面向策略买家的公平性感知情境动态定价
计算机科学与博弈论
2026-03-17 v2 机器学习
机器学习
摘要
情境定价策略在线零售中广泛应用,卖家根据产品属性和买家特征调整价格。尽管此类策略可提升卖家利润,但当特定群体(如性别或种族)之间出现显著价格差异时,会引发公平性疑虑。这些差异可能导致买家对不公平的感知,甚至违反法律法规。相反,价格差异可能激励劣势买家战略性地操纵其群体身份以获取更低价格。本文考察在买家群体身份私有且不可观测的情况下,结合买家战略行为的情境动态定价问题。我们提出的动态定价政策同时实现价格公平性并抑制战略行为。该政策在T个时间段内实现O(√T + H(T))的上界忧损,其中H(T)源于买家基于其学习到的价格差异对定价政策公平性的评估。当买家能够学习定价政策的公平性时,此上界降低至O(√T)。我们还在问题设置下证明了任何定价策略的Ω(√T)忧损下界。通过大量实验数据支持,我们展示了该政策的有效性。在实际数据分析中,我们观察到即使控制其他情境信息后,贷款申请中仍存在针对种族的价格歧视。我们提出的定价政策实现了35.06%的忧损降低。
引用
@article{arxiv.2501.15338,
title = {Fairness-aware Contextual Dynamic Pricing with Strategic Buyers},
author = {Pangpang Liu and Will Wei Sun},
journal= {arXiv preprint arXiv:2501.15338},
year = {2026}
}
备注
The paper has been accepted by JASA