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
Problem definition: We study a monopolistic robust pricing problem in which the seller does not know the customers’ valuation distribution for a product but knows its mean and variance. Academic/practical relevance: This minimal requirement for information means that the pricing managers only need to be able to answer two questions: How much will your targeted customers pay on average? To measure your confidence in the previous answer, what is the standard deviation of customer valuations? Methodology: We focus on the maximin profit criterion and derive distribution-free upper and lower bounds on the profit function. Results: By maximizing the tight profit lower bound, we obtain the optimal robust price in closed form as well as its distribution-free, worst-case performance bound. We then extend the single-product result to study the robust pure bundle pricing problem where the seller only knows the mean and variance of each product, and we provide easily verifiable, distribution-free, sufficient conditions that guarantee the pure bundle to be more robustly profitable than à la carte (i.e., separate) sales. We further derive a distribution-free, worst-case performance guarantee for a heuristic scheme in which customers choose between buying either a single product or a pure bundle. Moreover, we generalize separate sales and pure bundling to a scheme called clustered bundling that imposes a price for each part (i.e., cluster) of a partition of all products and allows customers to choose one or multiple parts (i.e., clusters), and we provide various algorithms to compute clustered bundling heuristics. In parallel, most of our results hold for the minimax relative regret criterion as well. Managerial implications: The robust price for a single product is in closed form under the maximin profit or minimax relative regret criterion and hence, is easily computable. Its interpretation can be easily explained to pricing managers. We also provide efficient algorithms to compute various mixed bundling heuristics for the multiproduct problem.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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