[논문 리뷰] Smart Data Pricing Models for Internet-of-Things (IoT): A Bundling Strategy Approach

Dusit Niyato, Dinh Thai Hoang외 4명|arXiv (Cornell University)|2015. 12. 16.

Blockchain Technology Applications and Security참고 문헌 14인용 수 5

한 줄 요약

이 논문은 IoT를 위한 스마트 데이터 가격 책정(SDP) 모델을 제안하며, 다수의 IoT 서비스 공급자가 협력하여 서비스를 패키지로 묶는 데서 수익을 증대시키는 번들링 전략을 사용한다. 감지 데이터 구매 가격과 서비스 구독료를 최적화함으로써, 이 모델은 별도로 판매하는 것에 비해 총 수익을 15.5% 증가시킴을 입증한다. 최적의 번들링 가격은 0.491에 도달하고, 최대 예약 가격은 0.601에 이른다.

ABSTRACT

Internet of things (IoT) has emerged as a new paradigm for the future Internet. In IoT, enormous devices are connected to the Internet and thereby being a huge data source for numerous applications. In this article, we focus on addressing data management in IoT through using a smart data pricing (SDP) approach. With SDP, data can be managed flexibly and efficiently through intelligent and adaptive incentive mechanisms. Moreover, it is a major source of revenue for providers and partners. We propose a new pricing scheme for IoT service providers to determine the sensing data buying price and IoT service subscription fee offered to sensor owners and service users, respectively. Additionally, we adopt the bundling strategy that allows multiple providers to form a coalition and bid their services as a bundle, attracting more users and achieving higher revenue. Finally, we outline some important open research issues for SDP and IoT.

연구 동기 및 목표

• 대규모이면서 이질적인 IoT 시스템에서 효율적인 데이터 관리 및 상용화 문제를 해결하기 위해.
• 센서 소유주가 데이터 기여를 하도록 유도하고, 사용자가 IoT 서비스에 가입하도록 유도하는 인centive 기반의 가격 책정 메커니즘을 설계하기 위해.
• 여러 개의 IoT 서비스를 하나의 패키지로 묶는 것이 제공자 수익과 사용자 수용도를 어떻게 증가시킬 수 있는지 탐색하기 위해.
• 협력과 서비스 품질이 IoT 생태계에서 수익 창출에 미치는 영향을 분석하기 위해.
• 전략적 행동, 뇌물 행위, 데이터 품질 최적화와 같은 스마트 데이터 가격 책정 분야의 열린 연구 문제를 규명하기 위해.

제안 방법

• 센서로부터의 감지 데이터 구매 가격과 사용자에게 부과되는 서비스 구독료를 위한 이중 가격 책정 모델을 제안한다.
• 여러 개의 IoT 공급자가 협력하여 서비스를 단일 번들 패키지로 제공하는 번들링 전략을 적용함으로써 시장의 매력을 높인다.
• 사용자의 구독 결정을 위한 최적의 가격 기준을 도출하기 위해 유틸리티 기반의 예약 가격 모델을 사용한다.
• 협력하는 공급자 간의 수익 배분을 공정하게 보장하기 위해 케일리 값(Shapley value)을 활용한다.
• 감지 품질과 사용자 예약 가격을 변화시키며 별도 판매 대비 번들 판매의 수익 결과를 비교하기 위해 수치 시뮬레이션을 실시한다.
• 더 높은 데이터 품질을 유도하기 위해 더 높은 구매 가격을 제공하는 방식으로, 가격 책정과 데이터 품질을 통합 최적화하는 프레임워크를 도입한다.

실험 결과

연구 질문

• RQ1 IoT 서비스 공급자는 어떻게 감지 데이터 구매 가격과 서비스 구독료를 최적화하여 수익을 극대화하면서도 사용자 참여를 보장할 수 있는가?
• RQ2 여러 개의 IoT 서비스를 하나의 패키지로 묶는 것이 별도로 판매하는 것에 비해 제공자 수익을 얼마나 향상시킬 수 있는가?
• RQ3 공급자가 번들링을 통해 협력하고 연합을 형성할 조건은 무엇이며, 수익은 어떻게 공정하게 배분해야 하는가?
• RQ4 감지 품질의 변화가 최적의 가격 책정 전략과 전체 시스템 수익성에 어떤 영향을 미치는가?
• RQ5 데이터 품질은 가격 결정에 어떤 역할을 하는가? 제공자는 가격 책정을 통해 센서로부터 더 높은 품질의 데이터를 유도할 수 있는가?

주요 결과

• 서비스를 별도로 판매하는 것에 비해 번들링을 통해 총 수익이 15.5% 증가하며, 번들링 수익은 38.723에 도달하는 반면 별도 판매 모델은 33.524에 머문다.
• 최적의 번들링 서비스 구독료는 0.491이며, 이는 최대 사용자 예약 가격 합계 0.601에 해당하여 더 넓은 사용자 수용을 가능하게 한다.
• 번들링 하에서 최적의 감지 데이터 구매 가격은 0.517이며, 이는 더 높은 데이터 품질 유도와 시스템 효율성 향상에 기여한다.
• 비대칭적인 경우, 공급자 1은 협력으로부터 1.79 단위의 수익을 얻는 반면, 공급자 2는 단지 0.97 단위에 그치므로, 이는 이질적인 수익 분배와 통합 비용에 대한 민감성을 보여준다.
• 통합 비용이 각 공급자의 마진 수익 이하일 경우에만, 번들링을 통한 협력은 비협력적 별도 판매보다 양측의 개별 수익을 높인다.
• 모델은 더 높은 감지 품질이 사용자 예약 가격을 증가시키고 최적의 가격 기준을 높여 수익 잠재력을 향상시킨다는 것을 보여준다.