I ”The Effects of Uber`s Surge Pricing: A Case Study” har forskere[1] studert hvordan algoritmen Surge fungerer. Vanligvis fastsettes prisene til Uber som en funksjon av avstand og tid, men i situasjoner der etterspørselen overstiger tilbudet slik at ventetiden blir høy eller det ikke er finnes tilgjengelige biler, sørger algoritmen for å utjevne tilbud og etterspørsel.
Prisene økes med en ”multiplier”, den ganges opp med en faktor som varierer avhengig av forholdet mellom tilbud og etterspørsel. Denne økte prisen må aksepteres av passasjeren før tilbudet om å kjøre blir sendt til biler i nærheten. Sjåførene kan siden velge om de vil ta turen som passasjeren har akseptert eller ikke.
I følge forskerne fører dette til at ventetiden på bil sjelden blir over fem minutter, uansett hva etterspørselen er. Gjennom smart bruk av teknologi skapes mer effektive markeder og bedre ressursutnyttelse. Dette bidrar til mindre eksterne negative effekter ved at det ikke er flere biler enn nødvendig som tar opp plass i gatene og som bidrar med forurensning.
For å få til dette i praksis får aktuelle sjåfører melding om mulige økte priser gjennom systemet.
I følge Uber går mesteparten av prisøkning som passasjerene betaler direkte til sjåførene. Passasjerer som synes turene blir for dyre i disse ”surge-periodene” velger alternative transportmåter eller utsetter reisen og bidrar dermed til å senke etterspørselen. Algoritmen kan også fortelle mulige passasjerer når prisene igjen forventes å være lavere. Slik kan passasjerer som er mer prissensitive endre reiseplanen i tider med stor etterspørsel, slik at ventetidene i systemet hele tiden er rimelig konstante.
Algoritmen i seg selv er hemmelig, og flere har forsket på hvordan den fungerer ved å høste data fra Ubers system og analysere disse. Høstingen kan foregå ved at et dataprogram undersøker tilgjengelige biler og aktuelle priser i et bestemt område over en lengre periode. Da kan en danne seg et bilde av både tilbudet av biler og hva prisene er og hva sammenhengene mellom tilbud og pris er. Diakopoulus (2015) undersøkte dette og fant at de fleste periodene med økte priser var korte og at det var situasjoner der prisene ble mangedoblet innen bestemte områder. Dette førte til at sjåfører i nærliggende områder flyttet over til områdene med høyere priser og inntjening, med den effekt at de områdene de kjørte ut fra fikk en underdekning på tilbudssiden.
Passasjerer som søkte reiser opplevde at prisene på samme tur kunne variere svært mye bare innen et tidsrom av få minutter. Forskere som har studert algoritmer for prisoptimalisering har funnet at mange kunder opplever slike systemer som frustrerende, forvirrende og forstyrrende og at det kan påvirke deres holdninger til leverandører som gjør bruk av slike mekanismer (Dholakia 2015).[2]
I USA har spesielt høyt prisede turer også ført til negative presseoppslag,[3] noe som igjen kan påvirke omdømmet til selskapene som gjør bruk av dynamiske prisalgoritmer. Med kunnskap om effektene av dynamisk prising generelt og Ubers mekanismer spesielt har Dholkia (2015)[4] foreslått fire mekanismer som kan bidra til å gjøre effektene på tilbyderne av denne typen dynamisk prising bedre.
”Surge pricing” er et uttrykk fra økonomien som viser til priser som plutselig øker til svært høye nivåer. Å kalle dette conveniance pricing eller priority pricing i stedet kan bidra til at forbrukernes holdninger til fenomenet endres til det mer positive. Dernest bør det introduseres et tak for øvre pris, som i Sverige skal ha gått helt opp til 50 x normal pris.[5] I tillegg bør antallet situasjoner med økt pris reduseres og lengden på perioder med økte priser økes. Dholkia mener også at Uber bør være flinkere til å fortelle hva kundene får igjen for den høyere prisen, for eksempel i form av informasjon om hvor mye tid de sparer på at Uber bruker en slik mekanisme.
Ubers prisalgoritme har både fordeler og ulemper. I en artikkel i Business Insider skriver forfatteren om hvorfor Uber kommer til å vinne over drosjene i Edinbourgh, Skottland.[6] Forfatteren beskriver hvordan tjenesten Gett, som drives med drosjer i byen, fungerte like godt som Uber de første dagene han testet den i en by der Uber ennå ikke var etablert. Men den dagen det begynte å regne i rushtiden stoppet også tilgangen til ledige biler. De fleste bilene forsvant fra appen fordi de ble praiet direkte på gata før de rakk å sjekke ledige turer i bookingsystemet. ”Being able to get a ride anytime, anywhere is far better than only being able to get rides sometimes – which is Gett`s counter-proposition to Uber”.
[1] Paperet er tilgjengelig her http://faculty.chicagobooth.edu/chris.nosko/research/effects_of_uber’s_surge_pricing.pdf Lest 3.mars 2016.
[2] https://hbr.org/2015/07/the-risks-of-changing-your-prices-too-often Lest 3.mars 2016.
[3] Her et oppslag http://nystartuphub.com/jerry-seinfelds-wife-spent-415-during-ubers-surge-pricing-to-make-sure-her-kid-got-to-a-sleepover/ Lest 3.mars 2016.
[4] https://hbr.org/2015/12/everyone-hates-ubers-surge-pricing-heres-how-to-fix-it Lest 3.mars 2016.
[5] http://uk.businessinsider.com/ubers-highest-surge-price-ever-may-be-50x-2014-11?r=US&IR=T Lest 4.mars 2016.
[6] http://www.bullfax.com/?q=node-i-spent-week-using-taxi-app-gett-and-now-i-know-how-ube Lest 4.mars 2016.
