論文の概要: Learning to Price with Persuasion
- arxiv url: http://arxiv.org/abs/2608.16699v1
- Date: Mon, 17 Aug 2026 15:17:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.775274
- Title: Learning to Price with Persuasion
- Title（参考訳）: 説得力による価格の学習
- Abstract要約: 我々は、Bergemannらによって最近導入された経済状況(2022年)について考察する。
販売者は、購入者と販売者が異なる種類の情報を知っている非対称な経済状況について、新たな視点を提供する。
- 参考スコア（独自算出の注目度）: 32.1862024428227
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Motivated by modern marketplaces, where the platform or the seller routinely gathers detailed user profiles, we study a novel learning theoretic model that simultaneously involves information and mechanism design. Specifically, we consider the economic setting recently introduced by Bergemann et al. (2022), where in addition to the menu of quality-price pairs, the seller offers information on the value of the match between product quality and buyer's taste via a signaling scheme. We relax the assumption that the seller knows the buyers' belief about the distribution of tastes and study the sample requirements of designing a revenue maximizing scheme. We consider both the batch setting where we have access to data from a set of i.i.d. buyers and an online demand query model where we observe the buyers' behaviors to seller's schemes. Despite the apparent non-convexity of the problem, we also give the first FPTAS to compute a scheme that maximizes the revenue within an arbitrarily small additive loss, which was left open by Bergemann et al. (2022). Overall, this brings a new learning perspective in asymmetric economic settings where buyers and sellers know different types of information.
- Abstract（参考訳）: プラットフォームや販売者が定期的に詳細なユーザプロファイルを収集する現代のマーケットプレースに動機付けられ,情報とメカニズム設計を同時に含む新しい学習理論モデルについて検討する。
具体的には,Bergemann et al (2022) が最近導入した経済状況について考察し,品質と価格のペアのメニューに加えて,商品の品質と購入者の味の一致の値に関する情報をシグナリング方式で提供する。
販売者が味の分布について購入者の信念を把握しているという仮定を緩和し、収益最大化方式を設計する際のサンプル要件について検討する。
我々は,i.d.バイヤーのセットからデータにアクセス可能なバッチ設定と,販売者のスキームに対する購入者の振る舞いを観察するオンライン要求クエリモデルを考える。
問題の明らかな非凸性にもかかわらず、我々はまた、ベルゲマンら(2022年)が残した任意の小さな加法的損失の範囲内で収益を最大化するスキームを計算した最初のFPTASを与える。
全体としてこれは、買い手と売り手が異なる種類の情報を知っている非対称な経済環境において、新たな学習視点をもたらす。
関連論文リスト
- Paying to Know: Micro-Transaction Markets for Verified Product Information in Agentic E-Commerce [4.655159257282136]
エージェントネイティブのマイクロペイメントレールの到着は、不足しているものを変えると論じる。
我々はエージェント型電子商取引を、検証情報のためのマイクロ取引市場として想定する。
論文 参考訳（メタデータ） (2026-06-23T16:42:21Z) - SalesSim: Benchmarking and Aligning Multimodal Language Models as Retail User Simulators [63.68151307455963]
本稿では,マルチモーダル大規模言語モデル(MLLM)の現実的,ペルソナ主導の顧客行動のシミュレート能力を評価するためのフレームワークとテストベッドであるSalesSimを紹介する。
我々は,シミュレータの動作とペルソナ仕様との整合性,および会話品質を測定する。
実験により,UserGRPOは,会話品質を改善しつつ,ベースラインモデルの整合性を13.8%向上させることを示した。
論文 参考訳（メタデータ） (2026-05-08T17:59:23Z) - Auction Design using Value Prediction with Hallucinations [0.9176056742068813]
我々は,販売者がn人の買い手に対して不可分な商品を売って収益を最大化しようとする問題について検討する。
本稿では,これらの信号が買い手の真の価値を反映することがあるが,時には幻覚となるような枠組みを提案する。
我々の主な貢献は、この枠組みの下での最適オークションのキャラクタリゼーションである。
論文 参考訳（メタデータ） (2025-02-12T21:08:28Z) - An Instrumental Value for Data Production and its Application to Data Pricing [107.98697414652479]
本稿では,データ生成プロセスのインストゥルメンタルな価値を捉えるためのアプローチを開発する。
情報経済学における情報設計と信号の古典的概念とどのように結びつくかを示す。
論文 参考訳（メタデータ） (2024-12-24T03:53:57Z) - Language Models Can Reduce Asymmetry in Information Markets [100.38786498942702]
我々は、言語モデルを利用した知的エージェントが外部参加者に代わって情報を売買する、オープンソースのシミュレートされたデジタルマーケットプレースを紹介した。
このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、特権情報の品質を評価する能力を持つと同時に、忘れる能力も備えている。
適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
論文 参考訳（メタデータ） (2024-03-21T14:48:37Z) - Unlocking the `Why' of Buying: Introducing a New Dataset and Benchmark for Purchase Reason and Post-Purchase Experience [24.949929747493204]
本稿では,現代のAIモデルのための新しいタスクとして,購入理由予測を提案する。
まず,ユーザが商品の購入決定を行う理由を実世界から説明するためのデータセットを作成する。
当社のアプローチは,ユーザレビューにおいて,製品購入の背景にある理由と購入後の体験を明確に区別するためにLCMを誘導する。
論文 参考訳（メタデータ） (2024-02-20T23:04:06Z) - Data Market Design through Deep Learning [16.505791601397185]
収益最適化データ市場の設計におけるディープラーニングの適用について紹介する。
我々の実験は、この新しいディープラーニングフレームワークが、既知のすべてのソリューションを理論からほぼ正確に複製できることを示した。
論文 参考訳（メタデータ） (2023-10-31T00:21:09Z) - Salespeople vs SalesBot: Exploring the Role of Educational Value in
Conversational Recommender Systems [78.84530426424838]
既存の会話レコメンデータシステムは、ユーザのバックグラウンド知識の欠如をよく見落とし、好みの収集にのみ焦点をあてる。
このようなシステムのシミュレーションと評価を容易にするフレームワークであるSalesOpsを紹介する。
私たちは、フレームワークの両側をシミュレートできるLLMベースのエージェントであるSalesBotとShopperBotを構築しています。
論文 参考訳（メタデータ） (2023-10-26T19:44:06Z) - Does Machine Learning Amplify Pricing Errors in the Housing Market? --
The Economics of Machine Learning Feedback Loops [2.5699371511994777]
住宅市場における機械学習フィードバックループの分析モデルを構築した。
フィードバックループは、機械学習アルゴリズムを自分自身の精度で過度に信頼するようになることを示す。
次に、フィードバックループ平衡における住宅販売者の経済的な支払いが、機械学習を使わずに悪くなる状況を特定する。
論文 参考訳（メタデータ） (2023-02-18T23:20:57Z) - 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)
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。