Tarihi bağlam, gözlemlenen piyasa verilerinin talep ve arz dengesini yansıttiği, fiyat değişimlerine yönelik net tepkileri değil, klasik ekonometrik endojenlik sorununa uzanmaktadır. Geleneksel elastikiyet tahmin yöntemleri OLS regresyonu ile yanıltıcı tahminler vermekteydi, çünkü yüksek fiyatlar yüksek talep ile gözlemlenmiştir ve bu durum, negatif elastikiyeti maskeleyen pozitif bir korelasyon yaratmıştır. Modern ürün analitiği, Causal Inference yaklaşımlarına dayanmakta olup, eğitim ve işgücü ekonomisinin geliştirdiği ve dijital iki taraflı pazarlara (two-sided markets) uyarlanmıştır, örneğin Uber, Airbnb veya Delivery Hero gibi.
Sorun, doğrudan A/B testinin kullanıcı deneyimi tutarlılığını ihlal etmesidir ve arbitraj fırsatları yaratmaktadır (kullanıcılar kontrol grubuna geçmektedir). Ayrıca, ters nedensellik mevcuttur: fiyat, arz üzerinde (supply) etki yapar ve bu da bölgeler arasında yeniden dağılım yaratır, piyasanın temel dengesini değiştirir. Standart ortalama farkı (difference in means) yaklaşımı yanlı tahminler vermekte, çünkü yüksek talep koşulları (tatiller, hava durumu) hem fiyatı hem de ödeme isteğini aynı anda etkilemektedir.
Optimal çözüm, algoritmik eşiklere göre Regression Discontinuity Design (RDD) ile Instrumental Variables (IV) yaklaşımını birleştirmektedir. RDD metodolojisi, eşik değerinin etrafındaki faktörü kullanmaktadır (örneğin, yüklenme %85 olduğunda temel fiyatın 1.2 katı) kısmi deneysel bir rastgelelik yaratmaktadır. Geçerliliği artırmak için iki aşamalı en küçük kareler yöntemi (2SLS) uygulanmaktadır; burada enstrümanlar, fiyata etki eden ancak bireysel kullanıcı tercihleri ile doğrudan korelasyon göstermeyen dışsal şoklar (öngörülemeyen hava durumu, spor etkinlikleri) olmaktadır. Ayrıca, algoritmanın uygulanmadığı bölgelerin ağırlıklı bir kombinasyonuna dayalı olarak karşı-faktüel bir bölge oluşturmak için Synthetic Control Method kullanılmaktadır.
Durum, pik saatlerde arz ve talep dengesini sağlamak için dinamik fiyatlandırmayı uygulamayı planlayan büyük bir yemek teslimat hizmetini kapsıyordu. Temel metrik — sipariş tamamlama oranı (fulfillment rate) — akşam saatlerinde %70’e kadar düşüyordu ve bu da kullanıcı kaybına neden oluyordu. Ürün ekibi, pik saatlerde fiyat artışının talebi azaltacağını ve daha yüksek ödemeyle daha fazla kurye çekeceğini düşünüyordu, ancak kullanıcı deneyimini bozmadan talep elastikiyetini sayısal olarak değerlendirmek gerekiyordu.
İlk değerlendirilen seçenek — yan kenar şehirlerin kontrol ve test olarak bölünmesi ile coğrafi A/B testidir. Artıları: saf karşı-faktör, basit yorumlama, şehir içinde çapraz kirliliğin olmaması. Eksileri: şehirler arasında talep yapısında temel farklılıklar (restoran yoğunluğu, gelir seviyesi farklılıkları), şehirler arası kurye göçü (SUTVA ihlali), hedef büyükşehirdeki benzersiz trafiğe sonuçların ölçeklenememesi.
İkinci seçenek — uygulama sonrası ve öncesi dönemlerin karşılaştırılması ile kesintili zaman dizisi analizi (interrupted time series). Artıları: aynı şehirdeki tüm kitle ile çalışma, CausalImpact aracılığıyla mevsimselliği göz önünde bulundurma. Eksileri: fiyat belirleme etkisinin piyasa büyüme trendlerinden ayrıştırılamaması, paralel olarak yürütülen pazarlama kampanyalarının etkisi, gözlem süresince rekabet ortamında değişiklik.
Üçüncü seçenek — yüklenme oranı eşik değerinde iç algoritmik eşik kullanarak Regression Discontinuity Design. Artıları: eşik değerin etrafında yerel rastgelelik (eşiğin hemen üstündeki/aşağısındaki kullanıcılar karşılaştırılabilir), genel talep etkisinden temiz fiyat etkisini izole etme, dış kontrol grupları olmaksızın bir şehir sınırları içinde çalışma. Eksileri: yalnızca eşik çevresindeki marjinal kullanıcılar için Local Average Treatment Effect (LATE) tahmini, güç sağlamak için büyük örneklem gerekliliği, algoritma tarafından eşik manipülasyonuna duyarlılık.
Birleştirilmiş çözüm seçilmiştir: yüklenme eşiğine yönelik RDD ve fiyat için alet olarak beklenmedik yağışların kullanıldığı Instrumental Variables ile doğrulama ve şehrin mikro bölgeleri düzeyinde Synthetic Control. Bu, fiyatın etkisini bekleyiş (expectation) etkisinden izole etmeyi sağladı (bu da yüklenme ile artmaktadır). Sonuç olarak, talep elastikiyetinin -0.8 olduğu (orta derecede elastik) belirlenmiş, ancak piyasa üzerindeki etkinin yalnızca 1.5 katı ve üzeri oranlarda sağlanabileceği saptanmıştır. Bu, tetikleme eşiklerini optimize etmeyi ve GMV'de önemli bir kayıp olmadan tamamlanma oranını %89'a çıkarmayı sağladı.
Fiyat artışının bekleyiş etkisinden (delay cost) nasıl ayırt edilebilir?
Cevap, genel etkilerin dekompozisyonunu veya fiyatı etkileyen bir araç (algoritmik eşik) ve bekleme süresini etkileyen bir diğer araç (dışsal trafik olayları) kullanarak gereken IV ile yapılmasını gerektirir. Yeni analistler, genellikle bu etkileri birleştirerek fiyat elastikiyetini abartmaktadır. Fiyat ve bekleme süresinin endojen regresörler olduğu ve talebin bunların etkileşiminden kaynaklandığı yapısal bir model kurmak gereklidir. Bunu yapmadan, işletme fiyat üzerine kararlar alırken, dönüşüm oranının bir kısmının fiyat değil, yetersiz hizmetten (bekleme süresi) kaynaklandığını anlayamaz.
İki taraflı piyasalarda elastikiyetin standart değerlendirmesinin neden yanıltıcı sonuçlar verdiği ve bunun nasıl düzeltilmesi gerektiği?
İki taraflı piyasalarda simultaneity bias vardır: fiyat talebi etkiler, ancak talep fiyatı etkiler, surge algoritması mekanizması aracılığıyla. OLS tahminleri asimptotik olarak yanlı olacaktır. Doğru yaklaşım, fiyatın dışsal şoklar (hava durumu, etkinlikler) aracılığıyla tahmin edildiği ve ikinci aşamada öngörülen değerlerin elastikiyet tahmininde kullanıldığı Two-Stage Least Squares (2SLS) kullanılmasını gerektirir. Adaylar, genellikle araçların (F-istatistiği > 10) geçerliliğini kontrol etme gereğini ve geçersiz (exclusion restriction) olmakla birlikte, reçetelere dikkat etmemekte ve geçersiz nedensel sonuçlara yol açmaktadır.
Causal-fiyatlama etkisini değerlendirirken, siparişçiler ve sağlayıcılar arasındaki ağ etkilerini (cross-side network effects) nasıl dikkate alırız?
Fiyat artışı daha fazla kuryeyi çeker (arz üzerinde olumlu bir etki), bu da bekleme süresini azaltır ve talepteki olumsuz fiyat kaymasını telafi edebilir. Bu durum, kısmi denge yoluyla yakalanması mümkün olmayan genel denge etkisi yaratmaktadır. İki taraflı pazar yapısı (structural two-sided market model) veya sağlayıcıların bölgeler arasında göçünü izlemek için bipartite graph analysis kullanılmasını gerektirir. Bunu yapmadan, analistler etkili fiyat politikasını yanlış bir şekilde reddedebilir; zaman teslimatının kalitesindeki iyileştirici etkisi görülmeden.