全部版块 我的主页
论坛 经济学人 二区 外文文献专区
1886 67
2022-05-09
英文标题:
《Pricing and Referrals in Diffusion on Networks》
---
作者:
Matt V. Leduc, Matthew O. Jackson, Ramesh Johari
---
最新提交年份:
2017
---
英文摘要:
  When a new product or technology is introduced, potential consumers can learn its quality by trying the product, at a risk, or by letting others try it and free-riding on the information that they generate. We propose a dynamic game to study the adoption of technologies of uncertain value, when agents are connected by a network and a monopolist seller chooses a policy to maximize profits. Consumers with low degree (few friends) have incentives to adopt early, while consumers with high degree have incentives to free ride. The seller can induce high-degree consumers to adopt early by offering referral incentives - rewards to early adopters whose friends buy in the second period. Referral incentives thus lead to a `double-threshold strategy\' by which low and high-degree agents adopt the product early while middle-degree agents wait. We show that referral incentives are optimal on certain networks while inter-temporal price discrimination (i.e., a first-period price discount) is optimal on others, and discuss welfare implications.
---
中文摘要:
当一种新产品或技术被引入时,潜在的消费者可以通过冒着风险尝试该产品,或者通过让他人尝试并免费使用他们产生的信息来了解其质量。我们提出了一个动态博弈来研究不确定价值技术的采用,当代理通过网络连接,垄断者卖方选择一个策略来实现利润最大化时。学历低(朋友少)的消费者有提前领养的动机,而学历高的消费者有搭便车的动机。卖家可以通过提供推荐奖励,诱使高学历的消费者提前采用——奖励那些朋友在第二阶段购买的早期采用者。因此,推荐激励会导致一种“双关策略”,即低级别和高级别代理尽早采用产品,而中等级别代理等待。我们证明,在某些网络上,转介激励是最优的,而在其他网络上,跨时间价格歧视(即第一期价格折扣)是最优的,并讨论了福利影响。
---
分类信息:

一级分类:Quantitative Finance        数量金融学
二级分类:Economics        经济学
分类描述:q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学,包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--
一级分类:Computer Science        计算机科学
二级分类:Computer Science and Game Theory        计算机科学与博弈论
分类描述:Covers all theoretical and applied aspects at the intersection of computer science and game theory, including work in mechanism design, learning in games (which may overlap with Learning), foundations of agent modeling in games (which may overlap with Multiagent systems), coordination, specification and formal methods for non-cooperative computational environments. The area also deals with applications of game theory to areas such as electronic commerce.
涵盖计算机科学和博弈论交叉的所有理论和应用方面,包括机制设计的工作,游戏中的学习(可能与学习重叠),游戏中的agent建模的基础(可能与多agent系统重叠),非合作计算环境的协调、规范和形式化方法。该领域还涉及博弈论在电子商务等领域的应用。
--
一级分类:Computer Science        计算机科学
二级分类:Social and Information Networks        社会和信息网络
分类描述:Covers the design, analysis, and modeling of social and information networks, including their applications for on-line information access, communication, and interaction, and their roles as datasets in the exploration of questions in these and other domains, including connections to the social and biological sciences. Analysis and modeling of such networks includes topics in ACM Subject classes F.2, G.2, G.3, H.2, and I.2; applications in computing include topics in H.3, H.4, and H.5; and applications at the interface of computing and other disciplines include topics in J.1--J.7. Papers on computer communication systems and network protocols (e.g. TCP/IP) are generally a closer fit to the Networking and Internet Architecture (cs.NI) category.
涵盖社会和信息网络的设计、分析和建模,包括它们在联机信息访问、通信和交互方面的应用,以及它们作为数据集在这些领域和其他领域的问题探索中的作用,包括与社会和生物科学的联系。这类网络的分析和建模包括ACM学科类F.2、G.2、G.3、H.2和I.2的主题;计算应用包括H.3、H.4和H.5中的主题;计算和其他学科接口的应用程序包括J.1-J.7中的主题。关于计算机通信系统和网络协议(例如TCP/IP)的论文通常更适合网络和因特网体系结构(CS.NI)类别。
--
一级分类:Physics        物理学
二级分类:Physics and Society        物理学与社会
分类描述:Structure, dynamics and collective behavior of societies and groups (human or otherwise). Quantitative analysis of social networks and other complex networks. Physics and engineering of infrastructure and systems of broad societal impact (e.g., energy grids, transportation networks).
社会和团体(人类或其他)的结构、动态和集体行为。社会网络和其他复杂网络的定量分析。具有广泛社会影响的基础设施和系统(如能源网、运输网络)的物理和工程。
--

---
PDF下载:
-->
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

全部回复
2022-5-9 05:37:25
网络上的定价和转介斯马特诉莱杜克案*Matthew O.Jackson+Ramesh Johari斯坦福大学草稿:2017年6月这篇发表在《游戏与经济行为》上的文章的版本请参考https://doi.org/10.1016/j.geb.2017.05.011AbstractWhen新产品或新技术推出后,潜在消费者可以通过冒着风险尝试,或通过让他人尝试并免费使用他们生成的信息来了解产品的质量。我们提出了一个动态博弈来研究不确定价值技术的采用,当代理通过网络连接,垄断卖家选择利润最大化策略时。学历低(朋友少)的消费者有提前领养的动机,而学历高的消费者有免费乘车的动机。卖家可以通过提供推荐服务来诱导高消费群体提前采用,这是对朋友在第二阶段购买的早期采用者的奖励。因此,推荐激励会导致一种“双关策略”,即低学历和高学历的人在中等学历的人等待的时候尽早采用产品。我们证明,在某些网络上,推荐是最优的,而在其他网络上,跨时间价格歧视是最优的。关键词:网络游戏、技术采用、社交学习、口碑、网络差异、动态定价、推荐激励。JEL代码:D85、C72、L11、L12*(通讯作者)。管理科学与工程系。Leduc也是IIASA(奥地利)的研究学者。电子邮件:mattvleduc@gmail.com.+斯坦福大学经济系。Jackson也是CIFAR的研究员,也是圣菲研究所的外部教员。电子邮件:jacksonm@stanford.edu.——管理科学与工程系。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-9 05:37:28
电子邮件:ramesh。johari@stanford.edu.1引言在本文中,我们研究了社会学习、有效的产品差异和垄断者的最优定价策略之间的相互作用。更准确地说,我们研究了价值不确定的技术的采用动态,当前瞻性代理通过网络进行交互时,不仅必须决定是否采用新产品,还必须决定何时采用新产品。不确定性导致信息搭便车:潜在消费者可能希望推迟采用,以便让其他代理承担试验技术的风险,并从他们的经验中学习。这使技术采用问题复杂化,并可能导致差异化过程中的效率低下,因为早期采用存在风险,早期采用决策存在外部性。搭便车的可能性导致了一种特殊形式的社交效率:朋友相对较少(学历较低)的代理最有动力尝试该产品,因为他们观察他人选择的机会最少。考虑到实验的风险,进行高等级的实验会更具社会效益,因为许多其他人都观察到了这些实验,从而减少了在社会中实现给定信息水平所需的实验人员数量。这个问题出现在许多环境中:不仅消费者从朋友和亲戚对新产品的研究中受益,农民也从其他种植新作物的农民的经验中受益。同样地,在工业领域,研究也会波及到其他企业。人们从朋友和亲戚关于未知副作用疫苗的经历中受益。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-9 05:37:31
在不发达国家,村民可以从社区其他成员的经验中了解新项目。我们在一个两阶段的网络游戏中研究了这个问题,在这个游戏中,垄断者(或社会计划者)可以通过两种激励方式诱导人们在第一阶段尝试该产品:价格折扣和推荐奖励(向提前尝试该产品的代理支付费用,取决于该代理的朋友后来有多少人采用该产品)。价格折扣会促使更多的代理商尽早试用产品,但他们倾向于使用低度产品,因为他们在任何情况下都有最大的动机尽早试用。与此相反,推荐奖励会促使高级别代理尽早尝试该产品,因为他们在第二阶段有更多的朋友推荐,因此期望获得更多的推荐奖励。我们表明,如果有效的推荐激励措施到位,那么早期收养的特点是双阈值模式,在这种模式中,低学历和高学历的代理人都会提前收养,而中等学历的代理人则会选择推迟收养,并从他人的行为中学习,然后再做出后续收养决定。下限和上限的具体情况取决于价格和推荐激励的组合。然后我们研究了垄断者的最优定价策略。垄断者的激励在一定程度上与社会效率相一致,因为诱导第一阶段实验的成本很高——无论是价格折扣还是推荐激励——推荐奖励在许多新产品或新技术的环境中都可以看到。例如,在2015年7月,特斯拉汽车公司宣布了一项计划,根据该计划,如果S型轿车的车主推荐了一位也购买了S型轿车的朋友,他将获得1000美元的奖励(彭博商业新闻,“从贝宝获得特斯拉推荐奖励页面”,2015年8月31日)。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-9 05:37:34
Dropbox的用户从2008年秋季的约10万人迅速增长到2010年春季的400多万人,超过三分之一的注册用户来自其官方推荐计划,该计划为ThreFerrer和referree提供免费存储(《福布斯》,《学习帮助Airbnb和Dropbox建立数十亿美元业务的增长战略》,2015年2月15日)。从Airbnb到Uber,许多新公司都在使用这些程序,现有的大型公司在推出新产品时也在使用这些程序(例如亚马逊的Prime)。必须提供,垄断者希望尽量减少此类支付,并最大限度地增加最终知情的高薪用户的数量。然而,最优策略取决于通过不同程度的代理的相对数量确定的网络结构。我们描述了一些可处理度分布的最优策略,并对更一般的问题提供了见解。一个粗略的直觉是,如果网络相当规则,那么转介激励就不那么有效,价格折扣是实现利润最大化的主要工具。相反,如果学位分布存在充分的异质性,并且存在一些具有足够高学位的代理,那么转介激励就更具优势。在某些有限的情况下,网络的程度足够高,推荐激励政策(没有价格折扣)既有利于最大化,又有社会效益。我们的方法丰富了关于社会学习的早期文献(例如,Chamley and Gale(1994)、Chamley(2004)、Gul and Lundholm(1995)和Rogers(2005)),这些文献通过停止游戏来收集信息。我们的分析引入了richernetwork环境,并分析了垄断者的定价问题。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

2022-5-9 05:37:37
我们的网络建模基于不断增长的网络扩散文献,并使用平均场方法研究Jackson和Yariv(2005、2007)开发的扩散;Manshadi和Johari(2009);Galeottiet等人(2010年);莱杜克(2014);Leduc和Momot(2017年)。我们的论文也与最近的文献有关,该文献对社交网络中的垄断营销进行了建模(例如,Hartline等人(2008年);坎多安等人(2012年);布洛赫和奎鲁(2013);Fainmesser和Galeotti(2015);萨斯基拉赫蒂(2015);Shin(2017)),建立在早期关于网络效应定价的文献基础上(Farrell和Saloner(1985);卡茨和夏皮罗(1985)。我们的方法有所不同,因为它考虑到了网络中关于产品质量的动态学习,而不是其他形式的互补性,以及源自网络结构和信息流的跨时间价格歧视。这丰富了早期关于价格歧视的文献,主要关注信息收集成本和消费者品味的异质性,或信息获取成本和/或垄断者的需求不确定性(Kalish(1985);刘易斯和萨平顿(1994);考蒂和李(2000);达纳(2001);Bar Isaac等人(2010年);Nockea等人(2011年)。因此,我们的方法是非常互补的,因为它不仅适用于不同的设置,而且还基于不同的直觉:在我们的案例中,定价政策被用作代理网络特征的筛选设备。垄断者不观察网络,而是诱导具有特定网络特征的代理对产品进行试验,并可能在以后诱导其他代理也使用该产品。而后者可以收取不同的价格。
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

点击查看更多内容…
栏目导航
热门文章
推荐文章

说点什么

分享

扫码加好友,拉您进群
各岗位、行业、专业交流群