Aste Online

Aste Online

Scritto da Marco Primi (2018)

L’avvento di internet ha letteralmente stravolto l’economia classica. Tra i più popolari strumenti informatici un esempio sono le aste online, che hanno radicalmente cambiato i meccanismi tradizionali modificandoli in termini geografici, di spazio e di tempo.

Ciò ha comportato oltre che un nuovo modo di vendere e comprare anche un forte impatto sulle ricerche che in epoca contemporanea sono state effettuate sul tema. Tutte le teorie esistenti sono state riviste e sono stati necessari nuovi studi per indagare sull’avvento del web e delle moderne tecnologie.

In questo contesto gli studi sulle aste online si sono concentrate nell’ambito dei meccanismi di tariffazione attivi sul web, che coinvolgo sempre più consumatori spinti dalla voglia di vincere un prodotto a un prezzo inferiore, piuttosto che acquistarlo. In questo modo non solo il consumatore ha dei vantaggi, ma i rivenditori hanno la possibilità, oltre che di accedere ad altri mercati e target, anche di svuotare le rimanenze e avere un ottimo ritorno grazie alla pubblicità. Non a caso questa forma di marketing virale è molto popolare e ha ricevuto negli ultimi anni numerosi successi, in particolare grazie alla piattaforma eBay. Questo colosso delle aste online era nato come strumento per vendere beni di cui i privati volevano disfarsi ed è diventato in pochi anni il leader del settore con milioni di utenti iscritti, che continuano ad aumentare.

Nel frattempo il volume di affari del web non conosce limiti e sono sempre più gli individui che decidono di fare i loro acquisti o un business online.

La gamma dei meccanismi di aste online si è decisamente ampliata e nei mercati B2B si possono ormai trovare aste standard con un singolo venditore e più acquirenti o aste inverse dove un singolo acquirente riceve offerte da più venditori. Molte si differenziano per la tassazione ed i processi di determinazione dei prezzi. Mentre ad esempio su eBay si imposta un primo prezzo, sul sito Priceline.com vigono meccanismi in cui i venditori fanno offerte personalizzate al possibile cliente.

Naturalmente alcune di queste piattaforme sono fallite come la Mercata e l’Iderive anche per la mancanza di studi più approfonditi che permettessero il miglioramento delle innovazioni e dell’approccio a prezzo e strategie. La maggior parte delle ricerche sulle aste pre-Internet era di natura puramente teorica, ma il web ha fornito moltissimi dati, che permettono una maggiore chiarezza sulla progettazione e creazione di mercati secondari, sui costi e sulle strategie di offerta, nonché sull’efficacia ed efficienza di questi metodi per consumatori e venditori.

Ricercare tutti i dati non è una operazione semplice. Inizialmente una prima fonte è stata ricavata dagli input delle 5 aste attive sul Web, che riguardavano la Forest Service, l’agenzia statunitense che si occupa della raccolta di legname nel nord-ovest del Pacifico. Era la fine degli anni ’70 e da lì a breve si ebbe l’ampliamento di internet e la diffusione di nuovi strumenti tecnologici, che permisero la raccolta di una maggiore quantità di dati su scala mondiale.

Recuperare un maggior numero di informazioni non era una priorità solo dei ricercatori, ma anche delle stesse aziende che gestivano le aste online al fine di migliorare l’efficienza e le prestazioni. L’aumento esponenziale del volume di affari sul web ha comportato un difficile ruolo per chi è chiamato a confrontarsi con questi studi al fine di creare teorie capaci di sintetizzare la materia, e per questo si è cercato di concentrare l’interesse sui meccanismi che influenzano le aste online e lo spazio strategico. La prima di queste forme è la classica asta singola aperta, nata dal modello tradizionale di asta inglese.

Questo meccanismo è stato molto studiato nella sua versione classica anche in epoca abbastanza contemporanea. Si tratta di un procedimento semplice che si basa sull’assunzione di valori privati ​​indipendenti, che si manifesta nella volontà di singoli soggetti desiderosi di ottenere un singolo oggetto indivisibile senza sapere quale sia il valore per gli altri concorrenti. Questo metodo implica che vi siano una popolazione limitata di soggetti partecipanti, che pensando ad eBay si amplifica su scala mondiale. Per la quasi totalità dei valori, il prezzo è abbastanza stabile poiché è visto in prospettiva con il suo costo di mercato, mentre per gli oggetti da collezione la valutazione del prezzo e quindi dell’offerta è più variabile e determinata anche dalle valutazioni degli altri partecipanti all’asta.

Un altro aspetto molto indagato dai ricercatori è anche la figura dei vincitori. I dati hanno confermato che sulle aste di eBay il surplus di un offerente diminuisce del 3,2 percento quando il numero atteso di offerenti aumenta. Al contempo questi dati sono stati comparati con altri studi effettuati su altre aste online, che hanno offerto una panoramica complessa. Da un lato infatti appare che il numero di offerenti in un’asta è determinato in modo esogeno, tanto che la struttura del sito e il suo design non influenzano la loro partecipazione all’asta. Dall’altro questa ipotesi è stata messa in discussione porgendo una maggiore attenzione ai problemi relativi alla scelta di un prezzo da parte del venditore. Ad esempio su eBay il venditore ha la possibilità di iniziare con un’offerta minima aperta, che funge da prezzo di partenza per l’asta, e di impostare la soglia sotto cui l’oggetto non sarà ceduto. Questo procedimento ha creato delle riserve, ponendo nuovi quesiti, come se il venditore dovesse sempre impostare la soglia. Un’altra domanda che si pongono i ricercatori è se esista una strategia mista ottimale e se questa sia realmente efficace. Lo studio di Bajari e Hortacsu del 2000 ha rilevato che gli oggetti con un valore contabile più alto tendono a essere venduti più facilmente con un prezzo di riserva, preferibile rispetto all’opzione di impostare una soglia minima.

Le loro ricerche hanno mostrato anche un ulteriore risultato ovvero che l’offerta minima è il fattore determinante più significativo per attirare offerenti.

L’attenzione dei ricercatori Lucking e Reiley nel 1999 si è concentrata nel verificare le proprietà teoriche delle aste elettroniche. Il loro studio è stato implementato manipolando i prezzi di riserva in queste aste ed ha indicato che la partecipazione dell’offerente è davvero una decisione endogena. Nello stesso studio si è stabilito che un prezzo di riserva pari a zero offre maggiori profitti attesi rispetto a un prezzo di riserva maggiore o uguale al valore di recupero del costo del prodotto. Gli oggetti di analisi sono delle carte del gioco da tavolo Magic. Nel 1981 Reily e Samuleson avevano dimostrato che, per un prezzo di compensazione ottimale e più elevato, l’asta inglese del prezzo di riserva è una funzione della valutazione del prodotto da parte dei venditori.

Le stesse ricerche fecero emergere che l’asta all’olandese produceva il 30% in più di entrate rispetto al formato dell’asta di primo prezzo. Questo risultato smentiva quanto detto sino ad allora, ovvero che il modello inglese fosse il migliore producendo risultati equivalenti. Le nuove ricerche nel settore su altre tipologie di aste offriranno maggiori risultati.

Il web ha favorito la nascita di più aste online, che vendono gli stessi oggetti e facilitano lo smaltimento delle vecchie riserve. Lo stesso metodo è diventato più utilizzato per vendere azioni e titoli a reddito fisso. Questa tipologia di bene ha rivoluzionato anche il mercato azionario, che per lungo tempo era monopolizzato dalle banche nazionali e dagli istituti di credito. In questo contesto Rothkopf e Harstad hanno sottolineato che i risultati di una singola voce non si ripercuotono su impostazioni a più voci e che questa è stata un’area della teoria dell’asta trascurata. Questa affermazione è stata poi confermata da successive ricerche come quella di Lucking e Reiley del 1999, i quali esaminarono il caso in cui ai consumatori è consentito fare offerte su più articoli in varie aste bidirezionali. I risultati mostrarono che, al contrario di ciò che sostenevano le ricerche basate sulla rilevazione della domanda completa in un’asta a offerta chiusa, l’asta olandese era più conveniente. Nonostante la presenza di prezzi discriminatori in contrasto con i classici prezzi uniformi del modello tradizionale di asta, la quantità di offerte è comunque un incentivo. Il prezzo uniforme comporta una riduzione della domanda e porta a preoccupazione sulla sua efficienza collocativa. Al contempo non sempre il prezzo è discriminatorio.

Anche in questa ottica le future ricerche offriranno una maggiore chiarezza sui meccanismi che dominano gli equilibri delle aste online.

References 

1. Aron, R., Croson, D., and Lucking-Reliey, D., Auctions Versus Posted Prices, Workshop on Information Systems and Economics, Brisbane, 2000. 2. Bajari, P., Horta, A., “Winner’s Curse, Reserve Prices and Endogenous Entry: Empirical Insights from eBay Auctions,” Working Paper, 2000, Department of Economics, Stanford University. 3. Bapna, R., “Economic and Experimental Analysis and Design of Auction Based On-line Mercantile Processes,” Ph.D. Dissertation 1999, Department of Operations and Information Management, University of Connecticut, Storrs. 4. Bapna, R., Goes, P., and Gupta, A., “A Theoretical and Empirical Investigation of Multi-item On-line Auctions,” Information Technology and Management, Jan 2000a, 1(1), 1-23. 5. Bapna, R., Goes, P., and Gupta, A., “Online Auctions,” Forthcoming in the Communications of the ACM, 2001. 6. Barua, A., and Tomak, K., Workshop on Information Systems and Economics, Brisbane, 2000. 7. Branco, F., The design of multidimensional auctions, RAND Journal of Economics, 28, 1, Spring 1997, 63-81. 8. Brandabur S., and Saunders-Watson C., Fraud Online and Off, AuctionWatch.com article, May 2001. 27 9. Bulow, J., and Roberts, J., “The Simple Economics of Optimal Auctions,” Journal of Political Economy, 1989, 7, no 5, 1060-1090. 10. Che, Y-K, Design competition through multidimensional auctions, RAND Journal of Economics, 24, 4, Winter 1993, 668-680. 11. Dewan, S., Hsu, V., Trust in Electronic Markets: Price Discovery in Generalist Versus Specialty Online Auctions, Working paper – University of Washington, Seattle, 2001. 12. Hansen, R. G., “Empirical Testing of Auction Theory,” American Economic Review, 75( 2), May 1985, 156-159 . 13. Jones. J. L., and Koehler, G. J., “Incompletely Specified Combinatorial Auctions,” University of Michigan working paper, 2001. 14. Kagel, J. H., Roth, A. E., The Handbook of Experimental Economics, , editors, Princeton University Press, Fall 1997. 15. Kauffman, R., and Wood, C., Running Up the Bid: Modeling Seller Opportunism in Internet Auctions, Proceedings of the AMCIS 2000 Conference, Long Beach CA. 16. Kauffman, R., Walden, E., “Economics And Electronic Commerce: Survey And Research Directions,” Submitted to International Journal of Electronic Commerce, 2001. 17. Lee, B., Mehta, K., Efficiency Comparison in Electronic Market Mechanisms: Posted Price Versus Auction Market, WISE Conference 1999, Charlotte, NC. 28 18. Lucking-Reiley, D., “Using Field Experiments to Test Equivalence Between Auction Formats: Magic on the Internet,” 1999, American Economic Review. December 1999a, vol. 89, no. 5, pp.1063-1080 19. Lucking-Reiley, D., List, J. A., “Bidding Behavior and Decision Costs in Field Experiments”, Working Paper – Vanderbilt University, Last revised: March 2000. 20. Lucking-Reiley, D., “Experimental Evidence on the Endogenous Entry of Bidders in Internet Auctions.” Working Paper – Vanderbilt University, Last revised: Last revised: May 1999b. 21. Maskin, E, and Riley, J. “Optimal Auctions with Risk Averse Buyers.” Econometrica, November 1984, 52 (6), pp. 1473-1518. 22. McAfee, R. P., and McMillan, J., “Auctions and Bidding,” Journal of Economic Literature, 25 (1987), 699-738. 23. Milgrom, P., “Auctions and Bidding: A Primer,” Journal of Economic Perspectives, 3 (1989), 3-22. 24. Myerson, R. B., “Optimal Auction Design,” Mathematics of Operations Research, 6, (1981), 58-73. 25. Mollman, S., 2000, http://www.zdnet.com/pccomp/stories/all/0,6605,2431978,00.html. 26. Parkes, D. C. iBundle: An Efficient Ascending Price Bundle Auction. Proceedings of the 1999 ACM Conference on Electronic Commerce (EC99), Denver, CO, ACM Press, New York, NY. 29 27. Pavlou, P. A., Ba, S., Does Online Reputation Matter? – An Empirical Investigation of Reputation and Trust in Online Auction Markets, Proceedings of the AMCIS 2000 Conference, Long Beach CA. 28. Riley, J. and Samuelson, W. F., ” Optimal Auctions” The American Economic Review, Vol. 71, No. 3, 1981, 381 – 392. 29. Rothkopf, M. H., and Harstad, R. M., “Modeling Competitive Bidding: A Critical Essay,” Management Science, 40 (3), 1994, 364-384. 30. Rothkoff Michael H., Aleksandar P. and Harstad, R. M. ” Computationally Manageable Combinatorial Auctions”, Management Science, Vol. 44., No. 8, pp 1131 –1147. 31. Smith, V L., and Walker J M., “Monetary Rewards and Decision Cost in Experimental Economics,” Economic Inquiry, 1993, 31, 245-261. 32. Snir E. M, (2000) “Designing Internet Spot Markets for IT Services,” Working Paper- Wharton School, U Penn. 33. Theil, S. E., Multidimensional Auctions, Economics Letters, 28, 1998, 37- 40. 34. Vakrat, Y. and Seidmann, A. “Can Online Auctions Beat Online Catalogs?,” In P. De and J DeGross (eds.), Proceedings of the 20th International Conference on Information Systems (ICIS ’99), Charlotte, NC, December, 1999. 35. Varian, H., “Miles And Miles Of Flexible Track,” Forbes ASAP, 10/02/2000, http://www.forbes.com/asap/2000/1002/071.html 30 36. Vickrey, W., “Counter-speculation, Auctions, and Competitive Sealed Tenders,” Journal of Finance, 41, 1961, 8-37. 37. Wang W., Hidvegi Z., Whinston A. B., Economic Mechansim Design For Securing Online Auctions, In Proceedings of the 21th International Conference on Information Systems (ICIS ’00), Brisbane, Australia, December, 2000.