关于推荐和战略性推荐定价
摘要：如何合理定价以提高向卖家收取的金额是营销的一个关键挑战，它依赖于和探索社交关系的各种形式，从个人推荐到病毒式营销。本文的第一部分中，我们证明了对于卖家而言，是不存在一个“真实”的定价机制的，然后我们使用合作博弈理论中的解决概念，包括核心解、沙普利值和纳什博弈解，为单一或多个推荐者的情景推导了可证明“公平”的价格。接下来我们研究了推荐者具有不同“购买论点”的情况下的定价机制。在这里，我们发现推荐者可能有利于隐藏一些论点，除非我们使用了匿名证明解概念，如匿名证明的沙普利值。在本文的第二部分中，我们分析了每个无关的推荐使得受推荐者对推荐者的信任减少的情况。我们证明了，即使受推荐者在每次成功的推荐后重新获得了初始的信任，推荐者在无限期间内可以获得的预期总利润是有界的。只有当受推荐者在没有任何推荐的期间逐渐重新获得信任时，才能克服这一限制。在这里，我们看到了与“广告盲区”之间的有趣联系，表明显示更少的广告可以带来更高的长期利润。
作者：Paul D"utting, Monika Henzinger and Ingmar Weber
论文ID：0911.1619
分类：Computer Science and Game Theory
分类简称：cs.GT
提交时间：2009-11-10