双侧优先排位排序：面向市场实验的一致性保持设计

在线市场经常在用户从列表中选择物品的环境中进行定价实验。在此情境下，物品竞争用户有限的注意力和需求，导致列表中物品之间产生干扰：更改任何物品的价格都可能影响其他物品的需求，从而偏置项目级别A/B测试的估计结果。此外，定价实验的关键考虑因素是保持平台在不同价格和物品可用性之间的一致性。这一要求排除了诸如用户级别A/B测试等实验设计，因为它们违反了平台一致性。我们提出双侧优先排位排序（Two-Sided Prioritized Ranking, TSPR）来估计此类环境中定价变更的总平均处理效应。TSPR利用排名搜索结果中的位置偏差，创建无需牺牲一致性的处理暴露变化。TSPR随机化用户和物品，并重新排序排名列表，优先将处理物品分配给一组用户，而将未处理物品分配给另一组用户。所有用户看到的物品价格保持一致，但因在不同排名位置上注意力不均而对处理暴露存在差异。在基于Expedia酒店搜索数据的半合成模拟中，TSPR在减少估计偏差并提供足够统计功效方面优于基本一致性保持实验设计。