Коллаборативная фильтрация и рынок "лимонов" Акерлофа

Коллаборативная фильтрация  и рынок "лимонов" Акерлофа

Вот интересная тенденция. Разброс в стоимости билетов на концерты звезд – составляет огромную разницу, если сравнивать, скажем, Мадонну и какого-то заштатного исполнителя. А вот CD разного качества (не с точки зрения качества болванки и упаковки, а с точки зрения качества музыкального содержания) находятся в одном ценовом диапазоне. А легальные треки для скачивания так и вообще почти одинаковы по цене.

В 1970 году Джордж Акерлоф написал статью «Рынок лимонов». В 2001 году получил за нее Нобелевскую премию. Идея в следующем: На некоторых рынках продавец и покупатель располагают различной информацией о качестве продукта. Например, покупатель оценивает качество товара статистически, а продавцу известно качество каждой единицы товара индивидуально. Ну, например, я в принципе знаю, что такое фольксваген пассат 2000 года с пробегом до 200 тыс., но когда иду на рынок, то сталкиваюсь с КОНКРЕТНЫМИ МАШИНАМИ с их индивидуальными особенностями. При этом продавцу они известны гораздо лучше чем мне.

Если в начальный момент на рынке существует некий баланс хороших  автомобилей и «лимонов« (так в Америке называют изношенные машины со скрытыми дефектами) то сформируется некая «средняя начальная цена спроса». Такая цена может не устроить некоторых продавцов хороших автомобилей, и они откажутся их продавать, а обладатели плохих автомобилей станут их продавать активнее. В результате доля хороших автомобилей на рынке сократится, плохих — возрастет. Кроме этого, те, кто купил «лимон» может вернуться на рынок уже в качестве продавца. Покупатели оценят изменившуюся ситуацию, их спрос на данный тип машин снизится. Снизившаяся цена побудит еще какую-то часть владельцев хороших автомобилей снять товар с  продажи и т.д. Происходит так называемый «неблагоприятный отбор». В конце концов хорошие автомобили могут оказаться полностью вытесненными с рынка, и на нем установится равновесие спроса и предложения «лимонов».

Согласитесь, что ситуация с рынком медийных продуктов (книг, музыки) имеет некоторые общие аспекты. Огромный ассортиментный ряд, более низкие издержки на производство низкокачественной продукции (литературные рабы и т.п.) и при этом фактическая невозможность разобраться в качестве, уже придя в магазин. Типичная ситуация ассимметричной информированности покупателя и продавца. Результат по Акерлофу — полки замусориваются, количество низкокачественных продуктов растет, продажи конкретных наименований очень низки, ценовая конкуренция усиливается. Не правда ли  — так все и есть. Если не верите – зайдите в книжный магазин :).

Лекарство от «неблагоприятного отбора» — сбор и адекватное отображение информации о каждом конкретном продукте (в случае автомобиля –  например экспертная оценка на аукционах и т.п.) которую необходимо решать институационально. В случае медийных продуктов роль этих институтов выполняют коллекции отзывов и оценок самих пользователей продуктов (рекомендательные системы). Я думаю, что  таким проектам будет отведена вполне приличная роль в электронной коммерции.И простота их реализации в интернете – одно из ключевых преимуществ электронной коммерции медийных продуктов перед офлайновым ритейлом.

Идеологом озвученной теории является профессор Высшей Школы Экономики Александр Долгин, создатель проекта IMHONET, работающего по принципу коллаборативной фильтрации отзывов пользователей.

Всем интересующимся темой экономики цифровых продуктов рекомендуем почитать книги Александра Долгина и в первую очередь, "Экономику символического обмена".

Антон Терехов

Автор: anton Terekhov Anton

Подписаться на новости

Читайте также

18 октября / Комментарии

7 кейсов внедрения алгоритма «Популярные товары определенного бренда» на сайт и в рассылки интернет-магазинов

У мультибрендовых интернет-магазинов и маркетплейсов бывает потребность выводить популярные товары конкретного бренда на страницах сайта или в email-рассылках для различных маркетинговых активностей. Как правило это большой ручной труд, но можно и сильно проще. Рассмотрим 7 кейсов внедрения нового алгоритма товарных рекомендаций от Retail Rocket.

далее →

6 октября / Комментарии

Как увеличить выручку интернет-магазина за счет конфигурирования стратегии мерчендайзинга: кейс магазина BUTIK.

Сколько рекомендательных блоков стоит показывать, чтобы максимально увеличить конверсию, и какие рекомендации приносят наибольший результат? Ответ, как всегда, выясняем опытным путем - проведением АБ-тестирований.

далее →

27 сентября / Комментарии

С клиентами не расставайтесь! О том, как интернет-магазинам возвращать ушедших покупателей

Клиентская база — то самое злато, над которым чахнут владельцы всех интернет-магазинов. Пожалуй, мало кто поспорит, что ее пополнение, аналитика, отслеживание всевозможных тенденций — одна из самых важных бизнес-задач. Неудивительно, что переход постоянных клиентов в статус «архивных» порой выглядит для наблюдателей настоящей трагедией.

далее →

21 сентября / Комментарии

Как увеличить эффективность e-mail маркетинга за счет динамического контента: 6 кейсов и рост дохода на одно отправленное письмо (RPE) на 265%

Сегодня на примере 6 интернет-магазинов мы расскажем, как динамический контент помогает улучшить показатели рассылок и сэкономить время e-mail маркетолога.

далее →

18 сентября / Комментарии

Что делать, чтобы клиенты не бросали корзины и без ошибок вводили адреса

41,4% людей бросают корзину из-за неудобного процесса заказа или проблем на сайте. Остальные изначально не собирались покупать и приходили «просто посмотреть». Если упростить и ускорить процесс заказа, люди перестанут уходить. Этим мы и займемся вместе с сервисом DaData.ru. Вдобавок посмотрим, как бороться с неверными адресами доставки и возвратами от Почты России.

далее →

X
Нажмите «Нравится»,
чтобы читать Shopolog.ru в Facebook