O que os preços (e sua dispersão) nos revelam sobre as preferências dos consumidores?

A dispersão de preços online: a fronteira final

O mesmo produto, com preços diferentes? Não por muito tempo, dizem-nos os livros-textos básicos. Afinal, vale a lei do preço único, certo? Evidentemente, custos de transação e outras variáveis podem atrapalhar esta convergência dos preços. Por exemplo, digamos que os consumidores são heterogêneos em algumas dimensões relacionadas ao fenômeno da compra. Ficou obscuro? Exemplifico: imagine que consumidores sejam diferentes na preferência do método de pagamento online. Pois é. Agora e se você tivesse acesso a uma base de dados como a de sites de busca de preços? O que poderia fazer? Eu te digo: você poderia descobrir mais sobre as estratégias das firmas e também sobre as preferências dos consumidores. Aliás, você poderia pesquisar estas e outras perguntas com a dispersão dos preços encontrada nesta base de dados.

Alguém já fez isto, certo?

Claro. É o que fizeram Mizuno & Watanabe (2013): utilizaram uma base de dados imensa, do site kakaku.com (basicamente um site de comparação de preços japonês) para fazer a pesquisa que todo professor de microeconomia gostaria de ter feito (ou pelo menos uma das pesquisas que gostaríamos de ter feito). Eis o resumo (negritos por minha conta):

Why are product prices in online markets dispersed in spite of very small search costs? To address this question, we
construct a unique dataset from a Japanese price comparison site, which records price quotes offered by e-retailers as well as customers’ clicks on products, which occur when they proceed to purchase the product. The novelty of our approach is that we seek to extract useful information on the source of price dispersion from the shape of price distributions rather than focusing merely on the standard deviation or the coefficient of variation of prices, as previous studies have done. We find that the distribution of prices retailers quote for a particular product at a particular point in time (divided by the lowest price) follows an exponential distribution, showing the presence of substantial price dispersion. For example, 20 percent of all retailers quote prices that are more than 50 percent higher than the lowest price. Next, comparing the probability that customers click on a retailer with a particular rank and the probability that retailers post prices at a particular rank, we show that both decline exponentially with price rank and that the exponents associated with the probabilities are quite close. This suggests that the reason why some retailers set prices at a level substantially higher than the lowest price is that they know that some customers will choose them even at that high price. Based on these findings, we hypothesize that price dispersion in online markets stems from heterogeneity in customers’ preferences over retailers; that is, customers choose a set of candidate retailers based on their preferences, which are heterogeneous across customers, and then pick a particular retailer among the candidates based on the price ranking.

Repare nos dois trechos. No primeiro, percebemos que os autores adotaram um método melhor, tecnicamente falando. Afinal, olhar apenas para desvios-padrão não nos dá tanta informação sobre a distribuição dos preços. Já no segundo trecho você percebe que existe uma heterogeneidade nas preferências dos consumidores com respeito aos vendedores.

Estatística, Econometria, Teoria Microeconômica: elas sempre nos perseguem…

Para que serve aquela história do seu professor de Estatística? Veja novamente o primeiro trecho que destaquei aí em cima: os autores estimaram que a melhor distribuição estatística para a amostra é uma distribuição exponencial. Você se lembra das propriedades da bichana? Não? Pois deveria.  Nestas horas, meu amigo, minha amiga, a gente se arrepende de não ter prestado atenção às aulas de Estatística. Sorte que existe a internet (embora alguns alunos lobotomizados só a consigam usar para troca de mensagens bovinas…) e você pode consultar algum bom site de Estatística.

Ah, e não se esqueça do professor de Econometria, que lhe falou um dia sobre critérios AIC e BIC. Caso você tenha lido o artigo (ele tem a imensa quantidade de seis páginas: outra grande vantagem do texto para nós, apressados…), notará que os critérios foram importantes na escolha entre quatro especificações (das quais surgiu a exponencial).

Bom, outro ponto: a localização geográfica do vendedor importa. Mesmo que as vendas sejam online, lojas localizadas fisicamente em grandes centros são vistas de forma diferente pelos consumidores. Os autores levantam a hipótese de que isto poderia ter a ver com a possibilidade que consumidores atribuiriam a visitas às lojas para soluções de problemas (mas, ok, é uma hipótese meio solta no artigo). Além disso, a avaliação dos consumidores, como era de se esperar, é importante, como a gente esperaria mesmo. Como é que os autores fazem isto? Bem, eles calculam o valor da marca (brand value) a partir dos dados.

Honestamente? Acho uma pesquisa interessantíssima. Como é que alguém, por exemplo, que fala de marketing,  é capaz de dizer que não vê valor em pesquisas como esta? Não tem jeito. Análise de demanda é algo muito mais interessante do que parece à primeira vista.

Para os leitores que estudam Teoria do Consumidor no momento, percebam que ter preços em mãos nada mais é do que estudar a preferência revelada dos consumidores. Genial, não?

 

“Clicar ou não clicar…eis a questão!”

Deixe uma resposta

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair / Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair / Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair / Alterar )

Foto do Google+

Você está comentando utilizando sua conta Google+. Sair / Alterar )

Conectando a %s