Titelaufnahme

Titel
Detecting shill bidding in eBay proxy mechanisms / Lisa Grobelscheg, BSc.
Verfasser/ VerfasserinGrobelscheg, Lisa
Begutachter / BegutachterinKlamler, Christian
ErschienenGraz, 2016
Umfang59 Seiten : Zusammenfassungen (2 Blätter) ; Diagramme
HochschulschriftKarl-Franzens-Universität Graz, Masterarbeit, 2016
Anmerkung
Zusammenfassungen in Deutsch und Englisch
SpracheEnglisch
DokumenttypMasterarbeit
Schlagwörter (GND)Internetauktion / eBay Inc. / Scheingebot / Datenanalyse
URNurn:nbn:at:at-ubg:1-107361 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Detecting shill bidding in eBay proxy mechanisms [1.32 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Mit dem starken Anstieg von Online-Auktionshäusern, wie eBay oder Amazon eröffnen sich neue Möglichkeiten opportunistischen Verhaltens in Auktionen. Die veränderten Rahmenbedingungen von online durchgeführten Auktionen machen es Bietern und Verkäufern einfacher mittels illegaler Praktiken einen höheren Nutzen zu erzielen. Eine der am schwersten aufzudeckenden Methoden den Gewinn eines Verkäufers unrechtmäßig zu erhöhen nennt sich „Shill Bidding“. Hier gibt der Verkäufer Gebote für seine eigene Auktion ab um den Verkaufspreis in die Höhe zu treiben. Die niedrige Aufdeckungswahrscheinlichkeit von „Shill Bidding“ bedeutet allerdings keinesfalls Straffreiheit, wie zahlreiche Urteile in den USA und jüngst auch in Deutschland gezeigt haben. Außer-dem ist diese Praxis auch explizit in den Richtlinien der größten Online-Auktionshäuser verboten. Die vorliegende Arbeit soll nun anhand von realen eBay Auktionsdaten feststellen, wie viele Auktionen verschiedenster Produktgruppen von möglichen „Shill Bids“ betroffen sind. Dazu werden Daten der eBay API abgefragt und in eine verwertbare Datenstruktur verwandelt. Teil des Resultats dieser Arbeit ist auch ein Java Algorithmus, in den bereits empirisch belegte Kriterien für „Shill Bids“ eingebettet wurden. Der Output des Algorithmus ist gleichzeitig das Ergebnis der Datenanalyse und zeigt, dass in 8,62 % der 5.000 untersuchten Auktionen ein potenzielles „Shill Bid“ abgegeben wurde. Bei hochpreisigen Produktgruppen (Gebrauchtwagen) betrug die Wahrscheinlichkeit 12,75 %, bei der Mittelklasse (Smartphones) 13,06 % und bei Produkten mit niedrigem Verkaufpreis (Action-figuren, Sammelkarten unter 50,00 USD) lediglich 1 %. Da der eBay Auktionsmechanismus sich von anderen Formaten unterscheidet, werden die Kriterien des Algorithmus durch ein Beispiel darge-stellt. Der vollständige, kommentierte Code ist schließlich dem Appendix B zu entnehmen.

Zusammenfassung (Englisch)

Starting with the rise of online auction houses, such as eBay or Amazon, new ways of opportunistic behavior in auctions have arisen. These can lure sellers as well as buyers to behave fraudulently, for example to build bidding rings or use unlawful selling practices in order to maximize their profits. One of the hardest techniques to detect is called shill bidding and denotes the practice of bidding for ones own auction in order to raise the price. Despite the comparably low risk of exposure, it is considered illegal in many countries and explicitly forbidden by almost all online auction houses. The underlying thesis should now combine characteristics, which have been proven to signal shill bidding behavior in the past. These criteria, suggested by various researchers, will be embedded in a java program, which will obtain auction data from the eBay API. The programs output is used to analyze different groups of products and the likelihood of shill bidding behavior. The analysis shows a rise of potential shill bidding activity with a higher selling price of the item (13.06 % for mid price and 12.74 % for high price products). Overall the occurrence of shill bidding shows an estimated probability of 8.62%. In addition to the data analysis, this thesis will cover the most important literature concerning online auctions and how the framework opens doors for quite new opportunistic tactics, motivation for shill bidding and basic research in the field of auction theory on the theoreti-cal side. The thesis also explains the process of collecting data from the eBay API and the structure of the data analysis. Furthermore, the criteria for classifying a shill bidder are presented. A short example of a potential shill bidder will depict the process carried out by the code. Appendix A includes a sample of the requests sent by the java code, which is presented (and commentated) in appendix B.

Statistik
Das PDF-Dokument wurde 60 mal heruntergeladen.