Selling through Priceline? On the impact of name-your-own-price in competitive market
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Priceline.com patented the innovative pricing strategy, Name-Your-Own-Price (NYOP), that sells opaque products through customer-driven pricing. In this article, we study how competitive sellers with substitutable, non-replenishable goods may sell their products (i) as regular goods, through a direct channel at posted prices, and possibly at the same time (ii) as opaque goods, through a third-party channel that engages in NYOP. We establish a stylized model framework that incorporates three sets of stakeholders: two competing sellers, an intermediary NYOP firm, and a sequence of customers. We first characterize customers’ optimal purchasing/bidding decisions under various channel structures and then analyze corresponding sellers’ dynamic pricing equilibrium. We conduct extensive numerical studies to illustrate the impact of inventory and time on equilibrium prices, expected profit, and channel strategies. We find that the implications are highly dependent on channel structure (dual versus single). In particular, more inventory may reduce one’s expected profit under the dual structure, whereas this never happens when a seller only uses the direct channel. Interestingly, although competing sellers seldom benefit from the existence of NYOP channels, it is possible that one or both of the sellers adopt it in equilibrium. We identify timing, inventory levels, and channel opaqueness as key drivers for NYOP adoption and characterize equilibrium areas for each type of channel structure.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,000 |
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.
score_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