面向互联网价格战的隐狄利克雷分配模型

互联网做市商始终面临激烈的竞争环境，为吸引更多客户而提供个性化降价或折扣券。在此类价格战场景中，参与者必须投入大量资源以追赶其他竞争对手。然而，如此巨大的资金成本未必总能带来市场份额的提升。这主要是由于参与者在制定策略时缺乏关于对手策略或客户意愿的信息。为了通过可观测数据获取这些隐藏信息，我们研究了互联网价格战中企业与客户之间的关系。在理论上，我们将该问题形式化为一个具有不完美与不完全信息的随机博弈。随后，我们提出了一种隐狄利克雷分配（LDA）的变体，用于推断当前市场环境下的潜变量，这些变量代表了客户的偏好与竞争对手的策略。据我们所知，这是 LDA 首次应用于博弈场景。我们进行了模拟实验，结果表明，通过纳入做市商竞争对手的所有可用市场信息，我们的 LDA 模型在寻找互联网价格战策略方面表现出显著改进。该模型还被应用于一个真实业务的开放数据集。通过对用户行为预测似然以及推断的对手策略与真实策略之间的分布距离进行比较，我们的模型被证明能够更好地理解市场环境。我们的工作标志着一种成功的通过 LDA 建模推断价格战环境中潜信息的学习方法，并为相关竞争应用提供了范例。