數(shù)矩陣。結(jié)果基本支持本文的假設(shè)，平臺(tái)收入Revenue、入住率Occupancy和雙重差分交互項(xiàng)AI"pricin×Post均在5%水平上顯著正相關(guān)，初步說明AI智能算法定價(jià)提高了Airbnb平臺(tái)的經(jīng)濟(jì)效益。其他控制變量之間的相關(guān)系數(shù)的絕對(duì)值不超過0.5，各變量回歸時(shí)的方差膨脹因子（VIF）均小于2，可初步認(rèn)為本文模型不存在多重共線性問題。

2.4"基準(zhǔn)回歸

表"4"報(bào)告了基準(zhǔn)回歸結(jié)果。其中，列（1）和列（2）是AI智能算法定價(jià)對(duì)Airbnb平臺(tái)的經(jīng)濟(jì)效益的影響研究，對(duì)于平臺(tái)收入Revenue、入住率Occupancy，雙重差分交互項(xiàng)AI"pricing×Post均在1%水平上顯著為正，表明采用AI智能算法定價(jià)后Airbnb平臺(tái)的收入和入住率顯著提升，假設(shè)H1得到支持。列（3）和列（4）是AI智能算法定價(jià)對(duì)Airbnb平臺(tái)的定價(jià)合理性的影響研究，對(duì)于平臺(tái)價(jià)格Price，雙重差分交互項(xiàng)AI"pricing×Post在1%水平上顯著為負(fù)，表明采用AI智能算法定價(jià)后Airbnb平臺(tái)的過高定價(jià)顯著下降；對(duì)于定價(jià)調(diào)整率Adjustment，雙重差分交互項(xiàng)AI"pricing×Post在1%水平上顯著為正，表明AI智能算法定價(jià)策略能夠提高價(jià)格的靈活性和準(zhǔn)確性，假設(shè)H2得到支持。

2.5"平行趨勢(shì)檢驗(yàn)和安慰劑檢驗(yàn)

2.5.1"平行趨勢(shì)檢驗(yàn)

滿足平行趨勢(shì)假設(shè)是使用雙重差分模型的基礎(chǔ)，即在政策沖擊發(fā)生前，處理組與控制組的被解釋變量應(yīng)該具有相同的發(fā)展趨勢(shì)?；诖?，設(shè)定如下模型來檢驗(yàn)AI智能算法定價(jià)政策效應(yīng)的平行趨勢(shì)：

Occupancyi，t=ρ0+∏5k－5ρkDki，t+ρ3Controlsi，t+μi+γt+εit

式（5）中，Dki，t是AI智能算法定價(jià)的虛擬變量，假設(shè)房產(chǎn)采用AI智能算法定價(jià)的月份為yi。圖1報(bào)告了回歸系數(shù)ρk隨時(shí)間的變化情況（置信區(qū)間為95%）。由圖1可知，采用AI智能算法定價(jià)的前5月到前1月，系數(shù)ρk圍繞水平線上下波動(dòng)，且95%的置信區(qū)間均包含水平線0，說明采用AI智能算法定價(jià)前處理組和控制組基本處于相同的發(fā)展趨勢(shì)，滿足平行趨勢(shì)的假定。

2.5.2"安慰劑檢驗(yàn)

本文利用隨機(jī)產(chǎn)生采用AI智能算法定價(jià)的房產(chǎn)作為處理組的方法進(jìn)行安慰劑檢驗(yàn)，驗(yàn)證是否會(huì)因遺漏變量導(dǎo)致回歸結(jié)果差異。具體而言，本文重復(fù)500次隨機(jī)分組，由于“偽”處理組是隨機(jī)產(chǎn)生的，其政策實(shí)施虛擬變量的系數(shù)應(yīng)在0近，即政策虛擬變量不會(huì)對(duì)被解釋變量入住率Occupancy產(chǎn)生明顯的影響。結(jié)果如圖2所示，系數(shù)集中分布在0周圍，說明“偽”處理組的政策實(shí)施虛擬變量對(duì)被解釋變量沒有明顯影響，且距離基準(zhǔn)應(yīng)歸系數(shù)較遠(yuǎn)。表明本文沒有明顯的變量遺漏問題，安慰劑檢驗(yàn)通過。

2.6"異質(zhì)性檢驗(yàn)

本文設(shè)定每年5～9月為紐約市的旅游旺季，其余月份為旅游淡季進(jìn)行異質(zhì)性檢驗(yàn)，結(jié)果如表5所示。經(jīng)濟(jì)效益方面，AI智能算法定價(jià)對(duì)共享經(jīng)濟(jì)平臺(tái)的正向影響在旅游淡季更顯著；定價(jià)調(diào)整方面，AI智能算法定價(jià)要求房主降低過高定價(jià)的價(jià)格調(diào)整在旅游旺季更顯著。產(chǎn)生異質(zhì)性的原因可能是旅游旺季市場(chǎng)競(jìng)爭(zhēng)激烈，價(jià)格敏感度更高。即使采用AI智能算法定價(jià)，如果房屋主人不能提供足夠的折扣或優(yōu)惠，可能仍然無法吸引足夠的客源，同時(shí)，用戶需求不確定性和算法調(diào)整周期過長(zhǎng)也可能造成這一現(xiàn)象。

3"結(jié)論和建議

本文以Airbnb平臺(tái)實(shí)施的AI智能算法定價(jià)策略為準(zhǔn)自然實(shí)驗(yàn)，構(gòu)造雙重差分模型考察AI智能算法定價(jià)對(duì)共享經(jīng)濟(jì)平臺(tái)的影響。研究發(fā)現(xiàn)，AI智能算法定價(jià)顯著提高了Airbnb平臺(tái)經(jīng)濟(jì)效益與定價(jià)調(diào)整靈活性，該結(jié)果在經(jīng)過一系列穩(wěn)健性檢驗(yàn)后仍然成立。進(jìn)一步分析發(fā)現(xiàn)，AI智能算法定價(jià)對(duì)Airbnb經(jīng)濟(jì)效益的提升在旅游淡季更顯著，定價(jià)下調(diào)行為在旅游旺季更顯著。

這一結(jié)論對(duì)我國(guó)引入智能算法定價(jià)具有一定的啟示作用。在數(shù)字經(jīng)濟(jì)時(shí)代，基于算法展開的商業(yè)實(shí)踐無法避免，并終將成為市場(chǎng)經(jīng)濟(jì)的重要一部分。AIRBNB的經(jīng)濟(jì)效應(yīng)因AI智能算法定價(jià)獲得了經(jīng)濟(jì)效果的提升，這說明對(duì)于AI智能算法定價(jià)一刀切禁止并非明智選擇，而應(yīng)基于算法的運(yùn)行機(jī)制進(jìn)行具體考量，進(jìn)行場(chǎng)景化風(fēng)險(xiǎn)評(píng)估，嚴(yán)格遵循對(duì)策與問題相匹配的規(guī)制原理，綜合運(yùn)用現(xiàn)有的法律政策工具采取針對(duì)性的監(jiān)管措施。

參考文獻(xiàn)

[1]Tjaden"J"D，Schwemmer"C，Khadjavi"M.Ride"with"me-Ethnic"discrimination，"social"markets，and"the"sharing"economy[J].European"Sociological"Review，2018，34（4）：418432.

[2]Zhang"S，Mehta"N，Singh"P"V，et"al.Frontiers：Can"an"artificial"intelligence"algorithm"mitigate"racial"economic"inequality？an"analysis"in"the"context"of"airbnb[J].Marketing"Science，2021，40（5）：813820.

[3]沈俊鑫，趙雪杉.基于動(dòng)態(tài)StackedGBDT算法的數(shù)據(jù)資源價(jià)值評(píng)估方法研究[J].科技管理研究，2023，（01）：5361.

[4]范紅霞，孫金波.看不見的“大象”：算法中的性別歧視[J].新聞愛好者，2021，（10）：2932.

[4]時(shí)慧，張倩，倪秋銘，等.大數(shù)據(jù)“殺熟”行為的治理對(duì)策研究[J].中國(guó)市場(chǎng)，2022，（12）：185187.

[5]朱建海.“大數(shù)據(jù)殺熟”的法律規(guī)制困境及其破解路徑[J].重慶郵電大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2021，33（01）：6472.