信任品市场中声誉驱动的算法决策辅助采纳与回避

在医疗保健或维修服务等信任品市场中，消费者依赖拥有信息优势的专家来充分诊断和治疗他们。然而，专家的诊断能力受到限制，这损害了市场效率和消费者福利。能够替代或补充专家判断的技术突破有可能减轻消费者受到的不当对待。本文研究了当技能分布异质且对消费者模糊不清时，竞争性专家如何采纳新型诊断技术。我们区分了提升专家能力的新技术，以及补充专家判断但不影响专家个人诊断精度的算法决策辅助。当消费者通过重复互动建立对专家类型的信念时，我们表明高能力专家可能会策略性地放弃决策辅助，以便通过将自己与低能力专家区分开来，从而摆脱混同均衡。在没有未来访问的情况下，信号传递问题导致所有专家随机化其投资选择，导致低能力专家利用不足而高能力专家过度利用。两项在线实验的结果支持了我们的假设。如果可能建立声誉，高能力专家投资于算法决策辅助的可能性显著低于低能力专家。否则，没有差异，并且相信消费者在玩信号传递博弈的专家会随机化其投资选择。