无限供给下的序贯项目定价

我们研究了在缺乏需求先验信息的情况下，价格更新能在多大程度上增加卖家的收入。我们研究了拥有n种项目类型无限供给的卖家，面对存在k < log n天的m个短视买家的无先验收入最大化问题。对于静态（k = 1）情况，Balcan等人[2]表明，一种随机项目价格（每个项目相同）产生的收入在最优值的Θ(log m + log n)因子内，且该因子是紧的。我们定义了买家估值的遗传最大化者性质（满足任何多单位或总替代品估值），该性质足以在动态（k > 1）设定下显著改善近似因子。我们的主要结果是，对于具有遗传最大化者的私人估值，一个包含k个相等项目价格的非递增随机定价序列，其期望收入在最优值的O((log m + log n) / k)因子内。该因子几乎是紧的：我们证明了在k天内的任何定价方案，其收入近似因子至少为(log m + log n) / (3k)。如果所有估值都具有相同的最大值，我们获得了Θ((log n) / k)的相应匹配下界和上界。我们预期我们的上界技术将具有更广泛的意义；例如，它可以显著改进Akhlaghpour等人[1]的结果。我们还开创了在具有组合估值的买家之间存在分配外部性（即影响）时的收入最大化研究。我们提供了一个关于他人对项目的所有权对买家估值产生正向影响的相当一般的模型。对于仿射、次模外部性和具有遗传最大化者的估值，我们提出了一种基于我们针对私人估值算法的影响与利用（Hartline等人[13]）营销策略。尽管最优收入由于外部性产生了仿射增长，该策略仍保持了我们的近似因子。