🚀 Oferta especial: 60% OFF no CrazyStack - Últimas vagas!Garantir vaga →
Voltar ao Curso
Módulo 5
Aula 22
180 min

Oligopólios e Teoria dos Jogos

Como poucos competidores (AWS vs Azure, Stripe vs Adyen) tomam decisões estratégicas — e por que cooperação sempre falha.

Aula MIT #13: Oligopoly

Conceitos-chave: Game theory, Nash equilibrium, Cournot model, prisoner's dilemma, best response functions

Por que oligopólios dominam o mundo SaaS

90% dos mercados SaaS são oligopólios. AWS/Azure/Google controlam 66% do cloud. Stripe/Adyen dominam payments. Vercel/Netlify lideram hosting. Não é monopólio (1 player), não é competição perfeita (infinitos players) — é oligopólio (2-10 players).

Cloud Computing

AWS 32%, Azure 23%, Google 11% — três players, 66% do mercado

Payment Processing

Stripe/Adyen/Square: pricing estratégico define margem de toda a indústria

1. Oligopólios: Entre Monopólio e Competição Perfeita

Um oligopólio é quando há pequeno número de firmas competindo no mercado. Não é 1 (monopólio), não é infinitas (competição perfeita) — são 2 a 20 firmas que dominam a indústria.

Comparação de Estruturas de Mercado

Monopólio (Aula 20-21)

1 firma: Controle total de preço

Exemplo: Google Search (91% market share)

Resultado: P > MC, deadweight loss alto

Oligopólio (Esta Aula)

2-20 firmas: Interação estratégica

Exemplo: AWS/Azure/Google Cloud

Resultado: P > MC, mas menor deadweight loss que monopólio

Competição Perfeita (Aula 18)

Infinitas firmas: Price takers

Exemplo: Agricultura commodity (trigo, milho)

Resultado: P = MC, zero deadweight loss

Comportamento Cooperativo vs Não-Cooperativo

Cooperativo (Cartéis)

Firmas se juntam e agem como monopólio coletivo

Exemplo clássico: OPEC (petróleo)

Problema: Instável, tentação de trair

SaaS: Raro (antitruste proíbe)

Não-Cooperativo (Realidade)

Firmas competem, mas consideram reação dos rivais

Exemplo: AWS reduz preço, Azure responde

Ferramenta: Teoria dos jogos

SaaS: Forma dominante de mercado

2. Teoria dos Jogos: Equilíbrio de Nash

Quando há poucos competidores, cada firma deve pensar estrategicamente: "O que meu rival vai fazer?" Isso é teoria dos jogos.

John Nash e A Beautiful Mind

John Nash (matemático, Nobel 1994) descobriu que competição pode ser pior que cooperação. Seu insight: em certas situações, todos ficam pior quando competem agressivamente.

Equilíbrio de Nash

Definição: Nenhum jogador quer mudar sua estratégia, dado o que os outros jogadores estão fazendo.

Se eu sou player A, e mantenho constante o que player B faz, eu não consigo melhorar meu resultado mudando minha estratégia → estou em equilíbrio.

O Dilema dos Prisioneiros: Exemplo Clássico

Setup: Dois criminosos são presos. Polícia tem evidência para 1 ano de prisão cada. Mas se um delata o outro, ele sai livre e o outro pega 5 anos. Se ambos delatam, ambos pegam 3 anos.

Prisioneiro B: SilêncioPrisioneiro B: Delata
Prisioneiro A: Silêncio

A: 1 ano

B: 1 ano

✅ Cooperação

A: 5 anos

B: 0 anos

Prisioneiro A: Delata

A: 0 anos

B: 5 anos

A: 3 anos

B: 3 anos

❌ Equilíbrio Nash

Por que ambos delatam?

• Se B ficar silencioso, A ganha mais delatando (0 < 1)

• Se B delatar, A ganha mais delatando (3 < 5)

Estratégia dominante: Delatar, não importa o que o outro faz

Resultado: Ambos delatam e ficam com 3 anos (pior que cooperar: 1 ano cada)

Aplicação SaaS: Coca vs Pepsi (Advertising Game)

Setup: Mercado de $16B. Sem publicidade, Coca e Pepsi dividem ($8B cada). Publicidade custa $5B, mas captura mercado inteiro ($16B - $5B = $11B líquido).

Pepsi: Não AnunciaPepsi: Anuncia
Coca: Não Anuncia

Coca: $8B

Pepsi: $8B

✅ Cooperação

Coca: $0

Pepsi: $11B

Coca: Anuncia

Coca: $11B

Pepsi: $0

Coca: $3B

Pepsi: $3B

❌ Equilíbrio Nash

Exemplo Real: Hard Liquor na TV

Até ~2010, fabricantes de vodka/whisky NÃO anunciavam na TV. Não era lei — era acordo cooperativo tácito. Funcionou por décadas. Depois, alguém quebrou o acordo e todos começaram a anunciar (equilíbrio Nash).

Jogos Repetidos: Como Sustentar Cooperação

Estratégia "Tit-for-Tat" (Olho por Olho)

Setup: Jogo se repete infinitas vezes. Coca anuncia para Pepsi: "Eu não vou anunciar enquanto você não anunciar. Mas no momento que você anunciar, eu vou anunciar para sempre."

Matemática da Cooperação:

Se Pepsi trai: Ganha $11B no período 1, depois $3B para sempre = $11B + $3B + $3B + ...

Se Pepsi coopera: $8B para sempre = $8B + $8B + $8B + ...

Com desconto apropriado, cooperação vale mais! ($8B infinito > $11B + $3B infinito)

Por que isso NÃO funciona se o jogo é finito?

Se há última rodada conhecida (ano 100), Pepsi vai trair no ano 100. Mas Coca sabe disso, então trai no ano 99. Pepsi antecipa e trai no ano 98...

Backward induction: Jogo colapsa até o ano 1 — ninguém coopera.

3. Modelo de Cournot: Competição por Quantidades

O modelo de Cournot é uma aplicação de Nash onde firmas competem escolhendo quantidades (não preços). Cada firma pergunta: "Dada a quantidade do rival, quanto EU devo produzir?"

Setup do Exemplo: Voos NY → Chicago

Suposições

Apenas 2 firmas: American e United

Curva de demanda: P = 339 - Q (onde Q = QA + QU)

Custo marginal: MC = $147 (mesmo para ambas)

Objetivo: Maximizar lucro dado o que o rival faz

Passo 1: Monopólio (Baseline)

Se American fosse monopólio:

• Receita: R = (339 - Q) × Q = 339Q - Q²

• Receita Marginal: MR = 339 - 2Q

• Custo Marginal: MC = 147

Equação: 339 - 2Q = 147 → Q = 96

Preço: P = 339 - 96 = $243

Resultado Monopólio: Q = 96, P = $243

Passo 2: Duopólio — Curva de Resposta Melhor (Best Response)

Pergunta: Se United voar QU voos, quantos a American deve voar?

1. Demanda residual da American:

P = 339 - QA - QU

2. Receita da American:

R = (339 - QA - QU) × QA

R = 339QA - QA² - QU×QA

3. Receita Marginal:

MR = 339 - 2QA - QU

4. Igualar MR = MC:

339 - 2QA - QU = 147

QA = 96 - 0.5×QU ← Curva de resposta melhor da American

Interpretação:

Para cada voo adicional que United faz, American reduz em 0.5 voos. Se United faz 0 voos → American faz 96 (monopólio). Se United faz 192 voos → American faz 0 (sai do mercado).

Passo 3: Equilíbrio de Cournot (Intersecção)

Por simetria, United tem a mesma função de resposta:

• QA = 96 - 0.5×QU (American)

• QU = 96 - 0.5×QA (United)

Resolver sistema de equações:

QA = 96 - 0.5×(96 - 0.5×QA)

QA = 96 - 48 + 0.25×QA

0.75×QA = 48

QA = 64

QU = 64 (por simetria)

Equilíbrio de Cournot:

• Q total = 64 + 64 = 128

• Preço = 339 - 128 = $211

Compare: Monopólio (Q=96, P=$243) vs Duopólio (Q=128, P=$211)

Passo 4: Competição Perfeita (Limite)

Se houvesse infinitas firmas (competição perfeita):

• Condição: P = MC

• 339 - Q = 147

• Q = 192

• P = $147

EstruturaQuantidadePreçoMarkup (P-MC)
Monopólio96$243$96
Duopólio (Cournot)128$211$64
Competição Perfeita192$147$0

Insight Fundamental: Oligopólio é MEIO TERMO

Quantidade: Monopólio < Duopólio < Competição Perfeita
Preço: Monopólio > Duopólio > Competição Perfeita

Por que Duopólio Vende Mais que Monopólio?

Efeito de "Sharing the Poisoning"

Monopólio: Quando eu aumento Q, o preço cai para TODAS as minhas unidades. Eu internalizo 100% do efeito negativo.

Duopólio: Quando EU aumento Q, o preço cai para as minhas unidades E para as unidades do rival. Eu internalizo apenas ~50% do efeito negativo.

→ Cada firma tem incentivo para produzir mais que o monopólio faria, porque parte do "veneno" (queda de preço) afeta o rival.

4. Aplicações no Mundo SaaS

Caso 1: AWS vs Azure vs Google Cloud (Oligopólio de Preços)

Market Share (2024)

• AWS: 32%

• Azure: 23%

• Google Cloud: 11%

• Outros: 34%

Comportamento Oligopolístico

2018: AWS reduz preço EC2 em 10%

2018 (1 semana depois): Azure reduz preço VMs em 10%

2018 (2 semanas depois): Google Cloud reduz Compute Engine em 12%

Por que isso acontece?

Nenhuma firma quer ser significativamente mais cara que as rivais. Se AWS reduz, Azure PRECISA responder ou perde clientes. Isso é interdependência estratégica — a essência dos oligopólios.

Caso 2: Stripe vs Adyen (Payment Processing)

Pricing Structure

Stripe: 2.9% + $0.30 por transação

Adyen: 2.9% + $0.30 por transação

Square: 2.9% + $0.30 por transação

Equilíbrio de Nash em Pricing

Nenhuma firma quer desviar desse preço. Por quê?

  • • Se eu cobro MAIS (3.5%), perco todos os clientes price-sensitive para rivais
  • • Se eu cobro MENOS (2.5%), inicio guerra de preços e todos ficam com margem menor

Caso 3: Vercel vs Netlify (Hosting/Edge)

Competição por Features (Não Preço)

Ambas firmas evitam competir em preço (dilema dos prisioneiros), então competem em features:

  • • Vercel lança Edge Functions → Netlify lança Edge Functions
  • • Netlify lança Forms → Vercel melhora Form handling
  • • Vercel lança Image Optimization → Netlify responde

Por que não competem em preço?

Se ambas mantêm preço alto ($20/month tier), lucram bem. Se uma reduz preço, a outra responde, e ambas ficam com margem menor. Cooperação tácita em preço, competição em features.

Simulação: Pricing War em SaaS

saas-pricing-war.js

5. Cartels: Cooperação Explícita (e Por Que Ela Falha)

Se competição leva a resultados piores (dilema dos prisioneiros), por que empresas não formam cartels? Um cartel é quando firmas se juntam e agem como monopólio, dividindo os lucros.

Como Cartels Funcionam

Setup

Firmas se reúnem e concordam: "Vamos agir como se fôssemos uma empresa. Decidir quantidade/preço juntos. Dividir lucros no final."

Exemplo: American + United Cartelizando

Cenário base (Cournot): Q=128, P=$211, lucro de $4,096 cada

Se formarem cartel: Produzem Q=96 (solução monopólio), P=$243, dividem 48 voos cada.

• Lucro total mercado: (243 - 147) × 96 = $9,216

• Lucro por firma: $9,216 ÷ 2 = $4,608

Cartel gera 12.5% mais lucro que Cournot ($4,608 vs $4,096)

Por Que Cartels São Instáveis

Incentivo para Trapacear

Setup: American e United concordaram fazer 48 voos cada (cartel). Agora American secretamente aumenta para 50 voos. O que acontece?

Cálculos

• Quantidade total: 50 + 48 = 98 voos

• Preço cai: P = 339 - 98 = $241

Lucro American: (241 - 147) × 50 = $4,700 (↑ de $4,608!)

Lucro United: (241 - 147) × 48 = $4,512 (↓ de $4,608)

Lucro total mercado: $9,212 (↓ de $9,216)

Por Que American Tem Incentivo de Trapacear?

Sharing the poisoning effect: Quando American aumenta produção, o preço cai. Mas essa queda afeta AMBAS as firmas.

  • • American recebe todos os benefícios de vender 2 voos adicionais
  • • American paga apenas metade do custo (queda de preço afeta United também)
  • • United sofre queda de preço sem ganhar receita extra → perde dinheiro

Resultado: Cartel é fundamentalmente instável. Todos têm incentivo de trapacear.

Casos Reais de Cartels (e Por Que Falharam)

British Airways vs Virgin Atlantic (2004-2006)

Setup: Preço do petróleo sobe em 2004. Aeronaves adicionam "fuel surcharges" separadas do ticket price.

O Cartel

British Airways e Virgin Atlantic se encontram secretamente e concordam:

  • • Aumentar fuel surcharges de $10 para $120 por ticket (juntas)
  • • Não competir nessa "hidden fee"
  • • Consumidores menos elásticos a fees escondidos

Por Que o Cartel Colapsou

Advogados da Virgin descobriram o esquema. Perceberam: "Se British Airways descobrir primeiro e reportar, nós seremos punidos. Melhor reportar PRIMEIRO."

Resultado: Virgin reportou para reguladores. British Airways multada em $500 milhões. Virgin pagou $0 (whistleblower protection).

NFL: Cartel Legal (Exceção Antitruste)

Setup: 32 times da NFL são 32 empresas competindo. Mas agem como cartel para vender direitos de TV.

Como Funciona

  • • Times individuais NÃO vendem direitos de TV (proibido pela liga)
  • • NFL vende direitos para toda a liga em pacote único
  • • Resultado: TV stations pagam MAIS (não podem jogar times uns contra os outros)

Resultado: NFL fará $40 bilhões em 2025 via cartel de direitos de TV.

Por Que Isso É Legal?

1957: Suprema Corte disse que era anticompetitivo.
1961: Congresso aprovou exceção antitruste para NFL (Sports Broadcasting Act).
Hoje: Único cartel explícito legal nos EUA. Watching football é incrivelmente caro como resultado.

Reagan e Carros Japoneses (1981)

Setup: Japão começou a fazer carros melhores que EUA. Americanos compravam Toyotas em vez de GMs. Fabricantes dos EUA furiosos.

Voluntary Export Restraint (VER)

Reagan (republicano free-trade) não podia impor tarifa. Solução: "pedir" ao Japão para voluntariamente limitar exportações.

  • • Japão vendia 2M carros/ano → governo "pediu" limitar a 1.5M
  • • Japão concordou (por que? Porque era efetivamente um cartel forçado pelo governo)

Resultado

• Preço médio do carro japonês nos EUA: ↑14%
• Consumer surplus perdido: $3 bilhões
• Fabricantes japoneses: ganharam (preços mais altos, menos competição)

Governo cartelizou a indústria automotiva japonesa "em nome de" proteger EUA. Consumidores pagaram a conta.

6. Modelo de Bertrand: Competição por Preço

E se ao invés de competir por quantidade (Cournot), as firmas competissem por preço? Bem-vindo ao Modelo de Bertrand.

O Paradoxo de Bertrand

Setup

Duas firmas vendem produtos idênticos. Consumidores compram SEMPRE da firma com menor preço. Firmas escolhem preços simultaneamente.

Resultado Paradoxal

Com apenas 2 firmas, o resultado é idêntico à competição perfeita:

Preço de equilíbrio: P = Custo Marginal

Lucro das firmas: Zero

Surplus do consumidor: Maximizado

Por quê? Porque qualquer firma pode roubar 100% do mercado baixando preço 1 centavo.

Como Funciona o Equilíbrio

Exemplo: American Airlines Tenta P > MC

Cenário 1: P = $211

• American cobra $211 (acima de MC = $147)

• United cobra $211

• Dividem mercado: 64 voos cada

Lucro cada: (211 - 147) × 64 = $4,096

United Tem Incentivo de Desviar

Se United baixa preço para $210:

  • • Rouba TODO o mercado (consumidores compram só da United)
  • • Vende 128 voos ao invés de 64
  • • Lucro: (210 - 147) × 128 = $8,064 (↑ 97% vs dividir mercado!)

American Responde Baixando Preço Também

United não fica com mercado todo. American baixa para $209. United baixa para $208. Continua até...

Equilíbrio de Nash: P = $147 (custo marginal)

Nesse ponto, nenhuma firma tem incentivo de baixar mais (lucro seria negativo).

Cournot vs Bertrand

Cournot (Quantidade)

Quando Usar

  • • Firmas decidem produção com antecedência
  • • Difícil ajustar quantidade rapidamente
  • • Exemplos: aviação, petróleo, manufatura

Características

  • • Preço acima de MC
  • • Lucros positivos
  • • Mais próximo de monopólio
Bertrand (Preço)

Quando Usar

  • • Firmas podem ajustar preço rapidamente
  • • Produtos idênticos (commodities)
  • • Exemplos: e-commerce, varejo online

Características

  • • Preço = MC
  • • Lucros zero
  • • Competição perfeita

Bertrand na Prática: SaaS

Problema: Se você vende software idêntico a um concorrente (mesmo features), Bertrand prevê race to the bottom até preço = custo de servidor.

Solução: Diferenciação de produto (próxima seção).

7. Diferenciação de Produto: Escapando da Competição Perfeita

Como empresas escapam do Bertrand paradox (lucros zero)? Resposta: diferenciação de produto. Se produtos não são idênticos, consumidores não mudam apenas por 1 centavo de diferença.

Caso: Apple Cinnamon Cheerios

Contexto (1980s)

General Mills dominava mercado de cereais com Cheerios (cereal normal, aro simples). Mas competição estava aumentando.

Decisão: Lançar variação com sabor de maçã e canela (Apple Cinnamon Cheerios).

Resultado Econômico

Consumer surplus criado: $75 milhões

Por quê? Pessoas que preferem sabor maçã-canela agora têm opção

General Mills: Criou "mini-monopoly" nesse nicho específico

Diferenciação permite cobrar preço acima de MC sem perder 100% dos clientes.

Teoria: First-Best vs Second-Best

First-Best (Ideal)

Cenário ideal: Produtos perfeitamente diferenciados para cada consumidor. Todo mundo tem exatamente o que quer.

Características

  • • Welfare maximizado
  • • Zero desperdício
  • • Cada produto match perfeito

Problema: Infinitas variações custam caro para produzir.

Second-Best (Realidade)

Cenário real: Variedade limitada de produtos. Nem todo mundo tem match perfeito, mas há opções.

Características

  • • Welfare abaixo do ideal
  • • Mas melhor que produto único
  • • Tradeoff: variedade vs custo

Realidade: Apple Cinnamon Cheerios não é perfeito para todos, mas melhorou opções.

O Problema do Choice Overload

Paradoxo: Variedade Demais Prejudica

Situação atual: Supermercados americanos têm ~5,000 tipos de cereais. Parece bom? Nem sempre.

Evidência Psicológica

  • Experimento clássico: Mesa com 6 tipos de geleia vs 24 tipos
  • • Mesa com 6: 30% dos visitantes compraram
  • • Mesa com 24: apenas 3% compraram

Insight: Escolha demais gera paralisia de decisão.

Implicação para SaaS Founders

Não crie 50 planos de pricing. Pesquisas mostram que 3-4 opções são ideais:

  • Starter: Entry point
  • Pro: Mais popular (anchor effect)
  • Enterprise: High-end

Mais opções = menos conversões. Diferenciação sim, mas com moderação.

Diferenciação no Mundo SaaS

Slack vs Discord: Mesma Tecnologia, Diferentes Mercados

Tecnologia base: Ambos são ferramentas de chat em grupo.

Slack

  • • Posicionamento: trabalho corporativo
  • • Features: integrações enterprise
  • • Preço: $8-15/usuário/mês

Discord

  • • Posicionamento: gamers e comunidades
  • • Features: streaming, voice quality
  • • Preço: Free (com Nitro $10/mês)

Resultado: Ambos coexistem com lucros porque atendem personas diferentes.

Notion vs Coda vs Airtable: Diferenciação por Use Case

Todos são "workspace tools", mas cada um domina nicho específico:

Notion: Documentação + Wiki

Para times que precisam knowledge base estilo blog

Coda: Docs + Apps

Para criar ferramentas customizadas

Airtable: Spreadsheet + Database

Para times que vivem em planilhas

Cada um criou "mini-monopoly" em seu nicho específico.

8. Política Antitruste: Quando o Governo Intervém

Quando oligopólios prejudicam consumidores demais, governos intervêm via lei antitruste. Mas definir "prejudica demais" é complicado. Vamos ver casos reais.

O Que É Antitruste?

Objetivo

Prevenir que empresas usem poder de mercado para prejudicar consumidores ou competidores.

Práticas Proibidas

  • Price fixing: Cartels combinando preços
  • Market division: Dividir território entre firmas
  • Predatory pricing: Vender abaixo do custo para matar concorrentes
  • Exclusive dealing: Forçar clientes a só comprarem de você
  • Tying: Forçar compra de produto B para ter acesso a produto A

Casos Reais de Antitruste

Caso Google: Default Search Engine (2020-2024)

Os Fatos
  • • Google pagou $10 bilhões para Apple em 2020
  • • Pagamento para ser search engine padrão no Safari
  • • Google tem 90%+ de market share em busca
Argumento do Governo

Exclusive dealing: Pagamento tão alto que Apple nunca mudaria. Bloqueia concorrentes (Bing, DuckDuckGo) de conseguir distribuição.

Problema: Sem distribuição, rivais não conseguem dados de busca para melhorar algoritmos. Círculo vicioso.

Defesa do Google

"Apple pode mudar quando quiser. Nós pagamos porque nosso produto é melhor. Apple escolhe Google porque usuários preferem."

Revelação de preferência: Se Google fosse ruim, Apple mudaria (não está presa).

Status (2024)

Juiz federal decidiu que Google violou lei antitruste. Remédio ainda não definido (pode ser forçado a parar pagamentos ou até breakup da empresa).

Caso Amazon: Marketplace Self-Preferencing (2023)

Os Fatos
  • • Amazon opera marketplace (3rd party sellers)
  • • Também vende produtos próprios (Amazon Basics)
  • • Algoritmo de busca favorece produtos Amazon
Argumento do Governo

Self-preferencing: Amazon usa dados de sellers para criar produtos competidores. Depois promove seus produtos acima dos sellers.

Problema: Sellers são forçados a usar Amazon (90% dos consumidores online), mas Amazon compete unfairly contra eles.

Defesa da Amazon

Relevant market definition: "Não somos monopólio. Sellers podem vender no Walmart.com, Shopify, próprio site."

Argumento: Apenas porque somos plataforma grande não significa que sellers são prisioneiros.

Relevant Market (Conceito Crítico)

Pergunta chave: Qual é o mercado relevante?

  • • Se mercado = "venda online": Amazon ~40%, não monopólio
  • • Se mercado = "plataforma para sellers": Amazon ~90%, monopólio

Definir mercado é 80% da batalha em casos antitruste.

Hospital Mergers: Quando 2 + 2 = Preços 20% Maiores

Padrão Observado

Quando 2 hospitais em mesma cidade se fundem:

  • • Preços sobem 15-20% em média
  • • Qualidade não melhora (às vezes piora)
  • • Insurers pagam mais, repassam para consumidores
Por Que FTC Bloqueia Mergers

Setup: Cidade tem 3 hospitais. Dois querem se fundir.

Antes: Cournot com n=3. Competição razoável.

Depois: Cournot com n=2. Hospital merged tem 2x o poder de mercado.

FTC pode bloquear merger ANTES de acontecer (prevenção).

Defesa dos Hospitais

"Merger permite economias de escala: compartilhar equipamentos, reduzir overhead administrativo, negociar melhor com farmacêuticas."

Promessa: Vamos repassar savings para consumidores.

Realidade (Dados Empíricos)

Estudos acadêmicos: 90% dos hospital mergers resultam em preços maiores, não menores. Promessas de savings raramente se materializam.

Behavioral vs Structural Remedies

Behavioral Remedies

Definição: Mudar comportamento da empresa sem quebrar a estrutura.

Exemplos

  • • Proibir exclusive deals
  • • Forçar licensing de patentes
  • • Auditar algoritmos de ranking
  • • Limitar data collection

Vantagem

Menos disruptivo. Empresa continua operando.

Desvantagem

Difícil monitorar compliance. Empresa pode encontrar loopholes.

Structural Remedies

Definição: Quebrar estrutura da empresa (breakup).

Exemplos Históricos

  • • AT&T (1984): quebrada em 7 "Baby Bells"
  • • Standard Oil (1911): dividida em 34 empresas
  • • Microsoft (quase 2000): proposta de split rejeitada

Vantagem

Restaura competição permanentemente. Difícil reverter.

Desvantagem

Extremamente disruptivo. Pode destruir value. Raramente usado.

Antitruste para SaaS Founders: Quando Se Preocupar

Regra prática: Se você tem <40% market share, governo provavelmente não vai interferir.

✅ Geralmente OK

  • • Competir agressivamente no preço
  • • Oferecer bundling de produtos
  • • Adquirir startups menores

⚠️ Zona de Risco

  • • Price fixing com concorrentes (NUNCA faça isso)
  • • Exclusive contracts que bloqueiam rivais
  • • Tying produtos de forma coerciva
  • • Predatory pricing (vender com prejuízo para matar concorrente)

Bottom line: Domine através de produto melhor, não através de práticas anticompetitivas.

9. Mercados de Trabalho em Oligopólios de Tech

Demanda por Trabalho: Por Que Big Tech Paga Tanto?

Firmas contratam trabalho até que o benefício marginal iguale o custo marginal:

MPL × P = W

  • MPL = Produto Marginal do Trabalho (quanto mais output 1 engenheiro produz)
  • P = Preço do output (quanto vale 1 feature adicional)
  • W = Salário
Exemplo: Engenheiro no Google Search
  • MPL: 1 engenheiro melhora relevância de busca em 0.1%
  • Impacto: 0.1% mais cliques = +$50M em ads
  • Valor marginal: $50M/ano por engenheiro
  • → Google pode pagar $500K/ano e ainda lucrar $49.5M
Exemplo: Engenheiro em Startup SaaS (Série A)
  • MPL: 1 engenheiro constrói feature que atrai 100 clientes
  • Impacto: 100 clientes × $100/mês = $120K ARR
  • Valor marginal: ~$120K/ano (valuation 10x ARR = $1.2M)
  • → Startup paga $120K base + equity para compensar risco

Por que software tem MPL tão alto?

  • 1. Zero custo marginal: código escrito 1x serve milhões de usuários
  • 2. Network effects: cada usuário aumenta valor para todos
  • 3. Winner-take-most: melhor produto captura 80%+ do mercado
Oferta de Trabalho: Trade-off Salário vs Leisure

Trabalhadores decidem quantas horas trabalhar baseados em trade-off entre consumo (C) e leisure (L):

Budget constraint: C = (24 - L) × W

O preço do leisure é o salário W (custo de oportunidade de não trabalhar).

Efeito de Salário Maior: Substituição vs Renda

Efeito Substituição

Salário mais alto → Leisure mais caro → Trabalha MAIS

"Cada hora assistindo Netflix custa $50 agora, vou trabalhar mais"

Efeito Renda

Salário mais alto → Mais rico → Quer mais leisure → Trabalha MENOS

"Já ganho $500K, posso trabalhar 30h/semana e curtir a vida"

Se substituição domina → Curva de oferta positivamente inclinada
Se renda domina → Curva de oferta backward-bending (salário maior = menos trabalho)

Evidências: Elasticidade de Oferta de Trabalho
  • Desenvolvedores júnior: Alta elasticidade (~0.5). Salário 10% maior → trabalham 5% mais horas
  • Tech leads/seniors: Baixa elasticidade (~0.1). Salário não afeta muito horas trabalhadas
  • Founders/execs: Elasticidade negativa. Quanto mais ricos, menos trabalham (efeito renda domina)
Caso Real: Colusão Salarial na Silicon Valley (2005-2009)

Entre 2005-2009, Google, Apple, Intel, Adobe, Intuit e Pixar fizeram acordos secretos para não recrutar engenheiros uns dos outros.

Como Funcionava o Cartel
  • 1. No-poaching agreements: "Não vou recrutar seus engenheiros se você não recrutar os meus"
  • 2. Cold call ban: Recruiters não podiam contatar engenheiros de empresas parceiras
  • 3. Sharing salary data: Empresas compartilhavam dados de salários para manter ofertas baixas
  • 4. Retaliação: Se empresa A roubasse engenheiro, empresa B retaliava roubando de volta
Emails Revelados no Processo

Steve Jobs para Eric Schmidt (Google CEO):

"Eric, I would be very pleased if your recruiting department would stop doing this."

(Sobre Google recrutar engenheiro da Apple)

Sergey Brin para Steve Jobs:

"We have a policy of no recruiting from Apple... I will personally make sure this doesn't happen again."

Impacto nos Engenheiros
  • Salários suprimidos: Estima-se $3B em salários perdidos (2005-2009)
  • Mobilidade reduzida: Engenheiros presos em empresas sem opções de upgrade
  • Competição eliminada: Não havia leilão de talentos entre Big Tech
Resolução (2014)
  • Settlement: $415 milhões pagos aos 64.000 engenheiros afetados
  • Mudança de práticas: No-poaching agreements banidos
  • Consequência: Salários de tech explodiram pós-2014 com competição real

Mercado competitivo funciona: sem colusão, salários de software engineer em Bay Area dobraram de $120K (2010) para $250K+ (2020)

Aplicação SaaS: Remote Work e Elasticidade de Oferta

Remote work (pós-COVID) mudou fundamentalmente a elasticidade de oferta de engenheiros.

Pré-COVID (2019)
  • Oferta limitada: Apenas engenheiros em SF/Bay Area disponíveis
  • Baixa elasticidade: Poucos substitutos geográficos
  • Resultado: Salários altíssimos em hubs de tech ($200K+ para senior)
Pós-COVID (2024)
  • Oferta global: Engenheiros do mundo inteiro competindo
  • Alta elasticidade: Empresas podem contratar de qualquer país
  • Resultado: Pressão descendente em salários US, crescimento em mercados emergentes
Efeito em Startups SaaS
  • 1. Arbitragem geográfica: Contratar senior engineer na Polônia ($80K) vs Bay Area ($220K)
  • 2. Competição aumentada: Startups agora competem com Big Tech por talento global
  • 3. Novo equilíbrio: Salários convergindo globalmente (ainda com premium para US)
Takeaway para Founders

Entender elasticidade de oferta de trabalho te ajuda a precificar equity vs cash compensation. Engenheiros em mercados com baixa elasticidade (poucos empregos tech) aceitam mais equity. Engenheiros em SF (alta elasticidade) preferem cash.

Salário Mínimo: Competição Perfeita vs Monopsônio

O efeito do salário mínimo depende fundamentalmente da estrutura do mercado de trabalho.

Cenário 1: Mercado Competitivo Perfeito

Equilíbrio de mercado:

Demanda: L = 70 - W
Oferta: L = W - 10
Equilíbrio: L = 30, W = $40

Salário mínimo = $50 (acima do equilíbrio)

  • Demanda: L = 70 - 50 = 20 trabalhadores
  • Oferta: L = 50 - 10 = 40 trabalhadores
  • → Desemprego de 20 trabalhadores (40 - 20)

Welfare Analysis:

  • Transferência: Área B de firmas → trabalhadores
  • Deadweight loss: Área C + E (transações eficientes não realizadas)
  • ⚠️ Trade-off: ganha equidade, perde eficiência
Cenário 2: Monopsônio (Realidade)

Equilíbrio monopsonista:

Oferta: W = L + 10
ME (Marginal Expense) = 2L + 10
MRP = 70 - L
Equilíbrio: L = 20, W = $30

Salário mínimo = $40 (salário competitivo)

  • Antes: L = 20, W = $30 (monopsônio paga menos que mercado)
  • Depois: L = 30, W = $40 (salário mínimo = competitivo)
  • → Emprego AUMENTA de 20 para 30! 🚀

Por que isso funciona?

  • • Salário mínimo elimina poisoning effect de monopsônio
  • • Firma não pode mais reduzir salário ao contratar menos (estava artificialmente baixo)
  • • Resultado: Win-win (mais emprego + salário justo)
Por Que Monopsônio É Mais Realista que Competição Perfeita?

1. Informação Imperfeita

  • • Empresas não postam salários publicamente
  • • Você não sabe quanto pode ganhar em outro lugar
  • • Custo de busca de emprego é alto

2. Custos de Transação

  • • Mudar de emprego = mudança de cidade
  • • Cônjuge pode ter emprego local
  • • Filhos na escola
  • • Amigos, comunidade estabelecida

3. Jobs Não São Idênticos

  • • Cultura da empresa importa
  • • Tecnologias diferentes (React vs Angular)
  • • Seniority, conhecimento institucional
  • • Escritório com vista, café grátis 😄
Evidências Empíricas: O Que Sabemos Sobre Salário Mínimo?
Consenso Acadêmico (2024)

✅ Salário mínimo $8-12/hora (maioria dos estados US)

  • Desemprego: Impacto zero ou levemente positivo
  • Salários: Aumentam 10-20% para trabalhadores afetados
  • Welfare: Transferência líquida para trabalhadores de baixa renda
  • Conclusão: Política eficaz para reduzir pobreza sem custo de emprego

⚠️ Salário mínimo $15+/hora (SF, Seattle, NYC)

  • Evidência mista: Alguns estudos mostram redução de 2-5% no emprego
  • Composição de emprego: Mais part-time, menos full-time (horas totais caem ~7%)
  • Automação acelerada: Kiosks de self-checkout em McDonald's
  • Trade-off: Salários maiores vs menos oportunidades de emprego

❌ Salário mínimo extremo ($25+/hora)

  • Deadweight loss significativo: Empresas demitem ou automatizam
  • Pequenas empresas fecham: Não conseguem pagar salários altos
  • Exemplo: Restaurantes em SF fechando após lei de $25/hora (2024)
Estudos Clássicos (David Card & Alan Krueger, 1994)

Pesquisa que mudou a economia: comparação entre New Jersey (aumentou salário mínimo) e Pennsylvania (não aumentou).

  • Resultado: Emprego em fast-food AUMENTOU no NJ vs PA
  • Explicação: Mercados de trabalho têm poder monopsonista (McDonald's/Burger King não competem perfeitamente)
  • Implicação: Teoria clássica estava errada — salário mínimo pode ser win-win
Aplicação para Tech/SaaS
  • 1. Big Tech tem poder monopsonista: Google/Apple collusion prova que mercados não são competitivos
  • 2. Regulação pode ajudar: Transparency laws (como CA SB 1162 exigindo salary ranges em job posts)
  • 3. Sinais de monopsônio: Non-compete clauses, NDAs sobre salários, longos processos de hiring
  • 4. Para founders: Entender que você tem poder monopsonista não é antiético — mas use com responsabilidade
Valor Presente e Decisões Intertemporais

Erro Fatal na Tomada de Decisões

$1 hoje ≠ $1 daqui a 1 ano. Por quê? Porque você pode investir o $1 hoje e ter mais de $1 no futuro. Essa diferença é a base de todas as decisões intertemporais.

Fórmula do Valor Presente (PV)

PV = FV / (1+r)^t

Onde: PV = Valor Presente, FV = Valor Futuro, r = taxa de juros, t = tempo

Exemplo: Você tem duas opções de pagamento por um projeto SaaS:

  • • Opção A: Receber $10.000 hoje
  • • Opção B: Receber $12.000 daqui a 2 anos

Assumindo taxa de juros r = 5% ao ano:

PV da Opção B = $12.000 / (1.05)² = $10.884

→ Opção B é melhor! $10.884 > $10.000

O Poder dos Juros Compostos

Fórmula de capitalização: FV = Y × (1+r)^t

Cenário 1: Atrasa 10 anos

  • • Investir $5.000/ano
  • • De 35 a 65 anos (30 anos)
  • • r = 7% ao ano
  • → FV = $472.000

Cenário 2: Começa cedo

  • • Investir $5.000/ano
  • • De 25 a 65 anos (40 anos)
  • • r = 7% ao ano
  • → FV = $1.068.000

Diferença: $596.000 (126% a mais!)

Investir $50.000 a mais (10 anos × $5.000) rendeu $596.000 extras. Essa é a magia dos juros compostos — Einstein chamou de "oitava maravilha do mundo".

Caso Real: Bobby Bonilla Day (MLB)

Em 2000, New York Mets devia $5.9 milhões para Bobby Bonilla (jogador de baseball). Ofereceram deal:

  • • Ao invés de $5.9M em 2000
  • • Pagar $1.19M/ano de 2011 a 2035 (25 anos)
  • • Total nominal: $29.8 milhões

Por que os Mets fizeram isso?

Investiam com Bernie Madoff, achavam que teriam 10%+ ao ano. Mas PV do deal (a 8% ao ano) = $6.5M. Mets pagaram $600K A MAIS por diferir o pagamento!

Lição para devs/founders

  • • Sempre calcule PV de qualquer stream de pagamentos futuros
  • • Equity em startup vale MUITO menos que salário cash (precisa descontar probabilidade de exit + tempo até liquidez)
  • • 401k/previdência: comece AGORA, não daqui 10 anos
NPV (Net Present Value) e Decisões de Investimento
Regra de Investimento por NPV

NPV = PV(Benefícios) - PV(Custos)

• Se NPV > 0: Invista (projeto vale a pena)

• Se NPV < 0: Não invista (projeto destrói valor)

• Entre projetos mutuamente exclusivos: escolha o de maior NPV

⚠️ Erro comum: Comparar somas sem descontar

Projeto A custa $100K hoje e rende $150K em 5 anos. Projeto B custa $100K hoje e rende $110K em 1 ano. Qual é melhor? Depende da taxa de desconto!

Exemplo 1: Contratar vs Terceirizar (SaaS Startup)

Você precisa desenvolver feature crítica. Duas opções:

Opção A: Contratar dev sênior

  • • Custo: $150K/ano por 3 anos
  • • Benefício: $200K/ano em receita nova
  • • r = 10%

PV(Custos):

$150K/1.1 + $150K/1.1² + $150K/1.1³ = $373K

PV(Benefícios):

$200K/1.1 + $200K/1.1² + $200K/1.1³ = $497K

NPV = $124K ✓

Opção B: Terceirizar (agency)

  • • Custo: $80K hoje (one-time)
  • • Benefício: $110K/ano por 3 anos
  • • r = 10%

PV(Custos):

$80K

PV(Benefícios):

$110K/1.1 + $110K/1.1² + $110K/1.1³ = $273K

NPV = $193K ✓✓

Decisão: Terceirizar (NPV maior)

Mesmo o dev sênior trazendo mais receita total ($600K vs $330K), o NPV é menor porque os custos são concentrados no presente. Agency tem custo upfront menor.

Exemplo 2: Bootstrap vs Levantar VC

Startup SaaS B2B. Duas estratégias:

Bootstrap (100% equity)

  • • Ano 1-2: $0 lucro (investindo)
  • • Ano 3-5: $200K/ano lucro
  • • Ano 6: Exit por $3M
  • • r = 15%

NPV = $200K/1.15³ + $200K/1.15⁴ + $200K/1.15⁵ + $3M/1.15⁶

= $1.68M

Você fica com 100% = $1.68M

Levantar $500K Seed (diluição 20%)

  • • Ano 1: Recebe $500K investimento
  • • Ano 2-4: $400K/ano lucro (cresceu mais rápido)
  • • Ano 5: Exit por $8M
  • • r = 15%

NPV = $500K + $400K/1.15² + $400K/1.15³ + $400K/1.15⁴ + $8M/1.15⁵

= $5.48M

Você fica com 80% = $4.38M

Decisão: Levantar VC (NPV $4.38M vs $1.68M)

Mesmo diluindo 20%, o capital acelera crescimento tanto que seu equity vale 2.6x mais. Esse é o trade-off clássico: % de bolo pequeno vs menor % de bolo gigante.

Human Capital: Investimento em Educação
Faculdade como Decisão de Investimento

Educação é investimento em human capital: você sacrifica recursos hoje (tuition + tempo) para aumentar sua produtividade futura (salário maior).

Custos de uma faculdade (4 anos):

1. Tuition:$80.000 ($20K/ano)
2. Opportunity cost (4 anos sem trabalhar):$160.000 ($40K/ano)
Custo Total:$240.000

Benefícios (college premium nos EUA):

  • High school graduate: $40K/ano médio
  • College graduate: $70K/ano médio
  • College premium: $30K/ano a mais
  • Duração: 48 anos de carreira (22 a 70 anos)
NPV da Faculdade

Vamos calcular NPV assumindo diferentes taxas de desconto:

r = 5% (taxa conservadora)

NPV = -$240K + $30K × [soma de 1/(1.05)^t para t=1 até t=48]

NPV = $305.000 ✓✓

Vale MUITO a pena.

r = 8% (taxa de break-even)

NPV = -$240K + $30K × [soma de 1/(1.08)^t para t=1 até t=48]

NPV ≈ $0

Indiferente entre fazer ou não faculdade.

r = 12% (taxa alta)

NPV = -$240K + $30K × [soma de 1/(1.12)^t para t=1 até t=48]

NPV = -$65.000 ✗

NÃO vale a pena (melhor investir os $240K em outra coisa).

Por que governo subsidia student loans?

Problema: Estudantes pobres não conseguem empréstimos no mercado porque:

  • 1. Não têm colateral (você não pode penhorar seu cérebro)
  • 2. Risco de default é alto (jovens sem histórico de crédito)
  • 3. Bancos cobrariam r > 15%, tornando NPV negativo

Solução: Federal student loans

Governo empresta a r ≈ 4-6% (abaixo do mercado). Com isso, NPV vira positivo e mais pessoas conseguem investir em educação. Resultado: força de trabalho mais qualificada, maior crescimento econômico.

Aplicação para Tech: CS Degree vs Bootcamp vs Self-Taught

CS Degree (4 anos)

  • • Custo: $240K (tuition + opportunity cost)
  • • Salário médio inicial: $85K (Big Tech: $150K+)
  • • Ceiling: CTO/Engenharia Staff ($400K-800K)
  • NPV (r=6%): +$450K

Bootcamp (6 meses)

  • • Custo: $35K (tuition + 6 meses sem trabalhar)
  • • Salário médio inicial: $60K
  • • Ceiling: Senior Engineer ($150K-200K)
  • NPV (r=6%): +$280K

Self-Taught (1-2 anos)

  • • Custo: $60K (opportunity cost de estudar à noite)
  • • Salário médio inicial: $50K
  • • Ceiling: Senior Engineer ($120K-180K)
  • NPV (r=6%): +$190K

Análise:

  • CS Degree tem maior NPV se você tiver acesso a capital barato (student loans ou família)
  • Bootcamp é melhor ROI (return on investment): $280K de NPV por $35K investido = 8x
  • Self-taught tem menor risco: você continua trabalhando enquanto estuda
  • Signaling matter: CS degree de Stanford abre portas em Big Tech que bootcamp não abre
Checkpoint: Você Entendeu?

Pergunta 1: Nash Equilibrium

No dilema dos prisioneiros, por que ambos delatam mesmo sabendo que ficariam melhor cooperando?

Ver resposta

Porque "delatar" é estratégia dominante. Se o outro ficar silencioso, eu ganho mais delatando (0 < 1). Se o outro delatar, eu também ganho mais delatando (3 < 5). Logo, delatar é sempre melhor, independente do que o outro faz.

Pergunta 2: Cournot

Por que duopólio (Q=128) produz MAIS que monopólio (Q=96)?

Ver resposta

"Sharing the poisoning effect". Quando monopólio aumenta Q, ele internaliza 100% da queda de preço. Quando firma em duopólio aumenta Q, metade da queda de preço afeta o rival. Logo, cada firma tem incentivo de produzir mais que o monopólio faria.

Pergunta 3: Jogos Repetidos

Por que jogos repetidos infinitos podem sustentar cooperação, mas jogos finitos não?

Ver resposta

Infinito: Ameaça de punição futura funciona. "Se você trair, eu puno para sempre" é crível.
Finito: Na última rodada, não há futuro para punir, então ambos traem. Sabendo disso, na penúltima rodada também traem. Backward induction colapsa cooperação até a primeira rodada.

Pergunta 4: SaaS Pricing

Por que Stripe, Adyen e Square todos cobram 2.9% + $0.30?

Ver resposta

Equilíbrio de Nash em preços. Se eu cobro mais, perco clientes. Se eu cobro menos, inicio guerra de preços e todos ficam com margem menor. Nenhuma firma quer desviar dado o preço das outras → equilíbrio.

Pergunta 5: Cartels

Por que cartels são fundamentalmente instáveis mesmo gerando mais lucro que Cournot?

Ver resposta

Porque cada firma tem incentivo a trapacear. No equilíbrio de cartel (q=48, P=$307), se uma firma aumenta produção para 56, ela ganha 14% mais lucro ($5,264 vs $4,608) enquanto o rival perde. Isso é o "sharing the poisoning effect" de novo: quando eu produzo mais, parte da queda de preço afeta meu rival, então meu incentivo a trapacear é forte.

Pergunta 6: Bertrand Paradox

Por que no modelo de Bertrand o preço cai para custo marginal (P = MC) com apenas 2 firmas?

Ver resposta

Porque produtos são idênticos e qualquer firma pode capturar 100% do mercado baixando preço 1 centavo. Se P > MC, eu tenho incentivo a baixar preço para roubar todos clientes do rival. O rival responde baixando mais ainda. Esse ciclo só para quando P = MC, onde ninguém tem lucro para sacrificar. É paradoxal porque basta 2 firmas para resultado de competição perfeita.

Pergunta 7: Diferenciação de Produto

Por que diferenciação de produto permite P > MC sem perder todos os clientes?

Ver resposta

Porque produtos deixam de ser substitutos perfeitos. Apple Cinnamon Cheerios não é idêntico a Cheerios originais — alguns consumidores preferem canela e pagam mais por isso. No SaaS: Slack tem threads, Discord tem voice channels sempre abertos. Se Slack cobra $12/usuário e Discord cobra $10, eu não perco 100% dos clientes — apenas aqueles para quem threads não valem $2 extras. Diferenciação cria poder de precificação.

Pergunta 8: Política Antitruste

Por que definição de "mercado relevante" é crítica em casos antitruste?

Ver resposta

Porque determina se há monopólio ou não. Google Search: se mercado é "busca online", Google tem 90%+ (monopólio). Se mercado é "descoberta de informação" (inclui TikTok, Reddit, ChatGPT), market share cai para ~40%. Amazon Marketplace: se mercado é "e-commerce", Amazon tem ~40%. Se é "varejo total" (inclui Walmart físico), cai para ~10%. Definição de mercado muda completamente se há violação antitruste.

Pergunta 9: Mercados de Trabalho em Oligopólios

Como o caso de colusão salarial Google/Apple/Intel (2005-2009) ilustra comportamento de cartel em mercados de trabalho?

Ver resposta

Era um cartel clássico: empresas concordaram em não competir por engenheiros (no-poaching agreements), o que manteve salários artificialmente baixos. Como todo cartel, era instável (incentivo a trapacear roubando talentos) e precisava de enforcement (retaliação se alguém quebrasse acordo). Quando colapsou (2014), mercado competitivo retornou e salários dobraram. Demonstra que MPL × P = W: com competição real, Big Tech paga $200K-500K porque produto marginal de engenheiros em software é altíssimo (zero custo marginal + network effects).

Pergunta 10: Salário Mínimo em Monopsônio

Por que salário mínimo pode AUMENTAR emprego em mercado monopsonista, mas reduz emprego em mercado competitivo?

Ver resposta

Competição perfeita: Salário mínimo acima do equilíbrio ($50 vs $40) cria desemprego (demanda L=20, oferta L=40). Há deadweight loss de transações eficientes não realizadas.

Monopsônio: Firma tem poder de mercado e paga abaixo do competitivo (W=$30, L=20 vs competitivo W=$40, L=30). Por quê? Marginal Expense = 2L+10 > W (poisoning effect: para contratar mais 1 trabalhador, precisa aumentar salário de TODOS). Salário mínimo = $40 elimina poisoning effect → firma contrata até L=30 (emprego AUMENTA de 20→30). Win-win: mais emprego + salário justo. Evidência empírica (Card & Krueger 1994): salário mínimo $8-12/hora não reduz emprego porque mercados reais têm monopsônio, não competição perfeita.

Key Takeaways

1. Oligopólios São a Forma Mais Comum de Mercado

Não é monopólio (1 player), não é competição perfeita (infinitos). É 2-20 firmas com poder de mercado, mas com interdependência estratégica. AWS/Azure, Stripe/Adyen, Vercel/Netlify — todos oligopólios.

2. Equilíbrio de Nash: Ninguém Quer Desviar

Equilíbrio onde, dado o que os outros fazem, nenhuma firma consegue melhorar mudando estratégia. Dilema dos prisioneiros: ambos delatam (pior resultado), mas é Nash porque delatar é estratégia dominante.

3. Modelo de Cournot: Competição por Quantidades

Cada firma escolhe quantidade dado o que rival faz. Resultado: Q e P entre monopólio e competição perfeita. Duopólio produz mais que monopólio porque "sharing the poisoning effect" — parte da queda de preço afeta o rival.

4. Jogos Repetidos Podem Sustentar Cooperação

Em jogos infinitos, ameaça "tit-for-tat" funciona: "Eu coopero enquanto você cooperar, mas se trair, puno para sempre". Em jogos finitos, backward induction colapsa cooperação (hard liquor na TV funcionou até alguém trair).

5. SaaS Pricing: Cooperação Tácita em Preços, Competição em Features

Stripe/Adyen cobram 2.9% (equilíbrio Nash). AWS/Azure respondem a reduções de preço em dias. Vercel/Netlify competem em features, não preço. Entender teoria dos jogos = prever comportamento de rivais.

6. Cartels São Instáveis: Incentivo a Trapacear É Forte

Cartel gera mais lucro que Cournot ($4,608 vs $4,096), mas cada firma tem incentivo a trapacear (+14% de lucro produzindo mais). British Airways/Virgin colapsou quando whistleblower revelou emails. NFL mantém cartel em TV porque punição é forte (expulsão da liga). Cartels precisam de enforcement credível.

7. Bertrand vs Cournot: Preço vs Quantidade

Bertrand (competição por preço): P = MC com 2 firmas, zero lucro. Cournot (competição por quantidade): P > MC, lucros positivos. Diferença é se você escolhe preço (pode roubar 100% do mercado baixando 1 centavo) ou quantidade (produção demora). SaaS é mais Cournot porque leva tempo para escalar infraestrutura e sales.

8. Diferenciação de Produto Cria Poder de Precificação

Apple Cinnamon Cheerios: P > MC sem perder 100% dos clientes porque produto é diferente. Slack ($12) vs Discord ($10): threads valem $2 extras para alguns. Diferenciação permite escapar de Bertrand (P=MC) para território com margens. First-best seria variedade infinita, second-best é tradeoff entre variedade e escala.

9. Antitruste: Definição de Mercado Muda Tudo

Google Search: 90% de "busca online" (monopólio) ou 40% de "descoberta de informação" (oligopólio)? Amazon: 40% de "e-commerce" ou 10% de "varejo total"? Definição correta determina se há violação. Remédios: behavioral (mudar comportamento) vs structural (quebrar empresa). Structural é mais efetivo mas politicamente difícil.

10. Mercados de Trabalho: Monopsônio é Mais Realista que Competição

Demanda: MPL × P = W. Big Tech paga $200K-500K porque MPL é altíssimo. Oferta: Trade-off substituição (salário maior → trabalha mais) vs renda (mais rico → quer mais leisure). Monopsônio: Mercados reais têm informação imperfeita, custos de transação, jobs não idênticos. Firmas pagam abaixo do competitivo (Marginal Expense > W por poisoning effect). Salário mínimo: Em competição perfeita, cria desemprego. Em monopsônio (realidade), AUMENTA emprego eliminando poisoning effect. Evidência (Card & Krueger 1994): salário mínimo $8-12/hora não reduz emprego. Google/Apple salary collusion (2005-2009) prova poder monopsonista: suprimiu $3B em salários, quando colapsou salários dobraram.