[论文解读] Dynamic Pricing for Revenue Maximization in Mobile Social Data Market with Network Effects

Zehui Xiong, Dusit Niyato+3 more|arXiv (Cornell University)|Aug 13, 2018

Human Mobility and Location-Based Analysis参考文献 34被引用 4

一句话总结

本文提出了一种面向移动网络运营商的顺序动态定价方案，旨在最大化移动社交数据市场中的长期收益，同时利用网络效应并考虑无线网络拥塞问题。分析与数值结果表明，动态定价在运营商收益和用户效用方面均优于静态定价，公平性增强的改进方案确保了用户间效用分配的公平性。

ABSTRACT

Mobile data demand is increasing tremendously in wireless social networks, and thus an efficient pricing scheme for social-enabled services is urgently needed. Though static pricing is dominant in the actual data market, price intuitively ought to be dynamically changed to yield greater revenue. The critical question is how to design the optimal dynamic pricing scheme, with prospects for maximizing the expected long-term revenue. In this paper, we study the sequential dynamic pricing scheme of a monopoly mobile network operator in the social data market. In the market, the operator, i.e., the seller, individually offers each mobile user, i.e., the buyer, a certain price in multiple time periods dynamically and repeatedly. The proposed scheme exploits the network effects in the mobile users' behaviors that boost the social data demand. Furthermore, due to limited radio resource, the impact of wireless network congestion is taken into account in the pricing scheme. Thereafter, we propose a modified sequential pricing policy in order to ensure social fairness among mobile users in terms of their individual utilities. We analytically demonstrate that the proposed sequential dynamic pricing scheme can help the operator gain greater revenue and mobile users achieve higher total utilities than those of the baseline static pricing scheme. To gain more insights, we further study a simultaneous dynamic pricing scheme in which the operator determines the pricing strategy at the beginning of each time period. Mobile users decide on their individual data demand in each time period simultaneously, considering the network effects in the social domain and the congestion effects in the network domain. We construct the social graph using Erdős-Rényi (ER) model and the real dataset based social network for performance evaluation.

研究动机与目标

• 为填补同时考虑网络效应与拥塞问题的动态定价模型在移动社交数据市场中的研究空白。
• 设计一种最优动态定价策略，以最大化垄断型移动网络运营商的长期期望收益。
• 通过修改定价策略以平衡个体用户效用，确保社会公平性。
• 在现实网络条件下，比较顺序与同时动态定价方案的性能表现。

提出的方法

• 本文将移动社交数据市场建模为一个顺序决策过程，运营商根据用户需求动态在多个时间周期内设定价格。
• 通过社交图模型（Erdős-Rényi模型与真实世界数据集）引入网络效应，反映用户需求随好友活跃度上升而增加的现象。
• 通过容量受限的无线接入网络建模拥塞效应，用户需求增加将导致延迟上升并降低用户效用。
• 提出一种改进的顺序定价策略，通过根据个体用户效用调整价格以确保公平性，避免低效用用户承受过重负担。
• 理论分析推导出动态定价方案在收益与效用方面优于静态定价的条件。
• 数值评估使用合成（Erdős-Rényi）与真实社交网络数据集，验证在不同网络效应强度与拥塞水平下的性能表现。

实验结果

研究问题

• RQ1 在移动社交数据市场中，动态定价与静态定价在长期收益与用户效用方面有何差异？
• RQ2 网络效应对动态定价环境下运营商收益与用户需求有何影响？
• RQ3 无线网络中的拥塞效应如何限制动态定价策略的有效性？
• RQ4 公平性增强的动态定价策略能否在最大化运营商收益的同时确保用户效用的公平分配？
• RQ5 在此背景下，顺序与同时动态定价方案的性能差异为何？

主要发现

• 所提出的顺序动态定价方案相比静态定价显著提升了运营商的长期收益，数值结果表明在强网络效应下改善效果显著。
• 在动态定价下，移动用户获得的总效用高于静态定价，原因在于价格与需求及网络状况的匹配更优。
• 该动态定价方案有效利用了网络效应，即用户活跃度提升会带动关联用户需求上升，从而放大整体市场价值。
• 对定价策略的公平性增强改进确保了个体用户效用的均衡，防止低活跃度用户效用下降。
• 在Erdős-Rényi与真实世界社交网络数据集上的性能评估表明，动态定价在不同网络拓扑与拥塞水平下始终优于静态定价。
• 理论分析证明，在给定假设下，动态定价策略可保持非负收益与效用增益，并收敛至最优定价行为。