В лекции профессора Гленна Эллисона из Массачусетского технологического института (MIT) детально разбираются эмпирические доказательства теории поиска и причин возникновения ценовой дисперсии на рынках. Анализируя классические экономические исследования розничных рынков медикаментов, условий кредитования и интернет-торговли, автор показывает, почему на практике нарушается закон единой цены. Главный сюжет разворачивается вокруг извечного противостояния: как потребители пытаются минимизировать издержки на поиск информации, а компании используют изощренные стратегии запутывания (обфускации) для удержания высоких наценок.
💊 Поиск на рынке медикаментов: исследование Алана Соренсена 2:02
Методология сбора данных «вручную»
В конце 1990-х годов Алан Соренсен, будучи аспирантом MIT, обратил внимание на уникальное законодательство штата Нью-Йорк. Местный закон обязывал аптеки наглядно размещать в залах плакаты большого формата с розничными ценами на 200 самых популярных рецептурных препаратов. Поскольку в те годы мобильных телефонов с камерами высокого разрешения еще не существовало, Соренсен лично отправился в небольшие города Мидлтаун и Ньюберг с канцелярским планшетом и вручную переписал эти данные. Выбор городов был неслучайным: они находились на пересечении трасс I-84 и Mass Pike по пути из Бостона в Нью-Йорк, изолированно объединяя по 10–12 аптек в радиусе 20 минут езды. Рынок рецептурных лекарств того периода идеально подходил под допущения классической модели конкуренции Бертрана: препараты разных аптек (например, амоксициллин) абсолютно идентичны, а у большинства американцев на тот момент еще не было медицинской страховки, покрывающей покупку лекарств, что создавало прямые стимулы для сравнения цен.
Ценовая дисперсия и скрытые факторы
Собраные данные выявили колоссальную ценовую дисперсию. По мнению Эллисона, разница между самой высокой и самой низкой ценой на один и за тот же препарат в пределах одного города составляла в среднем $13. В 10-м процентиле разброс составлял $5, а в 95-м процентиле достигал $25. Соренсен математически доказал, что этот разброс нельзя объяснить исключительно качеством сервиса или «удобствами» конкретной аптеки (pharmacy fixed effects).
Регрессионный анализ показал следующие результаты:
- Регрессия цен исключительно на фиксированные эффекты самих лекарств дает показатель $R^2 = 0.907$.
- Включение в модель фиксированных эффектов аптек увеличивает $R^2$ лишь до 0.938.
Таким образом, особенности аптек (чистота, вежливость фармацевтов) объясняют лишь около трети ценового разброса, тогда как две трети приходятся на чистую, идиосинкразическую дисперсию цен. В качестве шутливого примера профессор Эллисон отмечает, что аптеки сети Rite Aid в Мидлтауне и Ньюберге стабильно удерживали самые высокие цены, хотя, по его личным наблюдениям, они уступали более дешевым конкурентам вроде Price Chopper или Walmart по чистоте и скорости обслуживания.
Как частота покупок снижает издержки поиска
Связь между дисперсией цен и издержками потребительского поиска подтверждается поведением покупателей при выборе лекарств от хронических заболеваний. Если антибиотики покупаются один раз при остром заболевании, то препараты от повышенного давления приобретаются ежемесячно на протяжении всей жизни. Издержки на поиск более выгодной цены в случае хронических болезней амортизируются (окупаются) годами, что де-факто делает издержки поиска для таких пациентов более низкими. Исследование Соренсена эмпирически подтвердило, что для часто покупаемых медикаментов уровень цен, торговая маржа продавцов и ценовая дисперсия оказываются существенно ниже.
💳 Загадка кредитных карт: скрытое разнообразие тарифов 15:09
Опровержение классического парадокса Аусубела
В 1990-х годах экономист Лоуренс Аусубел опубликовал в журнале AER известную статью о «загадке кредитных карт», задавшись вопросом: почему при наличии тысяч конкурирующих банков в США процентные ставки по кредиткам остаются аномально высокими и не снижаются под давлением конкуренции? Аусубел утверждал, что ставки нечувствительны к макроэкономическим изменениям и практически не имеют ценовой дисперсии между крупнейшими банками. Однако исследователи Станго и Зинман доказали, что базовая предпосылка Аусубела была неверной. По их мнению, банки действительно выставляют схожие средние тарифы, но внутри каждого банка существует огромная, скрытая от поверхностного взгляда дисперсия ставок для конкретных физических лиц.
Панельные данные Lightspeed и шокирующая статистика долгов
Для анализа авторы использовали высококачественные коммерческие данные исследовательской компании Lightspeed, содержащие информацию о 4312 клиентах. Потребители из этой панели за вознаграждение предоставили компании полный доступ к своим ежемесячным выпискам по кредитным картам, включая информацию обо всех покупках, уплаченных процентах, штрафах за просрочку, а также свои демографические данные и кредитные рейтинги от агентства Experian.
Собранная статистика открыла неприглядную картину финансового поведения американцев:
- Менее 25% пользователей полностью гасят баланс кредитных карт каждый месяц, избегая начисления процентов.
- Интерквартильный размах (разница между 75-м и 25-м процентилями) процентных ставок составляет внушительные 800 базисных пунктов, или 8% годовых.
- Верхняя четверть должников имеет возобновляемый баланс от $4586 до $62000 (в среднем $11000) и ежегодно выплачивает банкам около $2000 только в виде процентов.
- Четверть заемщиков из этой самой закредитованной группы имеют годовой доход ниже $45000, совершая колоссальные финансовые ошибки.
Примечательно, что зависимость между кредитным качеством и балансом имеет U-образную форму: клиенты с самыми высокими кредитными рейтингами находятся как в самой нижней группе (кто не платит проценты), так и в самой верхней (с кого банки успешно собирают по $2000 в год).
Интенсивность поиска и метод инструментальных переменных
Риск дефолта заемщика объясняет лишь около 40% вариации процентных ставок, а демография и бонусные программы не объясняют почти ничего — оставшиеся 60% разброса тарифов приходятся на чистую идиосинкразическую неоднородность. Станго и Зинман попытались связать это с интенсивностью поиска, добавив в панель Lightspeed вопрос: «Насколько внимательно вы изучаете предложения по кредитным картам, приходящие вам по почте?».
При обычном OLS-регрессионном анализе обнаружилась лишь слабая отрицательная корреляция между чтением писем и размером ставки, что объясняется эндогенностью: люди с плохими условиями кредитования ищут новые карты активнее, чем те, у кого ставка и так низкая. Чтобы решить эту проблему, авторы применили метод инструментальных переменных (IV), выбрав в качестве инструментов пол и семейное положение респондентов. Поскольку по закону банкам запрещено дискриминировать клиентов по гендерному или матримониальному признаку, набор присылаемых предложений от этих факторов не зависит, зато они напрямую коррелируют с психологической склонностью человека вскрывать рекламные конверты. В IV-модели коэффициент стал строго отрицательным: потребители с высокой интенсивностью поиска платят значительно более низкие проценты по кредитам.
🖥️ Эра Pricewatch: интернет-поисковики против стратегий обфускации 29:41
Олигополия против Бертрановского парадокса
В начале 2000-х годов Гленн Эллисон совместно с Сарой Фишер Эллисон опубликовали исследование, посвященное зарождающимся интернет-агрегаторам цен. Перед экономистами стоял теоретический вопрос: если интернет снижает издержки поиска практически до нуля, приведет ли это к реализации «парадокса Бертрана», когда цены падают до уровня издержек, уничтожая прибыль розничной торговли? С учетом того, что операционные фиксированные затраты даже эффективных физических магазинов вроде Walmart составляют около 20% от оптовой стоимости товаров, падение маржи ниже этого уровня привело бы к коллапсу торговли.
Как показала практика, рынок выжил. Авторы выдвинули гипотезу, что издержки поиска в интернете не являются экзогенной технологической константой. По мнению Эллисона, это результат двусторонней стратегической игры: пока поисковые движки пытаются сделать поиск эффективнее, магазины ведут оборонительную войну, искусственно усложняя процесс покупки и запутывая клиента (феномен обфускации).
Анатомия интернет-обфускации на примере рынка оперативной памяти
В качестве экспериментальной площадки авторы выбрали сайт pricewatch.com — популярный в начале 2000-х текстовый агрегатор цен на компьютерные комплектующие. Продавцы самостоятельно вносили свои цены в базу данных сайта, соревнуясь за верхние строчки в поисковой выдаче по конкретным запросам (например, модули памяти 128 МБ PC100). Цены на Pricewatch были чрезвычайно низкими (модуль мог стоить $68 против $100 в розничных сетях вроде Best Buy), однако покупка не происходила в один клик. Потребителю приходилось переходить на сайт продавца и сталкиваться со сложными схемами обфускации.
Гленн Эллисон выделяет две основные тактики запутывания:
- Искусственная потеря времени закупщика. Продавец заставлял тратить минуты на снятие галочек с ненужных опций. Например, на сайте TopShop.com модуль памяти, заявленный по цене $53.81, на итоговой странице оплаты внезапно превращался в $90.36. В корзину автоматически добавлялись 10 винтов для компьютерного корпуса за $4.95, улучшение таймингов памяти (CAS 2.5) за $6.35 и плата с «шестислойной стабильностью» за $8.37. Самым циничным элементом был пункт «базовое тестирование товара для предотвращения платного возврата» за $6.97 — клиенту де-факто предлагали доплатить за то, чтобы ему не прислали заведомый брак. Измученный процедурами покупатель часто соглашался на завышенную цену, лишь бы не начинать пятиминутный процесс оформления сначала на другом сайте.
- Стратегия add-on pricing (скрытые наценки). На самом агрегаторе Pricewatch рекламировался исключительно базовый, низкокачественный товар по минимальной цене. Но как только покупатель переходил на сайт, система активировала агрессивный апсейл, предлагая доплатить $15 или $25 за более качественные версии. Продавцы использовали пугающие термины вроде «микросхемы категории OEM Downgrade» для базовых моделей, противопоставляя им надежные бренды Samsung или Micron. Интегрированная кнопка «проверить совместимость модуля с вашим ПК» при любых введенных параметрах выдавала ошибку совместимости, вынуждая напуганного клиента переплачивать за «гарантированную» премиум-версию.
Экзогенный дрейф рангов и удваивание маржи
Эллисон и его соавтор получили уникальный массив внутренних данных от одного крупного онлайн-ритейлера, владевшего двумя веб-сайтами. Данные включали почасовую выгрузку топ-24 цен с Pricewatch за целый год, реальные объемы продаж и точные оптовые накладные. В этот период (конец 1990-х — начало 2000-х) на рынке произошел резкий скачок цен, вызванный доказанным впоследствии картельным сговором крупнейших мировых производителей памяти (включая Micron), на котором профессор Эллисон заработал $5000, продав свои высокочастотные данные юристам, хотя позже с иронией пожалел, что не запросил $50000.
Поскольку исследуемый ритейлер менял цены на сайтах дискретно, а общерыночный тренд цен постоянно снижался, позиция компании в рейтинге Pricewatch дрейфовала естественным образом: в день установки цены сайт занимал 1-е место, через несколько дней опускался на 8-е или 10-е, а после корректировки цен снова прыгал наверх. Этот экзогенный дрейф позволил идеально изолировать чистый эффект ранга в выдаче на спрос.
Анализ спроса показал феноменальные результаты:
- Эластичность спроса по цене на базовую (низкокачественную) память на верхних позициях достигала невероятного показателя 33. Потеря первой строчки приводила к мгновенному падению продаж на треть за каждый доллар наценки.
- Был зафиксирован мощный эффект «лидера убытков» (loss leader): удержание 1-го места на Pricewatch увеличивало продажи дешевой памяти на 129%, но одновременно поднимало продажи средне- и высококачественных модулей (апгрейдов) на 77% и 51% соответственно.
Базовая память продавалась в среднем в убыток (маржа составляла минус 0.7%), средняя категория имела наценку 17%, а высшая — 27%. Итоговая средняя маржа составила 7.7%. Нативная формула Лернера ($1/\epsilon$) без учета скрытых наценок предсказывала равновесную маржу лишь на уровне 4.2%. Однако разработанное Эллисоном расширение формулы, включающее «мультипликатор неблагоприятного отбора», математически точно доказало, что именно стратегия add-on pricing и эффект обфускации позволяют фирмам удваивать свою прибыль по сравнению с условиями чистой прозрачной конкуренции.
📊 Калибровочные модели Галенианоса и Гаваццы: оценка госрегулирования 1:15:11
Лошадиные бега экономических теорий
Десятилетия спустя экономисты Галенианос и Гавацца развили идеи Станго и Зинмана, превратив их эмпирические наблюдения в строгую структурную макромодель. Профессор Эллисон высоко оценивает их подход, отмечая, что вместо стандартного для экономики отраслевых рынков (IO) микроанализа «клиент за клиентом», авторы применили метод калибровки макроэкономических моментов, чтобы устроить теоретические «лошадиные бега» между двумя объяснениями дисперсии ставок по кредиткам. Первое объяснение — это издержки поиска (люди не открывают все рекламные конверты). Второе — это сильная дифференциация продукта (людям просто субъективно нравится бренд Capital One или Bank of America, и они готовы переплачивать за логотип).
Модель Галенианоса и Гаваццы включала:
- Покупателей с ценностью кредитной карты $z$, распределенной логнормально.
- Кредиторов с разной стоимостью фондирования $k$, генерирующих дисперсию цен в чистых стратегиях.
- Непрерывный уровень усилий по поиску $s$, формирующий пуассоновское случайное число полученных предложений.
Математическая элегантность пуассоновской модели поиска позволила получить четкое закрытое выражение для вероятности совершения покупки. Если рабочая версия статьи оперировала 11 параметрами и 15 моментами, то финальная публикация под давлением рецензентов была расширена до 28 параметров и 36 макромоментов, которые модель должна была сопоставить одновременно (включая доли рынка, распределение одобренных ставок и долю клиентов, получивших более двух писем). Модель доказала, что именно теория издержек поиска количественно подтверждает наблюдаемую структуру рынка, тогда как гипотеза лояльности к брендам не способна объяснить, почему банки тратят миллионы на рассылку дешевых предложений.
Эффект от ограничения процентных ставок
В финале исследования Галенианос и Гавацца построили симуляцию гипотетического государственного вмешательства — введения законодательного потолка на максимальную процентную ставку по кредитным картам (многие американцы платят по ним до 35% годовых). Такое регулирование имеет два противоположных вектора: оно снижает финансовое бремя для заемщиков, но вытесняет с рынка людей с плохой кредитной историей, так как банки отказываются кредитовать их по заниженным ставкам.
Модель продемонстрировала немонотонный характер эффекта:
- Ограничение максимальной ставки на уровне 27.5% или 25% годовых имеет строго положительный эффект для общественного благосостояния. Количество заемщиков, заблокированных банками, оказывается минимальным, в то время как миллионы оставшихся клиентов получают огромную выгоду от принудительного снижения ставок.
- При ужесточении лимита до 22.5% годовых и ниже кривая благосостояния резко падает: масштаб вытеснения заемщиков из финансовой системы начинает перевешивать выгоду от дешевых кредитов.
Данный калибровочный метод наглядно продемонстрировал, как глубокая экономическая теория издержек поиска способна давать точные и практически применимые рекомендации для государственных регуляторов.
