synaptiq.art

Istraživanje za seminarski rad: Dinamičko određivanje cijena: povećava li AI profit ili diskriminira kupce?

Proces izrade seminarskog rada

  1. 1. Istraživanje
  2. 2. Recenzija literature
  3. 3. Sinteza istraživanja
  4. 4. Kritička rasprava ×3
  5. 5. Nacrt rada
  6. 6. Recenzija nacrta
  7. 7. Seminarski rad
FAZA A — KALIBRACIJA POLJA

Podtema pripada primarno industrijskoj organizaciji, ekonomici cijena i operacijskom istraživanju, uz susjedna područja marketinga, ekonomike podataka, tržišnog natjecanja i prava zaštite potrošača.
Primarni izvori su teorijski modeli, empirijske studije, eksperimenti, tržišni podaci, sudska i regulatorna praksa te važeći pravni akti.
Sekundarni izvori su sustavni pregledi, pregledni članci, priručnici i službeni policy-papers.
Standardne vrste izvora su modeli dinamičkog određivanja cijena, studije cjenovne diskriminacije, eksperimenti s personaliziranim cijenama, analize algoritamske konkurencije i regulatorni dokumenti.
Referentna djela širokog opsega tražit će se među udžbenicima industrijske organizacije, priručnicima revenue managementa, udžbenicima pricinga i službenim klasifikacijama ili smjernicama.
Pretraživat ću izdavačke stranice časopisa, AEA, INFORMS, Springer, ScienceDirect, NBER, OECD, EUR-Lex, CMA/GOV.UK, kataloge knjižnica i otvorene institucionalne repozitorije.

Pretpostavke parametara: jezik rada — hrvatski; razina — završne godine studija; opseg — približno 15 kartica; ciljani broj potvrđenih izvora — 25; registar — nije priložen; popis čestih pravopisnih pogrešaka — nije priložen.

FAZA B — PRIKUPLJANJE I PROVJERA IZVORA

B0. Registar

Registar nije priložen. Nijedan izvor nema oznaku [REG].

B0.5. Radna skica i sastavnice

1. Ekonomska osnova formiranja cijena

  • odnos cijene, troška i marže
  • potražnja i spremnost na plaćanje
  • cjenovna elastičnost
  • konkurencija i tržišna struktura
  • prihod, profit i potrošački višak

2. Dinamičko određivanje cijena i revenue management

  • vremenska promjena cijena
  • potražnja i ograničeni kapacitet
  • zalihe, rok trajanja i raspoloživost
  • prognoziranje i učenje potražnje
  • razlika između prihoda i profita

3. AI i algoritamska optimizacija cijena

  • automatizirano određivanje cijena
  • korištenje velikih količina podataka
  • procjena potražnje i spremnosti na plaćanje
  • eksperimentiranje i prilagodba cijena
  • ograničenja podataka i modela

4. Cjenovna diskriminacija i personalizirane cijene

  • prvi, drugi i treći stupanj cjenovne diskriminacije
  • dinamičko nasuprot personaliziranom pricingu
  • ponašajno određivanje cijena
  • segmentacija kupaca
  • korištenje osobnih i transakcijskih podataka

5. Profit, učinkovitost i potrošačko blagostanje

  • profit poduzeća
  • potrošački višak
  • ukupni društveni višak
  • raspodjela koristi i gubitaka među kupcima
  • učinci mrežnih eksternalija

6. Algoritamska konkurencija i implicitna koordinacija

  • konkurencija više algoritamskih sustava
  • suprakonkurentske cijene
  • algoritamsko učenje i kažnjavanje odstupanja
  • empirijsko razlikovanje koordinacije od konkurencije
  • tržišna struktura i usvajanje algoritama

7. Transparentnost, povjerenje i regulacija

  • percepcija pravednosti cijena
  • povjerenje i pretraživanje cijena
  • objava personalizacije
  • zaštita osobnih podataka
  • zaštita potrošača i tržišno natjecanje

B1. Potvrđeni izvori

[I1] — referentno djelo širokog opsega

  • PUNI CITAT: Belleflamme, Paul; Peitz, Martin. Industrial Organization: Markets and Strategies. 2nd ed. Cambridge: Cambridge University Press, 2015.
  • TRAG DOHVATA: https://www.cambridge.org/highereducation/books/industrial-organization/69870638F433E49AA6B20D24E3C9453E
  • RAZRJEŠENJE: zapis se razrješava na: Paul Belleflamme, Martin Peitz, 2015, Industrial Organization: Markets and Strategies, Cambridge University Press, udžbenik.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: samo bibliografski zapis.
  • POTVRDA LOKACIJE: nije potvrđena.
  • PREDMET IZVORA: široki udžbenički pregled industrijske organizacije, tržišne moći, konkurencije i strategija određivanja cijena.
  • [KANON]: da.
  • VRSTA IZVORA I TEŽINA: sveučilišni udžbenik širokog opsega; nosi osnovne pojmove industrijske organizacije i tržišne strukture. (search.worldcat.org)
  • EMPIRIJSKA OSNOVA: nije primjenjivo.
  • OPERACIONALIZACIJA: nije primjenjivo.
  • ZAKLJUČAK IZVORA: industrijska organizacija povezuje ponašanje poduzeća, tržišnu moć, konkurenciju i strategije cijena.
  • OGRADE AUTORÂ: nenavedeno.
  • NALAZ KOJI KORISTIM: osnovne razlike između tržišne strukture, tržišne moći, konkurencije i cjenovne strategije [SAŽETAK].
  • ULOGA U SEMINARU: daje široki teorijski temelj za odnos cijene, konkurencije, profita i tržišne učinkovitosti.

[I2] — referentno djelo širokog opsega

  • PUNI CITAT: Phillips, Robert L. Pricing and Revenue Optimization. 2nd ed. Stanford: Stanford University Press, 2021.
  • TRAG DOHVATA: https://www.sup.org/books/flyer/?id=31628
  • RAZRJEŠENJE: zapis se razrješava na: Robert L. Phillips, 2021, Pricing and Revenue Optimization, Stanford University Press, udžbenik ili priručnik.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: relevantni odjeljak.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: metode određivanja cijena i revenue optimization, uključujući procjenu cjenovno-reakcijskih funkcija, dinamičko određivanje cijena i pristupe temeljene na strojnom učenju.
  • [KANON]: da.
  • VRSTA IZVORA I TEŽINA: sveučilišni udžbenik širokog opsega; izravno povezuje ekonomsku teoriju pricinga s primjenom i optimizacijom. (sup.org)
  • EMPIRIJSKA OSNOVA: nije primjenjivo.
  • OPERACIONALIZACIJA: nije primjenjivo.
  • ZAKLJUČAK IZVORA: pricing i revenue optimization mogu se formalizirati kao problem procjene potražnje i odabira cijene koja povećava poslovni rezultat.
  • OGRADE AUTORÂ: nenavedeno.
  • NALAZ KOJI KORISTIM: razlika između osnovnog pricinga, revenue managementa i price optimizationa; uključivanje procjene funkcije reakcije na cijenu i metoda strojnog učenja [SAŽETAK].
  • ULOGA U SEMINARU: nosi osnovni sloj za formiranje cijena, elastičnost, prihod i profit.

[I3] — referentno djelo širokog opsega

  • PUNI CITAT: Talluri, Kalyan T.; van Ryzin, Garrett J. The Theory and Practice of Revenue Management. 1st ed. New York: Springer, 2004.
  • TRAG DOHVATA: https://link.springer.com/book/10.1007/b139000
  • RAZRJEŠENJE: zapis se razrješava na: Kalyan T. Talluri, Garrett J. van Ryzin, 2004, The Theory and Practice of Revenue Management, Springer, monografija ili priručnik.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: samo bibliografski zapis.
  • POTVRDA LOKACIJE: nije potvrđena.
  • PREDMET IZVORA: sveobuhvatna teorija i praksa revenue managementa, uključujući količinske i cjenovne odluke, prognoziranje i ekonomiku.
  • [KANON]: da.
  • VRSTA IZVORA I TEŽINA: kanonska monografija širokog opsega u revenue managementu. (link.springer.com)
  • EMPIRIJSKA OSNOVA: nije primjenjivo.
  • OPERACIONALIZACIJA: nije primjenjivo.
  • ZAKLJUČAK IZVORA: revenue management objedinjuje prognoziranje potražnje, raspoloživi kapacitet i cjenovne odluke kroz prodajni horizont.
  • OGRADE AUTORÂ: nenavedeno.
  • NALAZ KOJI KORISTIM: razlika između revenue managementa temeljenog na količini i onoga temeljenog na cijeni [SAŽETAK].
  • ULOGA U SEMINARU: referentni nosač za široko poglavlje o dinamičkom određivanju cijena.

[I4]

  • PUNI CITAT: Bitran, Gabriel; Caldentey, René. “An Overview of Pricing Models for Revenue Management.” Manufacturing & Service Operations Management 5(3), 2003, 203–229. DOI: 10.1287/msom.5.3.203.16031.
  • TRAG DOHVATA: https://pubsonline.informs.org/doi/10.1287/msom.5.3.203.16031
  • RAZRJEŠENJE: zapis se razrješava na: Gabriel Bitran, René Caldentey, 2003, “An Overview of Pricing Models for Revenue Management”, Manufacturing & Service Operations Management, članak u časopisu.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: sažetak.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: pregled modela dinamičkog određivanja cijena u revenue managementu uz stohastičku, cjenovno osjetljivu potražnju i ograničeni, kvarljivi kapacitet.
  • VRSTA IZVORA I TEŽINA: pregledni rad u operacijskom istraživanju; važan za teorijsko povezivanje cijene, kapaciteta, potražnje i prihoda. (pubsonline.informs.org)
  • EMPIRIJSKA OSNOVA: nije primjenjivo.
  • OPERACIONALIZACIJA: nije primjenjivo.
  • ZAKLJUČAK IZVORA: dinamičko određivanje cijena može se formulirati kao stohastički problem kontrole kapaciteta čiji je cilj maksimizacija prihoda [SAŽETAK].
  • OGRADE AUTORÂ: nenavedeno.
  • NALAZ KOJI KORISTIM: odnos cijene, vremenskog horizonta, raspoloživog kapaciteta i cjenovno osjetljive potražnje [SAŽETAK].
  • ULOGA U SEMINARU: objašnjava tehničku i ekonomsku osnovu dinamičkog pricinga.

[I5]

  • PUNI CITAT: den Boer, A. V. “Dynamic Pricing and Learning: Historical Origins, Current Research, and New Directions.” Surveys in Operations Research and Management Science 20(1), 2015, 1–18. DOI: 10.1016/j.sorms.2015.03.001.
  • TRAG DOHVATA: https://www.sciencedirect.com/science/article/pii/S1876735415000021
  • RAZRJEŠENJE: zapis se razrješava na: A. V. den Boer, 2015, “Dynamic Pricing and Learning: Historical Origins, Current Research, and New Directions”, Surveys in Operations Research and Management Science, članak u časopisu.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: relevantni odjeljak.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: pregled razvoja dinamičkog određivanja cijena i učenja o potražnji u operacijskom istraživanju, ekonomiji, marketingu i računalnim znanostima.
  • VRSTA IZVORA I TEŽINA: pregledni rad širokog opsega; koristan za razvoj područja i razlikovanje ciljeva pojedinih disciplina. (sciencedirect.com)
  • EMPIRIJSKA OSNOVA: nije primjenjivo.
  • OPERACIONALIZACIJA: nije primjenjivo.
  • ZAKLJUČAK IZVORA: dinamički pricing i učenje kombiniraju procjenu funkcije potražnje s optimizacijom cijene u uvjetima nepotpunih informacija [SAŽETAK].
  • OGRADE AUTORÂ: nenavedeno.
  • NALAZ KOJI KORISTIM: razvoj od klasične procjene potražnje prema algoritamskom učenju i dinamičkoj prilagodbi cijena [SAŽETAK].
  • ULOGA U SEMINARU: daje kronološki i interdisciplinarni okvir.

[I6]

  • PUNI CITAT: Gallego, Guillermo; van Ryzin, Garrett. “Optimal Dynamic Pricing of Inventories with Stochastic Demand over Finite Horizons.” Management Science 40(8), 1994, 999–1020. DOI: 10.1287/mnsc.40.8.999.
  • TRAG DOHVATA: https://pubsonline.informs.org/doi/abs/10.1287/mnsc.40.8.999
  • RAZRJEŠENJE: zapis se razrješava na: Guillermo Gallego, Garrett van Ryzin, 1994, “Optimal Dynamic Pricing of Inventories with Stochastic Demand over Finite Horizons”, Management Science, članak u časopisu.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: sažetak.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: optimalno dinamičko određivanje cijena zaliha uz stohastičku, cjenovno osjetljivu potražnju i konačan prodajni horizont.
  • VRSTA IZVORA I TEŽINA: teorijski model u vodećem časopisu operacijskog istraživanja. (pubsonline.informs.org)
  • EMPIRIJSKA OSNOVA: nije primjenjivo.
  • OPERACIONALIZACIJA: nije primjenjivo.
  • ZAKLJUČAK IZVORA: optimalna cijena ovisi o zalihi, vremenu do kraja prodajnog horizonta i funkciji potražnje [SAŽETAK].
  • OGRADE AUTORÂ: nenavedeno.
  • NALAZ KOJI KORISTIM: dinamičko određivanje cijena nije samo reakcija na konkurenciju nego i odluka o raspodjeli ograničene zalihe kroz vrijeme [SAŽETAK].
  • ULOGA U SEMINARU: teorijski temelj za vezu cijene, zaliha, vremena i prihoda.

[I7]

  • PUNI CITAT: Calvano, Emilio; Calzolari, Giacomo; Denicolò, Vincenzo; Pastorello, Sergio. “Artificial Intelligence, Algorithmic Pricing, and Collusion.” American Economic Review 110(10), 2020, 3267–3297. DOI: 10.1257/aer.20190623.
  • TRAG DOHVATA: https://www.aeaweb.org/articles?id=10.1257%2Faer.20190623
  • RAZRJEŠENJE: zapis se razrješava na: Emilio Calvano, Giacomo Calzolari, Vincenzo Denicolò, Sergio Pastorello, 2020, “Artificial Intelligence, Algorithmic Pricing, and Collusion”, American Economic Review, članak u časopisu.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: puni tekst.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: eksperimentalno ponašanje Q-learning algoritama u ponovljenoj oligopolističkoj cjenovnoj konkurenciji.
  • VRSTA IZVORA I TEŽINA: teorijsko-eksperimentalni rad u vodećem ekonomskom časopisu. (aeaweb.org)
  • EMPIRIJSKA OSNOVA: računalni eksperimenti s algoritmima u ponovljenoj cjenovnoj konkurenciji; broj konfiguracija nije prepisan jer nije bio potreban za identificirani nalaz.
  • OPERACIONALIZACIJA: algoritmi Q-learninga ponavljano biraju cijene u oligopolističkom modelu; promatraju se cijene, kaznene strategije i povratak suradnji nakon odstupanja.
  • ZAKLJUČAK IZVORA: algoritmi mogu bez izravne komunikacije naučiti održavati suprakonkurentske cijene.
  • OGRADE AUTORÂ: nenavedeno.
  • NALAZ KOJI KORISTIM: u proučenim konfiguracijama algoritmi su učili cjenovne strategije s fazom kažnjavanja odstupanja i postupnim povratkom suradnji.
  • ULOGA U SEMINARU: ključan izvor za rizik implicitne koordinacije.

[I8]

  • PUNI CITAT: Dubé, Jean-Pierre H.; Misra, Sanjog. “Personalized Pricing and Consumer Welfare.” Journal of Political Economy 131(1), 2023, 131–189. DOI: 10.1086/720793.
  • TRAG DOHVATA: https://doi.org/10.1086/720793
  • RAZRJEŠENJE: zapis se razrješava na: Jean-Pierre H. Dubé, Sanjog Misra, 2023, “Personalized Pricing and Consumer Welfare”, Journal of Political Economy, članak u časopisu.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: sažetak.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: učinci personaliziranih cijena temeljenih na strojnom učenju na profit poduzeća, potrošački višak i ukupno blagostanje.
  • VRSTA IZVORA I TEŽINA: empirijski rad s randomiziranim terenskim eksperimentom i modeliranjem potražnje. (nber.org)
  • EMPIRIJSKA OSNOVA: randomizirani terenski eksperiment i naknadna validacija u stvarnom okruženju; broj ispitanika nije prepisan jer nije bio vidljiv u otvorenom zapisu.
  • OPERACIONALIZACIJA: procjenjuje se potražnja i uspoređuju personalizirana cijena, optimizirana jedinstvena cijena i početna neoptimizirana cijena.
  • ZAKLJUČAK IZVORA: personalizacija povećava profit poduzeća i u prosjeku smanjuje ukupni potrošački višak, ali dio potrošača dobiva niže cijene, a ukupno blagostanje može ovisiti o funkciji društvene dobrobiti [SAŽETAK].
  • OGRADE AUTORÂ: nenavedeno.
  • NALAZ KOJI KORISTIM: ukupni potrošački višak pada u odnosu na jedinstvenu cijenu, ali više od 60 % potrošača dobiva niže cijene; rezultati nisu jednaki za sve kupce [SAŽETAK].
  • ULOGA U SEMINARU: najvažniji empirijski izvor za odnos profitne optimizacije i potrošačkog blagostanja.

[I9]

  • PUNI CITAT: Dubus, Antoine. “Behavior-Based Algorithmic Pricing.” Information Economics and Policy 66, 2024, article 101081. DOI: 10.1016/j.infoecopol.2024.101081.
  • TRAG DOHVATA: https://www.sciencedirect.com/science/article/pii/S0167624524000039
  • RAZRJEŠENJE: zapis se razrješava na: Antoine Dubus, 2024, “Behavior-Based Algorithmic Pricing”, Information Economics and Policy, članak u časopisu.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: puni tekst.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: teorijski učinci korištenja podataka o prošlim kupcima za personalizirano i homogeno određivanje cijena u konkurenciji.
  • VRSTA IZVORA I TEŽINA: teorijski model u ekonomici informacija i politike.
  • EMPIRIJSKA OSNOVA: nije primjenjivo.
  • OPERACIONALIZACIJA: nije primjenjivo.
  • ZAKLJUČAK IZVORA: algoritamsko ciljanje prošlih kupaca može istodobno povećati prisvajanje rente i ublažiti konkurenciju između poduzeća.
  • OGRADE AUTORÂ: nenavedeno.
  • NALAZ KOJI KORISTIM: optimalna strategija može personalizirati cijene kupcima s visokom spremnošću na plaćanje, a ostalima ponuditi homogenu cijenu; time se mogu smanjiti poticaji za preotimanje kupaca. (sciencedirect.com)
  • ULOGA U SEMINARU: povezuje ponašajne podatke, cjenovnu diskriminaciju i slabljenje konkurencije.

[I10]

  • PUNI CITAT: Hanspach, Philip; Sapi, Geza; Wieting, Marcel. “Algorithms in the Marketplace: An Empirical Analysis of Automated Pricing in E-Commerce.” Information Economics and Policy 69, 2024.
  • TRAG DOHVATA: https://www.sciencedirect.com/science/article/pii/S0167624524000337
  • RAZRJEŠENJE: zapis se razrješava na: Philip Hanspach, Geza Sapi, Marcel Wieting, 2024, “Algorithms in the Marketplace: An Empirical Analysis of Automated Pricing in E-Commerce”, Information Economics and Policy, članak u časopisu.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: relevantni odjeljak.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: empirijska analiza automatiziranog određivanja cijena na platformi Bol.com u Nizozemskoj i Belgiji.
  • VRSTA IZVORA I TEŽINA: empirijski rad s tržišnim podacima.
  • EMPIRIJSKA OSNOVA: oko 2.800 proizvoda i približno dva mjeseca podataka o cijenama na platformi Bol.com.
  • OPERACIONALIZACIJA: web-podaci o cijenama i statusu algoritamskih prodavatelja; uspoređuju se cijene Buy Boxa u monopolskim i konkurentskim situacijama.
  • ZAKLJUČAK IZVORA: algoritamsko određivanje cijena nije povezano s općim povećanjem cijena; u monopolskim situacijama algoritamski prodavatelji mogu nuditi niže cijene, dok su obrasci slični koluziji rubna pojava.
  • OGRADE AUTORÂ: nenavedeno.
  • NALAZ KOJI KORISTIM: empirijski rezultat podupire mogućnost da algoritmi ispravljaju previsoke ljudski postavljene cijene, ali ne isključuje rizik koordinacije.
  • ULOGA U SEMINARU: protuteža radovima koji algoritamsko određivanje cijena povezuju prvenstveno s višim cijenama i koordinacijom. (sciencedirect.com)

[I11]

  • PUNI CITAT: Vomberg, Arnd; Homburg, Christian; Sarantopoulos, Panagiotis. “Algorithmic Pricing: Effects on Consumer Trust and Price Search.” International Journal of Research in Marketing 42(4), 2025, 1166–1186. DOI: 10.1016/j.ijresmar.2024.10.006.
  • TRAG DOHVATA: https://doi.org/10.1016/j.ijresmar.2024.10.006
  • RAZRJEŠENJE: zapis se razrješava na: Arnd Vomberg, Christian Homburg, Panagiotis Sarantopoulos, 2025, “Algorithmic Pricing: Effects on Consumer Trust and Price Search”, International Journal of Research in Marketing, članak u časopisu.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: puni tekst.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: učinci algoritamskog dinamičkog pricinga na povjerenje potrošača i trajanje pretraživanja cijena.
  • VRSTA IZVORA I TEŽINA: empirijski rad s više eksperimenata.
  • EMPIRIJSKA OSNOVA: pet studija, uključujući jedan susret sa stvarnim algoritamskim dinamičkim pricingom i četiri poticajna eksperimenta; u jednom otvorenom odjeljku vidljiv je uzorak od 602 sudionika.
  • OPERACIONALIZACIJA: usporedba algoritamskog dinamičkog i statičnog pricinga; mjere se povjerenje, namjera i trajanje pretraživanja cijena, iskustvo s algoritamskim pricingom te učinak price-match jamstava.
  • ZAKLJUČAK IZVORA: algoritamski dinamički pricing u početku smanjuje povjerenje i povećava pretraživanje cijena, ali se učinak ublažava navikavanjem, tržišnom normom i transparentnim price-match praksama.
  • OGRADE AUTORÂ: nenavedeno.
  • NALAZ KOJI KORISTIM: potrošačka reakcija više je povezana s promjenjivošću cijene i vrstom korištenih informacija nego sa samom činjenicom da cijenu određuje algoritam. (doi.org)
  • ULOGA U SEMINARU: nosi psihološku i tržišnu dimenziju transparentnosti i povjerenja.

[I12]

  • PUNI CITAT: Hannak, Aniko; Soeller, Gary; Lazer, David; Mislove, Alan; Wilson, Christo. “Measuring Price Discrimination and Steering on E-Commerce Web Sites.” In: Proceedings of the 2014 Conference on Internet Measurement Conference, 2014, 305–318.
  • TRAG DOHVATA: https://conferences.sigcomm.org/imc/2014/papers/p305.pdf
  • RAZRJEŠENJE: zapis se razrješava na: Aniko Hannak, Gary Soeller, David Lazer, Alan Mislove, Christo Wilson, 2014, “Measuring Price Discrimination and Steering on E-Commerce Web Sites”, konferencijski rad u zborniku.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: puni tekst.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: metodologija mjerenja cjenovne diskriminacije i usmjeravanja rezultata na e-trgovinskim stranicama.
  • VRSTA IZVORA I TEŽINA: empirijski metodološki konferencijski rad.
  • EMPIRIJSKA OSNOVA: više e-trgovinskih stranica i usporedni testovi prikazanih cijena i rezultata.
  • OPERACIONALIZACIJA: kontrolirani zahtjevi prema e-trgovinskim stranicama uz mijenjanje korisničkih karakteristika, uređaja i konteksta; promatraju se razlike u cijeni i poretku proizvoda.
  • ZAKLJUČAK IZVORA: personalizacija sadržaja može uključivati i usmjeravanje proizvoda i razlike u cijenama, ali opseg i ekonomski učinak ovise o stranici i kontekstu.
  • OGRADE AUTORÂ: nenavedeno.
  • NALAZ KOJI KORISTIM: razlikovanje cjenovne diskriminacije od price steeringa; metodološki oprez potreban je jer ista opažena razlika ne mora proizlaziti iz iste vrste algoritamske personalizacije. (conferences.sigcomm.org)
  • ULOGA U SEMINARU: uvodi empirijski način provjere tvrdnje da različiti korisnici dobivaju različite cijene.

[I13]

  • PUNI CITAT: OECD. Personalised Pricing in the Digital Era. OECD Roundtables on Competition Policy Papers, No. 222. Paris: OECD Publishing, 2018. DOI: 10.1787/db4d9c9c-en.
  • TRAG DOHVATA: https://www.oecd.org/en/publications/personalised-pricing-in-the-digital-era_db4d9c9c-en.html
  • RAZRJEŠENJE: zapis se razrješava na: OECD, 2018, Personalised Pricing in the Digital Era, OECD Roundtables on Competition Policy Papers, No. 222, policy-paper.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: relevantni odjeljak.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: ekonomski i regulatorni učinci personaliziranih cijena u digitalnim tržištima.
  • VRSTA IZVORA I TEŽINA: službeni međunarodni pregledni policy-paper.
  • EMPIRIJSKA OSNOVA: nije primjenjivo.
  • OPERACIONALIZACIJA: nije primjenjivo.
  • ZAKLJUČAK IZVORA: personalizirano određivanje cijena može povećati alokacijsku učinkovitost, ali učinak na potrošački višak i raspodjelu koristi nije jednoznačan.
  • OGRADE AUTORÂ: nenavedeno.
  • NALAZ KOJI KORISTIM: učinak personaliziranih cijena ovisi o stupnju konkurencije, preciznosti personalizacije i tome kome se višak prenosi. (oecd.org)
  • ULOGA U SEMINARU: povezuje ekonomsku teoriju s regulatornim pitanjima.

[I14]

  • PUNI CITAT: OECD. The Effects of Online Disclosure about Personalised Pricing on Consumers: Results from a Lab Experiment in Ireland and Chile. OECD Digital Economy Papers, No. 303. Paris: OECD Publishing, 2021. DOI: 10.1787/1ce1de63-en.
  • TRAG DOHVATA: https://www.oecd.org/en/publications/the-effects-of-online-disclosure-about-personalised-pricing-on-consumers_1ce1de63-en.html
  • RAZRJEŠENJE: zapis se razrješava na: OECD, 2021, The Effects of Online Disclosure about Personalised Pricing on Consumers: Results from a Lab Experiment in Ireland and Chile, OECD Digital Economy Papers, No. 303, policy-paper.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: relevantni odjeljak.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: učinci objave informacije o personaliziranom pricingu na razumijevanje, pravednost i ponašanje potrošača.
  • VRSTA IZVORA I TEŽINA: službeni empirijski policy-paper s laboratorijskim eksperimentom.
  • EMPIRIJSKA OSNOVA: laboratorijski eksperimenti u Irskoj i Čileu te upitničko ispitivanje sudionika.
  • OPERACIONALIZACIJA: uspoređuju se različite razine objave personalizacije; mjere se prepoznavanje i razumijevanje prakse, kupovno ponašanje i percepcija pravednosti.
  • ZAKLJUČAK IZVORA: objave personalizacije imaju ograničen učinak na razumijevanje i nisu pokazale potvrđen značajan učinak na kupovno ponašanje.
  • OGRADE AUTORÂ: nenavedeno.
  • NALAZ KOJI KORISTIM: sama formalna objava personalizirane cijene nije nužno dovoljan instrument zaštite potrošača. (oecd.org)
  • ULOGA U SEMINARU: omogućuje procjenu je li transparentnost stvarno učinkovita ili samo formalna.

[I15]

  • PUNI CITAT: OECD. Algorithms and Collusion: Competition Policy in the Digital Age. OECD Roundtables on Competition Policy Papers, No. 206. Paris: OECD Publishing, 2017. DOI: 10.1787/258dcb14-en.
  • TRAG DOHVATA: https://www.oecd.org/en/publications/2017/05/algorithms-and-collusion-competition-policy-in-the-digital-age_02371a73.html
  • RAZRJEŠENJE: zapis se razrješava na: OECD, 2017, Algorithms and Collusion: Competition Policy in the Digital Age, OECD Roundtables on Competition Policy Papers, No. 206, policy-paper.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: relevantni odjeljak.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: izazovi koje algoritmi i strojno učenje stvaraju za tržišno natjecanje, tacitnu koordinaciju i provedbu antitrustovskih pravila.
  • VRSTA IZVORA I TEŽINA: službeni međunarodni pregledni policy-paper. (oecd.org)
  • EMPIRIJSKA OSNOVA: nije primjenjivo.
  • OPERACIONALIZACIJA: nije primjenjivo.
  • ZAKLJUČAK IZVORA: algoritmi mogu olakšati praćenje, signaliziranje i kažnjavanje odstupanja bez formalnog sporazuma.
  • OGRADE AUTORÂ: nenavedeno.
  • NALAZ KOJI KORISTIM: razlikovanje izričitog sporazuma, tacitne koordinacije i algoritamski posredovanog tržišnog ishoda.
  • ULOGA U SEMINARU: regulatorni i konceptualni okvir za implicitnu koordinaciju.

[I16]

  • PUNI CITAT: Competition and Markets Authority. Algorithms: How They Can Reduce Competition and Harm Consumers. London: CMA, 2021.
  • TRAG DOHVATA: https://www.gov.uk/government/publications/algorithms-how-they-can-reduce-competition-and-harm-consumers
  • RAZRJEŠENJE: zapis se razrješava na: Competition and Markets Authority, 2021, Algorithms: How They Can Reduce Competition and Harm Consumers, službeni regulatorni izvještaj.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: relevantni odjeljak.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: mogući učinci algoritama na potrošače i tržišno natjecanje, uključujući personalizaciju cijena, isključivanje konkurenata i koordinaciju.
  • VRSTA IZVORA I TEŽINA: službeni regulatorni izvještaj.
  • EMPIRIJSKA OSNOVA: nije primjenjivo.
  • OPERACIONALIZACIJA: nije primjenjivo.
  • ZAKLJUČAK IZVORA: algoritmi mogu donositi učinkovitost, ali također mogu proizvesti personalizaciju cijena, štetu potrošačima i smanjenje konkurencije.
  • OGRADE AUTORÂ: izvještaj mogućnosti opisuje kao regulatorne rizike, a ne kao univerzalno dokazane učinke.
  • NALAZ KOJI KORISTIM: razlikovanje izravne štete potrošačima od štete tržišnom natjecanju. (gov.uk)
  • ULOGA U SEMINARU: daje regulatorni popis rizika i mogućih nadzornih odgovora.

[I17]

  • PUNI CITAT: Directive (EU) 2019/2161 of the European Parliament and of the Council of 27 November 2019.
  • TRAG DOHVATA: https://eur-lex.europa.eu/legal-content/en/ALL/?uri=CELEX%3A32019L2161
  • RAZRJEŠENJE: zapis se razrješava na: Directive (EU) 2019/2161, 2019, normativni akt.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: relevantni odjeljak.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: izmjene pravila zaštite potrošača, uključujući obvezu informiranja o personaliziranoj cijeni temeljenoj na automatiziranom odlučivanju.
  • VRSTA IZVORA I TEŽINA: normativni akt.
  • EMPIRIJSKA OSNOVA: nije primjenjivo.
  • OPERACIONALIZACIJA: nije primjenjivo.
  • ZAKLJUČAK IZVORA: personalizirana cijena mora se potrošaču naznačiti kada proizlazi iz automatiziranog odlučivanja; obični real-time pricing bez personalizacije izuzet je iz te konkretne obveze.
  • OGRADE AUTORÂ: primjenjuje se u okviru područja primjene Direktive.
  • NALAZ KOJI KORISTIM: čl. 6(1)(ea) Direktive 2011/83/EU, izmijenjen Direktivom 2019/2161, zahtijeva informaciju da je cijena personalizirana na osnovi automatiziranog odlučivanja. (eur-lex.europa.eu)
  • ULOGA U SEMINARU: razlikuje dinamičko i personalizirano određivanje cijena u regulatornom smislu.

[I18]

  • PUNI CITAT: Regulation (EU) 2016/679 of the European Parliament and of the Council of 27 April 2016.
  • TRAG DOHVATA: https://eur-lex.europa.eu/legal-content/EN/TXT/?qid=1599219338705&uri=CELEX%3A32016R0679
  • RAZRJEŠENJE: zapis se razrješava na: Regulation (EU) 2016/679, 2016, normativni akt.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: relevantni odjeljak.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: zaštita osobnih podataka i automatizirano individualno odlučivanje, uključujući profiliranje.
  • VRSTA IZVORA I TEŽINA: normativni akt.
  • EMPIRIJSKA OSNOVA: nije primjenjivo.
  • OPERACIONALIZACIJA: nije primjenjivo.
  • ZAKLJUČAK IZVORA: automatizirane odluke koje proizvode pravne ili slično značajne učinke podliježu posebnim uvjetima i zaštitnim mjerama.
  • OGRADE AUTORÂ: primjena članka 22. ovisi o tome proizvodi li odluka pravne ili slično značajne učinke.
  • NALAZ KOJI KORISTIM: čl. 22. GDPR-a predviđa pravo da osoba ne bude podvrgnuta odluci koja se temelji isključivo na automatiziranoj obradi i proizvodi pravne ili slično značajne učinke; odredba nije automatska zabrana svakog algoritamskog pricinga. (eur-lex.europa.eu)
  • ULOGA U SEMINARU: određuje granice povezivanja personaliziranih cijena s pravom zaštite podataka.

[I19]

  • PUNI CITAT: Gerpott, Torsten J.; Berends, Jan. “Competitive Pricing on Online Markets: A Literature Review.” Journal of Revenue and Pricing Management, 2022. DOI: 10.1057/s41272-022-00390-x.
  • TRAG DOHVATA: https://link.springer.com/article/10.1057/s41272-022-00390-x
  • RAZRJEŠENJE: zapis se razrješava na: Torsten J. Gerpott, Jan Berends, 2022, “Competitive Pricing on Online Markets: A Literature Review”, Journal of Revenue and Pricing Management, članak u časopisu.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: relevantni odjeljak.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: interdisciplinarni pregled 132 rada o konkurentskom određivanju cijena u online i offline tržištima.
  • VRSTA IZVORA I TEŽINA: pregledni rad.
  • EMPIRIJSKA OSNOVA: 132 pregledana članka.
  • OPERACIONALIZACIJA: klasifikacija literature prema sličnosti proizvoda, kvarljivosti, vremenskoj dinamici i tržišnoj strukturi.
  • ZAKLJUČAK IZVORA: online pricing treba analizirati kroz istodobno djelovanje vremena, proizvoda, tržišne strukture i konkurentskih reakcija.
  • OGRADE AUTORÂ: pregled nije ograničen samo na algoritamsko određivanje cijena.
  • NALAZ KOJI KORISTIM: konkurentski online pricing ne može se svesti na jednostavno pravilo da češće promjene cijena znače veću ili manju konkurenciju. (link.springer.com)
  • ULOGA U SEMINARU: pozicionira AI pricing u širu literaturu konkurentskog pricinga.

[I20]

  • PUNI CITAT: Heyden, Lucas; Brock, Christian. “Dynamic, Algorithmic, and AI-Based Pricing in Service Contexts: A Systematic Literature Review.” Journal of Service Management Research, 2026.
  • TRAG DOHVATA: https://journal-smr.com/index.php/smr/article/view/236
  • RAZRJEŠENJE: zapis se razrješava na: Lucas Heyden, Christian Brock, 2026, “Dynamic, Algorithmic, and AI-Based Pricing in Service Contexts: A Systematic Literature Review”, Journal of Service Management Research, pregledni rad.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: relevantni odjeljak.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: sustavni pregled 104 studije o dinamičkom, algoritamskom i AI pricingu u uslužnim djelatnostima.
  • VRSTA IZVORA I TEŽINA: sustavni pregled.
  • EMPIRIJSKA OSNOVA: 104 uključene studije.
  • OPERACIONALIZACIJA: sustavno pretraživanje baza i sinteza tehničkih, organizacijskih, potrošačkih i tržišnih izazova.
  • ZAKLJUČAK IZVORA: AI pricing može povećati prihod, ali održiva primjena zahtijeva kvalitetu podataka, organizacijsku spremnost, transparentnost i očuvanje povjerenja.
  • OGRADE AUTORÂ: predmet je ograničen na uslužni sektor.
  • NALAZ KOJI KORISTIM: pregled pokriva literaturu do 2026. i potvrđuje da se ekonomski učinci ne mogu odvojiti od povjerenja i pristupačnosti za potrošače. (journal-smr.com)
  • ULOGA U SEMINARU: najnoviji sustavni pregled i osnova za pozicioniranje rada prema postojećoj literaturi.

[I21]

  • PUNI CITAT: Denicolò, Vincenzo; Calzolari, Giacomo; Calvano, Emilio; Pastorello, Sergio. “Algorithmic Pricing: What Implications for Competition Policy?” Review of Industrial Organization 55(1), 2019, 155–171. DOI: 10.1007/s11151-019-09689-3.
  • TRAG DOHVATA: https://art.torvergata.it/handle/2108/303885
  • RAZRJEŠENJE: zapis se razrješava na: Vincenzo Denicolò, Giacomo Calzolari, Emilio Calvano, Sergio Pastorello, 2019, “Algorithmic Pricing: What Implications for Competition Policy?”, Review of Industrial Organization, članak u časopisu.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: puni tekst.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: kritički pregled pravne, ekonomske i računalno-znanstvene literature o algoritamskom pricingu i koluziji.
  • VRSTA IZVORA I TEŽINA: interdisciplinarni pregledni rad.
  • EMPIRIJSKA OSNOVA: nije primjenjivo.
  • OPERACIONALIZACIJA: nije primjenjivo.
  • ZAKLJUČAK IZVORA: algoritamska koordinacija može zahtijevati drukčije razumijevanje tradicionalnih pojmova sporazuma i koluzije.
  • OGRADE AUTORÂ: nenavedeno.
  • NALAZ KOJI KORISTIM: regulatorni problem nije samo dokazati da su cijene jednake, nego utvrditi mehanizam kojim je algoritam do tog ishoda došao.
  • ULOGA U SEMINARU: povezuje ekonomsku teoriju algoritamske koluzije s pravnim standardima. (art.torvergata.it)

[I22]

  • PUNI CITAT: Hajihashemi, Bita; Sayedi, Amin; Shulman, Jeffrey D. “The Perils of Personalized Pricing with Network Effects.” Marketing Science 41(3), 2021, 477–500. DOI: 10.1287/mksc.2021.1323.
  • TRAG DOHVATA: https://pubsonline.informs.org/doi/10.1287/mksc.2021.1323
  • RAZRJEŠENJE: zapis se razrješava na: Bita Hajihashemi, Amin Sayedi, Jeffrey D. Shulman, 2021, “The Perils of Personalized Pricing with Network Effects”, Marketing Science, članak u časopisu.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: puni tekst.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: teorijski učinci personaliziranih cijena u tržištima s mrežnim učincima.
  • VRSTA IZVORA I TEŽINA: teorijski model u marketingu i industrijskoj organizaciji.
  • EMPIRIJSKA OSNOVA: nije primjenjivo.
  • OPERACIONALIZACIJA: nije primjenjivo.
  • ZAKLJUČAK IZVORA: kada su mrežni učinci dovoljno jaki u odnosu na heterogenost kupaca, personalizirane cijene mogu smanjiti potražnju, profit i višak svih potrošača.
  • OGRADE AUTORÂ: rezultat ovisi o odnosu jačine mrežnih učinaka i heterogenosti spremnosti na plaćanje.
  • NALAZ KOJI KORISTIM: personalizacija nije nužno profitabilna ni učinkovita; u tržištima s mrežnim učincima može oslabiti bazu korisnika i ukupnu vrijednost tržišta. (pubsonline.informs.org)
  • ULOGA U SEMINARU: uvodi važnu granicu zaključku da preciznija segmentacija uvijek povećava profit.

[I23]

  • PUNI CITAT: Assad, Stephanie; Clark, Robert; Ershov, Daniel; Xu, Lei. “Algorithmic Pricing and Competition: Empirical Evidence from the German Retail Gasoline Market.” Journal of Political Economy 132(3), 2024, 723–771. DOI: 10.1086/726906.
  • TRAG DOHVATA: https://www.journals.uchicago.edu/doi/abs/10.1086/726906
  • RAZRJEŠENJE: zapis se razrješava na: Stephanie Assad, Robert Clark, Daniel Ershov, Lei Xu, 2024, “Algorithmic Pricing and Competition: Empirical Evidence from the German Retail Gasoline Market”, Journal of Political Economy, članak u časopisu.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: sažetak.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: empirijski učinak usvajanja algoritamskog pricinga na marže i konkurenciju u njemačkoj maloprodaji goriva.
  • VRSTA IZVORA I TEŽINA: empirijski rad s instrumentalnom varijablom i tržišnim podacima.
  • EMPIRIJSKA OSNOVA: visokofrekventni podaci o cijenama benzinskih postaja u Njemačkoj.
  • OPERACIONALIZACIJA: usvajanje algoritamskog pricinga procjenjuje se strukturnim prekidima; odluka sjedišta koristi se kao instrument za usvajanje na razini postaje; ishodi su marže i tržišna struktura.
  • ZAKLJUČAK IZVORA: usvajanje algoritamskog pricinga povećava marže izvan monopolskih tržišta, a u duopolima i triopolima učinak se pojavljuje kada svi konkurenti usvoje algoritam [SAŽETAK].
  • OGRADE AUTORÂ: nalaz je vezan uz njemačko tržište maloprodaje goriva.
  • NALAZ KOJI KORISTIM: učinak ovisi o istodobnom usvajanju algoritama među konkurentima, a ne samo o usvajanju jednog poduzeća [SAŽETAK].
  • ULOGA U SEMINARU: empirijski most između teorije algoritamske koordinacije i stvarnog tržišta. (journals.uchicago.edu)

[I24]

  • PUNI CITAT: MacKay, Alexander; Weinstein, Samuel. “Dynamic Pricing Algorithms, Consumer Harm, and Regulatory Response.” Washington University Law Review, 2022.
  • TRAG DOHVATA: https://wustllawreview.org/2022/11/25/dynamic-pricing-algorithms-consumer-harm-and-regulatory-response/
  • RAZRJEŠENJE: zapis se razrješava na: Alexander MacKay, Samuel Weinstein, 2022, “Dynamic Pricing Algorithms, Consumer Harm, and Regulatory Response”, znanstveni pravni članak.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: relevantni odjeljak.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: pravni i ekonomski učinci algoritamskog pricinga u konkurentskim tržištima, izvan same koluzije.
  • VRSTA IZVORA I TEŽINA: znanstveni pravni članak s ekonomskom analizom.
  • EMPIRIJSKA OSNOVA: nije primjenjivo.
  • OPERACIONALIZACIJA: nije primjenjivo.
  • ZAKLJUČAK IZVORA: algoritamski pricing može proizvesti više cijene i bez izričitog dogovora ili formalne koluzije.
  • OGRADE AUTORÂ: prijedlog regulatornog odgovora ovisi o razvoju tehnologije i budućoj količini empirijskih dokaza.
  • NALAZ KOJI KORISTIM: regulatorni problem može nastati i iz jednostranog algoritamskog ponašanja koje mijenja konkurentske reakcije, a ne samo iz sporazuma konkurenata.
  • ULOGA U SEMINARU: proširuje raspravu s koluzije na jednostranu algoritamsku štetu. (wustllawreview.org)

[I25]

  • PUNI CITAT: Donnelly, Robert; Kanodia, Ayush; Morozov, Ilya. “Welfare Effects of Personalized Rankings.” Marketing Science 43(1), 2024, 92–113. DOI: 10.1287/mksc.2023.1441.
  • TRAG DOHVATA: https://pubsonline.informs.org/doi/10.1287/mksc.2023.1441
  • RAZRJEŠENJE: zapis se razrješava na: Robert Donnelly, Ayush Kanodia, Ilya Morozov, 2024, “Welfare Effects of Personalized Rankings”, Marketing Science, članak u časopisu.
  • STATUS ZAPISA: bez oznaka.
  • RAZINA DOHVATA: sažetak.
  • POTVRDA LOKACIJE: potvrđena.
  • PREDMET IZVORA: učinci personaliziranog rangiranja proizvoda na pretraživanje, kupnju i potrošački višak.
  • VRSTA IZVORA I TEŽINA: empirijski rad s velikim randomiziranim eksperimentom.
  • EMPIRIJSKA OSNOVA: randomizirani eksperiment velikog online trgovca; veličina uzorka nije prepisana jer nije bila vidljiva u otvorenom zapisu.
  • OPERACIONALIZACIJA: uspoređuju se personalizirano rangiranje i uniformno rangiranje najprodavanijih proizvoda; mjere se pretraživanje, kupnje i potrošački višak.
  • ZAKLJUČAK IZVORA: personalizacija može povećati potrošački višak iako algoritam u funkciji cilja uzima u obzir profitabilnost [SAŽETAK].
  • OGRADE AUTORÂ: nalaz se odnosi na personalizirano rangiranje, ne izravno na personalizirane cijene.
  • NALAZ KOJI KORISTIM: personalizacija sama po sebi nije ekvivalent šteti; njezin učinak ovisi o tome što se personalizira i koji se cilj optimizira [SAŽETAK].
  • ULOGA U SEMINARU: pomoćni izvor za razlikovanje personalizacije cijene od personalizacije ponude i rangiranja. (pubsonline.informs.org)

B1.5. Postojeći pregledi

  1. Bitran i Caldentey (2003) pokrivaju klasične modele dinamičkog pricinga i revenue managementa do 2003.; ne obuhvaćaju suvremeni AI pricing. [I4] (pubsonline.informs.org)
  2. den Boer (2015) pokriva povijest i literaturu dinamičkog pricinga i učenja o potražnji do približno 2015.; AI se pojavljuje samo kao dio šireg učenja i računalnih metoda. [I5] (sciencedirect.com)
  3. Denicolò i sur. (2019) pregledavaju pravnu, ekonomsku i računalnu literaturu o algoritamskom pricingu i koluziji do 2019. [I21] (art.torvergata.it)
  4. Gerpott i Berends (2022) pregledavaju 132 rada o konkurentskom pricingu, osobito u online tržištima; pokrivenost je šira od AI pricinga. [I19] (link.springer.com)
  5. Heyden i Brock (2026) sustavno pregledavaju 104 studije o dinamičkom, algoritamskom i AI pricingu u uslužnim djelatnostima; pregled uključuje tehničke, organizacijske i potrošačke posljedice do 2026. [I20] (journal-smr.com)
  6. OECD (2018) daje policy-pregled personaliziranih cijena, konkurencije, potrošačkog viška i regulatornih opcija, ali nije sustavni pregled svih empirijskih studija. [I13] (oecd.org)

Pozicioniranje budućeg rada: novi seminar ne bi trebao samo opisati da AI može mijenjati cijene, nego treba usporediti tri različita ishoda: profitnu optimizaciju poduzeća, konkurentsku učinkovitost tržišta i raspodjelu potrošačkog viška. Postojeći pregledi uglavnom ih obrađuju odvojeno.

B4. Odbijeni kandidati

  1. Dubé i Misra, NBER Working Paper 23775 / SSRN verzije — pronađene kao radne verzije, ali nisu zadržane kao zaseban izvor jer je potvrđena objavljena verzija u Journal of Political Economy 2023.
  2. ArXiv radovi o algoritamskoj koluziji iz 2024. i 2025. — pronađeni u pretraživanju, ali nisu uključeni jer za njih nije potvrđena objavljena verzija u dopuštenom časopisu; predtisak ne bi smio nositi tvrdnju o stanju struke.
  3. Popularni i novinski tekstovi o surge pricingu, RealPageu i “surveillance pricingu” — pronađeni u širem pretraživanju, ali isključeni jer nisu znanstveni ili službeni izvori.
  4. Wikipedia, agregatori i sekundarni bibliografski zapisi — korišteni samo za otkrivanje mogućih kandidata, ne kao potvrđeni izvori.

B4 ne uključuje izvore izostavljene radi fokusa.

B5. Zatvaranje faze

  • Broj potvrđenih izvora: 25.
  • Od toga iz registra: 0.
  • Razina dohvata:
  • puni tekst: 5
  • relevantni odjeljak: 12
  • sažetak: 6
  • samo bibliografski zapis: 2
  • nije otvoreno: 0
  • Potvrda lokacije:
  • potvrđena: 23
  • nije potvrđena: 2
  • nije navedena: 0
  • Referentna djela širokog opsega: ispunjeno — [I1], [I2], [I3].
  • Najmanje 3 izvora iz posljednjih 5 godina: ispunjeno — [I8], [I9], [I10], [I11], [I20], [I23], [I25].
  • Regionalna literatura: nije potvrđen relevantan hrvatski, srpski, bosanskohercegovački ili slovenski izvor koji izravno obrađuje ekonomsku učinkovitost AI pricinga, cjenovnu diskriminaciju i potrošačko blagostanje.
  • Suprotne strane glavne rasprave: ispunjeno. Pro-učinkovitost/niže cijene: [I10], djelomično [I8]; rizik viših marži, slabljenja konkurencije ili gubitka potrošačkog viška: [I7], [I9], [I22], [I23], [I24].
  • Teorijski izvori: ispunjeno — [I5], [I6], [I9], [I21], [I22].
  • Sustavni i pregledni radovi: uključeni [I4], [I5], [I19], [I20], [I21], [I13].
  • Odbijeni kandidati: 4 skupine razloga: duplicirana objavljena verzija, nepotvrđeni predtisak, nedopušteni popularni izvor i agregator.

Iscrpljeni pravci pretraživanja: industrial organization, revenue management, dynamic pricing, pricing and learning, personalized pricing, price discrimination, consumer welfare, algorithmic pricing, algorithmic collusion, competition policy, consumer trust, price search, OECD policy documents, EU consumer law, GDPR, CMA materials, publisher records and open-access repositories.

B5.1. Pokrivenost skice

1. Ekonomska osnova formiranja cijena

  • Pokriveno: odnos cijene i tržišne moći [I1]; pricing i revenue optimization [I2]; prihod i cjenovno osjetljiva potražnja [I4]; konkurentsko određivanje cijena [I19].
  • Djelomično pokriveno: spremnost kupca na plaćanje i potrošački višak [I8], [I13].
  • Nije dovoljno pokriveno: detaljna razrada cjenovne elastičnosti s empirijskim procjenama iz konkretne industrije.

Dodjele: - predmet izvora: industrijska organizacija i tržišne strategije; predmet poglavlja: Ekonomska osnova formiranja cijena; odnos: pokriva poglavlje [I1] - predmet izvora: pricing i revenue optimization; predmet poglavlja: Ekonomska osnova formiranja cijena; odnos: pokriva poglavlje [I2] - predmet izvora: revenue management i cjenovno osjetljiva potražnja; predmet poglavlja: Ekonomska osnova formiranja cijena; odnos: pokriva sastavnicu prihod, profit i potrošački višak [I4] - predmet izvora: konkurentski pricing u online tržištima; predmet poglavlja: Ekonomska osnova formiranja cijena; odnos: pokriva sastavnicu konkurencija i tržišna struktura [I19]

2. Dinamičko određivanje cijena i revenue management

  • Pokriveno: vremenska promjena cijena [I3], [I4], [I5]; zalihe i kapacitet [I6]; učenje potražnje [I5].
  • Nije dovoljno pokriveno: razlika između optimizacije prihoda i izravne optimizacije profita u realnom poduzeću.

Dodjele: - predmet izvora: revenue management; predmet poglavlja: Dinamičko određivanje cijena i revenue management; odnos: pokriva poglavlje [I3] - predmet izvora: modeli dinamičkog pricinga; predmet poglavlja: Dinamičko određivanje cijena i revenue management; odnos: pokriva poglavlje [I4] - predmet izvora: dinamičko određivanje cijena i učenje; predmet poglavlja: Dinamičko određivanje cijena i revenue management; odnos: pokriva poglavlje [I5] - predmet izvora: optimalno određivanje cijena ograničenih zaliha; predmet poglavlja: Dinamičko određivanje cijena i revenue management; odnos: pokriva sastavnicu zalihe, rok trajanja i raspoloživost [I6]

3. AI i algoritamska optimizacija cijena

  • Pokriveno: automatizirano određivanje cijena [I9], [I10]; podaci i učenje potražnje [I2], [I5]; algoritamsko eksperimentiranje [I10].
  • Djelomično pokriveno: ograničenja kvalitete podataka i modela [I20].
  • Nije dovoljno pokriveno: usporedba različitih arhitektura AI sustava u realnoj poslovnoj primjeni.

Dodjele: - predmet izvora: pricing i metode strojnog učenja; predmet poglavlja: AI i algoritamska optimizacija cijena; odnos: pokriva poglavlje [I2] - predmet izvora: dinamičko pricing učenje; predmet poglavlja: AI i algoritamska optimizacija cijena; odnos: pokriva sastavnicu procjena potražnje i spremnosti na plaćanje [I5] - predmet izvora: ponašajno algoritamsko određivanje cijena; predmet poglavlja: AI i algoritamska optimizacija cijena; odnos: pokriva sastavnicu korištenje transakcijskih podataka [I9] - predmet izvora: automatizirano određivanje cijena na online tržištu; predmet poglavlja: AI i algoritamska optimizacija cijena; odnos: pokriva poglavlje [I10]

4. Cjenovna diskriminacija i personalizirane cijene

  • Pokriveno: personalizirane cijene [I8], [I13]; ponašajno pricing [I9]; mjerenje diskriminacije [I12]; razlika između dinamičkog i personaliziranog pricinga [I17].
  • Nije dovoljno pokriveno: detaljna tipologija prvog, drugog i trećeg stupnja cjenovne diskriminacije u jednom referentnom izvoru s punim tekstom.

Dodjele: - predmet izvora: personalizirane cijene i potrošačko blagostanje; predmet poglavlja: Cjenovna diskriminacija i personalizirane cijene; odnos: pokriva poglavlje [I8] - predmet izvora: ponašajno algoritamsko pricing; predmet poglavlja: Cjenovna diskriminacija i personalizirane cijene; odnos: pokriva sastavnicu ponašajno određivanje cijena [I9] - predmet izvora: mjerenje cjenovne diskriminacije na e-trgovinskim stranicama; predmet poglavlja: Cjenovna diskriminacija i personalizirane cijene; odnos: pokriva sastavnicu empirijsko razlikovanje diskriminacije i steeringa [I12] - predmet izvora: personalizirane cijene u digitalnom dobu; predmet poglavlja: Cjenovna diskriminacija i personalizirane cijene; odnos: pokriva poglavlje [I13] - predmet izvora: pravna razlika personalizirane i real-time cijene; predmet poglavlja: Cjenovna diskriminacija i personalizirane cijene; odnos: pokriva sastavnicu dinamičko nasuprot personaliziranom pricingu [I17]

5. Profit, učinkovitost i potrošačko blagostanje

  • Pokriveno: profit i potrošački višak [I8]; alokacijska učinkovitost i raspodjela viška [I13]; mrežni učinci [I22]; personalizirano rangiranje kao pomoćna usporedba [I25].
  • Nije dovoljno pokriveno: jedinstveni empirijski pokazatelj ukupnog društvenog viška u različitim tržištima.

Dodjele: - predmet izvora: personalizirane cijene i potrošačko blagostanje; predmet poglavlja: Profit, učinkovitost i potrošačko blagostanje; odnos: pokriva poglavlje [I8] - predmet izvora: ekonomski učinci personaliziranog pricinga; predmet poglavlja: Profit, učinkovitost i potrošačko blagostanje; odnos: pokriva poglavlje [I13] - predmet izvora: personalizirano pricing u mrežnim tržištima; predmet poglavlja: Profit, učinkovitost i potrošačko blagostanje; odnos: pokriva sastavnicu mrežne eksternalije [I22] - predmet izvora: personalizirano rangiranje i potrošački višak; predmet poglavlja: Profit, učinkovitost i potrošačko blagostanje; odnos: pokriva sastavnicu razlika između vrste personalizacije [I25]

6. Algoritamska konkurencija i implicitna koordinacija

  • Pokriveno: Q-learning i suprakonkurentske cijene [I7]; algoritamska koordinacija [I15], [I21]; empirijski učinci usvajanja algoritama [I23]; šira regulatorna šteta [I24].
  • Nije dovoljno pokriveno: empirijsko razlikovanje koordinacije od paralelnog, ali zakonitog prilagođavanja cijena u više sektora.

Dodjele: - predmet izvora: AI algoritmi u ponovljenoj oligopolističkoj konkurenciji; predmet poglavlja: Algoritamska konkurencija i implicitna koordinacija; odnos: pokriva poglavlje [I7] - predmet izvora: OECD pregled algoritamske koluzije; predmet poglavlja: Algoritamska konkurencija i implicitna koordinacija; odnos: pokriva poglavlje [I15] - predmet izvora: pravno-ekonomski pregled algoritamskog pricinga; predmet poglavlja: Algoritamska konkurencija i implicitna koordinacija; odnos: pokriva sastavnicu regulatornog razlikovanja koordinacije od konkurencije [I21] - predmet izvora: njemačko tržište maloprodaje goriva; predmet poglavlja: Algoritamska konkurencija i implicitna koordinacija; odnos: pokriva sastavnicu empirijske identifikacije [I23] - predmet izvora: jednostrana šteta dinamičkih algoritama; predmet poglavlja: Algoritamska konkurencija i implicitna koordinacija; odnos: pokriva sastavnicu štete bez formalne koluzije [I24]

7. Transparentnost, povjerenje i regulacija

  • Pokriveno: povjerenje i pretraživanje cijena [I11]; otkrivanje personalizacije [I14]; zaštita potrošača [I16], [I17]; osobni podaci i automatizirano odlučivanje [I18].
  • Nije dovoljno pokriveno: nacionalna provedba EU pravila u Hrvatskoj i usporedna sudska praksa.

Dodjele: - predmet izvora: algoritamski pricing, povjerenje i pretraživanje cijena; predmet poglavlja: Transparentnost, povjerenje i regulacija; odnos: pokriva poglavlje [I11] - predmet izvora: laboratorijski učinci objave personaliziranih cijena; predmet poglavlja: Transparentnost, povjerenje i regulacija; odnos: pokriva sastavnicu učinkovitost objave [I14] - predmet izvora: regulatorni rizici algoritama; predmet poglavlja: Transparentnost, povjerenje i regulacija; odnos: pokriva sastavnicu zaštita potrošača [I16] - predmet izvora: obveza informiranja o personaliziranoj cijeni; predmet poglavlja: Transparentnost, povjerenje i regulacija; odnos: pokriva sastavnicu transparentnost [I17] - predmet izvora: automatizirano individualno odlučivanje i profiliranje; predmet poglavlja: Transparentnost, povjerenje i regulacija; odnos: pokriva sastavnicu zaštita osobnih podataka [I18]

B6. Provjera dosljednosti

  • [I8] radna verzija i objavljena verzija razriješene su u jedan izvor; zadržana je objavljena verzija iz 2023.
  • Nije zadržan zaseban predtisak i objavljena verzija istog rada.
  • Nisu pronađena dva različita rada istih autora iste godine koja bi zahtijevala oznake 2007a/2007b.
  • Nema dvostrukih bibliografskih identiteta s različitim DOI-jima.
  • Za poglavlja u zbornicima nije upisan DOI; [I12] je zadržan kao konferencijski rad, a ne kao članak u časopisu.

B7. [KRUG 3]

Prazno pri prvom izvođenju.

FAZA C — MAPA PODRUČJA

  1. Teorijska osnova pricinga razvija se od industrijske organizacije i revenue managementa prema modelima u kojima poduzeće istodobno procjenjuje potražnju, raspoloživi kapacitet i reakciju kupaca na cijenu [I1; SAŽETAK], [I3; SAŽETAK], [I4; SAŽETAK].

  2. Klasični dinamički pricing polazi od toga da se cijena može mijenjati kroz vrijeme zbog stohastičke potražnje, ograničenih zaliha i konačnog prodajnog horizonta [I5; SAŽETAK], [I6; SAŽETAK].

  3. Noviji pravac spaja dinamičko određivanje cijena s učenjem: algoritam ne koristi samo unaprijed poznatu funkciju potražnje, nego je pokušava procijeniti iz podataka o ponašanju kupaca [I5; SAŽETAK], [I2; SAŽETAK].

  4. Sljedeći razvojni korak čini personalizacija, pri kojoj se cijena ili ponuda prilagođava skupini ili pojedincu na temelju osobnih, ponašajnih ili transakcijskih podataka [I8; SAŽETAK], [I9], [I13].

  5. U literaturi se oblikuju dvije glavne škole tumačenja. Prva naglašava učinkovitost, preciznije predviđanje potražnje i mogućnost nižih cijena u nekim tržišnim strukturama [I10], [I13]. Druga naglašava prisvajanje potrošačkog viška, slabljenje konkurencije i implicitnu koordinaciju [I7], [I9], [I15], [I22], [I23; SAŽETAK].

  6. Empirijska literatura nakon 2020. pomiče raspravu od čistih modela prema tržišnim podacima i eksperimentima: proučavaju se online trgovina, maloprodaja goriva, personalizirane cijene i reakcije potrošača [I8; SAŽETAK], [I10], [I11], [I23; SAŽETAK].

  7. Regulatorna literatura razlikuje dinamičke cijene koje reagiraju na opću potražnju od personaliziranih cijena koje koriste automatizirano profiliranje pojedinaca ili skupina [I13], [I17].

  8. Obvezno štivo za seminar čine tri sloja: referentni udžbenici i priručnici [I1], [I2], [I3]; pregledni radovi [I4], [I5], [I19], [I20], [I21]; te ključni empirijski i teorijski testovi [I7], [I8], [I10], [I11], [I23].

FAZA D — POJMOVNIK
Pojam Definicija u literaturi Termin na jeziku rada Uobičajena zamka
Dynamic pricing Cijena se može često i lako mijenjati kao odgovor na potražnju, zalihe, vrijeme ili druge tržišne uvjete [I5; SAŽETAK], [I6; SAŽETAK]. dinamičko određivanje cijena Ne izjednačiti svaku promjenu cijene s personalizacijom.
Algorithmic pricing Automatizirano generiranje cijena na temelju podataka, pravila ili modela učenja [I9], [I10]. algoritamsko određivanje cijena Algoritam može određivati jedinstvenu cijenu za sve, ne samo individualizirane cijene.
AI pricing Pricing u kojem se koriste metode umjetne inteligencije, poput Q-learninga ili drugih metoda učenja, za prilagodbu cijene ili strategije [I2; SAŽETAK], [I7]. određivanje cijena pomoću umjetne inteligencije Nije svaki automatizirani kalkulator cijena AI sustav.
Cjenovna elastičnost potražnje Reakcija tražene količine na promjenu cijene; u pricing modelima služi za procjenu kako cijena utječe na prodaju [I2; SAŽETAK], [I4; SAŽETAK]. cjenovna elastičnost potražnje Ne brkati elastičnost s razinom potražnje.
Spremnost na plaćanje Najviša cijena koju je pojedini kupac ili skupina spremna platiti za proizvod ili uslugu [I8; SAŽETAK], [I13]. spremnost na plaćanje Procijenjena spremnost nije isto što i stvarno opažena plaćena cijena.
Cjenovna diskriminacija Naplaćivanje različitih cijena za isti ili ekvivalentan proizvod na temelju razlika među kupcima ili segmentima [I13]. cjenovna diskriminacija Različita cijena zbog vremena ili zalihe nije nužno diskriminacija.
Personalizirana cijena Cijena prilagođena pojedincu ili kategoriji potrošača na temelju podataka o njegovu ponašanju ili karakteristikama [I13], [I17]. personalizirano određivanje cijena Personalizacija cijene nije isto što i personalizirano rangiranje proizvoda [I25; SAŽETAK].
Potrošački višak Razlika između spremnosti potrošača na plaćanje i cijene koju stvarno plaća [I8; SAŽETAK], [I13]. potrošački višak Pad ukupnog potrošačkog viška ne znači da svaki potrošač gubi.
Algoritamska koluzija Ishod u kojem algoritmi bez izravne komunikacije nauče održavati cijene iznad konkurentske razine [I7], [I15]. algoritamska koluzija Jednake ili paralelne cijene same po sebi ne dokazuju koluziju.
Povjerenje potrošača Očekivanje da će trgovac postupati korektno, predvidljivo i prihvatljivo; u algoritamskom pricingu povezano je s percepcijom pravednosti i stabilnosti cijena [I11]. povjerenje potrošača Transparentnost može povećati informiranost, ali ne nužno i povjerenje [I14].
Price steering Algoritamsko mijenjanje redoslijeda ili izbora ponuđenih proizvoda, bez nužne promjene same cijene [I12]. usmjeravanje ponude Ne pripisivati price steeringu cjenovnu diskriminaciju bez mjerenja cijena.
Revenue optimization Odabir cijene i drugih prodajnih odluka radi povećanja prihoda, često uz ograničeni kapacitet [I2; SAŽETAK], [I4; SAŽETAK]. optimizacija prihoda Prihod nije isto što i profit jer prihod ne oduzima troškove.
FAZA E — GDJE SE LITERATURA NE SLAŽE

1. Povećava li personalizacija ukupno blagostanje?

Strana A: prosječni potrošački višak može pasti

Dubé i Misra nalaze da personalizirane cijene povećavaju profit poduzeća, ali smanjuju ukupni potrošački višak u odnosu na jedinstvenu cijenu [I8; SAŽETAK]. OECD ističe da personalizacija može povećati ukupni višak, ali istodobno prebaciti veći dio koristi s potrošača na poduzeće [I13].

Strana B: dio potrošača može dobiti, a ukupno blagostanje ne mora pasti

Dubé i Misra istodobno nalaze da više od 60 % potrošača dobiva nižu cijenu i da rezultat za ukupno blagostanje ovisi o funkciji društvene dobrobiti [I8; SAŽETAK]. Donnelly, Kanodia i Morozov pokazuju da određeni oblici personalizacije ponude mogu povećati potrošački višak [I25; SAŽETAK].

Najvjerojatnija razlika

Razlika proizlazi iz definicije blagostanja, tržišnog konteksta i vrste personalizacije. Personalizirana cijena, personalizirano rangiranje i personalizirana ponuda nisu ista intervencija.

Razvrstavanje: konceptualno neodlučivo, uz empirijske elemente. Podaci mogu pokazati tko dobiva i tko gubi u konkretnom tržištu, ali ne mogu sami odrediti treba li veći profit poduzeća imati veću društvenu težinu od raspodjele koristi.

2. Povećava li algoritamski pricing konkurenciju ili je slabi?

Strana A: algoritmi mogu povećati učinkovitost i smanjiti cijene

Hanspach, Sapi i Wieting nalaze da algoritamski prodavatelji na proučavanoj platformi nisu općenito povezani s višim cijenama, a u monopolskim situacijama algoritmi mogu ispraviti previsoke ljudske cijene [I10]. OECD također navodi da personalizacija u konkurentnim tržištima može povećati pritisak na poduzeća da privuku pojedinačne kupce [I13].

Strana B: algoritmi mogu povećati marže i olakšati koordinaciju

Calvano i suradnici pokazuju da Q-learning algoritmi u laboratorijskom oligopolističkom okruženju mogu naučiti suprakonkurentske cijene bez komunikacije [I7]. Assad i suradnici nalaze da marže rastu u duopolima i triopolima kada svi konkurenti usvoje algoritamski pricing [I23; SAŽETAK].

Najvjerojatnija razlika

Razlika je najvjerojatnije posljedica tržišne strukture, vrste algoritma, stupnja usvajanja među konkurentima i mjerila ishoda.

Razvrstavanje: empirijski odlučivo. Dodatni podaci o tržišnoj strukturi, usvajanju algoritama, cijenama, maržama i ponašanju algoritama mogu razlikovati konkurentsku učinkovitost od koordinacije.

3. Je li problem u algoritmu ili u promjenjivosti cijena?

Vomberg, Homburg i Sarantopoulos nalaze da algoritamski dinamički pricing smanjuje povjerenje i povećava pretraživanje cijena, ali da reakcija slabi kada se potrošači naviknu ili kada se uvede price-match praksa [I11]. OECD-ov eksperiment pokazuje da formalne objave personaliziranog pricinga imaju ograničen učinak na razumijevanje i kupovno ponašanje [I14].

Ovdje nije potvrđeno izravno neslaganje. Oba izvora sugeriraju da transparentnost sama po sebi nije dovoljna, ali mjere različite ishode: [I11] povjerenje i pretraživanje, a [I14] razumijevanje i kupovno ponašanje.

Razvrstavanje: konceptualno neodlučivo za opću tvrdnju; empirijski odlučivo za konkretan dizajn objave i tržišni kontekst.

4. Je li svaka različita cijena personalizirana cijena?

EU pravila razlikuju dinamičko ili real-time mijenjanje cijena prema općoj tržišnoj potražnji od personalizacije na temelju automatiziranog profiliranja [I17]. OECD također razlikuje dinamičko određivanje cijena od personaliziranog određivanja cijena [I13].

Razvrstavanje: konceptualno neodlučivo. Nije riječ o tvrdnji koju bi dodatni podaci sami razriješili, nego o definicijskoj i pravnoj granici.

FAZA F — PRIJEDLOG STRUKTURE

1. Ekonomska osnova formiranja cijena

1.1. Cijena, trošak, potražnja i profit

1.2. Spremnost na plaćanje i cjenovna elastičnost

1.3. Konkurencija i tržišna moć

1.4. Prihod nasuprot profitu i potrošačkom višku

  • Tražene sastavnice: sve su pokrivene barem jednim izvorom.
  • Cjelinu pokrivaju: [I1], [I2].
  • Samo sastavnicu pokrivaju: [I4], [I19], [I8], [I13].
  • Dohvat: cjelina djelomično počiva na relevantnom odjeljku i sažetku; osnovne definicije iz [I1] i [I2] nemaju puni tekst.
  • Oznaka: nije tanko, ali temeljne definicije iz [I1] treba u nacrtu formulirati oprezno.

2. Dinamičko određivanje cijena i revenue management

2.1. Promjena cijena kroz vrijeme

2.2. Zalihe, kapacitet i rok prodaje

2.3. Učenje potražnje

2.4. Optimizacija prihoda i profita

  • Tražene sastavnice: tri su dobro pokrivene; optimizacija prihoda nasuprot profitu djelomično je pokrivena.
  • Cjelinu pokrivaju: [I3], [I4], [I5].
  • Samo sastavnicu pokrivaju: [I6] za zalihe i vremenski horizont.
  • Dohvat: većina ključnih nalaza dolazi iz sažetaka [I4], [I5], [I6].
  • Oznaka: tanko za izravnu usporedbu prihoda i profita u stvarnom poduzeću.

3. AI i algoritamska optimizacija cijena

3.1. Automatizirano određivanje cijena

3.2. Podaci, procjena potražnje i spremnosti na plaćanje

3.3. Eksperimentiranje i učenje

3.4. Ograničenja modela i podataka

  • Tražene sastavnice: prve tri su pokrivene; ograničenja modela pokrivena su samo općenito.
  • Cjelinu pokriva: [I10].
  • Samo sastavnicu pokrivaju: [I2], [I5], [I9], [I20].
  • Dohvat: [I9], [I10] imaju puni ili relevantni tekst.
  • Oznaka: nije tanko za ekonomski opis, ali je tanko za tehničku usporedbu AI metoda.

4. Cjenovna diskriminacija i personalizirane cijene

4.1. Oblici cjenovne diskriminacije

4.2. Dinamički nasuprot personaliziranom pricingu

4.3. Ponašajni i transakcijski podaci

4.4. Granica između personalizacije i diskriminacije

  • Tražene sastavnice: pokrivene, ali tipologija stupnjeva cjenovne diskriminacije nije dovoljno koncentrirana u jednom punom referentnom izvoru.
  • Cjelinu pokrivaju: [I8], [I13].
  • Samo sastavnicu pokrivaju: [I9], [I12], [I17].
  • Dohvat: [I9], [I12], [I17] imaju relevantan tekst ili puni tekst; [I8] je korišten iz sažetka.
  • Oznaka: nije tanko za personalizirano pricing, ali je tanko za klasičnu taksonomiju prvog, drugog i trećeg stupnja.

5. Profit, učinkovitost i potrošačko blagostanje

5.1. Profit poduzeća

5.2. Potrošački višak

5.3. Ukupni društveni višak

5.4. Distribucija koristi i gubitaka

  • Tražene sastavnice: pokrivene su, ali nisu jednako empirijski snažne.
  • Cjelinu pokriva: [I8].
  • Samo sastavnicu pokrivaju: [I13], [I22], [I25].
  • Dohvat: ključni nalaz [I8] preuzet je iz sažetka i mora nositi [SAŽETAK].
  • Oznaka: nije tanko, ali zaključak mora razlikovati prosječni, ukupni i distribucijski učinak.

6. Algoritamska konkurencija i implicitna koordinacija

6.1. Konkurencija više pricing algoritama

6.2. Suprakonkurentske cijene

6.3. Algoritamsko kažnjavanje odstupanja

6.4. Empirijsko razlikovanje koordinacije i paralelnog ponašanja

  • Tražene sastavnice: prve tri dobro su pokrivene; četvrta je djelomično pokrivena.
  • Cjelinu pokrivaju: [I7], [I15], [I21].
  • Samo sastavnicu pokrivaju: [I23] za empirijsko identificiranje i [I24] za regulatornu štetu bez formalnog dogovora.
  • Dohvat: [I7], [I21], [I24] imaju puni ili relevantni tekst; [I23] se za glavni nalaz oslanja na sažetak.
  • Oznaka: nije tanko za teoriju, ali je tanko za višesektorsku empiriju.

7. Transparentnost, povjerenje i regulacija

7.1. Percepcija pravednosti

7.2. Povjerenje i pretraživanje cijena

7.3. Objava personalizacije

7.4. Zaštita podataka i tržišno natjecanje

  • Tražene sastavnice: sve su pokrivene.
  • Cjelinu pokrivaju: [I11], [I16], [I17], [I18].
  • Samo sastavnicu pokrivaju: [I14] za objavu personalizacije.
  • Dohvat: [I11], [I14], [I16], [I17], [I18] imaju puni ili relevantni odjeljak.
  • Oznaka: nije tanko.
FAZA G — RUPE

  1. Cjenovna elastičnost: potvrđeno je teorijsko značenje, ali nema dovoljno zasebnih empirijskih radova koji pokazuju kako se elastičnost procjenjuje u AI pricing sustavima.
    - potvrđeni izvori: [I2], [I4], [I5] - moguće baze za nastavak: EconLit, Web of Science, Scopus, ScienceDirect.

  2. Prihod nasuprot profitu: literatura često govori o revenue optimizationu, ali ne daje uvijek transparentan prikaz troškova, pa profitni učinak nije uvijek izravno mjerljiv.
    - potvrđeni izvori: [I2], [I3], [I4] - moguće baze: EconLit, INFORMS, JSTOR.

  3. Klasična taksonomija cjenovne diskriminacije: nije potvrđen jedan puni referentni izvor koji bi u ovom dosjeu nosio sve oblike prvog, drugog i trećeg stupnja.
    - djelomično pokriveno: [I13], [I8] - moguće baze: ScienceDirect, Handbook of Industrial Organization, Cambridge Core.

  4. Empirijska algoritamska koluzija: postoje teorijski i pojedinačni tržišni dokazi, ali nema dovoljno usporedivih studija iz više industrija.
    - potvrđeni izvori: [I7], [I10], [I15], [I21], [I23], [I24] - moguće baze: AEA, NBER, JPE, Competition Policy International kao sekundarni trag, službene stranice regulatora.

  5. Hrvatski i regionalni kontekst: nije potvrđena relevantna regionalna literatura koja izravno pokriva AI pricing, potrošački višak i implicitnu koordinaciju. To ostaje rupa, ne razlog za umetanje nerelevantnog regionalnog izvora.

  6. Nacionalna provedba EU pravila: dosje potvrđuje europski normativni okvir, ali ne i njegovu provedbu u Hrvatskoj.
    - potvrđeni izvori: [I17], [I18] - moguće baze: EUR-Lex, Narodne novine, AZOP, Hrvatska agencija za zaštitu tržišnog natjecanja.

  7. Kvota regionalne literature: nije ispunjena jer relevantan regionalni izvor nije potvrđen.

  8. Kvota suprotnih strana: ispunjena je, ali strane nisu simetrično empirijski pokrivene. Strana o mogućoj učinkovitosti oslanja se ponajprije na [I10], dok se strana o koordinaciji oslanja na teorijske i tržišno-specifične izvore [I7], [I23].

  9. Poglavlje koje bi zahtijevalo [KRUG 2]: prema pravilu o manje od trećine sastavnica, nijedno poglavlje nema manje od trećine pokrivenih sastavnica. Dodatni krug nije otvoren.

  10. Ipak tanko poglavlje: poglavlje 2 ostaje tanko za izravnu usporedbu prihoda i profita, a poglavlje 6 za višesektorsku empirijsku identifikaciju algoritamske koordinacije.

ZAVRŠNA PROVJERA
  • Broj izbrisanih tvrdnji: 0 u fazama C, D i E; tvrdnje su formulirane samo iz potvrđenih polja faze B.
  • Pojedinačno pregledano:
  • C1–C8: svaka rečenica povezana je s oznakom [I1]–[I25].
  • D1–D12: svaka definicija ima izvor; didaktičke zamke nisu pripisane empirijskim radovima.
  • E1–E4: svaka strana neslaganja vezana je uz zaključak konkretnog izvora.
  • F1–F7: za svako poglavlje navedene su sve sastavnice, odnosi predmeta izvora i predmeta poglavlja te razina dohvata.
  • G1–G10: rupe su odvojene od odbijenih kandidata.
  • Oznake u tekstu: sve korištene oznake postoje u fazi B.
  • Odbijeni kandidati: nijedan se ne pojavljuje u fazama C–G.
  • Empirijska osnova: brojke su upisane samo za empirijske izvore.
  • Operacionalizacija: odvojena je od interpretacije nalaza.
  • Autori i godine: u fazama C–E navedeni su samo autori i godine iz faze B.
  • [SAŽETAK]: uz nalaze izvora [I4], [I5], [I6], [I8], [I23] i [I25] naveden je dodatak [SAŽETAK].
  • [KANON]: nalazi kanonskih djela [I1], [I2] i [I3] označeni su u B2; njihovi temeljni nalazi u C–F nisu predstavljeni kao precizni tekstualni citati.
  • PREDMET IZVORA: popunjen je za svih 25 izvora.
  • Poglavlja i stranice: rasponi stranica nisu uneseni za izvore bez potvrđenog bibliografskog raspona ili za knjige čiji sadržaj nije otvoren.
  • Šesnaest zabranjenih obrazaca: provjereni su hibridni citat, razdvojeni lanac, nevidljivi izvor, žanrovski nemoguć podatak, obrnuti smjer, lažni konstruktor, prejaki jezik, brojka bez faze, pripisana napomena, goli identifikator, zastarjeli predtisak, akt bez članka, sekundarni opis instrumenta, tiha zamjena pojma, uski rad kao pokriće širokog poglavlja i izmišljeni raspon stranica. Nisu zadržani u dosjeu.
  • Konačna procjena: korpus je dostatan za seminar o ekonomskim učincima AI pricinga, ali zaključak mora biti uvjetan: AI pricing može povećati učinkovitost i profit, ali u određenim tržišnim strukturama može smanjiti potrošački višak, povećati marže i olakšati koordinaciju.
Natrag na finalni rad