역사적 맥락은 가격의 내재성이라는 고전적인 계량경제학 문제로 거슬러 올라갑니다. 여기서 관찰된 시장 데이터는 수요와 공급의 균형을 반영하며 가격에 대한 순수한 반응을 보여주지 않습니다. 전통적인 OLS 회귀를 통한 탄력성 측정 및 평가 방법은 높은 수요 시 높은 가격이 관찰되어 양의 상관관계를 형성하여 부정적인 탄력성을 가리도록 편향된 추정을 가져왔습니다. 현대의 제품 분석은 원인 추론(Causal Inference) 접근 방식에 의존하며, 이는 교육 경제학 및 노동 시장에서 개발되어 Uber, Airbnb 또는 Delivery Hero와 같은 디지털 이원 시장에 맞게 조정되었습니다.
문제는 가격을 직접 A/B 테스트하는 것이 사용자 경험의 일관성 원칙을 위반하고 아비트리지 기회를 발생시킨다는 것입니다(사용자가 대조군으로 이동하게 되는). 또한, 비용과 이익 사이에서 역인과가 있습니다. 가격은 공급자의 행동에 영향을 미치며(공급), 이들이 지역 간 재배치되어 시장의 기본 균형을 변경하는 영향을 미칩니다. 평균 차이(difference in means) 기준의 표준 설정은 높은 수요 조건(휴일, 날씨)이 가격과 지불 의사에 동시에 영향을 미치므로 편향된 추정을 제공합니다.
최적의 해결책은 **회귀 불연속 설계(Regression Discontinuity Design, RDD)**를 알고리즘 임계값으로, 도구 변수를 이용한 접근(Instrumental Variables, IV) 방식을 결합하는 것입니다. RDD 방법론은 비선형 임계치에서의 주변을 이용하여(예: 85%의 혼잡도에서 기본 가격의 1.2배에 도달할 경우) 치료 배정의 준실험적 무작위성을 생성하는 사실을 활용합니다. 유효성을 강화하기 위해 두 단계 최소 제곱법(2SLS)을 적용하며, 도구는 가격에 영향을 미치지만 사용자 개별 선호와는 직접적으로 상관관계가 없는 외생적 충격(예: 예측할 수 없는 기후, 스포츠 이벤트)입니다. 추가적으로 알고리즘 도입이 없었던 지역 간의 가중 조합을 기반으로 하는 **합성 통제 방법(Synthetic Control Method)**도 사용됩니다.
이 사례는 피크 시간에 배달 기사의 수요와 공급의 균형을 맞추기 위해 동적 가격 책정을 도입할 계획이었던 대규모 음식 배달 서비스에 대한 것이었습니다. 기본 지표인 주문 수행률(fulfillment rate)은 저녁 시간에 70%로 떨어져 사용자 이탈을 초래했습니다. 제품 팀은 피크 시간에 가격을 인상하면 수요가 줄어들고 보수를 통해 더 많은 기사를 유치할 것이라고 가정했지만 사용자 경험을 해치지 않고 수요의 탄력성을 정량적으로 평가해야 했습니다.
첫 번째로 고려된 옵션은 인근 도시를 대조군과 실험군으로 나누어 지리적 A/B 테스트를 수행하는 것이었습니다. 장점: 순수한 반사실, 해석의 용이성, 도시 내 크로스타미오션 오염 없음. 단점: 도시 간 수요 구조의 근본적인 차이(레스토랑 밀도, 소득 수준 차이), 도시 간 기사의 이동(violates SUTVA), 고유 유동 인구가 있는 목표 대도시에 결과를 확장할 수 없음.
두 번째 옵션은 도입 전후의 기간을 비교하는 방해된 시계열(interrupted time series) 분석입니다. 장점: 한 도시의 전체 청중을 다루며, CausalImpact를 통해 계절성을 고려할 수 있습니다. 단점: 가격 책정 효과를 시장 성장 추세와 분리할 수 없으며, 병행 진행 중인 마케팅 캠페인의 영향과 관측 시간 동안의 경쟁 환경 변화의 영향이 있습니다.
세 번째 옵션은 서지 곱자(surge multiplier)의 내부 알고리즘 임계값을 사용하는 **회귀 불연속 설계(Regression Discontinuity Design)**입니다(예: 80%의 배달기사 혼잡도에 도달했을 때 가격 급등). 장점: 임계값 근처의 지역적 무작위성(임계값 위/아래의 사용자 비교 가능), 전체 수요로부터 순수 가격 효과의 분리, 외부 대조군 없이 한 도시 내에서 작업 가능. 단점: 임계값 근처의 한계 사용자에 대해 지역 평균 처리 효과(Local Average Treatment Effect, LATE)를 평가할 뿐만 아니라, 힘을 달성하기 위해 큰 표본이 필요하고 알고리즘에 의한 임계값 조작에 민감함.
조합 솔루션이 선택되었습니다: RDD의 혼잡도 기준과 도구 변수(예기치 않은 강수로 가격을 도구로 사용)와 함께 도시의 마을별로 **합성 통제(Synthetic Control)**를 통한 유효성 검증이 포함되었습니다. 이를 통해 가격 효과를 지연 효과(혼잡도가 증가함에 따라 모든 기대치는 상승하는)를 차별화할 수 있었습니다. 결과적으로 수요의 탄력성은 -0.8(중간 탄력적)으로 나타났지만 시장 균형 효과는 1.5배 이상의 비율에서만 달성되었습니다. 이는 혼잡도 임계값을 최적화하고 GMV의 상당한 손실 없이 수행 비율을 89%까지 증가시킬 수 있었습니다.
어떻게 가격의 진정한 수요 편차를 지연 비용(delay cost) 효과와 구분할 수 있습니까? 가격 상승이 배송 시간을 증가시킬 때?
답은 매개 분석(mediation analysis)을 통해 전체 효과를 분해하거나 IV 도구 두 가지를 사용해야 합니다: 하나는 가격에만 영향을 미치는 알고리즘 임계점이고, 다른 하나는 대기 시간에만 영향을 미치는 외부 교통 사고입니다. 초보 분석가들은 이러한 효과를 혼합하여 가격 탄력성을 과대평가하는 경우가 많습니다. 가격과 대기 시간이 내재된 회귀 변수이며 수요는 이들의 상호작용 결과가 되는 구조 모델을 구축해야 합니다. 그렇지 않으면 비즈니스는 가격에 대한 결정을 내리면서 수익성 저하의 일부가 가격 때문이 아니라 불만족스러운 서비스(대기 시간) 때문이라는 것을 이해하지 못하게 됩니다.
이원 시장에서 로그-로그 회귀를 통한 표준 탄력성 평가가 왜 편향된 결과를 주며, 이를 어떻게 수정할 수 있습니까?
이원 시장에서는 **동시성 편향(simultaneity bias)**이 존재합니다: 가격은 수요에 영향을 미치나 수요는 서지 알고리즘 메커니즘을 통해 가격에 영향을 미칩니다. OLS 추정치는 점진적으로 편향됩니다. 올바른 접근 방식은 **2단계 최소 제곱(2SLS)**를 사용하는 것으로, 1단계에서 외생 충격(날씨, 사건)이 가격을 예측하고, 2단계에서 이 예측된 값을 사용하여 탄력성을 평가하는 것입니다. 후보자들은 도구의 관련성 검사(F-statistic > 10) 및 유효성(exclusion restriction)을 무시하는 경우가 많아 잘못된 원인 기반 결론에 이를 수 있습니다.
가격 책정의 인과 효과를 평가할 때 주문자와 공급자 간의 네트워크 효과(cross-side network effects)를 어떻게 고려할 수 있습니까?
가격 인상은 더 많은 기사를 유치하게 되며(공급에 긍정적인 효과), 이는 대기 시간을 단축시키고 수요의 부정적인 가격 편향을 상쇄할 수 있습니다. 이는 부분적 균형을 통해 포착할 수 없는 **일반적 균형 효과(general equilibrium effect)**를 생성합니다. 이원 시장의 구조 모델(structural two-sided market model)을 구축하거나 **이분 그래프 분석(bipartite graph analysis)**을 사용하여 영역 간 기사의 이동을 파악할 필요가 있습니다. 그렇지 않으면 분석가들은 서비스 품질 향상을 통한 대기 시간 단축의 보상 효과를 인식하지 못하고 효과적인 가격 정책을 잘못 거부할 수 있습니다.