Cân bằng Nash: Vì sao Grab và Uber khó dừng cuộc đua khuyến mãi?

Tháng 3/2018, Uber bán hoạt động tại Đông Nam Á cho Grab. Đổi lại, Uber nhận 27,5% cổ phần trong Grab.

Cơ quan Cạnh tranh và Bảo vệ Người tiêu dùng Singapore nhận được nhiều phản ánh rằng Grab đã giảm số lượng khuyến mãi dành cho hành khách và incentive dành cho tài xế. Khi tính cả khuyến mãi, giá mỗi chuyến xe tăng khoảng 10–15% sau khi Uber rời thị trường.

Trước đó, Grab và Uber là hai đối thủ gần nhất của nhau. Uber tung mã giảm giá thì Grab khó ngồi yên. Grab thưởng thêm cho tài xế thì Uber cũng phải tính cách giữ nguồn cung trên nền tảng của mình.

Cả hai cùng chi rất nhiều tiền để giữ user và tài xế.

Chẳng bên nào thích cuộc chơi này. Nhưng nếu một bên tự dừng trước, user có thể mở ứng dụng của đối thủ nhanh hơn cả thời gian PM kịp giải thích rằng “chúng tôi đang tối ưu unit economics”.

Đến khi một đối thủ biến mất, khuyến mãi giảm và giá tăng.

Nguồn: Competition and Consumer Commission of Singapore

CCCS không gọi cuộc cạnh tranh giữa Grab và Uber là một “cân bằng Nash”. Chúng ta cũng không có bảng payoff nội bộ của hai công ty để kết luận thị trường này đã đạt một cân bằng Nash đúng theo mô hình toán học.

Nhưng case này cho thấy phần đáng nhớ nhất của khái niệm: quyết định tốt nhất của một bên phụ thuộc vào việc bên còn lại đang làm gì.

Một trạng thái mà không ai muốn tự mình đổi chiến lược

Nói nôm na, cân bằng Nash là trạng thái trong đó mỗi người chơi đã chọn phương án tốt nhất của mình, với điều kiện chiến lược của những người còn lại không thay đổi.

Thử đơn giản hóa cuộc cạnh tranh giữa hai nền tảng thành hai lựa chọn: tiếp tục khuyến mãi hoặc giảm khuyến mãi.

Nếu Uber vẫn tung voucher cho hành khách và thưởng cho tài xế, Grab có thể mất user lẫn nguồn cung khi tự giảm khuyến mãi. Tiền tiết kiệm được chưa chắc bù nổi phần thị trường mất đi.

Uber cũng gặp bài toán tương tự nếu Grab tiếp tục chi.

Vì vậy, trong một mô hình mà mất thị phần gây thiệt hại lớn hơn chi phí khuyến mãi, cả hai cùng tiếp tục chi có thể trở thành một cân bằng Nash. Không bên nào cải thiện được kết quả bằng cách tự mình dừng trước.

Từ phía user, trạng thái này khá dễ chịu: nhiều voucher, giá rẻ, tài xế đông.

Còn Grab và Uber phải tiếp tục bỏ tiền cho khuyến mãi và incentive để tránh mất user lẫn tài xế vào tay đối thủ.

Đây là điểm dễ bị hiểu nhầm. Cân bằng Nash không có nghĩa là kết quả tốt nhất, công bằng nhất hay có lợi nhất cho tất cả. Nó chỉ có nghĩa rằng khi nhìn vào chiến lược của đối thủ, không bên nào có lý do đủ tốt để đơn phương đổi chiến lược.

Một hệ thống có thể ổn định và vẫn khá dở đối với những người đang mắc kẹt trong đó.

Vì sao hai quyết định hợp lý lại tạo ra một kết quả tốn kém?

Nếu chỉ nhìn Grab, tiếp tục khuyến mãi khi Uber đang cạnh tranh là một quyết định có lý.

Nếu chỉ nhìn Uber, câu trả lời cũng có thể giống hệt.

Hai team không cần ghét nhau, cũng không cần đưa ra quyết định thiếu suy nghĩ. Mỗi bên chỉ đang tối ưu kết quả của mình dựa trên hành động của bên còn lại. Ghép hai quyết định hợp lý ấy lại, thị trường có thể rơi vào một cuộc đua đốt tiền mà chẳng bên nào muốn tự dừng.

Sau thương vụ năm 2018, bài toán thay đổi vì Uber không còn là một người chơi độc lập tại Singapore. Theo CCCS, Grab đã mất đối thủ gần nhất; lượng khuyến mãi và incentive giảm, còn mức giá hành khách thực trả sau khuyến mãi tăng lên.

Không còn đối thủ cũ thì cũng không còn lý do phải phản ứng với chiến lược của đối thủ đó.

Nhìn theo cách này, cân bằng Nash không chỉ giúp giải thích hành vi của từng công ty. Nó giúp chúng ta nhìn ra cấu trúc đang giữ hành vi ấy tồn tại.

Nhiều tình huống trong product cũng có hình dạng tương tự:

• Seller trên marketplace cùng hạ giá dù biên lợi nhuận đã mỏng.
• Các nền tảng cùng tăng chi phí quảng cáo để giành một nhóm user.
• Mạng xã hội gửi ngày càng nhiều notification vì không ai muốn giảm engagement trước đối thủ.
• Hai team nội bộ cùng giữ thêm quy trình kiểm soát vì bên nào bỏ trước cũng phải gánh rủi ro nếu sự cố xảy ra.

Nhìn từ ngoài, chúng ta dễ hỏi: “Sao họ không cùng dừng lại?”

Cơ mà “cùng dừng” không phải chiến lược mà một bên có thể tự thực hiện. Nó cần sự phối hợp, niềm tin hoặc một cơ chế làm thay đổi lợi ích của mỗi lựa chọn.

PM có thể dùng góc nhìn này như thế nào?

Theo góc nhìn của mình, giá trị của cân bằng Nash với PM không nằm ở việc học thuộc định nghĩa. Nó nằm ở thói quen quan sát incentive của những người cùng tham gia vào sản phẩm.

Một feature hiếm khi chỉ có user và product team.

Có thể còn seller, creator, advertiser, tài xế, nhà hàng, đối tác phân phối hoặc một team nội bộ đang chịu KPI khác. Mỗi bên đều phản ứng với những gì các bên còn lại đang làm.

Giả sử một marketplace muốn tăng số lượng sản phẩm bằng cách thưởng tiền cho mỗi listing mới.

Seller có động lực tạo thêm listing. Nhưng nếu phần thưởng chỉ dựa trên số lượng, seller có thể đăng nhiều sản phẩm trùng lặp hoặc chất lượng thấp.

Team vận hành phải kiểm duyệt nhiều hơn. Marketplace bổ sung rule tự động. Seller lại học cách lách rule.

Cuối cùng, cả hai phía đều tốn thêm nguồn lực nhưng chất lượng marketplace chưa chắc tăng. Mỗi bên vẫn đang phản ứng khá hợp lý trước chiến lược của bên kia.

Khi gặp một hệ thống như vậy, PM có thể thử hỏi:

• Mỗi bên đang cố tối ưu điều gì?
• Nếu các bên khác giữ nguyên hành vi, lựa chọn tốt nhất của bên này là gì?
• Một bên sẽ được gì và mất gì nếu tự thay đổi trước?
• Trạng thái hiện tại tồn tại vì nó tốt, hay vì không ai muốn là người đổi đầu tiên?
• Rule, pricing hay incentive nào có thể làm thay đổi bài toán?

Chúng ta thường cố thuyết phục user thay đổi hành vi trong khi incentive vẫn giữ nguyên. Viết thêm tooltip, gửi thêm email hay tổ chức một buổi training nghe có vẻ dễ làm. Nhưng nếu hành vi cũ vẫn mang lại lợi ích cao hơn, hệ thống sẽ từ từ quay về trạng thái cũ.

Muốn đổi hành vi, đôi khi phải sửa lại cuộc chơi

Trong ví dụ marketplace, thay vì trả thưởng theo số lượng listing, team có thể tính thêm tỷ lệ listing được duyệt, tỷ lệ chuyển đổi hoặc mức độ hài lòng của người mua.

Khi payoff thay đổi, chiến lược hợp lý của seller cũng thay đổi.

Một hướng khác là khiến sự hợp tác có giá trị hơn theo thời gian. Reputation score, quyền lợi dành cho đối tác uy tín hay cơ chế phạt hành vi gian lận đều làm cho quyết định hôm nay ảnh hưởng đến lợi ích ngày mai.

Ngoài đời, tất nhiên, chúng ta hiếm khi biết chính xác mỗi lựa chọn đem lại bao nhiêu lợi ích hay thiệt hại. Con người cũng không phải lúc nào cũng lý trí. Họ có thể thiếu thông tin, hiểu sai đối thủ, sợ mất mát hoặc đơn giản là hành động theo thói quen.

Cân bằng Nash vẫn hữu ích vì nó buộc chúng ta ngừng nhìn một hành vi trong trạng thái cô lập.

Lần tới khi thấy hai đối thủ cùng lao vào cuộc chiến giá, seller liên tục lách rule hay các team đẩy việc qua lại cho nhau, có lẽ chưa cần vội kết luận rằng một bên đang hành động vô lý.

Hãy thử tìm chiến lược mà mỗi bên đang phản ứng lại.

Nếu không ai có thể tự mình đổi mà đạt kết quả tốt hơn, chúng ta có thể đang đứng trước một cân bằng Nash. Và nếu cân bằng đó tạo ra kết quả tệ, lời nhắc mọi người “hãy hành xử tốt hơn” thường không đủ.

Bài gốc trên Substack: https://henrypham.substack.com/p/can-bang-nash-vi-sao-grab-va-uber