73
Capitolo 3. Aspetti microeconomici del Search engine
advertising
3.1. Introduzione
In questo capitolo si analizzeranno le aste per la determinazione dei prezzi nel search engine advertising per poi studiare da un punto di vista microeconomico quali sono le implicazioni nel mercato in analisi.
Per una piattaforma è fondamentale capire quale tipologia di asta utilizzare per la vendita degli slot pubblicitari per incrementare l’efficacia del sistema. La giusta scelta in questo ambito porta ad aumentare il numero di advertiser nella propria rete con il risultato immediato di incrementare i ricavi e con la possibilità di entrare in un loop positivo sempre più forte.
Di fatto, la scelta ricade sull’asta al secondo prezzo, lanciata per la prima volta da Google nel 2002 e utilizzata in seguito dai suoi antagonisti che altrimenti non sarebbero riusciti, neanche lontanamente, a reggere il confronto con la società di Brin e Page.
Nel seguito vedremo più nel dettaglio lo sviluppo e il funzionamento delle aste per le keyword.
Andremo infine a comprendere quali sono le caratteristiche economiche principali di questo settore e come esse possono modificare, nel bene e nel male, la situazione di un’azienda rispetto ai competitor e spostare gli equilibri di mercato.
74
3.2. Le aste per la determinazione del prezzo degli annunci
Una delle caratteristiche principali del search-based advertising è la metodologia con cui la piattaforma riesce ad attribuire gli slot pubblicitari agli advertiser. Tale sistema è basato su aste automatizzate in cui gli advertiser fanno un’offerta per l’acquisto di slot relativi ad un determinata keyword o ad una serie di più parole chiave. Grazie a queste tecnologie i motori di ricerca possono offrire il servizio con costi marginali bassi e profitti marginali molto alti.
3.2.1. Evoluzione delle Ad auction, da GoTo.com a Google
Il primo tentativo di inserire aste per il posizionamento in un motore di ricerca fu fatto da GoTo.com, che però offriva la possibilità di fare offerte per acquistare gli spazi migliori nei risultati di ricerca e non per acquistare slot pubblicitari. Questa tipologia di posizionamento dei risultati della ricerca non funzionava molto bene, infatti la propensione dei siti web a pagare per il posizionamento più alto non era strettamente correlata alla rilevanza della pagina per l’utente che aveva effettuato la query. Quindi nel 1997 GoTo.com cambiò il proprio modello di business, vendendo tramite asta gli slot pubblicitari che accompagnavano i risultati della ricerca. Questa metodologia di vendita degli spazi pubblicitari, che utilizzava un modello di pricing non più basato sulle impressioni ma sui click, fu una grande innovazione, infatti gli advertiser potevano scegliere quali keyword erano rilevanti per il proprio prodotto e quando erano disposti a pagare per ogni determinata parola. Gli annunci infine venivano disposti in ordine discendente, dove la posizione più alta era occupata dall’advertiser che aveva effettuato l’offerta maggiore.
Questa innovazione poteva vantare grandi pregi quali costi di ingresso bassi, facilità d’uso e trasparenza nel meccanismo, che portarono rapidamente Overture al successo nella sfida tra le piattaforme di search advertisement, fornendo il servizio ai maggiori motori di ricerca tra cui Yahoo! e MSN. Nonostante ciò questo sistema di aste era lontano dalla perfezione, vediamo il perché con un esempio.
75
Supponiamo che in una pagina siano presenti 2 slot contesi da tre bidder. Gli advertiser 1, 2 e 3 attribuiscono ad un click rispettivamente il valore di 10€, 4€ e 2€. Ricordiamo che questo è un gioco ripetitivo e che quindi le offerte possono essere riviste continuamente e che spesso gli advertisers utilizzano programmi automatizzati per rinnovare le offerte (autobidder) . Il bidder 2 per garantirsi uno slot deve offrire più del massimo valore che il bidder 3 è disposto a pagare, per fare ciò quindi offrirà 2,01€. Allora il bidder 1 non vorrà spendere più di 2,02€ per ottenere la prima posizione. Ma il bidder 2 è disposto a pagare fino a 4€ per click, quindi aumenta ancora l’offerta sopra quella del bidder 1, che a sua volta supererà il nuovo valore proposto dal contendente, questo botta e risposta durerà finché non si raggiungerà il valore massimo di uno dei bidder, in questo caso 4€. Questa comunque non è una situazione di equilibrio, infatti il bidder 2 che è ormai impossibilitato ad acquistare il primo slot abbasserà la propria offerta per il secondo slot fino al minimo valore possibile cioè 2,01€, ma a questo punto il bidder 1 diminuisce la propria offerta per il primo slot a 2,02€, e il gioco si ripete come in precedenza in un loop potenzialmente infinito. In Figura 23 possiamo vedere il comportamento dell’offerta più alta di una determinata keyword (non specificata) in un’asta di Overture dalle 00:15 alle 14:15 del 18 luglio 2002, con tempo di aggiornamento di 15 minuti.
76
In Figura 24 invece possiamo vedere il comportamento della stessa parola chiave nell’arco di una settimana, a partire dal 18 luglio 2002.
Figura 24. Asta per una keyword su Overture dal 18 luglio 2002 al 25 luglio 2002.
Questa dinamica era comune per molte parole chiave, e faceva si che il bidder che aveva un più rapido tempo di reazione alle offerte del competitor avesse un forte vantaggio. Inoltre la volatilità dei prezzi causava inefficienze allocative. Overture non fu la prima a trovare una soluzione a questo problema, che sarà risolto nel 2002 da Google,prima però vediamo quali furono i primi passi nell’ad auction fatti dalla società creata da Larry Page e Sergey Brin nel 1998.
L’entrata di Google nel mercato avvenne dopo una fase di studio del funzionamento delle aste di Overture effettuata da due suoi impiegati che crearono, nell’autunno 2001, la Google Ad Auction.
Google ottenne subito un grande vantaggio, in termini di numero di utenti, grazie ad una scelta guidata oltre da una chiara strategia anche dall’etica della società di Page e Brin, tale decisione fu quella di dividere nettamente i link pubblicitari da quelli derivati dalla ricerca, mentre GoTo.com che era stata creata come motore di ricerca commerciale non utilizzava questa netta distinzione.
Nel primo sviluppo del modello gli annunci erano posizionati in un ordine determinato da una combinazione tra le offerte (bids) dell’asta e una stima del
77
Click-Through rate della parola chiave, in un’asta al primo prezzo come quella perfezionata da Overture. Le offerte erano misurate in costo / click mentre il Click-Through rate era dato da click / impressione, quindi il ranking degli annunci era dato dal rapporto costo per impressione. Il modello quindi posizionava nello slot migliore (quello con la probabilità più alta di ricevere click) l’annuncio con il maggiore ricavo atteso.
Era importante considerare oltre al costo per click e il Click-Through rate delle keyword anche il numero di click attesi per quella determinata posizione, questo portò Google a cercare una soluzione per stimare la probabilità che un annuncio fosse cliccato.
Google si rese presto conto che un asta al primo prezzo non era efficiente, in quanto gli advertiser volevano pagare il minimo ammontare necessario a mantenere la propria posizione creando il fenomeno che affliggeva Overture visto in precedenza. Di fatto gli advertiser sottoponevano le proprie offerte ad un continuo monitoraggio e a continui cambiamenti, ciò portava un eccessivo carico ai server di Google con conseguenti cali di prestazioni. Per evitare questo problema Google nel 2002 decise di fissare il prezzo automaticamente al valore offerto dal successivo bidder più un piccolissimo incremento17, facendo ciò che gli inserzionisti avrebbero fatto comunque appesantendo il sistema, si iniziò quindi ad utilizzare il modello dell’asta al secondo prezzo. Questa scelta non fu fatta per motivi legati alla struttura dell’asta o per trovare l’equilibrio tra i bidder, ma fu principalmente una decisione di progettazione ingegneristica dovuta alle criticità di gestione del traffico sui propri server. Oltre a questo tale scelta fece si che le aste fossero più efficienti e facili da usare di quelle utilizzate in precedenza. Quando Overture osservò i vantaggi portati da questa nuova struttura di asta decise di usarla in sostituzione di quella che operava in precedenza.
17 Generalmente 0.01 $/€.
78
Tornando all’esempio precedente, con un’asta con la nuova struttura, ci troveremmo in una situazione di equilibrio in cui il bidder 1 pagherebbe il miglior slot 4€ e il bidder 2 otterrebbe la seconda piazza pagando 2€18.
Inizialmente le aste in Google venivano effettuate solo per gli slot nella parte destra delle pagina, mentre per gli slot sopra i risultati di ricerca (quelli più profittevoli) si usava una negoziazione diretta. Ma Google si accorse presto che i prezzi che scaturivano dalle aste erano più rappresentativi di quelli ottenuti con la negoziazione, quindi decise di vendere tutti gli spazi con il sistema delle aste.
3.2.2. Funzionamento delle aste
Il funzionamento delle aste lanciato da Google oggi è utilizzato anche da molti dei suoi antagonisti. Il meccanismo su cui si basano queste aste è abbastanza semplice da spiegare, un advertiser sceglie una parola chiave, o come succede più spesso più parole chiave, correlate al prodotto che vuol vendere. Ogni advertiser (bidder) fa un’offerta (bid) per ogni keyword pari al prezzo che è disposto a pagare per ogni click che gli utenti faranno sull’annuncio. Quando l’utente del motore di ricerca effettua una query con quelle parole chiave vengono mostrati gli annunci degli inserzionisti posizionati in base alla loro offerta (o in base ad una funzione della loro offerta), l’ad con bid più alto guadagna la posizione migliore19, che generalmente corrisponde a quella in cui la probabilità di click è più alta. Se infine l’utente clicca sul link dell’annuncio, l’advertiser paga una cifra che dipende dall’offerta fatta dal successivo inserzionista. La struttura di queste aste è stata denominata da alcuni autori come Generalized Second Price Auction (GPS).
Più formalmente il funzionamento dell’asta è il seguente:
lo scopo è quello di associare gli slot pubblicitari (s) ad un certo numero di advertiser (bidder), che qui chiameremo agent (a), dove:
18 Ai due prezzi deve essere aggiunto il minimo incremento inserito dal motore di ricerca.
19 Nel caso di offerte uguali il posizionamento generalmente è deciso dall’ordine in cui sono state emesse, oppure può essere scelto casualmente, ciò dipende dal motore di ricerca che gestisce l’asta.
79
a = 1,…,A s = 1,…,S
Il valore di un determinato slot per un certo agent è dato da:
uas = va * xs
Dove xs può essere interpretato come il Click-Through rate dello slot s (numero
di click attesi in quella determinata posizione), questo perché gli slot sono numerati nel seguente modo:
x1 > x2 > … > xS
e un annuncio posizionato in uno slot migliore anziché in un altro riceve più click. In breve se s aumenta allora xs diminuisce e viceversa.
Inoltre assumiamo che:
xs = 0 per ogni s>S
e che il numero di agent sia maggiore del numero di slot20.
Possiamo invece interpretare va (sempre > 0) come il profitto atteso per ogni
click dall’agente a. Quindi uas = va * xs rappresenta il profitto atteso per
l’advertiser a di posizionarsi nello slot s.
Nella figura successiva possiamo vedere l’ordine degli slot (s = 1,…,9) in una pagina di ricerca di Google, gli slot posizionati sopra ai risultati di ricerca sono quelli più attrattivi in quanto garantiscono un Click-Through rate migliore rispetto a quello garantito dagli slot sulla parte destra della pagina, quindi come emerge dalle righe precedenti x1 > x2 > … > x9.
20 Se il numero degli slot è maggiore o uguale del numero dei bidder (S ≥ A), alcuni slot pubblicitari rimarrebbero vuoti, in questa situazione l’advertiser che occupa l’ultima posizione allocata non avendo alle sue spalle nessuna offerta pagherà il proprio spazio pubblicitario un prezzo pari a zero, oppure pari al reservation price, un prezzo simbolico imposto dal motore di ricerca.
80
Figura 25. Posizionamento degli slot in una pagina di ricerca di Google.
Ogni agente fa un’offerta pari a ba, quindi lo slot con il maggior Click-Through
rate viene assegnato all’advertiser che ha offerto di più, e così via per gli altri soggetti.
Fatto ciò rinumeriamo gli agent rispetto alla posizione acquisita e definiamo vs
come il valore per click attribuito dall’advertiser che occupa lo slot s.
Il prezzo che ogni bidder paga (ps) è pari al valore offerto dall’advertiser che
occupa la posizione immediatamente successiva alla sua, quindi:
ps = bs+1
il profitto netto che l’agente a si aspetta nell’acquistare lo slot s è pari a:
(va – ps)* xs che è anche uguale a (va – bs+1)* xs
Ora prendiamo in considerazione la seguente tabella relativa ad un’asta con 4 slot disponibili (S = 4) per capire cosa deve fare un advertiser che vuole cambiare slot:
81
Posizione Agent Valore Bid Price CTR
1 a1 v1 b1 p1 = b2 x1 2 a2 v2 b2 p2 = b3 x2 3 a3 v3 b3 p3 = b4 x3 4 a4 v4 b4 p4 = b5 x4 5 a5 v5 b5 p5 = 0 0 Tabella 10. Esempio di Ad auction.
Possiamo vedere questo tipo di asta come un gioco simultaneo con informazione completa, cioè ogni bidder conosce le mosse degli altri, inoltre si tratta di un gioco che si ripete, permettendo quindi di rivedere le proprie offerte in ogni momento.
Supponiamo che il bidder nel terzo slot voglia salire di una posizione, per fare ciò deve offrire almeno quanto il secondo advertiser, cioè b2. Se invece vuole
scendere di una posizione deve fare un’offerta almeno pari a b4 = p3, l’offerta
fatta da a4.
In generale per avanzare di posizione basta battere l’offerta del bidder che attualmente occupa quello slot, mentre per scendere nel ranking è necessario battere il prezzo pagato dall’agent che occupa la posizione da raggiungere.
È importante ricordare che non sempre lo slot con Click-Through rate è il migliore per ogni advertiser, infatti può essere più proficuo per un bidder avere un Click-Through rate più basso ad un costo minore rispetto ad un altro con rendimento migliore ma con un costo maggiore.
In equilibrio ogni advertiser preferisce la sua posizione rispetto a qualsiasi altra delle altre, vediamo un esempio per chiarire il concetto. Supponiamo una situazione dove ci siano 3 bidder in corsa per aggiudicarsi 2 posizioni, gli agenti attribuiscono un valore ai click sui loro annunci rispettivamente di 6€, 4€ e 1€, mentre gli slot hanno un numero di click attesi pari a 300 e 100. In equilibrio l’asta è nella situazione seguente:
82
Slot CTR Advertiser ba = va Prezzo ua
s1 300 a1 6€ 4€ 600€
s2 100 a2 4€ 1€ 300€
‐ ‐ a3 1€ ‐ ‐
Tabella 11. Esempio
In questa situazione l’advertiser a2 non avrebbe nessuna convenienza a
posizionarsi nel primo slot, in quanto vedrebbe diminuire il proprio profitto, la stessa situazione si verificherebbe nel caso che a1 abbassi la propria offerta per
scendere di posizione.
Vediamo di capire come un advertiser decide quale è il valore di un click sul proprio annuncio e quindi quale è l’offerta che verrà fatta durante l’asta. Nel fare questa scelta l’advertiser deve considerare il costo incrementale per click, ponendosi la domanda: quanto guadagnerò in più se investirò per avere un
numero più alto di click?
Se il costo incrementale per click è minore del valore per click, l’advertiser dovrebbe aumentare la propria offerta. Se invece il costo incrementale per click è maggiore del valore per click allora l’advertiser dovrebbe diminuire la sua offerta.
In equilibrio il costo incrementale per salire di una posizione dovrebbe essere maggiore del valore per click scelto dal bidder, mentre il risparmio incrementale per scendere di una posizione dovrebbe essere minore del valore per click. Quindi in equilibrio il costo incrementale per click diventa maggiore con l’aumento de Click-Through rate. Se succedesse il contrario, cioè se il costo incrementale diminuisse da una posizione alla successiva (con un maggiore CRT), ci sarebbero bidder che acquisterebbero click teoricamente più costosi ma venduti a prezzi bassi, questo è contrario alle assunzioni di equilibrio.
Inoltre, poiché in equilibrio il valore per click dovrebbe essere determinato dal costo incrementale per click, lo studio di tale costo ci consente di dedurre preziose informazioni sulle offerte degli altri bidder. Possiamo affermare quindi
83
che nella pratica il costo incrementale per click ci fornisce una stima plausibile del valore del click.
Comunque è importante sottolineare che non esiste un unico equilibrio nelle Ad auction, c’è sempre una soglia di indeterminatezza dovuta alla scelta del valore per click fatta dagli advertiser che può ricadere su più risultati. Dobbiamo, quindi, parlare non di offerte di equilibrio ma di range di offerte di equilibrio.
3.2.3. L’importanza della competizione nelle aste
I ricavi del motore di ricerca sono strettamente legati al livello di competitività esistente nelle aste, più semplicemente i ricavi non decollano finché non c’è competizione.
Chiameremo un’asta con più slot disponibili che bidder “undersold”, mentre definiremo un’asta nella situazione contraria “oversold”, che rappresenta anche la fattispecie che generalmente si presenta nella pratica.
Se l’asta è undersold, il prezzo pagato dall’ultimo bidder sarà pari al reservation
price, un prezzo simbolico di pochi centesimi di euro imposto dal motore di
ricerca. Se, invece, l’asta è oversold l’ultimo bidder della pagina pagherà una prezzo pari all’offerta del primo tra gli advertiser esclusi, questo valore sarà sicuramente molto più alto rispetto al reservation price.
Per capire meglio questa situazione, vediamo un modello semplificato dove tutti gli agent attribuiscono lo stesso valore v ad un click a il reservation price è uguale a r. Ricordiamo inoltre che il prezzo degli slot è pari a ps e il numero di
click su essi è xs. Se l’asta è undersold sarà indifferente per ogni bidder pagare ps
e ricever xs click oppure pagare r e ricevere xm click, dove xm è il numero di click
ottenuti occupando l’ultimo slot allocato21. Questo porta ad una situazione in cui:
(v - ps) * xs = (v – r) * xm
21 Questo succede perché, in questo particolare caso, le due identiche offerte effettuate dai due bidder sono scaturita dal calcolo del valore incrementale dato dal passaggio dal secondo al primo slot. In pratica gli advertiser attribuiranno un valore all’offerta (p) pari al risultato dell’eguaglianza tra i profitti nel primo slot e nel secondo. Vedi nota successiva relativa all’esempio.
84
o in altri termini:
ps * xs = r * xm + v (xs – xm)
Questa disequazione ci mostra come che la spesa per posizionarsi nello slot s è pari alla spesa nell’ultimo slot più il valore incrementale dei click in quella posizione.
Ora vediamo come si comporta il modello quando si ha un’asta oversold, in tale situazione ci sarà almeno un bidder escluso, per ipotesi anche questo bidder attribuirà un valore ai click pari a v. In questa situazione, per ogni bidder ci sarà indifferenza tra il profitto di avere uno slot ed il profitto di essere esclusi, perché entrambi i valori sono pari a zero. Formalmente:
(v - ps) * xs =0
Da ciò si deduce che ps = v, questa situazione porta ad un netto incremento dei
ricavi del motore di ricerca.
Per puntualizzare ancora meglio questo concetto vediamo un esempio numerico. Supponiamo che ci siano due slot, il primo garantisce 100 click al giorno, mentre il secondo ne garantisce 80. A contendersi le due posizioni ci sono due advertiser, che attribuiscono, entrambi, un valore ad ogni click di 50 centesimi di euro. Supponiamo che r sia pari a 5 centesimi. L’agent che occupa la seconda posizione ottiene 80 click a 5 centesimi l’uno, pagando un totale di 4€. Mentre il bidder che occupa la prima posizione ottiene 20 click addizionali pagandoli 50 centesimi l’uno, cioè 10€, spendendo un totale di 4€ + 10€ = 14€22.
In questo caso il ricavo totale del motore di ricerca è pari a 18€.
Se invece ci fosse un altro advertiser (anche quest’ultimo attribuisce un valore ai click di 50 centesimi) l’asta sarebbe oversold. In equilibrio le offerte sarebbero di
22 In realtà il costo dei click è definito come spiegato nella precedente nota dal calcolo del profitto generato dai click aggiuntivi: ua1 = ua2Æ xs1 * v – xs1 * p = xs2 * v – xs2 * r Æ 100 * 0,5 – 100 * p = 80 * 0,5 – 80 * 0,05 Æ 50 – 100p = 40 – 4 Æ p = 0,14€. Nota che in questo caso il prezzo corrisponde all’offerta perché le preferenze dei due soggetti sono uguali.
85
50 centesimi per un totale di 180 click, con un ricavo per il motore di ricerca pari a 90€, molto di più dei 18€ che guadagnava con un asta undersold.
Nella pratica il rischio che un’asta rimanga undersold è ridotto dalla possibilità di scegliere parole chiave con corrispondenza generica per il targeting dell’annuncio (vedi par.2.2.1).
In questo paragrafo abbiamo sottolineato che l’importanza di avere pagine oversold non è data solo dalla competizione dovuta alla presenza di molti advertiser, ma anche dalla struttura dell’asta che in caso contrario porta a stabilire prezzi più bassi di quelli che si realizzerebbero in un asta oversold.
3.2.4. Il punteggio di qualità e i ricavi attesi dei motori di ricerca
Come accennato in precedenza, nelle aste di Google, il ranking degli advertiser negli slot pubblicitari non è determinato solo dalle loro offerte, ma anche dal punteggio di qualità attribuito alla parola chiave. Ricordiamo che il punteggio di qualità viene determinato dal CTR, dalla pertinenza del testo dell’annuncio, dal rendimento storico delle keyword e da altri fattori di pertinenza.
Per capire il funzionamento studiamo un modello semplificato, in cui definiamo l’ad quality come il Click-Through rate atteso. Quindi in questo modello Google posiziona gli annunci negli slot tenendo conto delle offerte e del CTR atteso, cerchiamo di capire come Google stima quest’ultimo valore.
Il CTR che un annuncio riceve in una determinata posizione è determinato da 2 variabili, una dovuta alla posizione che occupa (position-specific effect, xs) e una
dovuta all’annuncio (ad-specific effect, ea). Il CTR dell’annuncio dell’agente a
nello slot s è dato da:
ea * xs
La stima dei due valori può essere fatta nel seguente modo, per stimare il position-specific effect basta inserire casualmente nello slot s gli annunci e misurarne il risultato. Quando si ha questo valore basta utilizzare i dati storici dei
86
click su ogni annuncio per calcolare l’ad-specific effect, per perfezionare la stima possono essere utilizzati anche predittori aggiuntivi.
La stima di ea ci è utile in quanto il ranking degli annunci sarà effettuato tenendo
conto del risultato della moltiplicazione ba * ea. Essendo il primo fattore espresso
in euro per click e l’ad-specific effect in click su impressioni, il rapporto fornisce un risultato che ha come unità di misura euro / click. Quindi ba * ea rappresenta il
valore che un advertiser è disposto a pagare per far si che il proprio annuncio venga visualizzato. Al bidder con un più alto valore per impressione è data la migliore posizione, nell’ordine dato da questo prodotto seguono tutti gli altri agent.
Quindi, un annuncio con un’offerta per click più alta può essere superato da un altro che ha un’offerta più bassa ma un Click-Through rate migliore. L’assegnazione degli slot con questa metodologia porta ad una ottimizzazione del valore delle impressioni nella pagina, facendo si che aumentino anche i ricavi attesi del search engine.
Un'altra importante variabile che i motori di ricerca devono tenere in considerazione per aumentare i ricavi (o almeno per non diminuirli) è quella che considera gli annunci da non mostrare all’utente. Questo perché la probabilità che un annuncio venga cliccato è data dalla rilevanza che l’utente si aspetta da quella particolare inserzione.
L’utente si basa anche sulle sue precedenti esperienze, quindi un click su un link per lui non rilevante oggi potrebbe portare ad una diminuzione nella propensione a cliccare le pubblicità domani. Più semplicemente mostrare un annuncio non rilevante nelle posizioni con un maggiore CTR può portare costi futuri molto alti. In conclusione la decisione di mostrare un ad e, se si, dove non dipende solo dai ricavi correnti ma anche da una stima sull’influenza che tali annunci avranno sulla futura propensione al click. Nel paragrafo 3.3 vedremo che la rilevanza degli annunci è molto importante per cercare di ottenere la leadership nel mercato.
87 3.3. Implicazioni microeconomiche del search engine
advertisement
Il mercato del search engine advertising, pur avendo uno struttura two-sided23 come quella dei media tradizionali, ha delle peculiarità che lo distinguono.
I consumatori generalmente utilizzano un unico motore di ricerca per le proprie ricerche, quello che a parere dell’utilizzatore genererà la migliore ricerca, intesa come combinazione dei risultati organici e pubblicità, questo accade nonostante non ci siano vincoli ne economici ne tecnologici all’utilizzo di più piattaforme. Invece gli advertiser spesso inseriscono i propri ads su più piattaforme in modo da raggiungere un bacino più ampio di potenziali consumatori. Ne i consumatori ne gli advertiser fanno scelte di sostituzione marginale tra piattaforme per una determinata keyword, il consumatore continua ad usare il motore di ricerca preferito e l’advertiser usa più piattaforme(quelle in cui il CPC è congruo al valore generato dai potenziali clienti ottenuti). Questa struttura fa si che il CPC di una determinata keyword sia diverso tra una piattaforma di ricerca e le altre. Inoltre il CPC è determinato anche dalle modalità in cui vengono svolte le aste sulle diverse piattaforme. Le aste avranno un CPC simile tra le diverse piattaforme per una determinata parola chiave quando ci sono gli stessi bidder, le regole dell’asta sono simili e il valore dei potenziali clienti è simile.
Quindi una piattaforma con meno advertiser tenderà ad avere per una determinata keyword un CPC minore, così come una piattaforma con un modello di asta meno efficiente o un valore minore dei potenziali clienti. Per questi motivi, nella pratica, si trovano molte differenze tra i CPC di una piattaforma rispetto alle altre24.
23 In un mercato two-sided(o two-sided network) un soggetto con ruolo di intermediario (la piattaforma) riunisce e risponde alle esigenze di due distinte parti. Nel nostro caso la piattaforma (il motore di ricerca) gestisce le richieste dei searcher e degli advertiser. Dal lato dei searcher deve unire la domanda degli utenti che cercano informazioni con l’offerta di chi produce contenuti. Dal lato dell’advertiser deve far incontrare i soggetti che vogliono acquistare un bene con quelli che li vendono.
88
Nelle parti seguenti andremo ad analizzare le principali caratteristiche economiche del mercato del search engine advertisement, e quali sono i fattori che causano le differenze tra le piattaforme di search engine advertising.
3.3.1. Gli effetti di rete indiretti
Andiamo ora a vedere il ruolo degli effetti di rete indiretti. Siamo in presenza di effetti di rete (o Network effects) quando il valore di un bene per un soggetto è influenzato da quanti altri soggetti sono in possesso di quel bene, semplicemente, più il bene è diffuso e maggiore è il valore che il soggetto gli attribuisce25. Gli effetti di rete indiretti, sono invece vantaggi derivati dal possesso dello stesso bene da parte di più soggetti.
Un advertiser paga solo quando un consumatore clicca sull’annuncio, e tale prezzo (in questa fase) non dipende da quanti altri utenti hanno cliccato o cliccheranno su quella pubblicità. Quindi per l’advertiser sarà indifferente fare una scelta tra un motore di ricerca con un numero di utenti basso o alto, almeno finché il loro valore sarà maggiore del costo di ogni click ottenuto.
Per quel che riguarda gli utenti del motore di ricerca, essi non avranno nessun beneficio (diretto) collegato al numero di soggetti che eseguono ricerche sulla stessa piattaforma. Infatti i searchers valutano il risultato della ricerca, non quanti hanno effettuato tale ricerca, possono, invece, valutare positivamente il numero di ads presenti nella pagina di ricerca, ma questo valore, fermo il numero di advertisers, non dipende dal numero di searchers.
Quanto visto finora, non tiene conto delle caratteristiche principali delle piattaforme di transazione, che portano a forti effetti di rete indiretti.
Le piattaforme di search advertisement, come quelle tradizionali, cercano compratori e venditori, in modo da creare una rete di transazioni. È normale che i venditori beneficeranno di un numero maggiore di compratori; allo stesso modo, se il numero di venditori è maggiore, i compratori avranno una maggiore
25 I network effects sono molto forti nel mercato dei software. P.e. nessuno sarebbe interessato ad usare Skype se nessun altro avesse tale programma.
89
possibilità di fare acquisti più vantaggiosi. Se il numero dei soggetti è troppo piccolo il mercato sarà economicamente insostenibile.
Nel caso in analisi i compratori sono gli advertiser, che acquistano l’accesso agli utilizzatori di internet, mentre i venditori sono i searchers, che vendono il proprio accesso attraverso la piattaforma di search advertisement. Come già detto, se il numero di searchers (e di ricerche) e advertisers è più alto, allora è maggiore anche la probabilità di trovare incontri profittevoli tra domanda e offerta. Vediamo più nel dettaglio perché.
Quando ci sono più advertisers, il searcher visualizza un numero maggiore di pubblicità rilevanti, dove per pubblicità rilevanti si intende quelle che rispondono precisamente alla query fatta dall’utente al motore di ricerca. Questo è vero soprattutto per combinazioni di keyword poco comuni.
In generale la piattaforma più grande ha il maggior numero di annunci rilevanti, quindi il searcher che vuole acquistare un bene attribuisce a tale piattaforma un valore superiore a quella (o quelle) con un numero di advertiser più contenuto (a parità di tutti gli altri fattori).
Anche per gli advertiser è importante che il numero di utenti sia più alto possibile. Analizziamo questo aspetto con il seguente esempio.
Supponiamo che ci siano due piattaforme, la piattaforma 1 e la piattaforma 2, dove la prima ha un numero di utenti 10 volte superiore alla seconda (con preferenze simili). Un advertiser guadagna 50€ per ogni prodotto venduto (ipotizzando che venda una singola tipologia di prodotto). Supponiamo che l’advertiser riesca ad ottenere in entrambe le piattaforme il terzo slot pubblicitario ad un costo per click di 0,5€. Fissiamo il rapporto acquisti su click uguale a 20% su entrambe le piattaforme, se sulla piattaforma 1 l’advertiser ottiene 200 click nella piattaforma 2 ne ottiene 20, riuscendo a vendere
90
rispettivamente 40 e 4 unità di prodotto, con profitti26 di 1900€ sulla prima piattaforma e 190€ sulla seconda.
È quindi ovvio che un advertiser razionale dia un valore maggiore alla piattaforma con un numero di utenti più alto rispetto alla piattaforma con un bacino di utenze più ristretto27.
Oltre alla differenza tra piattaforme, un forte impatto all’economia del search advertisement è dato dai costi fissi. Ci sono infatti due tipi di costi indipendenti dai click. Il primo deriva dal settaggio della piattaforma, dall’installazione dei software e dalla formazione per imparare ad usarlo; un advertiser cercherà, prima di fare una campagna anche su un’altra piattaforma, di coprire i costi di set up e avere un profitto incrementale dalla prima piattaforma.
La seconda tipologia è costituita dai costi derivati dall’utilizzo del search engine advertising, costituita da azioni non automatizzate e quindi svolte da umani, che comprendono la scelta delle parole chiave, la modifica delle offerte nelle aste, l’aggiornamento del testo contenuto nelle pubblicità, e il monitoraggio dei valori della campagna, come p.e. click, CRT, indice di conversione.
Di conseguenza i costi fissi scoraggiano i piccoli advertiser a beneficiare dei servizi delle piccole piattaforme, basti pensare all’esempio precedente,se ai costi visti prima si aggiungono 200€ di costi fissi, la piattaforma 2 non sarà più profittevole.
Queste considerazione portano all’esistenza di un feedback positivo legato al numero di ricerche. Si è in una situazione di feedback positivo quando il soggetto
26 Profitti = ricavi – costi. Dove i ricavi sono dati dalle vendite (nel caso della piattaforma 1 40 unità * 50€ = 2000€), e i costi sono uguali al numero di click per il CPC unitario (per la piattaforma 1 pari a 200 * 0,5€ = 100€). Per cui π = 2000€ – 100€ = 1900€.
27 Questo è vero in ogni situazione, tranne che nel caso limite dove il costo per click è pari a 10€ (seguendo nell’esempio), in questa fattispecie i profitti saranno pari a 0 su entrambe le piattaforme e quindi la scelta diventa indifferente. In realtà questa situazione è molto rara in quanto deriva da inefficienze nelle aste al secondo prezzo, che sono disegnate per far pagare all’advertiser il massimo prezzo da lui scelto (che sicuramente sarà di un valore capace di creare profitti), in questa sede non prendiamo in considerazione questa possibilità.
91
che è in fase di crescita tende a crescere di più mentre il soggetto più debole tende a diventare ancora più debole28, questo è la principale conseguenza degli effetti di rete (nel nostro caso indiretti) descritti precedentemente.
Per rendere più chiaro il concetto, prendiamo in considerazione un esempio in cui ci sono due piattaforme aventi lo stesso numero di searchers e di advertiser. Ora supponiamo che in un momento successivo la piattaforma 1 abbia un incremento del 10% dei searchers, mentre la piattaforma 2 non subisce nessun cambiamento. Questo porta ad attrarre verso la piattaforma advertiser di due tipologie: quelli che avevano ritenuto non profittevole creare campagne su entrambe le piattaforme e avevano scelto unicamente la piattaforma 2, e quelli che prima dell’incremento di searchers non avevano creato campagne su nessuna piattaforma, non ritenendole profittevoli.
Di conseguenza in questo momento la piattaforma 1 avrà più annunci rilevanti rispetto alla piattaforma 2, e quindi anche alcuni searchers saranno spinti a migrare verso la piattaforma 1. Questo aumenterebbe ulteriormente il numero di advertiser sulla piattaforma 1. Siamo così entrati nel loop del feedback positivo, questo effetto si crea anche nel caso in cui ci sia un cambiamento esogeno nel numero di advertiser su una piattaforma, in entrambi casi il vantaggio di una piattaforma cresce ad ogni passaggio del ciclo grazie all’effetto di feedback positivo.
Figura 26. Positive feedback loop nel search engine advertising
28 “Positive feedback makes strong grow stronger and the weak grow weaker”, Carl Shapiro e Hal R. Varian, Information Rules.
92
La piattaforma 1 ottiene un ulteriore vantaggio dall’aumento degli advertiser, tale vantaggio nasce dal sistema di funzionamento delle aste per l’assegnazione degli slot pubblicitari, infatti un numero maggiore di advertiser porta ad una maggiore competizione per acquistare gli slot posizionati più in alto, così che gli advertiser saranno spinti a fare offerte più alte aumentando, di conseguenza, i CPC delle keyword. Introduciamo un ulteriore esempio. La situazione di partenza vede le due piattaforme avere CPC identici, gli stessi 20 advertiser su entrambe le piattaforme che si contendono 10 slot (di valore identico su entrambe le piattaforme), ed infine le aste sono entrambe ugualmente efficienti29. In questa situazione ogni advertiser farà la stessa offerta per lo stesso slot su entrambe le piattaforme. Supponiamo che in un secondo momento alla piattaforma 1 si aggiungano 2 advertiser, mentre nella piattaforma 2 non si verifichino cambiamenti. Se questi due advertiser hanno una distribuzione simile a quella degli altri già presenti nella piattaforma, allora probabilmente 1 riuscirà ad acquistare 1 dei primi 10 slot. Supponiamo, quindi, che uno dei due posizioni il proprio annuncio nel sesto slot, ciò porta due tipologie di ricavo alla piattaforma. La prima è data dal fatto che le offerte degli slot che vanno dal sesto al decimo sono maggiori di quelle precedenti30. La seconda deriva dalla struttura dell’asta, infatti un’offerta maggiore dell’advertiser in sesta posizione porta ad un aumento delle offerte fatte dal primo al quinto posto, che subiscono un effetto positivo delle offerte più basse31.
In generale il feedback positivo dovrebbe portare a far raggiungere ad una piattaforma la posizione di monopolio, in quanto come visto fin ora la
29 Si ricorda che un’asta al secondo prezzo è definita efficiente quando riesce a rappresentare il valore massimo che un advertiser vuole effettivamente pagare.
30 Il nuovo advertiser per posizionarsi nel sesto slot ha offerto più del precedente occupante di quella posizione, che è diventato settimo, facendo scalare anche le altre posizioni. Offerte maggiori portano a ricavi maggiori per la piattaforma.
31 Nelle aste al secondo prezzo l’advertiser che si aggiudica il primo slot paga quanto offerto dal bidder che occupa la posizione successiva (più un eventuale costo fisso, generalmente molto basso). Nel nostro caso il bidder che occupa la quinta posizione vedrà aumentare il CPC per la keyword oggetto dell’asta, e così aumenterà anche il CPC del quarto bidder, e così via.
93
piattaforma più grande tende ad avere CPC più alti ed è più attrattiva sia per gli advertiser che per i searcher32. In realtà non è proprio così in quanto l’effetto di feedback positivo diminuisce con l’aumento della dimensione della piattaforma, in quanto il valore del bidder addizionale ha un andamento decrescente e più parole chiave hanno un mercato più grande.
3.3.2. Switching Cost & Effetto Lock-in
Gli switching cost (o costi di cambiamento) si creano quando un cliente passa dall’utilizzo di un prodotto all’utilizzo di un altro (spesso concorrente). Nella maggioranza dei casi, questi costi sono bassi nei mercati tradizionali, mentre sono alti nei mercati della new economy. Nei mercati tradizionali, non ci sono particolari differenze nell’utilizzo tra un prodotto e quello di un concorrente (si pensi ad un’automobile), quindi l’utente che cambia non dovrà sostenere costi di formazione aggiuntivi o perdere il know-how acquisito precedentemente. Nel mercato dei beni informazione invece esistono forti costi di formazione e c’è un forte impatto dei prodotti complementari. Si pensi al passaggio da un PC Windows a un computer Mac, i due sistemi operativi sono diversi e l’utente per passare da uno all’altro dovrà sostenere costi per imparare ad usare il nuovo, inoltre i costi di cambiamento aumentano anche perché il soggetto avrà una serie di prodotti complementari compatibili solo con la piattaforma Windows e quindi inutilizzabile nel nuovo computer, questi possono essere hardware (p.e. stampante, modem) o software, che faranno aumentare ancora i costi di cambiamento a causa di costi di apprendimento specifici dei singoli programmi. Quando gli switching cost sono alti si crea l’effetto lock-in, cioè gli utilizzatori di un bene si troveranno “intrappolati” e impossibilitati a cambiare prodotto. Ora vediamo cosa succede nel search engine advertisement.
Per gli utenti il costo di trasferimento da una piattaforma è minimo, infatti non esistono costi di formazione per imparare a navigare ed effettuare ricerche.
32 “The platform that provided the highest quality search engine for users and ad platform for advertisers
94
Inoltre anche se generalmente un soggetto utilizza un solo motore di ricerca, non esiste nessuna difficoltà ad utilizzare altre piattaforme o effettuare la stessa query a più motori di ricerca33.
Anche per gli advertiser gli switching sono molto bassi, infatti, come già detto, le campagne pubblicitarie spesso vengono fatte su più piattaforme.
Per cercare di innalzare gli switching cost e di conseguenza aumentare l’effetto lock-in i motori di ricerca offrono servizi aggiuntivi agli advertiser. Mentre dal lato dei searchers si possono aumentare i costi di cambiamento offrendo servizi agli utenti come e-mail, toolbar o altro in grado di fidelizzare il cliente34.
Ciò nonostante nel search engine l’effetto lock-in rimane piccolo e quindi non lo terremo in considerazione nello studio del modello.
3.3.3. Revenue per Search e Traffic Volume
Un’altra differenza che può esistere tra le piattaforme è data dal valore del ricavo per ricerca (RPS, revenue per search) a parità di traffico e di offerte per le keyword. Una piattaforma può avere ricavi più alti rispetto alle altre nonostante il numero di searcher e di advertiser sia il medesimo, ciò può derivare dal fatto che interpreta meglio il valore degli advertiser rendendo le aste più efficienti, o dalla migliore predizione del CTR35, con una conseguente massimizzazione dei ricavi per il posizionamento degli annunci. Questi due vantaggi portano la piattaforma ad avere maggiori CPC e un migliore CTR grazie al maggior numero di annunci rilevanti36. Nella prossima figura possiamo vedere la relazione tra RPS e volume di traffico per due piattaforme, dove la piattaforma 2 è uniformemente migliore della 1 per quel che riguarda l’interpretazione del valore attribuito dagli
33 “Competition is just a click away”, Hal R. Varian
34 Possiamo portare l’esempio di Google che offre una vasta gamma di servizi per “ingabbiare” gli utenti, tra questi possiamo citare gMail, iGoogle, Google Calendar e Google Pack, anche se la lista sarebbe molto più lunga.
35 Click through rate, misura il successo di un annuncio, è dato dal rapporto tra utenti che cliccano su un annuncio e utenti che visualizzano quel determinato annuncio (numero di click / numero di impressioni). 36 Definiamo questo vantaggio come RPS/S, per sottolineare la dipendenza dal volume di ricerche.
95
advertiser e il posizionamento degli annunci. Gli effetti di rete indiretti, come detto in precedenza, crescono in modo meno che proporzionale rispetto al volume di traffico.
Figura 27. Posizionamento delle piattaforme 1 e 2 rispetto al RPS e al volume di traffico
Ora consideriamo le implicazioni del rapporto tra RPS e differenze di scala nella competizione tra piattaforme. Una opzione per far si che la piattaforma più piccola raggiunga quella più grande è data dall’acquisto di traffico. Portiamo l’esempio di Google, il suo traffico è costituito da una grande mole di ricerche acquistate a terze parti37. Basti pensare che Google nel 2007 ha acquistato traffico per 4933,9 milioni di dollari (rispetto 3308,3 milioni del 2006)38. Google, Yahoo! e MSN, si sono contesi il mercato cercando di siglare contratti esclusivi, con molti motori di ricerca. Molti di questi testa a testa sono stati vinti da Google, nel 2006 negli stati uniti, dei 10 motori di ricerca migliori non gestiti da società che non operavano nel search advertisement, 8 utilizzavano Google.
Ora consideriamo, invece, una situazione dove l’unica differenza tra le due piattaforme è il volume di traffico. Gli effetti di rete indiretti fanno si che la
37 AOL e Ask.com, che sono i motori di ricerca più utilizzati dopo Google, Yahoo e MSN, utilizzano Google per completare la propria offerta di search advertising.
96
piattaforma con più utenti (nel nostro esempio la piattaforma 2) abbia un maggiore CPC e di conseguenza un maggiore RPS.
Figura 28. P1 e P2 sono identiche ad eccezione del volume di traffico.
Come si deduce dalla figura, la piattaforma 1 beneficia di una aumento maggiore di RPS per un determinato aumento del volume di traffico rispetto alla piattaforma 2, comunque la piattaforma 2 ha ancora il vantaggio di avere un volume di traffico maggiore di quello del concorrente. Ad un certo punto di questa evoluzione il valore incrementale del volume di traffico della piattaforma 2 andrà al di sotto di quello della piattaforma 1 e quindi quest’ultima potrebbe essere in grado di effettuare il sorpasso sul concorrente, tale traguardo sarà raggiunto se la piattaforma 1 acquisterà un volume di traffico tale da raggiungere e superare quello della piattaforma 2. Quindi la piattaforma 1 potrebbe trovare profittevole annullare il vantaggio in termini di volumi di traffico della piattaforma 2.
Ora però andiamo ad analizzare un caso dove effettuare il sorpasso sull’altra piattaforma può risultare molto difficile.
Ritorniamo al caso visto precedentemente (Figura 27. Posizionamento delle piattaforme 1 e 2 rispetto al RPS e al volume di traffico), in cui la piattaforma 2 ha un RPS maggiore per ogni livello di volume di traffico, ed è sempre in vantaggio (CPC più alto, più annunci rilevanti, maggiore CTR, ecc.) rispetto alla
97
piattaforma 1. Inoltre se la differenza tra le due curve è abbastanza ampia, in caso di aumenti del volume di traffico su entrambe le piattaforme, la piattaforma 2 rimarrà sempre in vantaggio nonostante i rendimenti incrementali decrescenti, infatti la piattaforma più piccola avrà due svantaggi, il primo è dato dal fatto che il volume di traffico al nuovo RPS è comunque inferiore a quello del concorrente, e il secondo è che l’incremento di RPS (benché maggiore) è applicato ad un volume di traffico minore a quello del concorrente.
Figura 29. Comportamento di ΔT e ΔRPS per P1 e P2
In conclusione, una piattaforma con vantaggi di scala e vantaggi di RPS (ad un determinato valore del volume di traffico) risulterà molto difficile da superare.
3.3.4. È possibile arrivare a una situazione di monopolio?
Andiamo ora a vedere quali sono i fattori che giocano in favore e quelli che giocano contro al mercato winner-take-all39. Come detto nelle pagine precedenti, la piattaforma più piccola può cercare di raggiungere la concorrente aumentando il traffico e eliminando lo svantaggio di RPS/S, in pratica, però, dopo che la
39 Si è in presenza si un mercato winner-take-all quando il soggetto più forte è in una condizione tale da riuscire a guadagnare continuamente quote di mercato (a discapito dei concorrenti) fino a conquistare l’intero mercato. Questo effetto è dovuto a forti (e spesso non bilanciati da altri fattori) effetti di feedback positivo.
98
piattaforma più grande ha conquistato una grossa fetta del mercato, il recupero da parte della concorrente più piccola sarà veramente molto difficoltoso.
La piattaforma più piccola dovrebbe convincere a cambiare piattaforma a searcher e advertiser. Per convincere i primi dovrebbe aumentare la qualità dei risultati di ricerca in modo da bilanciare il miglior advertising della piattaforma leader. Per gli advertiser, dato il valore più basso del volume di traffico, dovrebbe diminuire i costi fissi di gestione delle campagne. Non sono obiettivi impossibili, ma sicuramente molto difficili da raggiungere.
In un mercato multi-sided, come quello in esame, è difficile che si presenti una situazione di monopolio scaturita dall’effetto di feedback positivo. Inoltre nel mercato reale non si giunge ad una situazione dove il vincitore prende tutto neanche se si uniscono il feedback positivo e la maggiore qualità della piattaforma leader, questo grazie alla possibilità di differenziazione delle piattaforme, scegliendo per esempio una nicchia di mercato su cui lavorare. È importante, inoltre, ricordare che nel mercato in esame le barriere all’entrata sono praticamente inesistenti (non ci sono alti costi fissi di start-up) e la competizione è forte e globalizzata.
Detto ciò sembra che oggi il mercato del search advertisement si avvii verso una situazione vicina al winner-take-all, dove Google con la sua costante ascesa (iniziata nel 2002) la fa da padrone. Infatti Google può vantare un maggior volume di traffico, un CPC maggiore (con un valore stimato di circa il doppio rispetto ai principali competitor), un maggiore RPS rispetto ai competitor, ciò fa si che Google sia in grado di fare offerte più alte per acquistare ulteriore traffico incrementale. Inoltre Google è riuscito ad acquistare in esclusiva il volume di traffico di molti motori di ricerca, tra cui anche AOL, il quarto search engine dopo Google, Yahoo! e MSN. Dobbiamo però ricordare che il mercato in analisi è turbolento e soggetto a continue innovazioni tecnologiche, che in linea di principio potrebbero ribaltare le gerarchie.
Possiamo quindi concludere che nella realtà dei fatti gli effetti di rete indiretti e gli effetti scaturiti da un alto RPS/S sono molto forti e per cercare di batterli i
99
competitor devono ridurre il divario in termini di RPS/S, differenziare fortemente la piattaforma e ridurre lo svantaggio nel volume di traffico.
