論文の概要: The Social Cost of Growth: Evaluating GMV-Centric and Welfare-Centric Strategies in Online Food Delivery Platforms

• arxiv url: http://arxiv.org/abs/2410.16566v1
• Date: Mon, 21 Oct 2024 22:55:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-23 14:29:17.255109
• Title: The Social Cost of Growth: Evaluating GMV-Centric and Welfare-Centric Strategies in Online Food Delivery Platforms
• Title（参考訳）: 成長の社会的コスト:オンラインフードデリバリープラットフォームにおけるGMV中心・福祉中心戦略の評価
• Authors: Yukun Zhang,
• Abstract要約: GMV戦略は、短期的な取引の急速な成長を促すが、不均一な福祉の分配につながる。 福祉中心の戦略は、消費者、レストラン、配達労働者の間でよりバランスよく公平な利益分配を促進する。
• 参考スコア（独自算出の注目度）: 3.4039202831583903
• License:
• Abstract: This paper develops a comprehensive theoretical framework to analyze the trade-offs between Gross Merchandise Volume (GMV) maximization and social welfare optimization in online food delivery platforms. Using a multi-agent simulation and a dual-model approach based on two-sided market theory and welfare economics, we evaluate the impact of GMV-centric and welfare-centric strategies on platform dynamics, including pricing mechanisms, stakeholder welfare, and market efficiency. Our results show that GMV maximization strategies drive rapid short-term transaction growth but lead to uneven welfare distribution, particularly disadvantaging delivery workers. In contrast, welfare-centric strategies promote a more balanced and equitable distribution of benefits among consumers, restaurants, and delivery workers, enhancing platform sustainability in the long run. These findings provide actionable insights for platform operators and policymakers to design strategies that balance growth with social welfare, ensuring both economic efficiency and fairness.
• Abstract（参考訳）: 本稿では,オンラインフードデリバリープラットフォームにおけるGross Merchandise Volume(GMV)の最大化と社会福祉最適化のトレードオフを分析するための包括的な理論的枠組みを開発する。 両面の市場理論と福祉経済学に基づくマルチエージェントシミュレーションと二重モデルアプローチを用いて,価格設定機構,利害関係者の福祉,市場効率など,GMV中心および福祉中心の戦略がプラットフォームダイナミクスに与える影響を評価する。 以上の結果から,GMVの最大化戦略は短期的取引の急激な成長を促すが,不均一な福祉分布,特に不便な配送労働者に繋がる可能性が示唆された。 対照的に、福祉中心の戦略は、消費者、レストラン、配送労働者の間でよりバランスよく公平な利益分配を促進し、長期的にプラットフォーム持続可能性を高める。 これらの知見は、成長と社会福祉のバランスを保ち、経済効率と公正を両立させる戦略を設計するプラットフォーム運営者や政策立案者に実用的な洞察を与えてくれる。

関連論文リスト

• Evaluating Supply Chain Resilience During Pandemic Using Agent-based Simulation [0.8158530638728501]
  将来のパンデミックは、短期的な利益性と長期的なサプライチェーンのレジリエンス計画の間に、企業オーナーのジレンマを生じさせる。 本稿では,サセプティブル・インフェクト・リカバード(SIR)疫学モデルとサプライ・アンド・デマンド・エコノミーモデルを統合したエージェント・ベース・シミュレーションモデルを提案する。 サプライチェーンのレジリエンスに対するバランスの取れたアプローチは、パンデミック時と非パンデミック時の両方において、極端な戦略よりも優れていることが分かりました。
  論文  参考訳（メタデータ） (2024-05-13T18:32:28Z)
• Cooperate or Collapse: Emergence of Sustainable Cooperation in a Society of LLM Agents [101.17919953243107]
  GovSimは、大規模言語モデル(LLM)における戦略的相互作用と協調的意思決定を研究するために設計された生成シミュレーションプラットフォームである。 最強のLSMエージェントを除く全てのエージェントは、GovSimの持続的均衡を達成することができず、生存率は54%以下である。 道徳的思考の理論である「大学化」に基づく推論を活用するエージェントは、持続可能性を大幅に向上できることを示す。
  論文  参考訳（メタデータ） (2024-04-25T15:59:16Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Financial Time-Series Forecasting: Towards Synergizing Performance And Interpretability Within a Hybrid Machine Learning Approach [2.0213537170294793]
  本稿では、ハイブリッド機械学習アルゴリズムの比較研究を行い、モデル解釈可能性の向上に活用する。 本稿では,金融時系列予測において出現する潜伏関係や複雑なパターンの発掘を目的とした,分解,自己相関関数,指数的三重予測など,時系列統計の事前処理技術に関する体系的な概要を述べる。
  論文  参考訳（メタデータ） (2023-12-31T16:38:32Z)
• An Optimistic-Robust Approach for Dynamic Positioning of Omnichannel Inventories [10.353243563465124]
  我々は,データ駆動型楽観的二元性在庫最適化(BIO)戦略を新たに導入する。 我々の実験は、在庫管理に対する従来のアプローチを再考することで、大きな利益が得られることを示している。
  論文  参考訳（メタデータ） (2023-10-17T23:10:57Z)
• Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
  消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。 我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。 提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
  論文  参考訳（メタデータ） (2023-03-28T00:23:23Z)
• Finding Regularized Competitive Equilibria of Heterogeneous Agent Macroeconomic Models with Reinforcement Learning [151.03738099494765]
  労働市場に参入する世帯や企業を無限に数える異種エージェントマクロ経済モデルについて検討する。 本稿では,モデルの正規化競争均衡を求めるデータ駆動強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-24T17:16:27Z)
• Balancing Profit, Risk, and Sustainability for Portfolio Management [0.0]
  本研究では,リスクを表すシャープ比と持続可能性を表す環境,社会,ガバナンススコア(ESG)を備えた新しいユーティリティ機能を開発する。 連続的な行動空間を許容することで、深いQ-ラーニングアプローチを改善しつつ、MADDPGよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2022-06-06T08:38:30Z)
• Efficient Model-based Multi-agent Reinforcement Learning via Optimistic Equilibrium Computation [93.52573037053449]
  H-MARL (Hallucinated Multi-Agent Reinforcement Learning) は,環境と数回交流した後の平衡政策を学習する。 自律運転シミュレーションベンチマークにおいて,本手法を実験的に実証した。
  論文  参考訳（メタデータ） (2022-03-14T17:24:03Z)
• Finding General Equilibria in Many-Agent Economic Simulations Using Deep Reinforcement Learning [72.23843557783533]
  本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。 私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。 当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
  論文  参考訳（メタデータ） (2022-01-03T17:00:17Z)

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。