Badanie trafności mechanizmu licytacji w komputerowym modelu internetowego serwisu aukcyjnego

Pełen tekst

(1)Zeszyty Naukowe nr. 865. Uniwersytetu Ekonomicznego w Krakowie. 2011. Jacek Wołoszyn Katedra Informatyki. Wit Urban Katedra Informatyki. Paweł Wołoszyn Katedra Informatyki. Badanie trafności mechanizmu licytacji w komputerowym modelu internetowego serwisu aukcyjnego Streszczenie. Internetowe serwisy aukcyjne wykorzystują mechanizm licytacji stanowiący połączenie koncepcji kilku odmiennych sposobów prowadzenia aukcji. Niektóre cechy tego mechanizmu zostały ustalone w sposób arbitralny tak, by uprościć oprogramowanie serwisu, jednak wydają się sprzeczne z przeznaczeniem systemu, jakim jest wyłanianie jako zwycięzcy takiego uczestnika licytacji, który proponuje najwyższą cenę. Aby zbadać eksperymentalnie wpływ cech mechanizmu licytacji na jego trafność, skonstruowano komputerowy model serwisu aukcyjnego, a następnie wykonano na nim serię symulacji dla różnych konfiguracji wartości parametrów modelu. Uzyskane rezultaty wskazują, że powszechnie stosowany mechanizm licytacji ma wady związane z brakiem naturalnych zależności czasowych, które utrudniają trafne wyłonienie zwycięzcy oraz mogą prowadzić do zaniżenia osiąganej ceny sprzedaży. Słowa kluczowe: internetowy serwis aukcyjny, model aukcji, symulacja komputerowa.. 1. Wprowadzenie Rosnąca popularność internetowych serwisów aukcyjnych jest zjawiskiem wywierającym istotny wpływ na różnorodne sfery gospodarki. Sukces takich ser-.

(2) 56. Jacek Wołoszyn, Wit Urban, Paweł Wołoszyn. wisów, jak Allegro.pl w Polsce czy eBay na świecie, świadczy o tym, że licytacja jako forma sprzedaży internetowej trafia w oczekiwania nie tylko indywidualnych użytkowników, ale także firm, które znajdują w aukcjach online dogodną alternatywę dla tradycyjnego handlu [Edelman, Ostrovsky, Schwarz 2007]. Według statystyk w 2008 r. średnia liczba aukcji toczących się na bieżąco w Allegro.pl przekraczała 4,5 mln [Aukcjostat], a sam serwis na koniec tego roku zajmował czwarte miejsce na liście najczęściej odwiedzanych stron www w Polsce [Alexa 2008]. Biorąc pod uwagę skalę zagadnienia, można postawić interesujące pytania dotyczące funkcjonowania serwisów aukcyjnych: czy powszechnie wykorzystywany mechanizm prowadzenia licytacji zapewnia trafny sposób wyłonienia zwycięzcy i czy sprzyja uzyskaniu ceny sprzedaży jak najbliższej maksymalnej cenie oferowanej przez kupujących. Obie te cechy można uznawać za korzystne, odpowiednio z punktu widzenia kupujących, jak i sprzedającego, a także samego operatora serwisu. Należy zwrócić uwagę, że mechanizm aukcji internetowych nie odpowiada klasycznym systemom licytacji otwartej, takim jak aukcja angielska, ani zamkniętej, jak aukcja Vickreya [Vickrey 1961]. Jest to w istocie swoista hybryda tych systemów, stworzona dla potrzeb serwisów internetowych i uproszczona dla ułatwienia ich komputerowej implementacji [Vakali, Angelis, Purnara 2001]. Pytanie o uzyskiwaną cenę można więc sformułować inaczej: czy system aukcji internetowych daje sprzedającemu takie same przychody, jak każdy z dwóch skrajnych modeli połączonych w ową hybrydę? Zgodnie z przesłankami teoretycznymi zarówno aukcja angielska, jak i aukcja Vickreya w wyidealizowanych warunkach są sobie równoważne pod względem przychodu dla sprzedającego [Kumar, Feldman 1998]. W praktyce zastosowań okazuje się jednak, że różne rodzaje aukcji prowadzą do odmiennych cen uzyskiwanych w toku licytacji ze względu na obecność psychologicznych uwarunkowań i interakcji między kupującymi, jak i dodatkowych źródeł informacji o wartości sprzedawanych przedmiotów [Sandholm 1996]. Zawężenie rozważanych systemów aukcyjnych do serwisów internetowych stanowi pomyślne ze względu na złożoność obiektu badań ograniczenie interakcji między uczestnikami, przynajmniej w założeniu, do pojedynczego sygnału, jakim jest aktualna cena. Kupujący mogą bowiem obserwować jedynie wyświetlaną na stronach aukcji liczbę i reagować na jej zmiany, natomiast z zasady nie dysponują pełniejszą wiedzą na temat stanu licytacji i zamiarów innych uczestników. Dzięki takiemu zawężeniu problemu w poszukiwaniu odpowiedzi na zadane wyżej pytania można posłużyć się metodami symulacyjnymi wykorzystującymi model systemu aukcyjnego [Wurman, Wellman, Walsh 2001] dający się stosunkowo łatwo zaimplementować przy użyciu narzędzi informatycznych i wykorzystać do przeprowadzenia komputerowych eksperymentów..

(3) Badanie trafności mechanizmu…. 57. 2. Model mechanizmu licytacji Badania prowadzono przy użyciu systemu aukcyjnego pozwalającego modelować różne warianty mechanizmów licytacji rozpięte w ciągłej skali pomiędzy aukcją angielską, aukcją Vickreya i typową aukcją internetową spotykaną w systemach consumer-to-consumer. Model opisany został trzema parametrami: – τ – czas oczekiwania na stabilizację ceny. Założono, że aukcja składa się z dwóch faz: pierwszej, w której kupujący mogą w dowolnym momencie składać oferty i której czas jest z góry założony, oraz drugiej, której czas trwania nie jest określony, ale która ulega zakończeniu, jeśli przez czas τ żaden kupujący nie złoży oferty podwyższającej aktualną cenę; – δ – maksymalna dopuszczalna różnica między najwyższą ceną oferowaną a ceną widoczną dla innych kupujących. Parametr δ reguluje działanie automatycznego mechanizmu licytacji, który pozwala określić kupującemu najwyższą cenę, jaką jest skłonny zapłacić, a następnie samoczynnie podnosi ofertę tego kupującego tak, by przelicytować innych uczestników aż do owej maksymalnej ceny, jednak w taki sposób, aby podniesiona cena nie była niższa od ceny maksymalnej o więcej niż δ; – λ – maksymalna liczba ofert, jakie jeden kupujący może złożyć w czasie aukcji. Jeśli liczba ta jest większa od 1, kupujący może zmienić wcześniej złożoną ofertę, wówczas nowsza podana przez niego cena zastępuje poprzednią. Można zauważyć, że przyjęty model daje się dostosować do wymienionych trzech systemów licytacji poprzez odpowiedni dobór parametrów: – aukcja angielska – τ > 0, δ = 0, λ > 1, – aukcja Vickreya – τ = 0, δ > 0, λ = 1, – aukcja internetowa – τ = 0, δ > 0, λ > 1. W typowym serwisie aukcji online parametr τ jest równy 0, co oznacza sztywno ustalony moment zakończenia licytacji. Rozstrzygnięcie następuje bez względu na to, czy kupujący mieliby jeszcze zamiar podnosić swoje oferty, co więcej, z uwarunkowań technicznych wynika, że sekwencja napływania ofert złożonych dokładnie w tym samym momencie jest losowa, wobec tego w chwili zamykania aukcji możliwe jest przerwanie tej sekwencji w przypadkowym momencie, a co za tym idzie, ustalenie ceny sprzedaży również w sposób przypadkowy. Parametr λ z kolei dla klasycznego serwisu internetowego rośnie do nieskończoności, co w praktyce oznacza brak ograniczeń liczby składanych ofert. Liczba ta jest w rzeczywistości większa niż liczba ofert podanych bezpośrednio przez kupującego z powodu obecności automatycznego mechanizmu licytującego, który w imieniu kupującego może bez jego interwencji wielokrotnie podwyższać cenę. Aby nadać właściwy sens parametrowi λ, należy ograniczyć jego znaczenie do.

(4) 58. Jacek Wołoszyn, Wit Urban, Paweł Wołoszyn. ofert zgłaszanych przez kupującego osobiście, oznaczających jego maksymalną cenę, jaką jest skłonny zapłacić. Parametr δ stanowi dodatkową restrykcję dla automatycznego pomocnika licytacji. Gdy δ jest równe 0, system zawsze podnosi cenę do wartości równej najwyższej złożonej ofercie. Przy większych wartościach δ system pozostawia pewien margines dla późniejszego podnoszenia ceny, a gdy δ rośnie do nieskończoności, automat licytujący przyjmuje minimalistyczną strategię polegającą na podnoszeniu ceny do wartości równej drugiej w kolejności złożonej ofercie powiększonej o wymaganą kwotę postąpienia. W modelu komputerowym nie mogą występować nieskończoności, które zastępowane są odpowiednio dużymi wartościami zapewniającymi nieograniczoność danej cechy w takiej skali, jaka towarzyszy symulacjom. 3. Modelowanie zachowania kupujących Aby móc prowadzić eksperymenty, konieczne jest również uwzględnienie w modelu zachowań klientów systemu uczestniczących w aukcji. Internetowy charakter aukcji pozwala przyjąć znaczne uproszczenia w tym zakresie, gdyż można zawęzić interakcje między kupującym a systemem jedynie do obserwowania bieżącej ceny i składania ofert. Jakkolwiek taki ograniczony model zachowań kupujących może odbiegać od rzeczywistej złożoności interakcji między uczestnikami aukcji, jednak może on posłużyć do porównania różnych wariantów licytacji pod względem przychodu sprzedającego analizowanego w kategoriach relatywnych. Można kierować się tutaj założeniem, że chociaż zachowania kupujących w przyjętym modelu nie odpowiadają ściśle rzeczywistym, to są jednakowe dla wszystkich badanych wariantów, dając podstawę do ich porównywania. Prowadzenie eksperymentów z różnymi odmianami zachowań kupujących dopasowanymi do różnych wariantów licytacji stwarzałoby dodatkową trudność w późniejszym interpretowaniu rezultatów. Należałoby bowiem rozważyć, czy ewentualna przewaga jednego z wariantów pod względem korzyści dla sprzedającego świadczy o skuteczności mechanizmu licytacyjnego czy też o słabości strategii kupujących. Przyjęcie jednolitej strategii we wszystkich wariantach licytacji nie usuwa wprawdzie takiej wątpliwości, ale jest pożyteczne z dwóch powodów. Po pierwsze zapewnia wspólny punkt odniesienia przy porównywaniu wariantów, po drugie stwarza dla wyciąganych ewentualnych wniosków kontekst lepiej dopasowany do realiów funkcjonowania internetowych serwisów aukcyjnych. W rzeczywistym systemie łatwo jest bowiem zmienić parametry programu sterującego mechanizmem aukcji, natomiast zachowania milionów klientów wykazują dużą bezwładność i opór przed zmianami..

(5) Badanie trafności mechanizmu…. 59. Jeśli zatem w badanym modelu wprowadzi się jednolite zachowania odzwierciedlające typowe postępowanie przeciętnego klienta serwisu aukcyjnego, to wówczas wnioski wyciągnięte z porównania rezultatów działania różnych wariantów licytacji mogą zostać potraktowane jako wskazówka do ewentualnych modyfikacji wariantów faktycznie wykorzystywanych w aukcjach internetowych. Stanowi to dobry motyw do podjęcia prezentowanej tutaj tematyki badawczej nawet przy dużych uproszczeniach przyjętych w modelu symulacyjnym wykorzystanym na obecnym etapie badań. Przy odwzorowaniu zachowań kupujących wykorzystane zostały następujące założenia: – kupujący ma określoną maksymalną cenę Pmax, jaką jest skłonny zaoferować. Cena ta jest ustalana na początku aukcji i nie zmienia się w czasie licytacji; – kupujący okresowo sprawdza przebieg aukcji, rzadziej na początku, znacznie częściej pod koniec licytacji. Okres tej czynności zmienia się wraz z upływem czasu liniowo, przechodząc między dwiema wartościami, początkową T0 i końcową T1, przy czym wartość końcową osiąga w chwili zakończenia pierwszej fazy licytacji i potem już nie ulega zmianom; – jeśli w momencie sprawdzania stanu aukcji okaże się, że kupujący został przelicytowany, stara się on złożyć wyższą ofertę, aż do swojej maksymalnej ceny; – cena podawana przez kupującego przy składaniu oferty zależy od tego, ile jeszcze pozostało mu możliwych do złożenia ofert. Rozpoczynając licytowanie, kupujący podnosi cenę jedynie o kwotę postąpienia, ale w miarę wyczerpywania się dozwolonej liczby ofert licytuje coraz bliżej swojej maksymalnej ceny, tak by w ostatniej ofercie podać właśnie tę cenę. Jeśli jest dozwolona tylko jedna oferta, kupujący licytuje od razu cenę maksymalną, z kolei w przypadku granicznym, gdy liczba możliwych ofert rośnie do nieskończoności, kupujący za każdym razem przebija aktualną cenę jedynie o wymaganą kwotę postąpienia; – po złożeniu oferty kupujący ponownie sprawdza stan aukcji w krótszym niż zwykle czasie Tc, by przekonać się, czy jego oferta zyskała prowadzenie lub w razie potrzeby złożyć kolejną, wyższą ofertę. Jeśli kupujący objął prowadzenie, wówczas powraca do normalnego rytmu sprawdzania stanu aukcji. Choć uproszczone, powyższe reguły postępowania uczestników licytacji przypominają zachowanie rzeczywistych klientów internetowych serwisów aukcyjnych. Uwzględnione tu zostały w szczególności ograniczenia techniczne, wymuszające pewne opóźnienia w czasie między złożeniem oferty a aktualizacją ceny w aukcji i odświeżeniem informacji po stronie klienta. Zastrzeżenia może budzić ustalona w sztywny sposób cena maksymalna, jednak takie rozwiązanie nie oznacza, że klient nie obserwuje postępu aukcji i nie dostosowuje swoich decyzji. Przeciwnie, w przypadku aukcji pozwalającej klientowi licytować wielokrotnie, jego oferty są uzależnione od zmieniającej się bieżącej ceny..

(6) 60. Jacek Wołoszyn, Wit Urban, Paweł Wołoszyn. 4. Eksperymenty symulacyjne Model opisujący mechanizm aukcji i zachowanie kupujących został zaimplementowany przy użyciu narzędzi informatycznych w formie wyspecjalizowanego oprogramowania przeznaczonego do przeprowadzania eksperymentów symulacyjnych z różnymi parametrami modelu i rejestrowania uzyskanych rezultatów. Komputerowa realizacja modelu została osadzona w dyskretnej przestrzeni czasu upływającego w okresach sekundowych. Taka kwantyzacja wydaje się wystarczająco dokładna przy założeniu realistycznych ram czasowych aukcji internetowej, której pierwsza faza została ustalona na 72 godziny. W modelowanych aukcjach brała udział stała liczba 10 kupujących. W każdym eksperymencie obejmującym pojedynczą licytację cechy klientów były losowane z jednorodnym rozkładem prawdopodobieństwa z następujących przedziałów: 500 ≤ Pmax ≤ 1500, 8 h ≤ T0 ≤ 48 h, 10 sek ≤ T1 ≤ 60 sek, 20 sek ≤ Tc ≤ 60 sek. Czas pierwszego sprawdzenia aukcji i złożenia oferty, liczony od jej rozpoczęcia, był losowany w przedziale od 0 do 2T0. Eksperymenty przeprowadzono dla różnych kombinacji wartości parametrów modelu aukcji τ, δ oraz λ, powtarzając dla każdego wariantu po 100 symulacji. Każdy z trzech parametrów mógł przyjąć jedną z dziesięciu różnych wartości: τ ∈ {0, 30, 60, 120, 200, 300, 600, 1200, 3600, 36000}, δ ∈ {0, 5, 10, 20, 50, 100, 200, 500, 1000, 5000}, λ ∈ {1, 2, 3, 4, 5, 8, 12, 20, 50, 100}. Łącznie wykonano więc 100 000 symulacji, dla każdej z nich odnotowując jako wynik uzyskaną cenę sprzedaży oraz wartości maksymalnej możliwej do zaoferowania ceny przyjętej przez dwóch najwyżej wyceniających przedmiot aukcji kupujących. 5. Rezultaty symulacji Analizując otrzymane w toku symulacji komputerowych wyniki funkcjonowania modelowanych mechanizmów aukcyjnych poszukiwano przede wszystkim odpowiedzi na postawione na wstępie pytanie o równoważność odmiennych wariantów tych mechanizmów. W tym celu można wziąć pod uwagę dwa kryteria, po pierwsze badając, czy w toku licytacji zwycięża kupujący, który najwyżej wycenia przedmiot aukcji, po drugie czy osiągnięta na aukcji cena jest bliska tej najwyższej wycenie. Kryteria takie oznaczają trafność samego sposobu licytowania oraz opłacalność aukcji z punktu widzenia sprzedającego..

(7) Badanie trafności mechanizmu…. 61. Na trafność mechanizmu aukcji, jak pokazały wyniki symulacji, największy wpływ miała liczba ofert możliwych do złożenia przez jednego kupującego (rys. 1). Przy małych wartościach λ kupujący zgodnie ze swoim algorytmem postępowania szybko dążyli do składania maksymalnych ofert, dzięki czemu niemal zawsze wygrywał klient oferujący najwięcej. Jeśli oferty można było wielokrotnie ponawiać, kupujący poświęcali czas na stopniowe podnoszenie ceny, przez co częściej dochodziło do sytuacji, w której uczestnik najwyżej wyceniający przedmiot aukcji nie zdążał złożyć swojej maksymalnej oferty przed zakończeniem licytacji. 100. Odsetek wygranych aukcji (%). 90 80 70 60 50 40 30 20 10 0. 1. 2. 3. 4 5 8 12 Liczba możliwych do złożenia ofert pierwszy. drugi. 20. 50. 100. inni. Rys. 1. Wpływ liczby ofert składanych przez kupującego na trafność mechanizmu licytacji Źródło: opracowanie własne.. Na rys. 1 zaznaczono odsetek aukcji, które wygrywa kupujący najwyżej wyceniający przedmiot (pierwszy), następny w kolejności kupujący (drugi) oraz pozostali uczestnicy (inni). Pozostałe parametry mechanizmu nie wpływały istotnie na proporcje wygranych aukcji, jedynie przy bardzo długich czasach oczekiwania na stabilizację ceny (τ rzędu kilku godzin) trafność licytacji wyraźnie wzrastała nawet dla wyższych wartości parametru λ. Skuteczność mechanizmu aukcyjnego w wyłanianiu jako zwycięzcy tego kupującego, który jest skłonny zapłacić największą cenę, jest jednak dla sprzedawcy w mniejszym stopniu istotna niż korzyść płynąca z uzyskiwania w toku.

(8) Jacek Wołoszyn, Wit Urban, Paweł Wołoszyn. 62. Odsetek uzyskanej ceny maksymalnej (%). licytacji cen możliwie najbliższych owej maksymalnej wycenie wśród kupujących. W świetle wyników symulacji korzyść ta zależy zasadniczo od dwóch parametrów modelu: czasu oczekiwania na stabilizację τ oraz liczby możliwych do złożenia ofert λ (rys. 2). Najbliższe cenie maksymalnej wyniki aukcji były uzyskiwane przy ograniczeniu λ do liczby rzędu jedności. Wraz ze wzrostem iteracyjnego charakteru aukcji kupujący mogli pozwolić sobie na wolniejsze podnoszenie ofert, które w rezultacie kończyło się na znacznie niższej kwocie. Rozbieżność tę pogłębiało dodatkowo skrócenie czasu τ, które powodowało zbyt szybkie zamknięcie licytacji, co zgodnie z powyżej opisaną prawidłowością dla dużych wartości λ skutkowało często wygraniem aukcji przez przypadkową osobę, która miała szczęście i zdążyła złożyć ofertę w ostatnich sekundach licytacji.. 100. 95 90 85 80 75 70 65 60 3600. 600. 5. 300. 120. 60 Czas oczekiwania na stabilizację (sek). 0. 100. 50. 3. 1. 12 20 Liczba możliwych do złożenia ofert. Rys. 2. Wpływ liczby ofert składanych przez kupującego oraz minimalnego czasu stabilizacji ceny na przychód sprzedającego Źródło: opracowanie własne.. Na rys. 2 przedstawiono cenę zakończenia aukcji wyrażoną w odsetkach maksymalnej ceny możliwej do uzyskania w licytacji. Wartość δ w opisywanym zjawisku nie miała istotnego znaczenia. Bez względu na to, czy cena widoczna podczas aukcji była równa najlepszej złożonej ofercie,.

(9) Badanie trafności mechanizmu…. 63. czy też mogła różnić się od niej o całą wartość owej oferty, rezultaty licytacji wykazywały taką samą zależność od pozostałych dwóch parametrów, z niewielkimi różnicami na korzyść modelu z wartością δ równą zeru. 6. Wnioski Z przedstawionych rezultatów symulacji można wysnuć wniosek, że mechanizm licytacji oferowany w typowych internetowych serwisach aukcyjnych, przy założonych w modelu schematach zachowań kupujących, nie jest trafny i nie sprzyja uzyskiwaniu cen bliskich osobistym wycenom klientów. Brak trafności polegający na częstym wygrywaniu aukcji przez osoby, które wcale nie miały najsilniejszych zamiarów dokonania zakupu, powinien być postrzegany przez kupujących jako wada. Z kolei sprzedający jako wadę powinni uważać skłonność systemu do zamykania licytacji przy zbyt niskich cenach. Z punktu widzenia właściciela serwisu aukcyjnego jest to również wada, tym większa, że źródłem jego dochodów są prowizje pobierane proporcjonalnie do wylicytowanej ceny sprzedaży. Zarówno sprzedawcy, jak i operatorzy serwisów aukcyjnych powinni dążyć do maksymalizacji ich przychodów ze sprzedaży przedmiotów na licytacjach, jednak w taki sposób, by nie zniechęcić kupujących zbyt trudnymi do zrozumienia zasadami lub niewygodnymi ograniczeniami. Przeprowadzone symulacje pozwalają wskazać stosunkowo prosty sposób zmierzający do osiągnięcia takiego celu. Jest nim wprowadzenie niezerowego czasu oczekiwania na stabilizację ceny, a więc uzupełnienie aukcji o drugą fazę przypominającą typową otwartą aukcję angielską. Mechanizm taki byłby zrozumiały dla kupujących i bardziej naturalny niż stosowany obecnie w praktyce, a jak wskazują eksperymenty, dla wyraźnego zwiększenia osiąganych cen wystarczy już wprowadzenie kilkuminutowego czasu oczekiwania, co przy skalach czasowych aukcji internetowej jest zupełnie akceptowalne. Drugim sposobem poprawienia mechanizmu licytacji, ocenianego według rozważanych tutaj kryteriów, jest ograniczenie liczby możliwych do złożenia ofert przez jednego kupującego. Jest to sposób bardziej kontrowersyjny, gdyż może on stwarzać kłopoty uczestnikom aukcji, którzy podczas składania oferty popełnią przypadkowy błąd. Limit liczby ofert działa w pewnym sensie na korzyść kupujących, zwiększając trafność wyłonienia zwycięzcy licytacji, jednak może być łatwo utożsamiony z przymusem wczesnego składania jak najwyższych ofert. Wydaje się wobec tego, że taka modyfikacja mechanizmu aukcji internetowych budziłaby sprzeciw użytkowników serwisów i nie przyniosłaby oczekiwanych rezultatów. Sformułowane w niniejszym opracowaniu wnioski oparte zostały na eksperymentach prowadzonych na modelu aukcji internetowej zakładającym bardzo.

(10) 64. Jacek Wołoszyn, Wit Urban, Paweł Wołoszyn. uproszczoną strategię postępowania kupujących. Dokonane tu obserwacje i rysujące się możliwości praktycznego zastosowania rezultatów wskazują na potrzebę prowadzenia dalszych badań w tym zakresie, również z użyciem bardziej złożonych modeli opartych między innymi na takich podejściach, jak systemy agentowe i metody sztucznej inteligencji. Literatura Alexa [2008], Alexa – The Web Information Company: The top 100 sites in Poland, http:// www.alexa.com/site/ds/top_sites?cc=PL&ts_mode=country (29.12.2008). Aukcjostat.pl [2008], Statystyki polskich serwisów aukcyjnych. http://aukcjostat.pl/, pobrano 30 grudnia 2008. Edelman B., Ostrovsky M., Schwarz M. [2007], Internet Advertising and the Generalized Second-Price Auction: Selling Billions of Dollars Worth of Keywords, American Economic Review, 97 (1). Kumar M., Feldman S.I. [1998], Internet Auctions, Proc. 3rd USENIX Workshop on Electronic Commerce. Sandholm T. [1996], Limitations of the Vickrey Auction in Computational Multiagent Systems, Proceedings of the Second International Conference on Multiagent Systems (ICMAS-96), AAAI Press. Vakali A., Angelis L., Purnara D. [2001], Internet Based Auctions: a Survey on Models and Applications, ACM SIGecom Exchanges, Vol. 2, No. 2. Vickrey W. [1961], Counterspeculation, Auctions, and Competitive Sealed Tenders, „Journal of Finance”, 16. Wurman P.R., Wellman M.P., Walsh W.E. [2001], A Parametrization of the Auction Design Space, Games and Economic Behavior, 35 (1–2). Research into Accuracy of an Auction System in a Computer Model of a Web Auction Service Web auction services use an auction system that is a connection of a few, quite different methods of auction performing. Some features of this system have been determined in an arbitrary way to simplify the service software, however they seem to be contradictory to the system objective, which consists in selecting such an auction member as a winner, who offers the highest price. In order to experimentally investigate the influence of auction system features on its accuracy, a computer model of the auction system has been constructed. Next, a series of simulations utilising the model with various configurations of its parameters has been performed. Obtained results indicate that the commonly used auction system has drawbacks connected with lack of natural time dependencies. These disadvantages hinder the correct winner selection and can lead to lowering of achieved transaction price. Key words: Web auction service, auction model, computer simulation..

(11)