Att avgöra var den relevanta marknaden börjar och slutar är centralt i konkurrensanalys. Vår nya metod definierar marknader med hänsyn till konsumenters val av företag och geografiska avstånd. När metoden tillämpas på bostadsmäklartjänster i Stockholm fångas den relevanta marknaden bättre än för metoder som enbart bygger på avstånd.
När Konkurrensverket ska uppskatta hur konkurrensutsatt ett företag är, behöver myndigheten först avgöra vilket geografiskt område företaget verkar inom. Det är svårt att mäta empiriskt, eftersom det kräver detaljerade data eller experiment. Därför används ofta godtyckliga avstånd eller administrativa gränser. Vi utgår från att företag med samma kundkrets konkurrerar med varandra och bygger en teoretiskt grundad modell som kan användas även när tillgången till data är begränsad.
Marknaden definieras av avstånd och anlitade företag
Vår klustringsmetod, Spatial and Categorical Bayesian Clustering (SCBC), sorterar observationer i grupper baserat på två variabler:
- konsumentens geografiska läge
- vilket företag som anlitas.
Vi observerar inte vilka företag kunden väljer mellan, men vi antar att konsumentens möjliga val kan fångas approximativt av de företag som anlitas av andra närboende konsumenter. Detta är det fundamentala antagandet för att modellen ska fungera.
Mäklarmarknaden i Stockholm som testfall
Studien använder marknaden för bostadsmäklare i Stockholms innerstad för att validera metoden. Underlaget består av cirka 3 145 sålda lägenheter under 2017 och innehåller information om bostadens läge och ansvarig mäklare. De fyra stadsdelarna används för att utvärdera metoden, eftersom det är väl etablerat att de utgör de relevanta delmarknaderna. Vi jämför hur väl vår metod överensstämmer med stadsdelsindelningen och ställer detta mot en etablerad klustringsmetod, K-means, som sorterar observationer i grupper baserat på avstånd.
Mer träffsäker klassificering än avståndsbaserade metoder
Vår metod, SCBC, klassificerar lägenhetsförsäljningar bättre än K-means. Skillnaden kan kvantifieras med ett Dice-mått på 0,78, jämfört med 0,67 för K-means, där ett Dice-mått på 1 innebär perfekt överensstämmelse med stadsdelsindelningen.
Genom att ta hänsyn till vilken mäklare som används identifierar metoden naturliga gränser. Den kan också fånga andra typer av gränser, som kulturella barriärer, lokalkännedom och etablerade arbetsområden. Sådana gränser missas lätt av helt avståndsbaserade metoder.
En korrekt geografisk marknadsdefinition ger bättre konkurrensmått
Olika marknadsdefinitioner kan ge missvisande bilder av hur hård konkurrensen är. Med för få marknader kan konkurrensen felaktigt framstå som starkare än den faktiskt är. För många marknader kan i stället leda till att konkurrensen underskattas. Våra resultat tyder på att avståndsbaserade metoder riskerar att slå samman observationer från flera marknader och därmed överskatta konkurrensen.
Vår metod kan också användas i andra sammanhang. Det avgörande är att konsumentens geografiska läge påverkar vilka säljare som är relevanta alternativ, även om det är indirekt genom kultur, språk eller lokalkännedom. Exempel på sådana marknader är:
- Skolor och sjukvård
- Frisörer, begravningsbyråer och liknande tjänster
- Digitala plattformar, exempelvis e-handelsplattformar, med geografiskt eller språkligt avgränsade delmarknader.
Marknader bör avgränsas på ett sätt som speglar konsumenters faktiska valmöjligheter. Vår metod är ett praktiskt sätt att göra något som ofta anses svårt, samtidigt som den vilar på tydliga teoretiska utgångspunkter. Metoden bör ses som ett komplement till andra metoder, inte som en ersättning för dem.
