Incentive Design for Operations-Marketing Multitasking
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
A firm hires an agent (e.g., a store manager) to undertake both operational and marketing tasks. Marketing tasks boost demand, but for demand to translate into sales, operational effort is required to maintain adequate inventory. The firm designs a compensation plan to induce the agent to put effort into both marketing and operations while facing demand censoring (i.e., demand in excess of available inventory is unobservable). We formulate this incentive-design problem in a principal-agent framework with a multitasking agent subject to a censored signal. We develop a bang-bang optimal control approach, with a general optimality structure applicable to a broad class of incentive-design problems. Using this approach, we characterize the optimal compensation plan, with a bonus region resembling a “mast” and “sail” such that a bonus is paid when either all inventory above a threshold is sold or the sales quantity meets an inventory-dependent target. The optimal mast-and-sail compensation plan implies nonmonotonicity, where the agent can be less likely to receive a bonus for achieving a better outcome. This gives rise to an ex post moral hazard issue where the agent may “hide” inventory to earn a bonus. We show that this ex post moral hazard issue is a result of demand censoring. If available information includes a waiting list (or other noisy signals) to gauge unsatisfied demand, no ex post moral hazard issues remain. This paper was accepted by Vishal Gaur, operations management.
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 | 0,006 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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