[논문 리뷰] Diversity of preferences can increase collective welfare in sequential exploration problems

Pantelis P. Analytis, Hrvoje Stojić외 2명|arXiv (Cornell University)|2017. 03. 28.

Experimental Behavioral Economics Studies참고 문헌 17인용 수 3

한 줄 요약

이 논문은 순차적 탐색 환경에서, 즉 에이전트들이 인기 순위를 따를 때 중간 수준의 선호도 다양성이 검색 효율성과 유틸리티를 향상시켜 집단 복지에 상당한 기여를 한다고 보여준다. 이는 검색 비용이 높을 때조차도 성립한다. 주요 발견은 비단조화적 관계이다: 중간 수준의 다양성(d ≈ 0.2)이 분산된 탐색을 통해 객관적 품질을 더 잘 활용함으로써 높은 검색 비용을 상쇄하여 순수 유틸리티를 최대화한다.

ABSTRACT

In search engines, online marketplaces and other human-computer interfaces large collectives of individuals sequentially interact with numerous alternatives of varying quality. In these contexts, trial and error (exploration) is crucial for uncovering novel high-quality items or solutions, but entails a high cost for individual users. Self-interested decision makers, are often better off imitating the choices of individuals who have already incurred the costs of exploration. Although imitation makes sense at the individual level, it deprives the group of additional information that could have been gleaned by individual explorers. In this paper we show that in such problems, preference diversity can function as a welfare enhancing mechanism. It leads to a consistent increase in the quality of the consumed alternatives that outweighs the increased cost of search for the users.

연구 동기 및 목표

• 에이전트들이 공개된 인기 신호를 따를 때 선호도 다양성이 순차적 탐색 문제에서 집단 복지를 향상시키는지 조사하기.
• 선호도 다양성 수준이 변화할 때 검색 비용과 유틸리티 증가 간의 상호 교환 관계를 분석하기.
• 다양성이 사회적 학습 환경에서의 군중 행동의 비효율성을 완화하는지 확인하기.
• 다양한 탐색자가 생성하는 정보 외부성의 영향을 통해 후속 의사결정의 질이 어떻게 향상되는지 평가하기.
• 순차적 탐색 시장에서 순수 유틸리티를 최대화하는 데 최적의 선호도 다양성 수준을 특정하기.

제안 방법

• 에이전트들이 인기 순서로 정렬된 대안을 순차적으로 탐색하며, 유틸리티가 만족 기준 T 이상인 첫 번째 대안을 선택한다.
• 각 대안은 공통된 객관적 유틸리티 성분과 에이전트별로 다를 수 있는 주관적 유틸리티 성분을 가진다. 둘 다 정규분포를 따른다.
• 선호도 다양성은 주관적 유틸리티의 분산(σ²_s = d)을 통해 모델링되며, 객관적 유틸리티의 분산은 σ²_o = 1−d로 설정되며, d ∈ [0,1]이다.
• 검색 비용 c는 일정하며, Chow 등(1971)의 무작위 탐색 모델에서 유도된 최적 정지 규칙을 통해 기준 T와 연결된다.
• 77개의 시장 구성(0에서 1까지 0.1 간격의 d, 1/2²에서 1/2⁸까지의 c)에 대해 시뮬레이션을 실행하며, 각 조건은 안정성을 확보하기 위해 1000번 반복된다.
• 순수 유틸리티는 선택된 대안의 유틸리티에서 총 검색 비용을 뺀 값이며, 집단 복지는 에이전트 간 평균 순수 유틸리티로 측정된다.

실험 결과

연구 질문

• RQ1 인기 기반 탐색을 하는 순차적 탐색에서 중간 수준의 선호도 다양성이 집단 복지를 높이는가?
• RQ2 선호도 다양성이 사회적 학습 환경에서 검색 비용과 유틸리티 증가 간 균형에 어떻게 영향을 미치는가?
• RQ3 다양한 선호도가 개인의 검색 비용이 더 높음에도 불구하고 집단적 결과를 향상시키는 메커니즘은 무엇인가?
• RQ4 순수 유틸리티를 최대화하는 데 최적의 선호도 다양성 수준이 존재하는가? 만약 존재한다면 그 값은 무엇인가?
• RQ5 다양한 탐색자가 생성하는 두꺼운 정보 외부성은 후속 에이전트의 의사결정 품질을 어떻게 향상시키는가?

주요 결과

• 가장 높은 평균 순수 유틸리티는 d ≈ 0.2인 중간 수준의 선호도 다양성에서 달성되며, d = 0 또는 d = 1일 때보다 높다.
• 높은 검색 비용(예: c = 1/2³) 조건에서 d = 0.5인 시장가 d = 0(다양성 없음)인 시장보다 높은 순수 유틸리티를 기록한다. 이는 더 높은 검색 비용에도 불구하고 성립한다.
• d = 1인 시장(완전한 다양성)은 가장 높은 검색 비용과 가장 낮은 순수 유틸리티를 기록한다. 인기 신호가 정보를 제공하지 못하기 때문이다.
• d = 0일 경우, 에이전트들이 첫 번째 에이전트의 선택을 따라가므로 결과의 변동성이 크며 집단 복지는 최적화되지 않는다.
• 다양한 선호도는 더 나은 탐색 경로를 이끈다: 더 높은 객관적 유틸리티를 가진 대안들이 분산된 탐색 덕분에 더 이르게 발견될 가능성이 높아진다.
• 복지를 향상시키는 메커니즘은 두꺼운 정보 외부성 생성에 있다. 초기의 다각적 탐색이 후속 에이전트의 인기 신호 품질을 향상시킨다.