策略买家会操纵数据？新框架SALE用来源感知定价，遗憾界次线性！
Source-Aware Dynamic Pricing with Strategic Buyers
📖 AI 总结
该研究针对现代商业中平台利用多源客户特征进行个性化定价的问题，指出部分特征经卖方记录或第三方数据验证，而部分特征由买方自报、可能被策略性操纵以获取低价。作者在高维半参数设定下提出“来源感知”的动态定价框架，假设买方估值服从稀疏线性模型且噪声分布未知，并设计SALE定价策略：利用已验证特征定位价格探索，结合两类特征在利用阶段校正策略性操纵。该设计将二元购买反馈转化为条件均值估值的无偏信号，支持非独立同分布到达下的一致稀疏估计，并建立噪声分布非参数估计的一致保证，进而证明策略具有自恢复性和次线性期望遗憾界。仿真与真实数据实验均显示其良好性能，该工作首次为将信息溯源纳入策略性买方动态定价提供了理论与实用框架。
🔑 关键词速览
| Source-Aware Dynamic Pricing | 考虑特征来源（已验证 vs. 自报告）的动态定价方法，以应对策略性买家操纵。 |
| Strategic Buyers | 会策略性地操纵自报告特征以获取更低价格的买家。 |
| SALE Policy | 来源感知局部化探索与校准利用定价策略，结合已验证和报告特征进行探索与利用。 |
| Sparse Linear Model | 买家估值遵循的稀疏线性模型，用于高维特征下的估值学习。 |
| Sublinear Expected Regret | SALE策略的期望遗憾界为次线性，表明学习效率随时间的提升。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅