[논문 리뷰] Information Disclosure and Promotion Policy Design for Platforms

Yonatan Gur, Gregory Macnamara외 2명|arXiv (Cornell University)|2019. 11. 21.

Consumer Market Behavior and Pricing인용 수 11

한 줄 요약

이 논문은 판매자가 즉각적 가격 설정 방식을 취하는 동적 시장에서 플랫폼이 장기 소비자 잉여를 극대화하기 위해 정보 설계와 프로모션 정책을 통합하는 프레임워크를 제안한다. 진정한 가시성 가치를 흐린 상태로 유지하는 '혼란스러운 프로모션 정책'을 도입함으로써, 플랫폼은 판매자가 销매 데이터를 통해 프로모션의 이점을 학습하는 것을 방지할 수 있으며, 이는 최적의 가격 설정 유인을 가능하게 한다. 핵심 결과는 시간에 따라 변하지 않는 장기적 조건 하에서 플랫폼 최적의 베이지안 내쉬 균형을 도출한 것으로, 다양한 수요 모델에서 거의 최대 수준의 소비자 잉여를 달성한다.

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.

연구 동기 및 목표

• 판매자가 즉각적 가격 설정 방식을 취하는 플랫폼에서 장기 소비자 잉여를 극대화하는 통합 정보 공개 및 프로모션 정책을 설계하기.
• 판매자가 销매 관찰을 통해 프로모션의 가치를 학습하는 문제를 다루어 플랫폼의 유인 구조를 약화시키지 않기.
• 베이지안 판매자가 프로모션 가치를 유추하지 못하면서도 수요 유인은 유지하는 혼란스러운 프로모션 정책을 개발하기.
• 시간에 따라 변하지 않는 장기 조건 하에서의 균형 클래스 내에서 최적의 플랫폼 정책을 규명하기.
• 일반적인 수요 및 복지 함수로의 프레임워크 확장으로 다양한 시장 모델에 대한 실용적 적용 가능성을 확보하기.

제안 방법

• 판매자가 프로모션의 진정한 수요 증가 효과를 알 수 없도록 전략적으로 은폐하는 '혼란스러운 프로모션 정책'을 도입하여, 베이지안 업데이트를 통한 프로모션 가치 학습을 방지한다.
• 판매자가 프로모션 가치에 대해 갖는 믿음(믿음 상태 μ ∈ [0,1])을 기반으로 플랫폼이 정책을 설계하는 동적 베이지안 모델을 사용한다.
• 각 믿음 상태 μ에 대해 소비자 잉여와 유인 호환성 사이의 균형을 맞추는 최적의 혼란스러운 정책을 계산하기 위한 최적화 문제 (69)를 구성한다.
• 판매자가 언제나 즉각적 가격 설정을 최적의 반응으로 선택하는 베이지안 내쉬 균형을 확립한다.
• 믿음 업데이트의 martingale 성질과 상한 연속성 추론을 활용하여 균형의 수렴성과 안정성을 증명한다.
• 간단한 모델에서의 결과를 일반화된 수요 및 복지 함수로 확장하여 광범위한 적용 가능성을 확보한다.

실험 결과

연구 질문

• RQ1 판매자가 즉각적 가격 설정을 하며 销매 데이터를 통해 학습할 수 있을 때, 플랫폼은 어떻게 장기 소비자 잉여를 극대화할 수 있는가?
• RQ2 어떤 프로모션 및 정보 공개 정책이 판매자가 진정한 가시성 가치를 유추하지 못하도록 하여 플랫폼의 유인 구조를 유지하는가?
• RQ3 정보 비대칭 상태에서도 판매자가 저가격 설정 유인을 유지할 수 있도록 혼란스러운 정책을 설계할 수 있는가?
• RQ4 시간에 따라 변하지 않는 장기 조건 하에서 어떤 균형 구조가 플랫폼 최적성을 보장하는가?
• RQ5 일반적인 수요 모델에서 플랫폼의 최적 정책은 어떻게 특징지어질 수 있는가?

주요 결과

• 플랫폼은 판매자에게 진정한 프로모션 효과를 숨기는 혼란스러운 프로모션 정책를 사용함으로써 장기 평균 소비자 잉여를 이론적 최대치에 근접하게 달성할 수 있다.
• 판매자가 시간 길이를 모를지라도 매 기간마다 즉각적 가격 설정을 최적의 반응으로 선택하는 베이지안 내쉬 균형이 존재한다.
• 이 균형은 시간에 따라 변하지 않는 장기 조건 하에서의 균형 클래스 내에서 플랫폼 최적이며, 시간 길이에 대한 불확실성에 대비한 강건성을 보장한다.
• 최적의 정책은 믿음에 따라 달라지는 최적화 문제 (69)를 푸름으로써 특징지어지며, 이는 수요, 가격 설정, 정보 공개의 균형을 맞춘다.
• 플랫폼이 정보 흐름을 제어할 수 있음으로써, 판매자가 즉각적일지라도 동적 학습 환경에서 전체 수요 잉여 잠재력을 극대화할 수 있다.
• 이 프레임워크는 임의의 수요 모델로 일반화 가능하며, 수요 및 복지 함수에 대한 미약한 정규성 조건 하에서도 핵심 결과가 유지된다.