社交网络中的基于用户剖析的个性化定价

传统用户剖析技术依赖浏览历史或购买记录以识别用户的支付意愿，从而使卖方能够针对已剖析的用户提供个性化价格，而仅对未剖析的用户收取统一价格。然而，隐私增强技术的出现导致用户主动规避现场数据跟踪。当今的主要在线卖家转向公共平台如在线社交网络，以更好地从用户的产品相关讨论中跟踪用户剖析。本文提出了关于用户如何应对潜在个性化定价以及卖方如何战略性地调整定价方案以促进社交网络中用户剖析的首次分析性研究。我们在不对称信息下构建了一个由卖方和用户组成的动态贝叶斯游戏。分析这一游戏的关键挑战在于卖方与用户之间的双向耦合以及用户之间之间的耦合。进一步需要确保用户披露的信息与卖方信念在随机用户剖析下保持一致。我们通过交替应用逆向和前向归纳，成功地为该游戏特征描述了唯一的完美贝叶斯平衡（PBE）。我们的分析表明，随着剖析技术准确度的提高，卖方倾向于提高平衡统一价格，以激励用户增加社交活动并促进用户剖析。然而，这导致在实施旨在确保用户了解潜在卖方数据访问和剖析实践的知情同意政策后，大多数用户的收益下降。这一发现表明，近期旨在提高用户隐私意识的监管演变可能对用户收益产生意外负面影响。