เงินเฟ้อไทยในยุคดิจิทัล: 5 ข้อเท็จจริงเกี่ยวกับราคาสินค้าออนไลน์ในประเทศไทย

ปรากฏการณ์อัตราเงินเฟ้อต่ำต่อเนื่องกำลังเป็นปริศนาสำหรับนักเศรษฐศาสตร์ทั่วโลก และสร้างความท้าทายต่อธนาคารกลางในการรักษาเงินเฟ้อให้อยู่ในกรอบเป้าหมายที่วางไว้ จากรูปที่ 1 อัตราเงินเฟ้อโลกอยู่ในระดับต่ำมาตั้งแต่ช่วงปี 2000 สำหรับประเทศไทย อัตราเงินเฟ้อเฉลี่ยในช่วง 3 ปีที่ผ่านมาอยู่เพียง 0.03 เปอร์เซ็นต์ ซึ่งต่ำกว่าในช่วงก่อนปี 2000 ถึงเกือบ 5 เปอร์เซ็นต์ ภาวะเงินเฟ้อต่ำทั่วโลกนี้อาจเป็นผลสืบเนื่องมาจากการเปลี่ยนแปลงเชิงโครงสร้างในหลากหลายมิติที่ส่งผลกระทบกับหลาย ๆ ประเทศ ไม่ว่าจะเป็นการเปิดเสรีทางการค้าที่ทำให้ตลาดโลกมีความเชื่อมโยงกันมากขึ้น การค้นพบแหล่งพลังงานใหม่จากหินน้ำมัน (shale oil) ที่ทำให้โครงสร้างการผลิตน้ำมันดิบของโลกเปลี่ยนแปลงไป หรือแม้แต่การเข้าสู่สังคมสูงวัยที่ทำให้แรงกดดันเงินเฟ้อจากด้านอุปสงค์ลดลง

ในช่วงที่ผ่านมา ธุรกิจ e-commerce หรือการค้าขายสินค้าผ่านอินเทอร์เน็ตเติบโตขึ้นอย่างรวดเร็วโดยเฉพาะในประเทศที่พัฒนาแล้ว การแข่งขันที่เข้มข้นขึ้นจากการค้าขายในรูปแบบใหม่นี้อาจช่วยอธิบายเรื่องภาวะเงินเฟ้อต่ำได้ เพราะในโลกออนไลน์ที่ผู้บริโภคมีช่องทางในการเลือกซื้อสินค้ามากขึ้นและสามารถเปรียบเทียบราคาสินค้าของหลาย ๆ ร้านค้าได้อย่างรวดเร็ว ผู้ขายน่าจะต้องยอมลดราคาสินค้าของตนให้ลงมาไล่เลี่ยกับคู่แข่ง นอกจากนี้ ต้นทุนของการค้าขายออนไลน์ถือว่าต่ำมากหากเทียบกับร้านค้าขายปลีก (ร้านออฟไลน์) นอกจากจะไม่ต้องมีหน้าร้านแล้ว การปรับเปลี่ยนราคาบนอินเทอร์เน็ตเพื่อตอบสนองกับสภาวะตลาดสามารถกระทำได้อย่างรวดเร็ว และไม่ต้องมีค่าจัดพิมพ์ใบประกาศราคาใหม่ (menu cost) หรือกระบวนการสำรวจราคาของคู่แข่งขันที่ซับซ้อน ซึ่งทั้งหมดนี้ น่าจะส่งผลให้พฤติกรรมการตั้งราคาของผู้ขายบนอินเทอร์เน็ตมีลักษณะที่แตกต่างไปมากจากร้านค้าขายปลีก เช่น อาจมีการปรับราคาที่บ่อยขึ้น ในขนาดการปรับราคาแต่ละครั้งที่เล็กลง เป็นต้น

สำหรับประเทศไทย ผลจากการสำรวจปี 2018 ของสำนักงานสถิติแห่งชาติพบว่า คนไทยเพียง 15% เท่านั้นที่เลือกซื้อสินค้าบนอินเทอร์เน็ต จึงอาจกล่าวได้ว่า บทบาทของธุรกิจ e-commerce ต่อเงินเฟ้อไทยในปัจจุบันคงยังมีไม่มากนัก อย่างไรก็ตาม การวิเคราะห์พฤติกรรมสินค้าออนไลน์ไทยยังถือว่าเป็นเรื่องสำคัญ เพราะการใช้บริการ e-commerce ในประเทศไทยกำลังเติบโตขึ้นอย่างรวดเร็ว สำนักงานพัฒนาธุรกรรมทางอิเล็กทรอนิกส์ (ETDA) ระบุว่า มูลค่าของการค้าขายผ่านระบบออนไลน์ประเภท Business to Consumer (B2C) ในปีล่าสุดเติบโตด้วยอัตราสูงถึง 15.5% ต่อปี จากแนวโน้มดังกล่าว พฤติกรรมการตั้งราคาสินค้าออนไลน์ที่แตกต่างไปจากร้านค้าขายปลีกอาจส่งผลกระทบต่อเงินเฟ้อไทยได้ในอนาคต ซึ่งมีนัยสำคัญยิ่งต่อการวางกรอบนโยบายที่เหมาะสมเพื่อการดำเนินนโยบายที่มีประสิทธิภาพ

Manopimoke et al. (2018) เป็นงานวิจัยชิ้นแรกที่ศึกษาพฤติกรรมการตั้งราคาสินค้าออนไลน์ไทยผ่านข้อมูลราคาสินค้ารายย่อยที่รวบรวมโดย Priceza ซึ่งเป็นเว็ปไซต์เปรียบเทียบราคาสินค้าที่ใหญ่ที่สุดของประเทศไทย รูปที่ 2 แสดงตัวอย่างข้อมูลดิบของสินค้ามือถือ Samsung Galaxy J7 Pro โดยเส้นแต่ละเส้นแทนราคามือถือรุ่นดังกล่าวของหนึ่งร้านค้า จากตัวอย่างข้อมูลจะเห็นได้ว่า ชุดข้อมูลออนไลน์มีลักษณะที่พิเศษมาก นอกจากจะบันทึกการเปลี่ยนแปลงราคาสินค้าเป็นรายวินาทีแล้ว ยังมีข้อมูลเกี่ยวกับการเปลี่ยนแปลงของราคาสินค้าชนิดเดียวกันระหว่างหลาย ๆ ร้านค้าอีกด้วย ซึ่งแตกต่างกับชุดข้อมูลราคาสินค้าที่กระทรวงพาณิชย์เก็บตามร้านค้าขายปลีกเพราะเป็นราคาสินค้ารายเดือนที่สำรวจมาจากไม่กี่ร้านค้า ดังนั้น การวิเคราะห์ราคาสินค้าออนไลน์จึงสามารถนำไปสู่การทำความเข้าใจเกี่ยวกับพฤติกรรมการตั้งราคาของร้านค้าในมิติใหม่ ๆ ที่ลึกและละเอียดยิ่งขึ้นได้ เช่น การคำนวณระดับของการกระจายตัว (price dispersion) หรือความเคลื่อนไหวสอดคล้อง (price synchronization) ของราคาสินค้าชนิดเดียวกันระหว่างร้านค้า เป็นต้น

ชุดข้อมูล Priceza รวบรวมการเปลี่ยนแปลงราคาของสินค้ารายย่อยกว่า 2.6 ล้านรายการระหว่างเดือน ก.ค. 2015 – มิ.ย. 2018 จึงเป็นข้อมูลที่มีความละเอียดสูง ในเมื่อการศึกษาชิ้นนี้มุ่งเน้นไปในเรื่องอัตราการกระจายตัวและความสอดคล้องกันของราคาสินค้าระหว่างร้านค้า เราจึงต้องเลือกศึกษาสินค้าในหมวดอิเล็กทรอนิกส์เท่านั้น ซึ่งได้แก่สินค้าประเภท คอมพิวเตอร์ โทรศัพท์มือถือ ตู้เย็น และ เตารีด เป็นต้น เนื่องจากสามารถใช้ข้อมูลยี่ห้อและชื่อรุ่นของสินค้ามาแยกแยะและจำแนกสินค้าที่เป็นชนิดเดียวกันได้เพื่อการเปรียบเทียบ ซึ่งสินค้าเหล่านี้มีอยู่ทั้งสิ้น 53,929 รายการ แยกเป็นสินค้าได้ 11,920 ชนิด

การที่ราคาของสินค้าชนิดเดียวกันมีความแตกต่างกันระหว่างร้านค้า อาจขึ้นอยู่กับลักษณะของร้านค้าที่มีอำนาจทางการตลาดหรือความสามารถในการตอบสนองต่อราคาของคู่แข่งที่ไม่เท่าเทียมกัน เพื่อศึกษาว่าปัจจัยเหล่านี้สำคัญต่อพฤติกรรมการตั้งราคาสินค้าออนไลน์หรือไม่ เราแบ่งร้านค้าทั้งหมดในชุดข้อมูลออกเป็น 3 ประเภท ได้แก่ ร้านค้าขนาดใหญ่ (27 ร้านค้า) เช่น Central Homepro Powerbuy ซึ่งมีหน้าร้านหลายสาขา ร้านค้าขนาดเล็ก (134 ร้านค้า) เช่น Surajit Avrama.com MPC Electronics ซึ่งไม่มีหน้าร้านและขายผ่านอินเทอร์เน็ตเป็นหลัก และร้านค้าที่อาศัยช่องทางการขายผ่าน marketplace platform (21 แพล็ตฟอร์ม) เช่น Lazada Shoppee 11thStreet ซึ่งช่องทางการขายในรูปแบบสุดท้ายนี้จะแตกต่างกับการค้าขายในรูปแบบอื่นเพราะสินค้าชนิดเดียวกันที่ขายโดยร้านค้าทั้งหมดจะถูกรวบรวมอยู่บนเว็ปไซด์หน้าเดียวซึ่งทำให้การแข่งขันระหว่างร้านค้ารุนแรงยิ่งขึ้น หากนับตามจำนวนสินค้าที่ประกาศขายออนไลน์ สินค้าที่ขายผ่านช่องทาง marketplace platform จะมีจำนวนเยอะที่สุดและเติบโตด้วยอัตราสูงที่สุด โดย 78 เปอร์เซ็นต์ของสินค้าออนไลน์ทั้งหมดในปี 2018 จะประกาศขายบน marketplace platform ซึ่งสูงกว่าในปี 2015 ถึง 34 เปอร์เซ็นต์

ระดับของความหนืด (price stickiness) ของการปรับราคาสินค้า เกี่ยวเนื่องโดยตรงต่อประสิทธิภาพการส่งผ่านของนโยบายไปสู่ระบบเศรษฐกิจ จึงมีนัยสำคัญยิ่งต่อการดำเนินนโยบายการเงิน Apaitan et al. (2018) พบว่าราคาสินค้าขายปลีกที่จัดเก็บโดยกระทรวงพาณิชย์เปลี่ยนแปลงไม่ค่อยบ่อย โดยเฉลี่ยแล้วระยะเวลาในการปรับราคาแต่ละครั้งอยู่ที่ประมาณ 6 เดือน สำหรับราคาสินค้าออนไลน์ประเภทอิเล็กทรอนิกส์ ค่ากลางของระยะเวลาที่ราคาสินค้าไม่เปลี่ยนอยู่ที่ 31 วัน และค่าเฉลี่ยอยู่ที่ 75 วัน ข้อค้นพบนี้สอดคล้องกับงานศึกษาของต่างประเทศเช่น Gorodnichenko et al. (2018) ซึ่งพบว่าราคาสินค้าออนไลน์ในประเทศสหรัฐอเมริกาและประเทศอังกฤษเปลี่ยนแปลงบ่อยโดยเฉลี่ยประมาณ 7 ถึง 20 อาทิตย์ครั้ง ซึ่งบ่อยกว่าราคาสินค้าตามร้านค้าขายปลีกในแต่ละประเทศหลายเท่า

การที่ค่ากลางของการเปลี่ยนแปลงราคาอยู่ที่ประมาณ 1 เดือน หมายความว่าสินค้าออนไลน์ในชุดข้อมูลกว่าครึ่งเปลี่ยนแปลงบ่อยกว่าเดือนละครั้ง ซึ่งเป็นการเปลี่ยนแปลงที่ถี่กว่าราคาสินค้าออฟไลน์ที่กระทรวงพาณิชย์จัดเก็บเป็นรายเดือนด้วยซ้ำ อย่างไรก็ตาม หากคำนึงถึงต้นทุนที่ต่ำมากของการค้าขายผ่านอินเทอร์เน็ต การที่ราคาสินค้าออนไลน์นิ่งนานประมาณ 1–2.5 เดือนไม่ได้ถือว่าราคาสินค้านั้นเปลี่ยนบ่อยมากนัก ซึ่งสะท้อนว่าต้นทุนของการเปลี่ยนแปลงราคาในลักษณะ menu cost อาจไม่ได้เป็นปัจจัยหลักที่ร้านค้าคำนึงถึงในการปรับราคาแต่ละครั้ง แต่การที่อัตราการเปลี่ยนแปลงราคาของสินค้าออนไลน์ไม่ได้ถี่มากจนเกินไป อาจเป็นเพราะร้านค้าคำนึงถึงปัจจัยอื่น ๆ ด้วย เช่น การต้องการรักษาความสัมพันธ์ที่ดีกับลูกค้า เป็นต้น

ถึงแม้ว่าราคาสินค้าออนไลน์ส่วนมากจะเปลี่ยนค่อนข้างบ่อย จากรูปที่ 3 ซึ่งแสดงการกระจายตัวของค่าเฉลี่ยของระยะเวลาระหว่างการปรับราคาแต่ละครั้ง (duration) ของสินค้าทั้ง 11,920 ชนิด จะเห็นได้ว่ายังมีสินค้าหลายชนิดที่มีการคงราคาไว้นานเป็นปี สะท้อนพฤติกรรมการตั้งราคาที่มีความแตกต่างกันมากระหว่างสินค้า เมื่อแยกศึกษา duration ตามประเภทของร้านค้า พบว่าร้านค้าที่มีขนาดใหญ่เปลี่ยนราคาสินค้าบ่อยสุดที่ 37 วันครั้ง ในขณะที่ร้านเล็กเปลี่ยนแปลงราคาสินค้าช้ากว่าที่ 104 วันครั้ง การที่ร้านค้าใหญ่เปลี่ยนแปลงราคาบ่อยกว่าร้านค้าเล็กถึงสามเท่าอาจสะท้อนว่าร้านค้าใหญ่มีการลดราคาผ่านโปรโมชั่นที่บ่อยกว่าร้านเล็ก หรือมีกลยุทธ์ทางการตลาดที่คำนึงถึงราคาของคู่แข่งมากกว่า ซึ่งจากการประมาณค่าแบบจำลองทางเศรษฐมิติพบว่า สินค้าที่มีคู่แข่งเยอะมักมีการเปลี่ยนแปลงราคาที่บ่อยกว่าสินค้าที่มีคู่แข่งเพียงไม่กี่ร้าน ดังนั้น ในวันข้างหน้าที่การแข่งขันระหว่างร้านค้าจะรุนแรงขึ้นตามธุรกิจ e-commerce ที่เติบโต ราคาสินค้าออนไลน์หรือแม้แต่ราคาสินค้าตามร้านขายปลีกที่จะต้องแข่งขันกับร้านค้าที่ขายสินค้าชนิดเดียวกันบนอินเทอร์เน็ตน่าจะมีการเปลี่ยนแปลงราคาที่บ่อยขึ้น

นักเศรษฐศาสตร์มักมีข้อสมมติฐานว่า ระดับราคาในระบบเศรษฐกิจนั้นปรับลดลงได้ยาก (downward price rigidity) ซึ่งมีนัยเชิงนโยบายคืออาจต้องมีการกำหนดเป้าหมายเงินเฟ้อสำหรับนโยบายการเงินให้สูงไว้เพื่อชดเชยความหนืดดังกล่าว อย่างไรก็ตาม จากการศึกษาพฤติกรรมของการเปลี่ยนแปลงราคาสินค้าออฟไลน์ไทย Apaitan et al. (2018) พบว่าการลดราคานั้นเป็นเรื่องปกติ โดยการปรับราคาที่เกิดขึ้นทั้งหมด 40% เป็นการลดราคา สำหรับสินค้าออนไลน์ การศึกษาพบว่าการปรับลดราคานั้นเกิดขึ้นบ่อยพอ ๆ กับการขึ้นราคาเหมือนกัน โดย 52% ของการเปลี่ยนแปลงราคาเป็นการลดราคา ทั้งหมดนี้สะท้อนว่าเศรษฐกิจไทยไม่ได้มีความหนืดในการปรับลดราคาลง

นอกจากนี้ ถึงแม้ว่าอัตราเงินเฟ้อไทยจะอยู่ในระดับที่ต่ำมาก Apaitan et al. (2018) พบว่าโดยเฉลี่ยแล้ว ขนาดของการเปลี่ยนแปลงราคาของสินค้าออฟไลน์ทั้งขาขึ้นและขาลงในแต่ละเดือนนั้นมีขนาดใหญ่ประมาณ 7–10% ซึ่งอาจเป็นเพราะร้านค้าออฟไลน์ต้องคำนึงถึงต้นทุนการเปลี่ยนราคาที่อยู่ในรูปแบบ menu cost อย่างไรก็ตาม ร้านค้าออนไลน์แทบจะไม่มีต้นทุนในการเปลี่ยนแปลงราคาสินค้าในลักษณะดังกล่าว แต่ขนาดของการปรับเพิ่มและลดราคายังอยู่ในระดับสูงถึง 9% โดยร้านค้าเล็กจะมีขนาดในการเปลี่ยนแปลงราคาที่เล็กกว่าร้านค้าใหญ่เล็กน้อย (รูปที่ 4) จึงอาจกล่าวได้ว่า ปัจจัยที่ร้านค้าคำนึงถึงในการเปลี่ยนแปลงราคาในแต่ละครั้งนั้นมีอยู่นอกเหนือจากปัจจัยเรื่อง menu cost ทั้งนี้ งานศึกษาของต่างประเทศเช่น Lünnemann and Wintr (2006) และ Gorodnichenko et al. (2018) พบว่าขนาดของการเปลี่ยนแปลงราคาสินค้าออนไลน์ในประเทศสหรัฐอเมริกาและกลุ่มประเทศยูโรมีขนาดใหญ่อยู่ที่ประมาณ 5–12 % เหมือนกัน

เมื่อเปรียบเทียบกับร้านค้าขายปลีก ร้านค้าออนไลน์สามารถปรับราคาสินค้าเพื่อให้ทันต่อสภาวะอุปสงค์และอุปทานของตลาดรวมถึงราคาของคู่แข่งขันได้อย่างง่ายดายและรวดเร็ว ดังนั้นความสอดคล้องของการเปลี่ยนแปลงราคาสินค้าออนไลน์ (price synchronization) น่าจะอยู่ในระดับสูง อย่างไรก็ตาม จากการคำนวณค่าสถิติความสอดคล้องของสินค้าชนิดเดียวกันระหว่างร้านค้า ค่าเฉลี่ยในระดับรายวันอยู่ที่เพียง 2.8% ซึ่งถือว่าต่ำมาก เมื่อคำนวณเป็นรายเดือน ค่าความสอดคล้องเพิ่มขึ้นมาเป็น 31% ซึ่งยังถือว่าไม่สูงนักหากคำนึงถึงต้นทุนในการเปลี่ยนแปลงราคาบนอินเทอร์เน็ตที่ต่ำมาก

อย่างไรก็ตาม เมื่อแยกศึกษาค่าความสอดคล้องตามชนิดของร้านค้า พบว่าราคาของสินค้าชนิดเดียวกันที่ขายผ่าน marketplace platform เคลื่อนไหวไปด้วยกันอยู่ในระดับที่สูงกว่าค่าเฉลี่ยรวม โดยค่าความสอดคล้องรายวันอยู่ที่ 17% และ 42% หากขยายเป็นรายเดือน ซึ่งหมายความว่า ปัจจัยเรื่องการแข่งขันที่เข้มข้นขึ้นเนื่องจากการที่ผู้ซื้อและผู้ขายสามารถเปรียบเทียบราคาของคู่แข่งขันได้อย่างง่ายดายผ่านเว็ปไซด์หน้าเดียว เป็นปัจจัยสำคัญที่ส่งผลให้ร้านค้าที่ขายสินค้าชนิดนั้น ๆ เปลี่ยนราคาตามกันมากขึ้น โดยรวมแล้วค่าความสอดคล้องของราคาสินค้าออนไลน์ยังไม่ได้ถือว่าสูงเท่าไหร่นัก สะท้อนความสำคัญของปัจจัยเฉพาะร้านค้า (seller specific factors) ในการตั้งราคาสินค้า

นักเศรษฐศาสตร์มักมองว่า ระดับการกระจายตัวของราคาสินค้าชนิดเดียวกันระหว่างร้านค้า (price dispersion) เป็นตัวบ่งชี้ต้นทุนในการซื้อขาย (trading frictions) เช่นจากการที่ร้านค้าอยู่ในพื้นที่ที่แตกต่างกันจึงมีค่าขนส่งสินค้าที่ไม่เท่ากัน หรือผู้ซื้ออาจมีต้นทุนในการค้นหาและเปรียบเทียบราคาระหว่างร้านค้าสูง (search cost) หรือมีทัศนคติต่อชื่อเสียง (reputation) หรือการบริการของร้านค้าแต่ละร้านไม่เท่ากัน จึงเป็นปัจจัยที่ทำให้ราคาของสินค้าชนิดเดียวกันแตกต่างกันได้ระหว่างร้านค้า อย่างไรก็ตาม การค้าขายออนไลน์มี search cost ที่ต่ำมาก และร้านค้าต่าง ๆ บนอินเทอร์เน็ตมีความเท่าเทียมกันมากในเชิงพื้นที่และการให้บริการ ดังนั้น นักเศรษฐศาสตร์จึงมองว่า price dispersion ของสินค้าออนไลน์น่าจะอยู่ในระดับที่ต่ำมาก หรือกล่าวอีกนัยหนึ่งคือ ราคาของสินค้าชนิดเดียวกันระหว่างร้านค้าน่าจะมีลักษณะที่สอดคล้องกับ law of one price

อย่างไรก็ตาม จากการคำนวณ price dispersion ผ่านส่วนต่างของราคาที่สูงและต่ำที่สุด (range) ของสินค้าชนิดเดียวกัน พบว่าค่าเฉลี่ยของส่วนต่างนี้อยู่สูงถึง 41% แม้แต่ค่าเฉลี่ยของส่วนต่างของราคาที่ต่ำที่สุดสองราคา (gap) ยังสูงถึง 18% การที่ราคาสินค้าบนอินเทอร์เน็ตมีลักษณะที่แตกต่างไปมากจาก law of one price สอดคล้องกับผลการศึกษาของงานวิจัยต่างประเทศเช่น Brynjolfsson and Smith (2000) Clay et al. (2002) และ Baye et al. (2004) ซึ่งพบว่าแม้แต่ราคาของสินค้าหมวด หนังสือ ซีดี และอิเล็กทรอนิกส์ ที่น่าจะมีราคาที่ใกล้เคียงกันมากยังมีระดับการกระจายตัวที่สูงประมาณ 20–30% สะท้อนว่า trading frictions ในการค้าขายบนอินเทอร์เน็ตยังสูงอยู่

เพื่อค้นหาว่า trading frictions ออนไลน์อยู่ในรูปแบบใดบ้าง เรานำร้านค้าที่ขายสินค้าชนิดเดียวกันมาจัดลำดับ โดยเรียงตามร้านค้าที่ขายแพงถึงถูกที่สุด จากรูปที่ 5 จะเห็นได้ว่าโดยเฉลี่ยแล้ว ร้านค้าขนาดใหญ่และเล็กจะตั้งราคาสินค้าของตนแพงกว่าร้านค้าที่ขายผ่าน marketplace platform สะท้อนว่า trading frictions ในรูปแบบของ search cost อาจยังเป็นปัจจัยสำคัญที่ทำให้ราคาสินค้าแตกต่างกันระหว่างร้านค้า เพราะต้นทุนในการเปรียบเทียบราคาระหว่างร้านเล็กและใหญ่จะต้องกระทำโดยตรวจสอบเว็ปไซด์หลาย ๆ หน้า ในขณะที่การซื้อขายผ่าน marketplace platform กระทำได้อย่างง่ายดายผ่านเว็ปไซต์หน้าเดียว นอกจากนี้ จากการประมาณค่าแบบจำลองทางเศรษฐมิติพบว่า ปัจจัยที่สำคัญต่อระดับการกระจายตัวของราคาสินค้าคือความเข้มข้นของการแข่งขัน สินค้าที่มีคู่แข่งเยอะจะมีระดับการกระจายตัวของราคาต่ำกว่าสินค้าที่ประกาศขายตามไม่กี่ร้านค้า ดังนั้น การกระจายตัวของราคาสินค้าชนิดเดียวกันระหว่างร้านค้าอาจน้อยลงได้ในอนาคตตามการพัฒนาของธุรกิจ e-commerce ที่เร่งสูงขึ้น

การเปรียบเทียบลักษณะของราคาสินค้าออนไลน์และออฟไลน์ในส่วนก่อนหน้าไม่ได้เป็นการเปรียบเทียบระหว่างสินค้าชนิดเดียวกันโดยตรง ซึ่งอาจทำให้ความเข้าใจเกี่ยวกับความแตกต่างระหว่างสินค้าออนไลน์และออฟไลน์มีจำกัด อย่างไรก็ตาม การเปรียบเทียบลักษณะของการเปลี่ยนแปลงราคาสินค้าในชุดข้อมูลออนไลน์ Priceza และชุดข้อมูลออฟไลน์ของกระทรวงพาณิชย์เป็นเรื่องที่ทำได้ลำบากเพราะสินค้าในชุดข้อมูลทั้งสองมีความแตกต่างกันมากพอสมควร ดังนั้นคณะผู้วิจัยจึงเลือกที่จะเปรียบเทียบลักษณะของการเปลี่ยนแปลงราคาสินค้าที่ระดับรายกลุ่มสินค้าแทน โดยกลุ่มสินค้าเหล่านี้ได้แก่ ตู้เย็น พัดลม ไมโครเวฟ เครื่องปรับอากาศ โทรศัพท์ โทรทัศน์ เครื่องซักผ้า เตารีด และนาฬิกา

ตารางที่ 1 แสดงลักษณะของการเปลี่ยนแปลงราคาสินค้าออนไลน์และออฟไลน์ในแต่ละกลุ่ม สังเกตได้ว่าอัตราเงินเฟ้อรายเดือนของกลุ่มสินค้าออนไลน์และออฟไลน์จะอยู่ในระดับที่ค่อนข้างต่ำมากทั้งคู่ ยกเว้นแต่กลุ่มโทรศัพท์และโทรทัศน์ที่อัตราเงินเฟ้อออนไลน์ต่ำกว่าออฟไลน์อย่างเห็นได้ชัด ซึ่งข้อค้นพบนี้สอดคล้องกับผลงานวิจัยของต่างประเทศเช่น Goolsbee and Klenow (2018) ที่พบว่าอัตราเงินเฟ้อที่คำนวณมาจากราคาสินค้าออนไลน์ในประเทศสหรัฐอเมริกาต่ำกว่าออฟไลน์ถึง 1.3 เปอร์เซ็นต์ และงานวิจัยของ Cavallo and Rigobon (2016) ใน Billion Prices Project ที่พบว่าอัตราเงินเฟ้อออนไลน์ของประเทศอาร์เจนตินาในช่วง 2008–2011 ต่ำกว่าอัตราเงินเฟ้อที่คำนวณจากร้านค้าออฟไลน์ถึง 8 เปอร์เซ็นต์ นอกจากนี้ จากการเปรียบเทียบพฤติกรรมการตั้งราคาของกลุ่มสินค้าออนไลน์และออฟไลน์ในมิติอื่น พบว่าพฤติกรรมการตั้งราคาสินค้าบนอินเทอร์เน็ตและตามร้านค้าขายปลีกมีความแตกต่างกันมาก สำหรับทุกกลุ่มสินค้า ราคาสินค้าออนไลน์จะเปลี่ยนแปลงเร็วกว่า และมีการเปลี่ยนแปลงในขนาดที่เล็กกว่าสินค้าออฟไลน์ สะท้อน trading frictions ที่ต่ำกว่าในการค้าขายบนอินเทอร์เน็ต

งานวิจัยนี้ใช้ประโยชน์จากข้อมูลราคาสินค้าออนไลน์ในหมวดอิเล็กทรอนิกส์ที่มีความละเอียดสูงเพื่อศึกษาพฤติกรรมการตั้งราคาของสินค้าออนไลน์ ผลการศึกษาพบว่า ราคาสินค้าออนไลน์โดยรวมเพิ่มขึ้นในอัตราที่ต่ำกว่าร้านค้าออฟไลน์ และมีการเปลี่ยนแปลงราคาในแต่ละครั้งที่เล็กและบ่อยกว่าราคาสินค้าขายปลีก อย่างไรก็ตาม เมื่อคำนึงถึงต้นทุนของการเปลี่ยนแปลงราคาบนอินเทอร์เน็ตที่ต่ำมาก พฤติกรรมการตั้งราคาสินค้าออนไลน์ในปัจจุบันยังถือว่ามี trading frictions อยู่ เพราะระยะเวลาในการเปลี่ยนแปลงราคาในแต่ละครั้งยังนานพอสมควรและมีขนาดในการเปลี่ยนแปลงที่ค่อนข้างใหญ่ นอกจากนี้ สินค้าชนิดเดียวกันมีราคาระหว่างร้านค้าที่แตกต่างกันมากในระดับหนึ่ง สะท้อนว่าการตั้งราคายังขึ้นอยู่กับปัจจัยเฉพาะร้านค้าเป็นหลัก อย่างไรก็ตาม การแข่งขันที่รุนแรงขึ้นในอนาคตตามธุรกิจ e-commerce ที่เติบโต จะเป็นปัจจัยช่วยลด trading frictions ในการซื้อขายบนอินเทอร์เน็ต ซึ่งอาจนำไปสู่การเปลี่ยนแปลงของราคาสินค้าที่ถี่ขึ้นและตอบสนองกับสภาวะตลาดเร็วขึ้น สะท้อนการทำงานของตลาดที่มีประสิทธิภาพมากขึ้น อย่างไรก็ตาม ผลพวงของการแข่งขันที่เข้มข้นคือราคาสินค้าที่ถูกลงหรือเพิ่มขึ้นช้า ๆ ซึ่งอาจส่งผลให้อัตราเงินเฟ้อโดยรวมอยู่ในระดับที่ต่ำเป็นระยะเวลาหนึ่ง กรอบการดำเนินนโยบายการเงินควรมีความยืดหยุ่นเพียงพอที่จะรองรับแรงกดดันต่อเงินเฟ้อเชิงโครงสร้างเช่นนี้ด้วย โดยให้ความสำคัญกับการปรับตัวเข้าสู่เป้าหมายเงินเฟ้อในระยะที่ยาวเป็นสำคัญ

Apaitan, T., P. Disyatat and P. Manopimoke (2018), “Price Setting Behavior in Thailand: Evidence from Micro CPI Data”, PIER Discussion Paper, No. 85.

Baye M.R., J. Morgan, and P. Scholten (2004), “Price Dispersion in the Small and in the Large: Evidence from an Internet Price Comparison Site”, The Journal of Industry Economics 52(4), 463–496.

Brynjolfsson, E., and M. Smith (2000), “Frictionless Commerce? A Comparison of Internet and Conventional Retailers”, Management Science 46(4), 563–585.

Cavallo, A., and R. Rigobon (2016), “The Billion Prices Project: Using Online Prices for Measurement and Research”, Journal of Economic Perspective 30(2), 151–178.

Clay, K., R. Krishnan, E. Wolff, and D. Fernandes (2002), “Retail Strategies on the Web: Price and Non-Price Competition in the Online Book Industry”, The Journal of Industrial Economics 50(3), 351–367.

Goolsbee, A.D., and P.J. Klenow (2018) “Internet Rising, Prices Falling: Measuring Inflation in a World of E-commerce”, National Bureau of Economic Research Working Paper No. 24649.

Gorodnichenko, Y., V. Sheremirov, and O. Talavera (2018) “Price Setting in Online Markets: Does it Click?”, Journal of the European Economic Association 16(6), 1764–1811.

Lünnemann, P. and L. Wintr (2006) “Are Internet Prices Sticky?”, ECB Working Paper No. 645.

Manopimoke, P., V. Limjaroenrat, A. Charoenpanich, and C. Rittinon (2018), “Decoding the Low Inflation Conundrum with Online and Offline Price Data”, Bank of Thailand Symposium Paper 2018.