MétaCan
Menu
Retour à la cohorte
Enregistrement W2150554277 · doi:10.1287/mksc.1100.0601

Search and Choice in Online Consumer Auctions

2010· article· en· W2150554277 sur OpenAlexaff
Ernan Haruvy, Peter T. L. Popkowski Leszczyc

Notice bibliographique

RevueMarketing Science · 2010
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueAuction Theory and Applications
Établissements canadiensUniversity of AlbertaMcGill University
Organismes subventionnairesnon disponible
Mots-clésCommon value auctionPrice dispersionMicroeconomicsSearch costEconomicsVickrey auctionForward auctionGeneralized second-price auctionVickrey–Clarke–Groves auctionIncentiveAuction theory

Résumé

récupéré en direct d'OpenAlex

Price dispersion in simultaneous online auctions is a puzzle in light of the relatively low search costs required to find the lower price. Much of this price dispersion appears to be due to a lack of switching by bidders between auctions, which in turn could be due to inertia related to search costs. We identify some of the influencing factors through a controlled field experiment involving pairs of simultaneous auctions. Keeping the sellers and the goods sold identical between two auctions, we vary auction design features between and within pairs including shipping cost, open reserve, secret reserve price, and duration, and we provide bidders with incentives to search. We use a choice model that examines individual choice between pairs of simultaneous auctions. We find that within-pair price dispersion is substantial and that prices and auction choice by bidders are indeed related to search costs. We find strong inertia in auction choice and find that this effect significantly interacts with time left in the auction. Although individuals do not always choose a lower-priced auction, they are more likely to do so when search costs are low or search incentives are high.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,023
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,023
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,074
Tête enseignante GPT0,424
Écart entre enseignants0,351 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMarketing ScienceMême sujetAuction Theory and ApplicationsTravaux en français237 207