[論文レビュー] Information Disclosure and Promotion Policy Design for Platforms

Yonatan Gur, Gregory Macnamara+2 more|arXiv (Cornell University)|Nov 21, 2019

Consumer Market Behavior and Pricing被引用数 11

ひとこと要約

本稿は、売り手が短期的価格決定を行う動的マーケットプレイスにおいて、長期的消費者余剰を最大化するための統合的情報設計およびプロモーション政策フレームワークを提案する。『紛らわしいプロモーション政策』を導入することで、プラットフォームは売り手が販売データからプロモーションの利益を学習することを防ぎ、最適な価格インcentiveを実現する。主な結果として、時間枠の最大最小条件下におけるプラットフォーム最適なベイジアンナッシュ均衡が得られ、広範な需要モデルにおいてほぼ最大の消費者余剰が達成される。

ABSTRACT

We consider a platform facilitating trade between sellers and buyers with the objective of maximizing consumer surplus. Even though in many such marketplaces prices are set by revenue-maximizing sellers, platforms can influence prices through (i) price-dependent promotion policies that can increase demand for a product by featuring it in a prominent position on the webpage and (ii) the information revealed to sellers about the value of being promoted. Identifying effective joint information design and promotion policies is a challenging dynamic problem as sellers can sequentially learn the promotion value from sales observations and update prices accordingly. We introduce the notion of confounding promotion policies, which are designed to prevent a Bayesian seller from learning the promotion value (at the expense of the short-run loss of diverting some consumers from the best product offering). Leveraging these policies, we characterize the maximum long-run average consumer surplus that is achievable through joint information design and promotion policies when the seller sets prices myopically. We then construct a Bayesian Nash equilibrium in which the seller's best response to the platform's optimal policy is to price myopically in every period. Moreover, the equilibrium we identify is platform-optimal within the class of horizon-maximin equilibria, in which strategies are not predicated on precise knowledge of the horizon length, and are designed to maximize payoff over the worst-case horizon. Our analysis allows one to identify practical long-run average optimal platform policies in a broad range of demand models.

研究の動機と目的

• 売り手が短期的価格決定を行うプラットフォームにおいて、長期的消費者余剰を最大化する統合的情報開示およびプロモーション政策を設計すること。
• 売り手が販売観察を通じてプロモーションの価値を学習するという課題に対処することにより、プラットフォームのインセンティブが損なわれるのを防ぐこと。
• ベイジアン売り手がプロモーション価値を推定できないようにしながらも需要インセンティブを維持する、紛らわしいプロモーション政策を設計すること。
• 未知の時間枠に対して頑健性を確保するため、時間枠の最大最小均衡のクラス内での最適プラットフォーム政策を特徴付けること。
• 一般化された需要関数および福祉関数へとフレームワークを拡張し、多様な市場モデルへの実用的応用を可能にすること。

提案手法

• 売り手がベイジアン更新によってプロモーション価値を学習できないように、プロモーションによる需要の真の増加を戦略的に隠蔽する『紛らわしいプロモーション政策』を導入する。
• 売り手がプロモーション価値について持つ信念を状態μ ∈ [0,1]としてモデル化した動的ベイジアンモデルを用いる。
• 各信念μに対して最適な紛らわしい政策を計算する最適化問題(69)を構築し、消費者余剰とインcentive整合性のバランスを取る。
• 売り手の最適反応が、情報が不完全であっても各期間において短期的価格決定をとるベイジアンナッシュ均衡を確立する。
• 信念更新の martingale 性質と上半連続性の議論を用いて、均衡の収束性と安定性を証明する。
• 単純なモデルからの結果を一般化された需要関数および福祉関数へと拡張し、広範な適用性を保証する。

実験結果

リサーチクエスチョン

• RQ1 売り手が短期的価格決定をし、販売データから学習可能な動的マーケットプレイスにおいて、プラットフォームはどのように長期的消費者余剰を最大化できるか？
• RQ2 どのプロモーションおよび情報開示政策が、売り手が可視性の真の価値を推定するのを防ぎ、プラットフォームのインセンティブを維持するか？
• RQ3 情報非対称性があるにもかかわらず、売り手が低価格設定にインセンティブを持つような紛らわしい政策を設計できるか？
• RQ4 時間枠の不確実性がある状況下で、どの均衡構造がプラットフォーム最適性を保証するか？
• RQ5 一般化された需要モデルにおいて、プラットフォームの最適政策はどのように特徴付けられるか？

主な発見

• プラットフォームは、売り手に真のプロモーション効果を隠す紛らわしいプロモーション政策を用いることで、理論上の最大値に限りなく近い長期的平均消費者余剰を達成できる。
• 売り手が時間枠長を把握していない状況下でも、各期間において短期的価格決定をとる最適反応を示すベイジアンナッシュ均衡が存在する。
• この均衡は、時間枠の最大最小均衡のクラス内でプラットフォーム最適であり、時間枠の不確実性に対しても頑健性を有する。
• 最適政策は、信念に依存する最適化問題(69)を解くことで特徴付けられ、需要、価格設定、情報開示のバランスを取る。
• プラットフォームが情報フローを制御できることで、売り手が短期的であっても、動的学習下で全余剰潜在力を引き出すことが可能になる。
• フレームワークは任意の需要モデルへと一般化可能であり、需要関数および福祉関数にややきつい正則性条件が課されれば、主な結果は保たれる。