志愿众包平台上的承诺：对增长与参与的影响
计算机科学与博弈论
2021-07-19 v3 理论经济学
摘要
志愿众包平台将志愿者与通常重复性的任务进行匹配。为确保此类任务完成，平台常使用一种称为“采纳(adoption)”的手段，即志愿者承诺反复执行该任务。尽管这降低了匹配不确定性，但高采纳水平会减少形成新匹配的概率，从而抑制增长。我们研究平台应如何管理这一权衡。我们的研究受与Food Rescue U.S. (FRUS)的合作的启发，FRUS是一个在30多个地点活跃的志愿食物回收组织。对于FRUS这类平台，成功关键取决于志愿者参与。因此，有效利用如采纳等非货币手段至关重要。受志愿者管理文献及我们对FRUS数据分析的启发，我们建立了一个将志愿者与任务反复匹配的双边市场模型。我们的模型纳入了匹配不确定性以及匹配失败对未来参与的负面影响。我们研究平台为最大化总折扣匹配数而设定采纳水平的最优策略。我们完整刻画了最优短视策略，并证明其形式简单：依据志愿者特征与市场厚度，要么允许完全采纳，要么禁止采纳。长期来看，我们证明该策略要么最优，要么达到常数因子近似。我们的结论对纳入志愿者行为异质性保持稳健。我们的工作阐明了双边平台需谨慎控制承诺手段对增长与参与的双重影响。一刀切方案可能无效，因为最优设计关键取决于志愿者群体的特征。
引用
@article{arxiv.2005.10731,
title = {Commitment on Volunteer Crowdsourcing Platforms: Implications for Growth and Engagement},
author = {Irene Lo and Vahideh Manshadi and Scott Rodilitz and Ali Shameli},
journal= {arXiv preprint arXiv:2005.10731},
year = {2021}
}