[论文解读] Fairness, Welfare, and Equity in Personalized Pricing

Nathan Kallus, Angela Zhou|arXiv (Cornell University)|Dec 21, 2020

Consumer Market Behavior and Pricing参考文献 50被引用 9

一句话总结

本文提出了一种个性化定价中的公平性、福利与公平性考量的分类体系，基于观测数据，不假设已知的估值。通过在微信贷和疫苗补贴情境下的实证分析，表明个性化定价可同时提升企业收入、扩大边缘群体的可及性，并提高资源配置效率——实现经济、社会与分配效益的“三重底线”。

ABSTRACT

We study the interplay of fairness, welfare, and equity considerations in personalized pricing based on customer features. Sellers are increasingly able to conduct price personalization based on predictive modeling of demand conditional on covariates: setting customized interest rates, targeted discounts of consumer goods, and personalized subsidies of scarce resources with positive externalities like vaccines and bed nets. These different application areas may lead to different concerns around fairness, welfare, and equity on different objectives: price burdens on consumers, price envy, firm revenue, access to a good, equal access, and distributional consequences when the good in question further impacts downstream outcomes of interest. We conduct a comprehensive literature review in order to disentangle these different normative considerations and propose a taxonomy of different objectives with mathematical definitions. We focus on observational metrics that do not assume access to an underlying valuation distribution which is either unobserved due to binary feedback or ill-defined due to overriding behavioral concerns regarding interpreting revealed preferences. In the setting of personalized pricing for the provision of goods with positive benefits, we discuss how price optimization may provide unambiguous benefit by achieving a "triple bottom line": personalized pricing enables expanding access, which in turn may lead to gains in welfare due to heterogeneous utility, and improve revenue or budget utilization. We empirically demonstrate the potential benefits of personalized pricing in two settings: pricing subsidies for an elective vaccine, and the effects of personalized interest rates on downstream outcomes in microcredit.

研究动机与目标

• 将个性化定价中的不同规范性考量——公平性、福利、公平性——进行解耦并形式化，基于客户特征。
• 解决在估值未被观测时审计定价公平性的挑战，仅依赖二元反馈与协变量数据。
• 评估个性化定价是否能同时提升企业收入、扩大代表性不足群体的可及性，并提高资源配置效率。
• 提出一种基于观测随机对照试验（RCT）数据的个性化定价策略的离线策略评估与优化框架，避免对潜在估值分布的强假设。
• 通过实证证明，个性化定价可在现实场景中实现‘三重底线’：收入提升、可及性扩大与更优的精准投放。

提出的方法

• 提出公平性目标的分类体系：价格均等（边际与条件性）、模型误差公平性、对可及性的偏好、资源配置效率与精算公平性，所有定义均不假设已知个体估值。
• 采用基于核函数的双重稳健估计器，从随机对照试验数据中对连续线性个性化定价策略进行离线策略评估。
• 采用50/25/25的划分方式，分别用于训练、干扰项估计与验证，使用随机森林估计不同定价规则下的反事实收入与需求。
• 采用Epanechnikov核函数，带宽为0.3，对反事实结果进行非参数估计，实现个性化定价与恒定定价策略的比较。
• 使用直接方法并结合偏差校正，估计个性化策略下的收入与可及性，使用置信带量化抽样变异。
• 采用意向治疗分析，评估利率变化对参与率与收入的影响，重点关注女性与低收入借款人群体的可及性。

(a) Revenue curves for $A=\{a,b\},a,b$ segments

实验结果

研究问题

• RQ1 当个体估值未被观测时，如何在个性化定价中正式定义并实现公平性、福利与公平性？
• RQ2 个性化定价在多大程度上可提升企业收入，同时扩大女性与低收入人群等代表性不足群体的可及性？
• RQ3 在个性化定价中，收入最大化与分配公平性之间的权衡是什么？如何通过约束优化实现平衡？
• RQ4 是否可基于随机试验的观测数据，无需对潜在估值做强假设，可靠地进行个性化定价策略的离线策略评估？
• RQ5 在微信贷与公共卫生补贴等现实应用中，个性化定价以何种方式实现‘三重底线’：收入提升、可及性扩大与公平性改善？

主要发现

• 在微信贷情境中，个性化定价相较于恒定利率，显著提升了估计收入，最优个性化策略相比统一定价使收入提高5%。
• 与最优恒定利率7.2%相比，个性化定价策略使女性与低收入借款人的可及性提高了12–15个百分点，同时略微降低了非低收入借款人的参与率。
• 在疫苗补贴情境中，基于协变量的个性化定价使少数群体的市场份额提升了15%，并实现318.8×10³美元的收入，显示出温和但明确的收入优势。
• 无约束的最优个性化定价策略虽提升了收入，但降低了非少数群体与非低收入群体的可及性，表明需引入公平性约束。
• 使用双重稳健估计器与随机森林进行的离线策略评估表明，可基于观测的RCT数据可靠评估与优化个性化定价策略，置信带能有效捕捉抽样变异。
• 结果支持在个性化定价中实现‘三重底线’的可行性：企业收入提升、目标群体可及性扩大，以及通过异质性价格响应提升资源配置效率。

(b) Distribution of $p^{*}(X)\mid A=a,p^{*}(X)\mid A=b$