論文の概要: Fairness, Welfare, and Equity in Personalized Pricing

• arxiv url: http://arxiv.org/abs/2012.11066v2
• Date: Sun, 27 Dec 2020 17:21:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-29 12:22:41.585047
• Title: Fairness, Welfare, and Equity in Personalized Pricing
• Title（参考訳）: パーソナライズド価格の公平性, 福祉性, 公平性
• Authors: Nathan Kallus, Angela Zhou
• Abstract要約: 顧客特性に基づくパーソナライズ価格における公平性、福祉、株式の配慮の相互作用について検討する。 選択ワクチンの価格補助金と、マイクロクレジットの下流結果に対するパーソナライズされた利率の影響の2つの設定において、パーソナライズされた価格の潜在的利点を示す。
• 参考スコア（独自算出の注目度）: 88.9134799076718
• License: http://creativecommons.org/licenses/by/4.0/
• 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.
• Abstract（参考訳）: 顧客特性に基づくパーソナライズ価格における公平性、福祉、株式の配慮の相互作用について検討する。 販売業者は、共変量に基づく需要条件の予測モデルに基づく価格パーソナライズを、カスタマイズされた利率の設定、消費者商品のターゲット割引、ワクチンやベッドネットのようなポジティブな外部性のある不足資源のパーソナライズされた助成金などに基づいて行うことができるようになっている。 これらの異なる応用分野は、消費者に対する価格負担、価格帯、企業収益、良質で平等なアクセスへのアクセス、そして利益が利害の下流の結果にさらに影響を及ぼす場合の分配的結果など、様々な目的に対する公正性、福祉、株式に関する様々な懸念を引き起こす可能性がある。 我々は、これらの異なる規範的考察を解き放つために包括的な文献レビューを行い、数学的定義を持つ異なる目的の分類法を提案する。 我々は,二元フィードバックによって無視されるか,明らかな選好の解釈に関する行動上の懸念を過小評価するため不明確な評価分布へのアクセスを想定しない観察的指標に注目した。 商品供給のパーソナライズ価格設定において、「三つのボトムライン」を達成することで、価格最適化が不明確な利益をもたらす可能性について論じる: パーソナライズ価格によりアクセスが拡大し、不均一な効用による福祉が向上し、収益や予算利用が向上する可能性がある。 我々は、選択ワクチンの価格補助金と、マイクロクレジットの下流結果に対するパーソナライズされた利率の影響の2つの設定において、パーソナライズされた価格の潜在的利点を実証的に示す。

関連論文リスト

• Fairness Incentives in Response to Unfair Dynamic Pricing [7.991187769447732]
  我々は基本的な模擬経済を設計し、公正な価格設定の行動を採用するよう企業にインセンティブを与えるために法人税のスケジュールを作成する。 可能な政策シナリオを網羅するため、我々は、ソーシャルプランナーの学習問題を、マルチアームバンディット、コンテキストバンディット、およびフル強化学習(RL)問題として定式化する。 社会的福祉はフェアネス非依存ベースラインのそれよりも改善し,マルチアームおよびコンテキストバンディット設定のための分析学的に最適なフェアネス対応ベースラインにアプローチすることを発見した。
  論文  参考訳（メタデータ） (2024-04-22T23:12:58Z)
• Evaluating the Fairness of Discriminative Foundation Models in Computer Vision [51.176061115977774]
  本稿では,CLIP (Contrastive Language-Pretraining) などの差別基盤モデルのバイアス評価のための新しい分類法を提案する。 そして、これらのモデルにおけるバイアスを緩和するための既存の手法を分類学に関して体系的に評価する。 具体的には,ゼロショット分類,画像検索,画像キャプションなど,OpenAIのCLIPとOpenCLIPモデルをキーアプリケーションとして評価する。
  論文  参考訳（メタデータ） (2023-10-18T10:32:39Z)
• A Causal Perspective on Loan Pricing: Investigating the Impacts of Selection Bias on Identifying Bid-Response Functions [1.0937531920233807]
  我々は、因果推論の問題として価格を装い、選択バイアスの効果を理解するための一歩を踏み出した。 本研究では,ベルギーにおけるローンローン申請に関する半合成データセットにおいて,選択バイアスのレベルをシミュレートした。 我々は、因果機械学習による最先端の手法を実装し、価格データの選択バイアスを克服する能力を示す。
  論文  参考訳（メタデータ） (2023-09-07T14:14:30Z)
• Causal Fairness for Outcome Control [68.12191782657437]
  本稿では,自動システムにおいて,公平かつ公平な結果変数を最適化することを目的とした,結果制御と呼ばれる特定の意思決定タスクについて検討する。 本稿では、まず因果レンズを通して利益の概念を分析し、特定の個人が肯定的な決定によってどれだけの利益を得られるかを明らかにする。 次に、保護された属性の影響を受けている可能性があることに留意し、これを分析するために使用できる因果的ツールを提案する。
  論文  参考訳（メタデータ） (2023-06-08T09:31:18Z)
• Probe: Learning Users' Personalized Projection Bias in Intertemporal Choices [5.874142059884521]
  本研究では、投射バイアスと基準点効果の2つのよく観察されるバイアスに焦点を当てる。 これらのバイアスに対処するために, Probe と呼ばれる新しいバイアス埋め込み選好モデルを提案する。 Probeには、ユーザの予測バイアスをキャプチャする重み関数と、参照ポイント効果を考慮に入れた値関数が組み込まれている。
  論文  参考訳（メタデータ） (2023-03-09T12:13:46Z)
• Price DOES Matter! Modeling Price and Interest Preferences in Session-based Recommendation [55.0391061198924]
  セッションベースのレコメンデーションは、匿名ユーザが自分の短い行動シーケンスに基づいて購入したいアイテムを予測することを目的としている。 セッションベースのレコメンデーションの価格設定を組み込むのは簡単ではない。 セッションベースレコメンデーションのためのCoHHN(Co-guided Heterogeneous Hypergraph Network)を提案する。
  論文  参考訳（メタデータ） (2022-05-09T10:47:15Z)
• Joint Multisided Exposure Fairness for Recommendation [76.75990595228666]
  本稿では,消費者と生産者の両面から共同で問題をモデル化する,露出公正度尺度のファミリを定式化する。 具体的には、双方の利害関係者に対するグループ属性について、個別のユーザや項目を超えて、より体系的なバイアスを推奨するフェアネスの懸念を識別し緩和する。
  論文  参考訳（メタデータ） (2022-04-29T19:13:23Z)
• Measuring Fairness of Text Classifiers via Prediction Sensitivity [63.56554964580627]
  加速度予測感度は、入力特徴の摂動に対するモデルの予測感度に基づいて、機械学習モデルの公正度を測定する。 この計量は、群フェアネス(統計パリティ)と個人フェアネスという特定の概念と理論的に関連付けられることを示す。
  論文  参考訳（メタデータ） (2022-03-16T15:00:33Z)
• Convex Loss Functions for Contextual Pricing with Observational Posted-Price Data [2.538209532048867]
  我々は、販売者が以前に提供された価格のサンプルにアクセス可能な、政治的でない価格問題について検討する。 これは、顧客の評価(支払いの意志)のサンプルが観察される、よく研究された設定とは対照的である。 我々の設定では、観測されたデータは歴史的価格政策の影響を受けており、顧客が代替価格にどう反応したかは分かっていません。
  論文  参考訳（メタデータ） (2022-02-16T22:35:39Z)
• Loss Functions for Discrete Contextual Pricing with Observational Data [8.661128420558349]
  顧客および/または製品の特徴に基づいて、各顧客がコンテキスト化された価格で提供される価格設定について検討する。 顧客の真の価値よりも,各顧客が所定の価格で商品を購入しているかどうかを観察する。
  論文  参考訳（メタデータ） (2021-11-18T20:12:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。