AI智能算法定價對共享經濟平臺的影響研究

摘"要：AI智能算法定價會對共享經濟平臺的效益產生多維度影響。本文以Airbnb平臺實施的AI智能算法定價策略為準自然實驗，構造雙重差分模型考察AI智能算法定價對共享經濟平臺的影響。研究發現，AI智能算法定價顯著提高了Airbnb平臺經濟效益與定價調整靈活性，該結果在經過一系列穩健性檢驗后仍然成立。進一步分析發現，AI智能算法定價對Airbnb經濟效益的提升在旅游淡季更顯著，定價下調行為在旅游旺季更顯著。

關鍵詞：AI算法定價；共享經濟；算法價格歧視

中圖分類號：F2"""""文獻標識碼：A""""""doi：10.19311/j.cnki.16723198.2024.23.014

0"引言

共享經濟是利用互聯網平臺將分散資源進行優化配置，通過推動資產權屬、組織形態、就業模式和消費方式的創新，提高資源利用效率、便利群眾生活的新業態、新模式。根據《中國共享經濟研究報告》，2023年我國共享經濟市場交易規模約為38320億元，同比增長約39%，增速較上年明顯提升。

在共享經濟下產生了新的優化問題，包括消費者選擇行為研究、最優定價、路徑優化問題等，問題間的相互關聯性進一步加大了問題的復雜性。其中，人工智能（Artificial"Intelligence，簡稱AI）算法通常被用來解決業務場景中優化匹配問題，主要應用于3個領域：（1）服務成本因消費者而定的領域，這可以使用可觀察的數據進行近似計算；（2）需求波動比供給波動顯著更快的領域；（3）有大量商品需要定價的領域（Li"et"al.，2016）。

AI"定價系統作為中介，根據市場條件（買賣雙方的現存偏見）進行匹配會提高效率和收益，但也有可能引發算法歧視等社會倫理問題。因此，本研究選取具有代表性的共享經濟平臺Airbnb，通過DID模型，探究AI定價算法對于其效益的影響。

1"文獻綜述和研究假設

1.1"文獻綜述

目前諸多學者對于AI定價的算法進行研究，并提出算法蘊含的問題。例如范紅霞和孫金波（2021）指出算法歧視的成因包括算法設計者本身攜帶的性別刻板印象或社會偏見、數據統計過程中的“幸存者偏差”以及算法黑箱造成的結果偏差。目前聚焦研究算法定價對于共享經濟平臺的影響的文獻較少，研究結論可以歸納為以下兩個方面：（1）AI算法定價會提升共享經濟平臺的效益。一項基于Airbnb的實證研究發現，接受智能算法定價的房東，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"算法定價會引發算法歧視等社會公平問題。一項基于德國拼車市場的實證研究發現，德國名字的司機比外族司機更受當地市場青睞，因而可以通過共享經濟平臺收取更高的費用（Tjaden"et"al.，"2018）；在國內，對算法定價產生的社會公平問題的討論主要集中在立法層面。例如，共享平臺的智能定價算法構成“大數據殺熟”，觸及反壟斷法上的價格歧視（朱建海，2021）；電商平臺通過大數據壟斷，實施差別定價獲取超額利潤，不僅侵犯了消費者權益，也不利于市場長久健康的發展（時慧等，2022）。

綜上所述，當前共享經濟蓬勃發展，AI定價算法在此中發揮著重要作用。研究表明，AI定價可提升平臺效益，然而也可能引發社會公平問題，如算法歧視。雖然已有部分研究探討了AI定價對共享經濟的影響，但關注度尚不足。未來研究應深入探討AI定價算法的優化與風險，為共享經濟的可持續發展提供理論與實踐支持。

1.2"研究假設

傳統的定價和推薦系統往往無法滿足不斷變化的市場需求和用戶偏好。AI智能算法能夠通過深度學習和數據挖掘技術，分析海量的用戶行為和房源信息，實現個性化的定價和推薦策略。這種個性化的服務能夠提升用戶體驗，增加用戶的滿意度和忠誠度，進而促進用戶再次預訂和推薦，增加平臺的收入和入住率。同時，AI算法還能夠實現動態調整定價，根據實時的市場需求和競爭情況靈活調整房源價格，使得價格更具競爭力，吸引更多的用戶選擇Airbnb平臺，進而增加平臺的經濟效益。基于上述理論分析，本文提出假設H1。

假設H1：經濟效益方面，采用AI智能算法能增加Airbnb平臺收入和入住率，增加平臺經濟效益。

2"實證分析

2.1"樣本選擇與數據來源

Airbnb被廣泛認為是旅游住宿行業最大的P2P平臺，是符合本文研究主題的共享經濟平臺。截至2023年12月，Airbnb在220個國家擁有770萬活躍房源，共接待房客和體驗參與者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換為出租物業或潛在的酒店。在經濟表現數據方面，由于Airbnb于2015年10月開始采用AI智能算法定價，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的數據，共385892條。其余房屋和地理數據均來自American"Census"Bureau數據庫。為了控制極端值的影響，本文對所有連續變量在"1%"和"99%"的水平上進行了縮尾處理（Winsorize）。

2.2"變量說明與模型設定

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AI"pricing×Post為解釋變量，AI"pricing是AI智能算法定價分組虛擬變量，如果房產選擇AI智能算法定價則AI"pricing=1，不選擇AI智能算法則AI"pricing=0。Post是Airbnb平臺政策實施虛擬變量，Airbnb平臺自2015年10月開始推廣采用AI智能算法定價，即2015年10月前Post=0，2015年10月及以后Post=1。

2.2.2"模型設定

由于部分商家可自己選擇是否使用AI智能算法定價，對照組和實驗組不滿足平行趨勢假設，因此本文用逆概率加權（IPTW）方法來緩解自我選擇問題：估計每個屬性的處理概率作為觀察協變量的函數，然后將每個屬性的權重構造為其處理分配概率的倒數。對于政策效果評估，通常采用雙重差分法（DID）進行分析。考慮到本文的場景，我們采用雙重差分法來進行回歸分析，并設定如下的模型：

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智能算法定價分組虛擬變量，Postt是政策實施虛擬變量；Controlsi，t代表一系列控制變量，具體定義見表1。γt代表時間固定效應，μi代表房產個體固定效應，εi，t為隨機擾動項。本文關注的核心系數是α1，α1顯

著大于0表示采用AI算法定價提高了共享經濟平臺收入，α1顯著小于0表示采用AI算法定價降低了共享經濟平臺收入，其余被解釋變量同理。最后，本文對所有回歸系數的標準誤在房產個體層面上進行了“聚類”（cluster）處理。

2.3"描述性統計與相關性分析

2.3.1"描述性統計

表2列示了變量的描述性統計結果。經濟效益方面，日均入住率Occupancy的標準差為0.325，表明不同房產每日入住情況存在較大差異。價格調整方面，定價調整率Adjustment的最大值為2.756，最小值為0，表明不同房產定價策略和定價調整間距的差異。其余變量統計結果與Zhang"et"al.（2021）的基本一致。

2.3.2"相關性分析

在正式回歸之前，我們對各變量進行相關性分析，以了解變量設定是否合理及變量間的相關關系，表3為各變量間相關系數矩陣。結果基本支持本文的假設，平臺收入Revenue、入住率Occupancy和雙重差分交互項AI"pricin×Post均在5%水平上顯著正相關，初步說明AI智能算法定價提高了Airbnb平臺的經濟效益。其他控制變量之間的相關系數的絕對值不超過0.5，各變量回歸時的方差膨脹因子（VIF）均小于2，可初步認為本文模型不存在多重共線性問題。

2.4"基準回歸

表"4"報告了基準回歸結果。其中，列（1）和列（2）是AI智能算法定價對Airbnb平臺的經濟效益的影響研究，對于平臺收入Revenue、入住率Occupancy，雙重差分交互項AI"pricing×Post均在1%水平上顯著為正，表明采用AI智能算法定價后Airbnb平臺的收入和入住率顯著提升，假設H1得到支持。列（3）和列（4）是AI智能算法定價對Airbnb平臺的定價合理性的影響研究，對于平臺價格Price，雙重差分交互項AI"pricing×Post在1%水平上顯著為負，表明采用AI智能算法定價后Airbnb平臺的過高定價顯著下降；對于定價調整率Adjustment，雙重差分交互項AI"pricing×Post在1%水平上顯著為正，表明AI智能算法定價策略能夠提高價格的靈活性和準確性，假設H2得到支持。

2.5"平行趨勢檢驗和安慰劑檢驗

2.5.1"平行趨勢檢驗

滿足平行趨勢假設是使用雙重差分模型的基礎，即在政策沖擊發生前，處理組與控制組的被解釋變量應該具有相同的發展趨勢。基于此，設定如下模型來檢驗AI智能算法定價政策效應的平行趨勢：

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

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

2.5.2"安慰劑檢驗

本文利用隨機產生采用AI智能算法定價的房產作為處理組的方法進行安慰劑檢驗，驗證是否會因遺漏變量導致回歸結果差異。具體而言，本文重復500次隨機分組，由于“偽”處理組是隨機產生的，其政策實施虛擬變量的系數應在0近，即政策虛擬變量不會對被解釋變量入住率Occupancy產生明顯的影響。結果如圖2所示，系數集中分布在0周圍，說明“偽”處理組的政策實施虛擬變量對被解釋變量沒有明顯影響，且距離基準應歸系數較遠。表明本文沒有明顯的變量遺漏問題，安慰劑檢驗通過。

2.6"異質性檢驗

本文設定每年5～9月為紐約市的旅游旺季，其余月份為旅游淡季進行異質性檢驗，結果如表5所示。經濟效益方面，AI智能算法定價對共享經濟平臺的正向影響在旅游淡季更顯著；定價調整方面，AI智能算法定價要求房主降低過高定價的價格調整在旅游旺季更顯著。產生異質性的原因可能是旅游旺季市場競爭激烈，價格敏感度更高。即使采用AI智能算法定價，如果房屋主人不能提供足夠的折扣或優惠，可能仍然無法吸引足夠的客源，同時，用戶需求不確定性和算法調整周期過長也可能造成這一現象。

3"結論和建議

本文以Airbnb平臺實施的AI智能算法定價策略為準自然實驗，構造雙重差分模型考察AI智能算法定價對共享經濟平臺的影響。研究發現，AI智能算法定價顯著提高了Airbnb平臺經濟效益與定價調整靈活性，該結果在經過一系列穩健性檢驗后仍然成立。進一步分析發現，AI智能算法定價對Airbnb經濟效益的提升在旅游淡季更顯著，定價下調行為在旅游旺季更顯著。

這一結論對我國引入智能算法定價具有一定的啟示作用。在數字經濟時代，基于算法展開的商業實踐無法避免，并終將成為市場經濟的重要一部分。AIRBNB的經濟效應因AI智能算法定價獲得了經濟效果的提升，這說明對于AI智能算法定價一刀切禁止并非明智選擇，而應基于算法的運行機制進行具體考量，進行場景化風險評估，嚴格遵循對策與問題相匹配的規制原理，綜合運用現有的法律政策工具采取針對性的監管措施。

參考文獻

[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.基于動態StackedGBDT算法的數據資源價值評估方法研究[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]時慧，張倩，倪秋銘，等.大數據“殺熟”行為的治理對策研究[J].中國市場，2022，（12）：185187.

[5]朱建海.“大數據殺熟”的法律規制困境及其破解路徑[J].重慶郵電大學學報（社會科學版），2021，33（01）：6472.