En frivillig AirBnb-prissättningsalgoritm minskade avsevärt ett redan existerande intäktsgap mellan vita och svarta värdar, en ny studie har funnit - men bara när svarta värdar antog det.

Verktyget för smart prissättning, introducerades av delningsekonomiplattformen 2015, använder en maskininlärningsalgoritm för att hjälpa AirBnb-värdar att optimera priserna för sina fastigheter enligt fluktuationer i gästefterfrågan. Värdar kan välja om de vill använda det kostnadsfria verktyget genom att slå på det och låta det automatiskt justera sina nattpriser inom prisparametrar som de ställer in.

En grupp forskare fann att värdar som antog Smart Pricing såg en efterföljande minskning av sina genomsnittliga nattpriser men också en ökning av deras månatliga beläggningsstatistik och nästan 9% ökning i totala intäkter.

Svarta värdar gynnades mest. Det beror på att de började med 20 % lägre efterfrågan på likvärdiga fastigheter jämfört med vita värdar, representerar ett gap på $12,16 i genomsnittlig daglig intäkt. Efter att ha antagit smart prissättning, Svarta värdar tjänade ytterligare 13,92 $ per natt jämfört med 5,22 $ för vita värdar.

Det minskade intäktsgapet med 71 %, men det eliminerade det inte. Och eftersom svarta värdar var 41 % mindre benägna att använda smart prissättning än vita värdar, de hamnade ännu mer missgynnade än innan Smart Pricing introducerades, övergripande.

"Algorithmen gör ett bra jobb med att minska intäktsgapet men den är inte idiotsäker, sa Nitin Mehta, professor i marknadsföring vid University of Torontos Rotman School of Management. Han skrev studien tillsammans med sin tidigare doktorand, Shunyuan Zhang, nu på Harvard Business School, och Param Vir Singh och Kannan Srinivasan från Carnegie Mellon University.

Det är olagligt i USA för maskinlärande algoritmer att göra rasmässiga skillnader i sin design. Forskarna hävdar att denna rasblindhet, avsedda att begränsa rasdiskriminering, i praktiken kan lämna marginaliserade raser längre efter sig genom att inte beakta unika omständigheter som startar dem i den nedre delen av en ojämn spelplan.

"Eftersom algoritmen är rasblind, det ger priser som ligger närmare vita värdars optimala pris än svarta värdars optimala pris. Det är blind men det är inte rättvist, " säger Prof. Mehta som ändå varnar för att studiens resultat implicerar AirBnb-gäster för rasdiskriminering mot Black-hosted egenskaper snarare än AirBnb eller dess algoritm.

Algoritmutvecklare skulle kunna kringgå lagens gränser genom att införliva socioekonomisk information som är korrelerad med ras, föreslår forskarna. Och AirBnb kan vidta åtgärder för att uppmuntra svarta värdar att använda smart prissättning.

Också, "lagen bör ändras i vissa speciella fall där det kan visas att det hjälper, " tillägger prof. Mehta.

Forskarna arbetade med data tillgänglig via AirBnb såväl som AirDNA, en tredje parts analysplattform. De fokuserade på drygt 9 000 Airbnb-fastigheter i cirka 400 stadsdelar i sju stora amerikanska städer. Identifieringen av en värds ras gjordes med hjälp av en modell för djupinlärning som tillämpades på profilfoton på varje värds webbsida för fastigheter.

Studien dyker upp i Marknadsvetenskap.