Морис Стаки - Виртуальная конкуренция. Посулы и опасности алгоритмической экономики

Как отметили в этом венчурном фонде, у компании Amazon есть достойные конкуренты. Boomerang Commerce, например, является лидером рынка в области компьютерной оптимизации цен. Алгоритмы ценообразования этой компании вносят изменения, ежеминутно проверяя более чем 100–150 элементов данных 28. «Amazon при наличии сотен миллионов товаров может обновлять цены каждые 15 минут, – говорит основатель компании Boomerang. – Средний розничный продавец имеет гораздо меньше позиций, но корректирует цены лишь раз в 1–3 месяца» 29. Конкуренция заставляет одного из клиентов Boomerang, компанию Staples, переходить на динамическое ценообразование: «У нас нет выбора. Цены меняются постоянно» 30. Конкурентное давление вынуждает фирмы переходить на динамическое ценообразование и открывает новый фронт конкурентной борьбы между розничными продавцами. Алгоритмы ценообразования, оптимизируя цену в зависимости от имеющихся запасов и прогнозного спроса, уже преобладают при онлайн-продажах в сферах бронирования гостиничных услуг, туризма, розничной торговли, индустрии спорта и развлечений 31.

В-четвертых, онлайновые розничные компании не могут просто разместить товары на своих сайтах и ожидать взлета продаж. Ключ к успеху – цифровые данные и, что важно, масштаб накопленных данных. Компании-операторы, которые контролируют онлайновые платформы, способны собирать персональные данные большого объема и многообразия и значительной потенциальной ценности. Обладание этими данными и способность быстро их анализировать может обеспечить оператору платформы важное конкурентное преимущество. Действительно, изначально компания Amazon продавала книги для того, чтобы собирать персональные данные состоятельных и образованных покупателей 32. Кроме того, алгоритмы обучаются методом проб и ошибок в процессе поиска закономерностей (patterns) в растущем объеме и разнообразии цифровых данных. Amazon накапливает гораздо больше данных о своих пользователях, чем могли бы собрать многие розничные продавцы. Но ее офлайновых конкурентов больше пугает иное: по мере того как Amazon аккумулирует больше данных о своих пользователях и в условиях, когда алгоритмы компании получают больше возможностей для экспериментов (таких как побуждающее к дальнейшим покупкам отображение дополнительных позиций), ее ценообразование, естественно, становится всё более динамичным и дифференцированным. В общем и целом цены будут меняться быстрее, торговые предложения будут всё точнее учитывать индивидуальные вкусы конкретных покупателей, и произойдет ценовая оптимизация.

В-пятых, в области ценовых решений алгоритмы компании Amazon будут всё активнее соперничать с алгоритмами других продавцов (а не с людьми). Например, Jet.com, сайт электронной коммерции, основанный на бизнес-модели подписки, собрал свыше 200 млн долл., чтобы «сразиться с Amazon с помощью своей модели динамического ценообразования», и «обещает предлагать цены, которые на 10–15 % ниже, чем у конкурентов, в том числе у компании Amazon» 33. По мере того как использование алгоритмов в оптовой и розничной торговле будет расти, эти алгоритмы за счет обучения на опыте (learning by doing) смогут лучше просчитывать действия конкурирующих алгоритмов и эффективнее на них реагировать.

Чтобы лучше конкурировать с онлайновыми гигантами наподобие Amazon, в составе основного программного сервиса компания Boomerang предлагает своим розничным клиентам «Динамический ценовой оптимизатор». Этот оптимизатор «начинает работу с анализа ценовых данных клиента и его конкурентов. Однако уникальной особенностью оптимизатора являются собственные алгоритмы компании-разработчика, которые включают в себя изощренные модели теории игр и теории портфельного инвестирования, фильтрующие данные почти для всякой переменной или любого желательного результата» 34.

В-шестых, некоторые недостатки онлайновых покупок в настоящее время сглаживаются. Кому-то из покупателей, например, нравится, выходя из магазина с товарами, испытывать сиюминутное удовольствие. Сейчас онлайновые продавцы наращивают скорость, с которой товары доставляются на дом. Например, покупатели, подписанные на сервис Prime компании Amazon, могут теперь получить любой из миллионов товаров у своей двери в течение пары дней, если не в тот же день 35. За дополнительную плату некоторые товары могут быть доставлены в течение часа 36. Сегодня этот онлайновый поставщик может похвастать доставкой молочной, охлажденной и замороженной продукции, и удовлетворить почти все потребности человека 37. Некоторые онлайн-магазины не только предлагают быструю доставку или возможность самовывоза в кратчайшие сроки, но и инвестируют в офлайновые магазины для поддержки своих интернет-продаж.

Как показывает рассмотренный пример компании Amazon, сегодня наш мир онлайновой торговли во всевозрастающей степени зависит от больших данных и аналитики больших данных. Существуют различные определения понятия больших данных. Многие из них являются широкими и полными 38. Хотя цифровые данные могут быть разными, здесь мы главным образом сосредоточиваем внимание на персональных данных, которые обычно означают «любую информацию, относящуюся к определенному или потенциально устанавливаемому лицу (субъекту данных)» 39. Большие данные обычно характеризуют четырьмя свойствами: объемом цифровых данных; скоростью их сбора, использования и распространения; многообразием собранной информации; наконец, ценностью этих данных 40.

Использование больших данных и их ценность возросли с ростом использования аналитики больших данных – способности разрабатывать алгоритмы, которые могут получать доступ к огромному количеству информации и анализировать ее. Кроме того, внедрение машинного обучения дополнительно стимулировало активность в данной области.

В недавние годы имели место прорывные исследования и грандиозный прогресс в деле разработки и развития умных самообучающихся алгоритмов, помогающих в принятии ценовых решений, планировании, торговле и логистике. Эта область привлекла значительные инвестиции в технологии глубокого обучения со стороны ведущих игроков рынка 41.

В 2011 г. созданный компанией International Business Machines (IBM) компьютер Watson, победивший в телевизионной игре Jeopardy! 42, продемонстрировал возможности подхода глубокого обучения, которые позволили ему оптимизировать свою стратегию методом проб и ошибок 43. С тех пор IBM осуществляла инвестиции в расширение мощности и функциональности данной технологии. Цель компании – создать «эквивалент вычислительной операционной системы для перспективного класса приложений искусственного интеллекта, работающих за счет больших данных» 44.