Advances in Applied Mathematics
Vol.07 No.02(2018), Article ID:23868,6
pages
10.12677/AAM.2018.72023
Pricing Model with Network Externalities
Huicheng Xu
Department of Mathematics, Physics and Information Engineering, Zhejiang Normal University, Jinhua Zhejiang
Received: Feb. 7th, 2018; accepted: Feb. 21st, 2018; published: Feb. 27th, 2018
ABSTRACT
In a given social network G, we study the problems of iterative pricing a product to consumers. We hope to maximize the revenue for seller. The value of product is determined by two factors: Consumer’s intrinsic value and the variable externalities. The consumer’s intrinsic value is fixed and the variable externality is negative or positive. In complete information network, we find that it is NP-hard to find an optimal iterative pricing. This paper gives the optimal strategies and revenues for the star network. We also proved that single pricing works well with 2-approximation for it.
Keywords:Social Network, Externality, Pricing Model, NP-Hard, Approximation
外部性商品的定价模型研究
徐汇成
浙江师范大学数理与信息工程学院,浙江 金华
收稿日期:2018年2月7日;录用日期:2018年2月21日;发布日期:2018年2月27日
摘 要
本文主要研究商品的定价问题,在给定的社会网络图G中,我们希望商家的收益最大化。商品的总价值取决于两个因素: 该商品对于消费者的固有价值; 不断变化的外部性影响。在图G中,商品的固定价值以及外部性影响都是给定的,其中外部影响包括负外部性影响和正外部性影响,在这样的完全信息网络中,我们得出:找到最优的交互式定价策略是NP-难的。在星状网络图中,我们给出了最优的定价方案以及最大收益,并且证明了,通过单一定价能得到近似比为2的定价策略。
关键词 :社会网络,外部性影响,定价模型,NP难,近似比
Copyright © 2018 by author and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY).
http://creativecommons.org/licenses/by/4.0/
1. 引言
对于社会网络重要性及其外部性的研究最早出现在经济领域。1984年Farrellhe 和Saloner在 [1] 一文中提到,在非完全信息网络中,可以通过外部性影响做出改革,从而找到更好的协调机制,替代原来的商品定价标准;1985年,Katz和Shapiro在 [2] 中进一步阐明了消费正外部性的存在,从而使得对商品的外部性有了更明确的定位。至此,外部性商品定价问题开始引起大家的注意。2008年,Hartline和 Mirrokni在 [3] 中首次从网络定价方面探讨商品扩散问题。他们发现:在允许区别定价的条件下,对于“目光短浅”的消费者,通过网络的正外部性影响及压榨式的定价方式,能够在全信息的社会网络中找到近似的最优营销策略(定价方案)。2010年,Akhlaghpour,Ghodsi和Haghpanah在 [4] 中首次介绍了正外部性商品的交互式定价,并构建了两个交互式定价模型。2011年,Chen, Lu, Sun, Tang, Wang和Zhu在 [5] 中讨论研究了非完全信息社会网络中,正外部性商品如何运用营销策略使得商家的利益最大化。2011年,Bhattacharya,Kulkarni,Munagala and Xu在 [6] 中证明了即使在树状网络图中,找到最优均衡依然是NP难的。2013年,Alon,Mansour,和Tenneholtz [7] 研究了区别定价造成消费者不公平心理所带来的负外部性。2014年和2017年,Cao,Chen,Hu and Wang [8] [9] 证明了找到最优定价的问题是NP难的,并且给出一些近似算法,对负外部性商品的定价进行了非常深入的研究。
本文主要是在 [9] 的基础上重新构建IPE (Iterative Pricing with Externalities)商品定价模型,进一步研究双重外部性影响下的商品定价问题。这里,我们同时考虑网络中的正负外部性。负外部性是指相关的消费者间,购买行为会降低未购买消费者对该商品的价值预估,正外部性影响则相反,会增加未购买消费者对该商品的价值预估。我们希望能找到定价策略,使得商家的收益达到最大化。
在第二节我们给出了IPE模型的介绍。在第三节我们证明了对IPE问题找到最优定价是NP难的,并且在星状网络图中给出了最优的交互式定价方案以及最大收益。在第四节我们证明了在星状网络图中,通过单一定价能得到近似比为2的定价策略。
2. 模型介绍
社会网络图 是一个简单图, 是表示所有节点(消费者)的集合, 是表示所有消费者关联的边集合,其中消费者间的相互影响力(外部性影响力)用边的权重表示,并做如下规定:对 ,记权函数为 ,当且仅当 时, ;默认相互间的影响力相同,即 ;若 之间的外部性影响是正的,则 ,且 ;反之,则 ,且 ,记 ,我们用 表示 在 所占比例,即 。
对任意消费者 ,及任意消费者群体 ,消费者 在群体 中受到的外部性影响等于 与 中所有关联边的权重之和,记为 。若图G不计权重,则 。
另外,消费者 的商品固有价值,我们记为 。在定价的过程中,消费者根据 时刻的定价决定是否购买该产品,我们规定:每一次定价后未购买该商品的消费者群体 ,那么对任意消费者 ,此刻该商品的总价值等于固有价值与外部性影响之和,即 ,在给定的图 中,所有消费者的商品总价值都不小于0,也就是说,对于 , 。
显然,初始值 ,IPE模型如下进行:
l 交互式定价:商家按时公布价格,在一个时间序列下给出对应的价格序列;
l 消费者是冲动的:当商品的定价低于消费者的预估价值,消费者第一时间会购买;
l 商家是贪婪的:当该商品对消费者的总价值增加时,商家随时会涨价;
l 同步购买:新的定价一经公布,所有消费者会第一时间做出选择,购买或放弃;
给定时间序列 ,对应价格序列 , 时刻的定价记 ,对任意的 ,我们定义 为 时刻以 价格购买该商品所有消费者群体, 是通过第 轮销售商家所获得的收益,是在价格序列的定价下商家所获得的收益,即。在单一定价时,,我们通常用表示。为了方便起见,我们也用表示价格的集合,用标号表示价格序列中一项。
值得注意的是,中的消费者若在时刻未消费,可能会在时刻以更高的价格购入该商品。直到所有消费者都购入,商家停止定价,此时。
通常,我们用表示最佳收益,在不赋权且内在价值统一为的情况下,我们也会用来表示最佳收益。
所谓IPE问题就是找到一个定价序列使得达到最大值,其中序列长度,以及每一序列项都是可确定的。当取到0时,只考虑正外部性影响;当取到1时,只考虑负外部性影响,即是IPN问题。
3. 交互式定价
定理1 [8] 对于IPN问题,计算出最优定价序列不仅在一般网络图上是NP难的,即使是在不带权且内在价值都为的树状网络图中也不例外。
事实上,IPN问题是IPE问题在时的一种特殊情况,显然IPE问题也是NP难的。所以我们有下面的推论。
推论2 对于IPE问题,计算出最优定价序列不仅在一般网络图上是NP难的,即使是在不带权且内在价值都为的树状网络图中也不例外。■
本节讨论在不带权且内在价值都为的星状网络图中,我们如何通过多次定价使得收益最大化。
定理3 图是以为中心点的不带权星状网络图中,若,点集,且,那么。
证明:如图1,令,满足对,,对,。已知,易得:对,,对,,且对中心点,满足。根据定义可知,,下面依据的大小进行分类讨论,其中分别表示不同的定价方案。
情形1
这种情况下,,其中。此时我们需要讨论三种方案:
Figure 1. A star network with externalities
图1. 具有外部性的星状网络图
l 方案:,;,;;
l 方案:,;,;;
l 方案:,;
故是最佳方案,可获得收益。
情形2
这种情况下,,其中,根据情形1的讨论易得:对于情形2,只用考虑情形1的后两种方案,显然最佳方案还是,可获得收益。
情形3
这种情况下,,其中。此时我们需要讨论三种方案:
l 方案:,,;,,,;
l 方案:,;,,;
l 方案:,;
故,是最佳方案,可获得收益;
情形4
这种情况下,有,其中,根据情形3的讨论易得:对于情形4,只用考虑情形1的,方案,显然最佳方案是,可获得收益;
情形5
这种情况下,,其中。此时我们需要讨论三种方案:
l 方案:,,。,,,;
l 方案:,。,,;
l 方案:,;
故是最佳方案,可获得收益。
综上所述,当,商家的最大收益是;当,商家的最大收益可以达到。由定义可知,,由此可得
. ■
4. 单一定价
定理3中我们已经证明了,对于星状网络图,通过多次定价能达到最优值,同时也给出了相应的最大收益。事实上,很多时候商家销售某商品都是进行统一固定的定价,很自然地,我们会思考:在单一定价下,商家是否依然能够获得比较好的收益呢?本节我们将证明,在星状网络图中,运用单一定价也能得到好的近似。
引理4 [8] 在不带权且不含孤立点的森林状网络图上,若每个点的固定价值相等,则能获得最大收益的单一定价是对IPN问题的1.5-近似的解决方案。
定理5 在不带权的星状网络图上,若每个点的固定价值都为,则存在近似比为2的单一定价策略用以解决IPE问题。
证明 图是不带权的星状网络图,,且每个点的固定价值都为,只要取或,那么得到的收益一定大于。
当时,结论是平凡的。下面考虑。
当时,,令,则,由定理3可知,最大收益,故
当时,根据引理4可知,能找到近似比为3/2的单一定价策略,令,则,由定理3可知,。
下面考虑且时,令,,则。
若,则,根据定理3,当时,能获得的最大收益是,令,则
.
当时,,令,则.
若,我们分4种情形进行讨论。
情形1
则,,令,有
.
情形2
则,若,那么,因此;若, 那么,。
情形3
则,当,令,则,当时,令或,都满足。
情形4
则,且,,若,那么,因此,若,依然满足。
综上所述,。 ■
致谢
感谢朱绪鼎教授对本文的帮助,也感谢所有匿名审稿人对本文的指导意见。
基金项目
国家自然科学基金项目资助(CNSF 00571319)。
文章引用
徐汇成. 外部性商品的定价模型研究
Pricing Model with Network Externalities[J]. 应用数学进展, 2018, 07(02): 189-194. http://dx.doi.org/10.12677/AAM.2018.72023
参考文献 (References)
- 1. Farrell, J. and Saloner, G. (1984) Standardization, Compatibility, and Innovation. Rand Journal of Economics, 16, 70-83.
https://doi.org/10.2307/2555589 - 2. Katz, M.L. and Shapiro, C. (1985) Network Externalities, Competition and Compatibility. 424-440.
- 3. Hartline, J., Mirrokni, V. and Sundararajan, M. (2008) Optimal Marketing Strategies over Social Networks. International Conference on World Wide Web, 89-198.
https://doi.org/10.1145/1367497.1367524 - 4. Akhlaghpour, H., Ghodsi, M., Haghpanah, N., Mirrokni, V.S., Mahini, H. and Nikzad, A. (2010) Optimal Iterative Pricing over Social Networks (Extended Abstract). Internet and Network Economics, 415-423.
https://doi.org/10.1007/978-3-642-17572-5_34 - 5. Chen, W., Lu, P., Sun, X., Tang, B., Wang, Y. and Zhu, Z.A. (2011) Optimal Pricing in Social Networks with Incomplete Information. International Conference on Internet and Network Economics (Vol.abs/1007.1501). 49-60.
- 6. Bhattacharya, S., Kulkarni, J., Munagala. K. and Xu, X. (2011) On Allocations with Negative Eternalities. Internet and Network Economics. 7th International Workshop, WINE 2011, Singapore, December 11-14, Proceedings, 25-36.
- 7. Alon, N., Mansour, Y. and Tenneholtz, M. (2013) Differential Pricing with Inequity Aversion in Social Networks. Fourteenth ACM Conference on Electronic Commerce, 9-24.
https://doi.org/10.1145/2492002.2482545 - 8. Cao, Z., Chen, X., Hu, X. and Wang, C. (2017) Approximation Algorithms for Pricing with Negative Network Externalities. Journal of Combinatorial Optimization, 33, 681-712.
https://doi.org/10.1007/s10878-015-9988-1 - 9. Cao, Z., Chen, X.J., Hu, X.D. and Wang, W. (2014) Pricing in Social Networks with Negative Externalities. Consensus on Social Influence Network Model, 9197, 14-25.