Déterminants des prix de vente : caractéristiques des vendeurs et du temps

Dans cette partie, nous expliquons les prix de transaction (pij) d’un produit i vendu par le vendeur j

sur la plateforme Marketplace par la réputation des vendeurs et les caractéristiques du produit. On peut envisager plusieurs variables pour capturer la réputation d’un vendeur. A l’image de Ghose et al. (2009), nous utilisons la note moyenne d’un vendeur et le nombre de notes qu’il a reçues par le passé. Ces variables servent de proxy pour la réputation et les quantités vendues par le vendeur (les vendeurs qui gèrent un stock important de livres, CD et DVD peuvent plus facilement internaliser les coûts et offrir des réductions intéressantes). Nous considérons également une variable que nous pensons corrélée avec la réputation : le nombre de ventes réalisées par un vendeur. Nous considérons deux mesures de la taille d’un vendeur : le nombre de produits différents offerts par le vendeur sur un marché particulier et le nombre total de transactions de ce vendeur. Ces deux mesures sont très fortement corrélées (avec un coefficient de corrélation typiquement supérieur à 0,9) et nous utilisons seulement la premièrement variable liée à la taille du catalogue. En revanche, ces deux variables sont très peu corrélées aux variables traditionnelles de la réputation que sont la note et le nombre de notes (0,2). Enfin, nous contrôlons pour la durée de présence d’un produit sur le marché (le nombre de jour depuis sa date de parution) afin de capturer une tendance de prix dans le temps.

Pour déterminer l’effet de ces variables sur le prix de transaction, nous estimons les paramètres d’un modèle avec effets fixes sur l’ensemble du panel non équilibré sur une période d’observation de 22 semaines. Les résultats des estimations sont résumés dans le Tableau 8. Les régressions permettent de tirer plusieurs enseignements.

Livre CD DVD

Variable dépendante Prix Prix Prix

Note 4,21 0,337 -3,59

Nombre de notes -0,156 -6,35*** -16,0**

Catalogue -0,011*** 0,0551*** 0,0550***

Time on Market (TOM) 0,130*** -0,0188 1,66***

TOM² -0,00001 0,00005** -0,00030***

Effet fixe par produit Oui Oui Oui

Constante 956*** 1170*** 794***

R² (within) 0,0023 0,0111 0,00861

N 48 954 82 762 29 287

Nombre de produits 2505 3020 1381

Réputation Premium pour un écart type de changement dans le catalogue (€)

-0,08 0,47 0,23

Tableau 8: Résultats des estimations

Tout d’abord, la mesure traditionnelle de réputation liée à la note moyenne d’un vendeur n’influence pas significativement le prix de vente et constitue donc une variable proxy très imparfaite de la réputation d’un vendeur. En revanche, le nombre de notes a un effet négatif sur les prix des CD et DVD alors que la taille du catalogue (et le nombre de transactions) a un effet positif sur les prix des livres, CD et DVD. La taille du catalogue semble donc mieux capturer la réputation d’un vendeur : en particulier, l’augmentation d’un écart-type de la taille du catalogue peut être associée à une prime de réputation qui va de 23 à 47 centimes d’euros sur les marchés des CD et DVD. Cependant, il est à noter que les vendeurs qui disposent d’un large catalogue ne peuvent exploiter leur réputation pour accroître les prix des livres puisque l’effet est négatif. Ce résultat est probablement attribuable à la réglementation du prix du livre qui limite les augmentations de prix et la concurrence en prix entre les différents vendeurs. Plus généralement, nous pouvons conclure que les variables de réputation d’un vendeur semblent capturer différents effets et que les études qui utilisent le nombre de notes comme une variable proxy du nombre de transactions sont incorrectes car leurs effets sont opposés. Cette différence de signe est sans doute liée à la possibilité donnée aux consommateurs de réagir négativement aux transactions conclues avec certains marchands.

Ensuite, la durée de présence d’un produit sur le marché (mesurée en nombre de jours depuis la date de sortie sur le marché) semble avoir un effet ambigu sur les CD et sur les livres et les DVD. Ce résultat s’explique par le fait que la date de transaction peut précéder la date de parution en raison des possibilités de préachat de produits culturels (la date de sortie officielle est donc postérieure à la date d’achat et la valeur de la variable est donc négative). Dans d’autres cas, des classiques de plus de 40 ans apparaissent dans les classements des ventes avec une durée sur le marché de plus de 40 ans.

Enfin, il est à noter que la qualité des ajustements sur les différentes plateformes est très faible et qu’une partie substantielle de la variance des prix demeure inexpliquée par nos variables relatives aux caractéristiques des vendeurs et des produits. Des travaux complémentaires sont donc nécessaires pour déterminer l’origine de la dispersion des prix.

5.5 Conclusion

Au final, notre contribution permet de tirer plusieurs enseignements. Premièrement, il existe de la dispersion des prix sur Internet et celle-ci augmente avec le nombre de vendeurs. Deuxièmement, les explications liées aux stratégies individuelles de prix des vendeurs ne sont pas convaincantes. Troisièmement, la réputation d’un vendeur semble jouer un rôle important même si le mécanisme qui lie la tarification à la réputation nécessite d’être approfondi. En particulier, nous n’expliquons pas les origines de la prime à la réputation. Il est important de souligner que la notion de réputation est difficile à capturer par les variables traditionnelles liées à la note et au nombre de notes d’un vendeur. Ces dernières n’ont pas toujours les signes attendus et ne sont pas robustes. Dans cet article, nous avons exploré des mesures complémentaires comme la taille du catalogue et un effet de clientèle mais d’autres mesures devraient être étudiées.

Enfin, pour conclure, il est important de souligner qu’il peut persister des problèmes informationnels pour les consommateurs qui peuvent prendre plusieurs formes et qui n’ont pas été capturés ni dans notre recherche ni dans les recherches existantes. Tout d’abord, les consommateurs ont des préférences variées pour certaines caractéristiques liées au meilleur prix, à la réputation d’un vendeur, etc. Ces caractéristiques de la demande évoluent sans doute au cours du temps et les premiers

consommateurs n’ont pas les mêmes caractéristiques que les consommateurs plus tardifs puisque les biens que nous étudions sont durables. Ensuite, il existe sans doute des variations temporelles liées au jour de la semaine. Les consommateurs du « week end » peuvent avoir des caractéristiques différentes de celles des consommateurs de la semaine et qui seraient susceptibles d’influencer la dispersion des prix (est-ce que les consommateurs les plus informés sont ceux du week-end auquel cas les prix devraient converger vers le prix minimum plus rapidement durant le week-end ?).

5.6 Références

Acquisti, A., et Varian H., (2005), “Conditioning Prices on Purchase History”, Marketing Science, 24(3): 367-381.

Baye, M.R., et Morgan, J., (2001), “Information Gatekeepers on the Internet and the Competitiveness of Homogeneous Product Markets”, American Economic Review, 91(3): 454-474.

Baye, M.R., Morgan, J., et Sholten, P., (2004), “Price Dispersion In The Small And In The Large: Evidence From An Internet Price Comparison Site”, Journal of Industrial Economics, 463-496.

Brousseau, E. et Curien N., (2007), Internet and Digital Economics, Cambridge University Press.

Brynjolfsson, E. et Smith, M., (2000), “Frictionless Commerce? A Comparison of Internet and Conventional Retailers”, Management Science, 46(4).

Brynjolfsson, E., Dick A.A., et Smith M.D., (2010a), “A Nearly Perfect Market? Differentiation vs. Price in Consumer Choice,” Quantitative Marketing and Economics, November, 8(1): 1-33.

Brynjolfsson, E., Hu Y., et M. D. Smith, (2010b), “The Longer Tail: The Changing Shape of Amazon’s Sales Distribution Curve”, available at SSRN: http://ssrn.com/abstract=1679991.

Carlson, J.A. et Pescatrice, D.R., (1980), “Persistent Price Distributions”, Journal of Economics and Business, 33(1): 21-27.

Clay, K., Krishnan, R., et Wolff, E., “Prices and Price Dispersion on the Web: Evidence from the Online Book Industry,” The Journal of Industrial Economics, 49(4): 521-539.

Curien, N., Fauchart E., Laffond G. et Moreau, F., (2007), Online Consumer Communities: Escaping the Tragedy of the Digital Commons, in Brousseau E. et N. Curien (eds), Internet and Digital Economics, Cambridge University Press.

Ellison, G., et Ellison, S. (2005), “Lessons about Markets from the Internet”, Journal of Economic Perspectives, 19(2): 139-158.

Ghose, A. (2006), “Goodbye Price Dispersion? New Evidence from Transaction Prices in Electronic Markets”, mimeo.

Ghose, A., et Gu, B. (2006), “Search Costs, Demand Structure and Long Tail in Electronic Markets: Theory and Evidence”, Working Papers 06-19, NET Institute.

Ghose, A., et Sundararajan, A. (2006), “Evaluating Pricing Strategy Using eCommerce Data: Evidence and Estimation Challenges”, Statistical Science, 21(2).

Ghose, A., Ipeirotis, P. G., et Sundararajan, A. (2009), “The Dimensions of Reputation in Electronic Markets”, NYU Center for Digital Economy Research Working Paper No. CeDER-06-02. Available at SSRN: http://ssrn.com/abstract=885568.

Houser, D., et Wooders, J., (2006), “Reputation in Auctions: Theory, and Evidence from eBay”, Journal of Economics and Management Strategy, 15: 353-369.

Larribeau, S. et Pénard, T., (2002), “Le commerce électronique en France: un essai de mesure sur le marché des CD”, Économie et Statistiques, 355-356: 27-46.

Pan, X., Ratchford, B.T., et Shankar, V., (2004), “Price Dispersion on the Internet: A Review and Directions for Future Research”, Journal of Interactive Marketing, 18(4): 116-135.

Resnick, P. et Zeckhauser R., (2002), “Trust Among Strangers in Internet Transactions: Empirical Analysis of eBay's Reputation System”, in Baye M.R. (ed.), The Economics of the Internet and E- Commerce, Advances in Applied Microeconomics, Amsterdam, Elsevier Science, Vol. 11: 127-157.

Spulber, D., (1995), “Bertrand Competition when Rivals’ Costs are Unknown”, Journal of Industrial Economics, 43: 1-12.

CHAPITRE 6: ONLINE PRICE DISPERSION, AN