【捆绑定价】Bundling Information Goods: Pricing, Profits, and Efficiency (重要)
摘要
本文研究了将大量的信息商品(如互联网上越来越多的信息商品)捆绑起来,以固定价格出售的策略。我们分析了多产品垄断者的最优捆绑策略,发现捆绑大量不相关的信息商品可以获得惊人的利润。原因是大数定律使得预测消费者对一捆商品的估价比单独销售时对单个商品的估价容易得多。因此,这种“捆绑的预测价值(predictive value of bundling)”使得信息商品捆绑能够实现比单独销售相同商品时更大的销售额、更高的经济效率和更大的每种商品利润。我们的主要结果并没有扩展到大多数实物商品,因为买方未使用的商品的边际生产成本通常会抵消大规模捆绑的预测价值带来的任何好处。
管理意义
当确定两个以上商品的最优捆绑策略是一个众所周知(notoriously)的困难问题时,我们使用统计技术来提供任意大小捆绑的强渐近结果(strong asymptotic results)和利润界。我们展示了如何使用我们的模型来分析互补品和替代品的捆绑( the bundling of complements and substitutes)、存在预算约束的捆绑以及具有各种类型相关性的商品捆绑,以及这些条件如何导致对最优捆绑规模的限制。特别是我们发现,当不同的细分市场的消费者( different market segments of consumers)对商品的估价系统性地不同时,简单的捆绑将不再是最优的。然而,通过针对每个细分市场提供不同捆绑的菜单(menu),捆绑通过减少不可预测的估值特质成分的作用,使传统的价格歧视策略更加强大。我们的分析预测似乎与互联网和在线内容、有线电视节目和版权音乐市场的实证观察结果一致。
独立估值下的基本模型
n n n:信息商品数
Ω \Omega Ω:消费者群体
v n , i ( w ) v_{n,i}(w) vn,i(w):消费者 w w w 购买 n n n 个商品时,对商品 i i i 的估值
x n = 1 n ∑ i = 1 n v n , i x_n = \frac{1}{n}\mathop{\sum}\limits_{i=1}^n v_{n,i} xn=n1i=1∑nvn,i:捆绑 n n n个信息商品的平均估价
p n ∗ p_n^* pn∗:捆绑 n n n个信息商品时使收益最大的平均价格
q n ∗ q_n^* qn∗:销售额/消费群体规模
π n ∗ \pi_n^* πn∗:最大的平均收益
假设1. 所有信息商品的复印件的边际成本对卖方来说是零。
假设2. 所有消费者的估值函数 v n , i v_{n,i} vn,i 独立且一致有界,具有连续密度函数,非负支撑,均值 μ n , i \mu_{n,i} μn,i,方差 σ n , i 2 \sigma_{n,i}^2 σn,i2。
假设3. 消费者可以自由处置(Consumers have free disposal)。特别地,对所有 n > 1 n>1 n>1,有 ∑ i = 1 n v n , i ≥ ∑ i = 1 n − 1 v n − 1 , i \mathop{\sum}\limits_{i=1}^n v_{n,i} \ge\mathop{\sum}\limits_{i=1}^{n-1} v_{n-1,i} i=1∑nvn,i≥i=1∑n−1vn−1,i。
命题1. 在上面3个假设条件下,随着 n n n 增大,如果捆绑 n n n 个信息商品销售,则每件商品的额外损失(deadweight loss)和每件商品的消费者剩余( the consumers’ surplus per good)收敛于零,卖方每件商品的利润增加到最大值。
命题2.在假设2和3下,每种信息商品都有一个边际成本 c > 0 c>0 c>0,使得捆绑销售比单独销售商品产生更低的利润和更高的额外损失。
…
此文质量较高,可精细研读!
【捆绑定价】Bundling Information Goods: Pricing, Profits, and Efficiency (重要)相关推荐
- 量化投资学习——无套利均衡定价理论(non-arbitrage pricing theory)
无套利均衡定价理论(non-arbitrage pricing theory) 无套利均衡理论是一种定价方法,也是金融学各种初级定价方法的理论根基. 假设条件 1.资产在市场交易 2.投资者自由进入市 ...
- 2022年CPA财务成本管理-资产定价专题(Asset Pricing)【3月22开始15天15考点刷题】【完结】
这个名字迷惑性太强,展开来说是Corporate Finance(Asset Pricing, Corporate Goverance)和成本计算.管理会计✅3门课. 鸣谢对啊网.第二章财务比率我这5 ...
- 安卓收取费用_作为自由职业者应收取的费用:以价值为基础的定价是否能达到炒作的目的?...
安卓收取费用 by Benek Lisefski 由Benek Lisefski 作为自由职业者应收取的费用:以价值为基础的定价是否能达到炒作的目的? (What to charge as a fre ...
- 基于博弈论和拍卖的数据定价综述
点击上方蓝字关注我们 基于博弈论和拍卖的数据定价综述 张小伟1, 江东1, 袁野2 1 东北大学计算机科学与工程学院,辽宁 沈阳 110819 2 北京理工大学计算机学院,北京 100081 摘要:在 ...
- 【采用】大数据风控---风险量化和风险定价
前言 金融的本质从宏观上讲,第一:为有钱人理财,为缺钱人融资:第二:信用,杠杆.风险:第三:为实体经济服务,不然就是泡沫,微观上讲就是经营风险.在经营风险的过程中,风险定价是核心,指对风险资产价格的确 ...
- javascript模块_JavaScript模块第2部分:模块捆绑
javascript模块 by Preethi Kasireddy 通过Preethi Kasireddy JavaScript模块第2部分:模块捆绑 (JavaScript Modules Part ...
- 电商云里 Product bundling 的一些概念
产品捆绑销售是一种技术,其中将多个单独的产品作为组合包装以低于单独销售的价格出售. 这种策略允许电子零售商通过提供正确的建议来说服购物者购买更多商品. 同时,通过明确节省开支,让购物者对达成交易感到满 ...
- 爬取淘宝定价需要多久时间_如何对设计工作进行定价—停止收取时间并专注于价值
爬取淘宝定价需要多久时间 Pricing creative work is a new concept for most freelancers who are starting their busi ...
- 因子模型:套利定价理论APT
本文是Quantitative Methods and Analysis: Pairs Trading此书的读书笔记. 因子模型(factor models)用来解释资产的风险或者回报的特点.在CAP ...
最新文章
- Linux IPC udp/tcp/UNIX域 socket编程
- python单行箭头_python – 如何在matplotlib的曲线末端放置一个箭头?
- 设计模式 – 策略模式(Strategy)
- 报名 | “阳奉阴违”的半监督学习算法 - Virtual Adversarial Training
- MySQL 高水位update_Oracle delete 高水位线处理问题
- string容量JAVA_java的StringBuilder类的长度和容量有什么区别呢?
- RabbitMQ的5种队列_Work模式_入门试炼_第5篇
- saas java框架_XMReport-提供web项目Java套打解决方案
- 【性能测试】性能需求挖掘、性能方案制定及压测场景设计之疑惑与思考(一)
- 2021广西蒙山中学高考成绩查询,广西省蒙山中学2020-2021学年高二下学第一次月考数学(文)试题及答案.doc...
- [2013.9.27][cpp]一个简单的链接栈模型
- react-native 报错 RawText must be wrapped in an explicit Text component
- 阴阳师bug以及服务器维护问题,阴阳师业原火bug处理公告汇总
- 如何用OD的跟踪功能分析虚拟机保护
- 8086汇编语言(一) 汇编语言源程序
- mysql添加开机自启_初始化mysql并设置开机自动启动
- 今天第一次做PIZZA,很成功.
- Bzoj 4173 数学
- WP-2021绿盟杯-藏宝图
- SpringBoot文件上传