zte10096334的博客

1. 基本定义假设 S={S1,⋯ ,Sm}\boldsymbol{S}=\{S_1,\cdots,S_m\}S={S1​,⋯,Sm​} 为在每个nest中提供的assortments， 总权重记为 Λ:=v0+∑l=1m[∑i∈Slexp⁡(μil/γl)]γl\Lambda:=v_0 + \mathop{\sum}\limits_{l=1}^m\left[\mathop{\sum}\limits_{i\in S_l}\exp(\mu_{il}/{\gamma_l})\right]^{\gamma_l}

摘要本文研究了一个专营者将两种不同的商品出售给一组 mmm 个交易者的情形， mmm 个交易者的特征是其保留价格（reservation prices）是区间[0,R1][0,R_1][0,R1​] 和 [0,R2][0,R_2][0,R2​] 上的独立均匀分布。在单独销售、纯捆绑和混合捆绑的情况下，得到了最优价格、最优数量、最优利润和最优消费者剩余的闭式解。这样就可以清楚地比较各种捆绑形式的价格、产出和福利效应。我们进一步调查正边际成本、保留值正相关性和负相关性，代用品与补偿性。拓展或类似的研究？

Spence–Mirrlees预订价格的基数捆绑Hitt L, Chen P (2005). Bundling with Customer Self-Selection: A Simple Approach to Bundling Low-Marginal-Cost

摘要随着数字产品分销成本的下降，人们对低边际成本商品定价策略的兴趣再次升温。在本文中，我们评估了定制捆绑( customized bundling)，这是一种定价策略，使消费者有权以固定价格从NNN种不同的商品中选择最多MMM种商品。我们证明了在一些常用的假设下，复杂的混合捆绑问题可以归结为定制捆绑问题。我们还表明，对于低边际成本商品的垄断销售商，这种策略优于单产品销售(M=1M=1M=1)和纯粹的捆绑(M=NM=NM=N).当商品的边际成本为正时，或者当顾客对商品有不同的偏好时。比较j静态结果还表明，定

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

1. 摘要1.1 背景网络购物的增长趋势引发了越来越复杂的产品推荐系统(product recommendation systems)的发展。本文建立了一个模型，在选择与消费者偏好相关的产品时，考虑利润最大化和库存管理之间的权衡，向网上购物者推荐一个个性化的折扣产品包。1.2 理论与实践的相关性 (Academic practical relevance)我们提供分析性的性能保证，以说明潜在问题的复杂性，该问题将产品组合优化与定价相结合。我们在两个独立的案例研究中实现了我们的算法，这些案例研究来自美

1. 背景问题航空公司有一趟2个月之后起飞的航班，现有150个座位需要销售。航空公司计划推出2种票价：特价票(supersaver fare)140美元、全价票240(full-coach fare)美元。对于特价票而言，在两个月中(0≤t≤20\leq t\leq 20≤t≤2)，需求率都为 λ1=100\lambda_1=100λ1​=100；而对于全价票，第一个月需求为000，第二个月需求为505050，亦即 λ2(t)={0,if   0≤t≤150,if  1≤t≤2\lambda_2

考虑一个垄断的卖家向消费者 Ω\OmegaΩ 提供信息商品 1,2,⋯ ,m,⋯1,2,\cdots,m,\cdots1,2,⋯,m,⋯, 顾客群的大小 Ω\OmegaΩ 可以归一化为1。每个信息产品的边际生产成本都为 0。对每个顾客 w∈Ωw\in\Omegaw∈Ω，假设其对商品捆绑的估值与其单个商品的价值是可加分离的 (her value of a goods bundle is additively separable in her values of the individual goods)： Y