Menu Close

Algoritme bantu pelaku bisnis online untuk tetapkan harga yang tinggi

Pernahkah Anda mencari sebuah produk di situs online pada pagi hari dan ketika mencarinya lagi pada malam hari harganya telah berubah? Anda mungkin telah menjadi korban sistem algoritme penjual online.

Secara tradisional ketika menentukan harga suatu produk, penjual mempertimbangkan nilai produk tersebut bagi pembeli dan berapa harga produk lain yang serupa, dan menetapkan apakah pembeli potensial sensitif terhadap perubahan harga. Tetapi di era digital ini, banyak hal telah berubah. Sistem algoritmelah yang menetapkan harga. Parahnya, sistem algoritme ini berkolusi dengan penjual untuk merugikan konsumen.

Awalnya, belanja online disebut-sebut memberikan manfaat bagi konsumen dengan memberikan mereka kesempatan untuk dapat dengan mudah membandingkan harga. Peningkatan persaingan ini akan memaksa penurunan harga seiring dengan meningkatnya jumlah pengecer. Tetapi sistem penetapan harga manajemen pendapatan memungkinkan pengecer online untuk menggunakan data pasar untuk memprediksi permintaan dan menetapkan harga yang sesuai untuk memaksimalkan keuntungan.

Sistem ini sangat populer di industri perhotelan dan pariwisata, terutama karena hotel memiliki biaya tetap, persediaan yang cepat rusak (makanan yang perlu dimakan sebelum menjadi busuk) dan tingkat permintaan yang berfluktuasi. Dalam kebanyakan kasus, sistem manajemen pendapatan memungkinkan hotel untuk menghitung tarif kamar ideal dengan cepat dan akurat menggunakan algoritme canggih, data kinerja masa lalu, dan data pasar saat ini. Tarif kamar kemudian dapat dengan mudah disesuaikan di mana pun mereka diiklankan.

Sistem manajemen pendapatan ini telah menghasilkan sesuatu yang disebut dengan istilah “penetapan harga dinamis”. Istilah ini mengacu pada kemampuan penyedia online untuk secara instan mengubah harga barang atau jasa sebagai respons terhadap perubahan dalam penawaran dan permintaan, apakah itu produk yang tidak populer yang memenuhi gudang atau perjalanan dengan taksi online Uber yang tarifnya melonjak ketika larut malam. Oleh karenanya, konsumen saat ini menjadi lebih nyaman dengan gagasan bahwa harga online dapat dan memang seharusnya berfluktuasi, tidak hanya pada waktu penjualan, tetapi beberapa kali dalam satu hari.

Namun, program penetapan harga algoritmik yang baru menjadi jauh lebih canggih daripada sistem yang lama karena perkembangan kecerdasan buatan. Manusia masih memainkan peran penting dalam sistem yang lama dengan menganalisis data yang dikumpulkan dan membuat keputusan akhir tentang harga. Tetapi sistem penetapan harga algoritmik sebagian besar bekerja sendiri.

Dengan cara yang sama perangkat pintar di rumah seperti misalnya Amazon Echo mempelajari perilaku pengguna mereka dari waktu ke waktu dan mengubah cara mereka beroperasi sesuai dengan penggunanya tersebut, program penetapan harga berdasarkan algoritme belajar melalui pengalaman pasar.

Algoritma penetapan harga secara konstan memperhatikan toko online lainnya. Kaspar Grinvalds/Shutterstock

Algoritme tersebut mempelajari aktivitas toko online untuk mempelajari dinamika ekonomi pasar (bagaimana harga produk ditetapkan, pola konsumsi normal, tingkat penawaran dan permintaan). Tetapi mereka juga dapat secara tidak sengaja “berbicara” dengan program lainnya terus menerus untuk mengawasi penetapan harga dari penjual lain dan mempelajari harga yang pas di pasar.

Algoritme ini tidak diprogram untuk memonitor algoritme lain. Tetapi mereka belajar bahwa cara tersebut adalah hal terbaik yang harus dilakukan untuk mencapai tujuan mereka dalam memaksimalkan keuntungan. Hal ini menghasilkan kolusi harga yang tidak diinginkan, yaitu harga ditetapkan dalam batas yang sangat dekat satu sama lain. Jika satu perusahaan menaikkan harga, sistem pesaing akan segera merespons dengan menaikkan harga mereka, menciptakan pasar yang berkolusi.

Memantau harga pesaing dan bereaksi terhadap perubahan harga adalah aktivitas normal dan legal untuk bisnis. Tetapi sistem penetapan harga algoritmik dapat melakukan hal ini secara berlebihan, menetapkan harga yang lebih tinggi daripada jika mereka berada dalam pasar yang kompetitif karena semuanya beroperasi dengan cara yang sama untuk memaksimalkan keuntungan.

Bagi perusahaan ini mungkin bagus, tetapi bagi konsumen yang harus membayar sama di mana pun mereka pergi, ini menjadi masalah, bahkan jika harga bisa lebih rendah. Pasar yang tidak kompetitif juga menghasilkan lebih sedikit inovasi, produktivitas yang lebih rendah, dan akhirnya pertumbuhan ekonomi yang lebih sedikit.

Apa yang dapat kita lakukan?

Ini menimbulkan pertanyaan yang menarik. Jika para programmer telah (secara tidak sengaja) gagal mencegah kolusi ini terjadi, apa yang harus terjadi? Di sebagian besar negara, kolusi diam-diam (di mana perusahaan tidak berkomunikasi secara langsung satu sama lain) tidak dipandang sebagai kegiatan ilegal.

Namun, perusahaan dan pengembangnya masih dapat dianggap bertanggung jawab terhadap sistem algoritme ini karena sistem ini diprogram oleh manusia. Komisi Eropa ( European Comission) telah memperingatkan bahwa meluasnya penggunaan sistem algoritme dalam menetapkan harga di e-commerce dapat menghasilkan harga yang sangat tinggi di seluruh pasar, dan perangkat lunak harus dibangun untuk mencegah terjadinya kolusi.

Tetapi selama algoritme diprogram untuk memberikan keuntungan sebesar mungkin, dan dapat belajar bagaimana melakukan ini secara mandiri, programmer mungkin tidak dapat mengatasi kolusi ini. Bahkan dengan beberapa pembatasan yang dilakukan, algoritme dapat belajar cara untuk mengatasinya ketika mereka mencari cara baru untuk memenuhi tujuan mereka.

Berusaha mengendalikan lingkungan pasar untuk mencegah pengawasan harga yang dilakukan secara sadar atau transparansi pasar juga akan menimbulkan lebih banyak pertanyaan dan menciptakan masalah baru. Maka, kita perlu lebih memahami bagaimana mesin bekerja dan kemampuannya sebelum kita membuat peraturan baru.

This article was originally published in English

Want to write?

Write an article and join a growing community of more than 182,500 academics and researchers from 4,943 institutions.

Register now