Food Delivery Service and Restaurant: Friend or Foe?
Notice bibliographique
Résumé
With food delivery services, customers can hire delivery workers to pick up food on their behalf. To investigate the long-term impact of food delivery services on the restaurant industry, we model a restaurant serving food to customers as a stylized single-server queue with two streams of customers. One stream consists of tech-savvy customers who have access to a food delivery service platform. The other stream consists of traditional customers who are not able to use a food delivery service and only walk in by themselves. We study a Stackelberg game, in which the restaurant first sets the food price; the food delivery platform then sets the delivery fee; and, last, rational customers decide whether to walk in, balk, or use a food delivery service if they have access to one. If the restaurant has a sufficiently large established base of traditional customers, we show that the food delivery platform does not necessarily increase demand but may just change the composition of customers, as the segment of tech-savvy customers grows. Hence, paying the platform for bringing in customers may hurt the restaurant’s profitability. We demonstrate that either a one-way revenue-sharing contract with a price ceiling or a two-way revenue-sharing contract can coordinate the system and create a win-win situation. Furthermore, under conditions of no coordination between the restaurant and the platform, we show, somewhat surprisingly, that more customers having access to a food delivery service may hurt the platform itself and the society, when the food delivery service is sufficiently convenient, and the delivery-worker pool is large enough. This is because the restaurant can become a delivery-only kitchen and raise its food price by focusing on food-delivery customers only, leaving little surplus for the platform. This implies that limiting the number of delivery workers can provide a simple yet effective means for the platform to improve its own profitability while benefiting social welfare. This paper was accepted by Charles Corbett, 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».