Google/Fitbit y un marco para evaluar fusiones basadas en datos

Uno de los aspectos centrales de la denominada “revolución digital” es la creciente disponibilidad de datos granulares (Big Data) que las empresas tecnológicas aprovechan para impulsar el desarrollo de sus modelos de negocios. En particular, el análisis de datos personales de consumidores y usuarios de las plataformas digitales puede permitir a las empresas mejorar la calidad de los productos que ofrecen.

Los efectos de red que los datos generan son ya conocidos: empresas con más datos ofrecen productos mejor orientados y más personalizados, lo que atrae a más usuarios, y lo que a su vez significa más flujo de datos para las empresas, operando así como un ciclo de retroalimentación positiva. De ahí el esfuerzo constante de las tecnológicas por obtener y recopilar más datos.

Entre las varias formas de acceder a más datos, la adquisición de otras empresas tecnológicas también basadas en datos es de las “prácticas” cuya creciente frecuencia ha despertado la preocupación de diversas autoridades de competencia: ¿Cuáles son los potenciales efectos competitivos de las fusiones tecnológicas que involucran grandes volúmenes de datos de consumidores? ¿Cómo debieran las agencias de competencia evaluar fusiones digitales basadas en datos?

Los economistas Zhijun Chen (Monash University), Chongwoo Choe (Monash University), Jiajia Cong (Fudan University) y Noriaki Matsushima (Osaka University) buscan responder estas preguntas en su reciente artículo titulado “Data-driven mergers and personalization”. En concreto, los autores presentan un modelo teórico que analiza los efectos de una fusión que vincula, por un lado, un mercado que de aplicación de datos (mercado A) y, por otro, un mercado de recopilación de datos (mercado B). Si bien no se trataría de una fusión horizontal ni vertical, estos mercados sí están relacionados a través de lo que los autores denominan sinergias de consumo. Con esto, el modelo identifica y pondera los efectos tanto beneficiosos -tales como la personalización de productos– como perjudiciales -tales como la explotación del consumidor– de una fusión basada en datos.

Como veremos a continuación, los resultados de este modelo son especialmente relevantes para evaluar la fusión Google/Fitbit (ver nuestra nota CeCo sobre la investigación aquí), caso que, a la fecha, aún se encuentra bajo investigación por diversas agencias alrededor del mundo.

El caso Google/Fitbit y las alertas de las agencias

Desde hace un tiempo que Google -la gigante tecnológica- ha manifestado sus intenciones de expandirse al mundo de la salud. Por un lado, Verily Life Sciences, la compañía de atención médica de Google (Alphabet), anunció en agosto de 2020 su incorporación al negocio de los seguros de salud, en colaboración con la unidad de seguros comerciales Swiss Re Corporate Solutions.

Por otra parte, no es de sorprender que Google haya puesto su mirada en Fitbit, empresa dedicada a los dispositivos portátiles inteligentes -los denominados smartwatches y wearables– diseñados para monitorear y dar seguimiento a datos relacionados con salud y bienestar físico en tiempo real. El potencial que se le puede dar a estos datos de salud ya ha sido puesto a prueba. Es el caso de ciertas aseguradoras privadas de salud que actualmente alientan a sus asegurados a usar estos dispositivos de rastreo para monitorear su actividad física. Esto permite a las aseguradoras conocer mejor a sus clientes, ya que ayudan a determinar los factores de riesgo de los clientes y, en lugar de aplicar primas de salud uniformes, los dispositivos portátiles permitirían ofrecer productos y precios altamente personalizados.

En la investigación iniciada por la Comisión Europea en agosto de 2020, la principal preocupación planteada fue justamente la posibilidad de que Google pudiese agregar los datos de salud recopilados por Fitbit a los perfiles personales que la gigante tecnológica utiliza en sus otros servicios, como correos electrónicos, mapas y búsquedas en línea. En opinión de la Comisión, esto impondría barreras de entrada a los competidores. Y si bien Google se comprometió a no usar los datos de Fitbit para fines publicitarios, esto no descartaba la posibilidad de combinar los datos para ingresar a otros mercados, como el de la atención médica o seguros de salud.

Por ejemplo, Google podría ingresar al mercado de seguros de salud con productos altamente personalizados, combinando los datos de Fitbit con los registros médicos masivos a los que Google tiene acceso a través de Google Cloud y Project Nightingale. También podría combinarlos con los datos de usuario de la API Cloud Healthcare de Google para crear un perfil de paciente más completo y ofrecer así una atención médica más personalizada.

Finalmente, la Comisión Europea aprobó la fusión el 17 de diciembre de 2020, sujeta a las condiciones relacionadas con el uso de datos de salud para los anuncios de Google, el acceso a la API web de Fitbit y la competencia en el mercado de dispositivos portátiles (para más detalle, ver nota CeCo aquí). En jurisdicciones tales como Estados Unidos, el caso aun está siendo revisado.

Modelando fusiones de mercados basados en datos

¿Son estas preocupaciones de las agencias de competencia justificadas? ¿Son los riesgos competitivos superiores a las ganancias de eficiencias que podría generar la fusión Google/Fitbit o cualquier otra fusión que involucre big data? Para responder estas preguntas, los autores del artículo presentan un modelo que toma los atributos esenciales del caso Google/Fitbit.

El modelo supone 2 mercados relacionados, como vemos en la figura de arriba. El mercado A que aplica los datos para el desarrollo de sus productos -como el cuidado de la salud digital- y el mercado B donde se recopilan los datos -como el mercado de dispositivos portátiles. En cada mercado hay sólo 2 competidores (A_1, A_2)   y (B_1, B_2) , respectivamente.

Cada mercado está representado por un duopolio de Hotelling, esto es, mercados cuyos productos son altamente diferenciados horizontalmente. Por ejemplo, sabemos que los planes de salud son diversos, dependiendo de los tratamientos que cubran y las condiciones de salud de los consumidores.

A los autores les interesa estudiar una fusión entre A_1  (Google) y B_1 (Fitbit), lo que conduce a una entidad fusionada C . El uso principal de los datos del consumidor recopilados en el mercado B es para la personalización en el mercado A, que explicaremos a continuación.

Personalización de productos

La relación entre estos dos mercados viene dada por el hecho que los datos que se generan en el mercado B se pueden utilizar en el mercado A para la personalización. Por personalización, los autores se refieren a la capacidad de la nueva entidad fusionada C para cobrar un precio personalizado por un producto personalizado que se adapta mejor al gusto de un consumidor objetivo. El consumidor objetivo, por su parte, es aquel consumidor que pertenece al mercado A cuyos datos están disponibles. El segmento objetivo de la empresa C son los consumidores del mercado A, el mercado de la salud.

Para los consumidores no-objetivo, la empresa C ofrece el producto estándar a un precio uniforme, porque no hay datos que permitan la personalización.

Otro concepto relevante del modelo es la escala de datos, definida como la cantidad de consumidores en A en las que la empresa tiene datos individuales, siendo una medida del tamaño del segmento objetivo de la empresa C.

El elemento clave del modelo es la capacidad que tiene la empresa C para ofrecer personalización en el mercado A. En el contexto de Google/Fitbit, esto se relaciona con la medida en que la fusionada puede personalizar los servicios de atención médica o de seguros de salud. Como veremos, esto último depende en gran parte de lo que ocurre en el mercado B, de recopilación de datos.

Sinergia de consumo

Otra razón que explica el vínculo de complementariedad entre el mercado A y B es el concepto de sinergia de consumo, que es cuando los consumidores del mercado B (dispositivos inteligentes) obtienen beneficios adicionales al comprar el producto personalizado de la empresa C en el mercado A (de salud). Esto se puede interpretar como el beneficio de consumir dos productos conjuntamente. En el caso de Google/Fitbit, Google puede incorporar los wearables en su ecosistema, lo que puede aprovechar para mejorar la experiencia del usuario en el sector de la salud digital.

Este concepto es relevante, según describen los autores, porque la sinergia de consumo aumenta el beneficio marginal de escalar más en datos (obtener más datos de consumidores), lo que hace que la empresa C sea más agresiva en el mercado B cuando sabe que las sinergias de consumo son grandes.

El Efecto de una Fusión basada en datos

Dado que el tamaño de la sinergia de consumo determina los incentivos a escalar más en datos y, por tanto, el nivel de competencia en el mercado B, los autores anticipan dos tipos de equilibrios de la fusión entre A_1 y B_1 : (i) si la sinergia es relativamente pequeña, la empresa tendrá menos incentivos de monopolizar el mercado B, acomodando a los competidores en ambos mercados;(ii) si la sinergia es suficientemente grande, se espera que la empresa C tenga incentivos para monopolizar el mercado B para escalar en datos, lo que también implica la monopolización del mercado A.

Efectos en el mercado A

En concreto, el artículo identifica 2 equilibrios de acomodación y 1 equilibrio de monopolización después de la fusión para el mercado objetivo A:

Equilibrio de Acomodación I

En el denominado equilibrio de acomodación I, la sinergia es baja, por lo que C compite tanto en el segmento objetivo como no-objetivo, existiendo competencia. En este caso, la competencia empuja a la baja los precios uniformes, lo que a su vez reduce los precios personalizados. Como resultado, el excedente total del consumidor aumenta después de la fusión.

A medida que aumenta la sinergia de consumo, la empresa C amplía su segmento objetivo porque la mayor sinergia de consumo implica más excedente del consumidor que se puede extraer a través de la personalización. Lo que nos lleva a otra forma de acomodación más perniciosa.

Equilibrio de Acomodación II

En este equilibrio donde la sinergia es más alta, la fusión puede dar como resultado un precio uniforme más alto cobrado por la empresa A2, principalmente porque C ya no compite en segmento no-objetivo y la participación de mercado de A era menor que antes de la fusión.

El precio uniforme más alto de la empresa A2 permite a la empresa C aumentar todos los precios personalizados por encima de su precio uniforme pre-fusión. Como resultado, los consumidores están peor.

Equilibrio de Monopolización

Cuando la sinergia de consumo es lo suficientemente grande, la empresa C tiene altos incentivos para monopolizar el mercado B y, por tanto, también el mercado A, llevando al equilibrio de monopolización. Esto lo hace imponiendo precios en el mercado B por debajo de sus costos y atendiendo a todos los consumidores del mercado A a través de precios personalizados.

En este caso, la mera presencia de A2 sigue ejerciendo disciplina competitiva, haciendo que el mercado aún sea contestable pese a no atender al mercado. Por esta razón, la empresa C no fija precios monopólicos mientras A2 no salga del mercado.

Sin embargo, es probable que esta situación prevalezca sólo a corto plazo. Si los competidores salen del mercado a largo plazo, el equilibrio de monopolización se convertirá en el equilibrio de monopolio, que será mucho más rentable para la empresa C, en detrimento de los consumidores.

Interesantemente, este resultado se asemeja con la teoría de apalancamiento que está detrás de las ventas atadas o empaquetamientos de productos. En nuestro glosario sobre venta atada hemos detallado como un monopolista de cierto mercado A puede atar su producto a otro producto B para extender su poder de mercado en este último mercado. En nuestro caso, es la capacidad de personalización la que permite monopolizar un mercado relacionado.

¿Qué pasa en el mercado B?

A diferencia del mercado A, el resultado de equilibrio en el mercado B (recopilación de datos) es uno sólo: la competencia se intensifica al corto plazo debido a los incentivos de la empresa C para expandir su segmento objetivo en el mercado A, lo que lleva a precios más bajos post-fusión.

Ahora, cuando la sinergia de consumo es lo suficientemente grande, la empresa C puede elegir precios por debajo de sus costos en el mercado B, beneficiando a todos los consumidores del mercado B. La empresa C puede usar la personalización para extraer un excedente del mercado A que puede más que compensar las pérdidas en el mercado B.

Esto que puede parecer un efecto positivo de la fusión puede llevar a errores, toda vez que este es un resultado estático o de corto plazo en el mercado B. Desde un punto de vista dinámico, las altas sinergias de consumo pueden llevar a la empresa C a bajar sus precios en el mercado B a tal punto que genere expulsión de rivales, como parte de su estrategia para monopolizar los mercados.

Como resultado, la fusión aumenta el excedente total del consumidor en el mercado B al corto plazo, pero a largo plazo, cuando los competidores salen después de la monopolización, los consumidores de ambos mercados están peor que antes de la fusión. Esto tiene importantes implicancias para las autoridades de competencias relativo al control de operaciones de concentración.

Implicancias para el bienestar del consumidor

A juicio de los autores, estos resultados muestran claras implicancias de bienestar de las fusiones basadas en datos:

1. Gracias a la ventaja competitiva derivada de la sinergia de consumo y la personalización, las partes que se fusionan están mejor a costa de sus rivales.
2. En el mercado B de recopilación, los consumidores ganan a corto plazo debido a la intensificación de la competencia.
3. En el mercado A, los consumidores estarán mejor sólo si la sinergia de consumo no es lo suficientemente grande como para que la empresa fusionada continúe compitiendo en el segmento no-objetivo. De lo contrario, la fusión empeorará su situación.

El trade-off dinámico: problema para las agencias de competencia

Los resultados de esta investigación son de gran utilidad para el análisis de operaciones de concentración de las agencias, porque logra identificar la idiosincrasia de las fusiones que involucran sinergias en datos.

Los autores presentan un gran desafío en la manera en que actualmente se evalúan las fusiones. Y es que, el análisis de fusiones convencional aún tiene una alta perspectiva estática, donde los riesgos competitivos son sopesados frente a potenciales ganancias de eficiencia específicas de la fusión traspasados a los consumidores, a menudo traducidos en precios más bajos.

Sin embargo, en estos casos los precios más bajos no son un buen indicador de los beneficios de las fusiones tecnológicas en la medida en que podrían ser parte de los efectos de corto plazo impulsados por una estrategia de largo plazo para aumentar el dominio de mercado a través de recortes de precios (en el mercado B, en nuestro ejemplo). Además, aunque los precios caigan (al corto plazo) en el mercado de recopilación de datos (mercado B), generalmente suben en el mercado de aplicación de datos (salud). Por lo tanto, existe un trade-off en el que los costos dinámicos potenciales pueden superar cualquier beneficio estático.

Esto presenta un dilema para las autoridades de competencia: bloquear una fusión tecnológica para evitar daños a largo plazo, pero también evitar que se materialicen los beneficios potenciales, o aprobar una fusión sujeta a remedios que permitan que se desplieguen los beneficios y eliminen sus riesgos, lo que presupone un sistema eficaz de monitoreo y enforcement por parte de la autoridad de competencia, sin el cual los problemas se podrían incluso amplificar a futuro hasta volverse irreversibles.

Enlaces Relacionados

Chen, Z., Choe, C., Cong, J., & Matsushima, N. (2022). “Data-driven mergers and personalization”. The RAND Journal of Economics, 53(1), 3-31.

También te puede interesar:

Datos: propiedad, control y acceso ¿Cuándo, cómo y por qué regular?

Debates en torno a la compra de Fitbit por Google

Empresas Tecnológicas Multinacionales: La Era de los Datos y Políticas de Competencia