MétaCan
Menu
Retour à la cohorte
Enregistrement W4406387750 · doi:10.1016/j.ejor.2025.01.005

Flexibility-based price discrimination in a competitive context considering consumers’ socioeconomic status

2025· article· en· W4406387750 sur OpenAlexafffund
Jian Zhang, Emily Laidlaw, Raymond A. Patterson

Notice bibliographique

RevueEuropean Journal of Operational Research · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Market Behavior and Pricing
Établissements canadiensUniversity of Calgary
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésSocioeconomic statusFlexibility (engineering)Context (archaeology)Computer sciencePrice discriminationEconometricsEconomicsBusinessMicroeconomicsStatisticsMathematicsSociologyGeographyDemography

Résumé

récupéré en direct d'OpenAlex

This study examines the impact of flexibility-based price discrimination (FBPD) on the pricing and quality strategy of the adopting firm and its competitor, as well as the impact on the welfare of consumers. We assume that the inflexible consumers being targeted for price discrimination can be either high-income consumers or low-income consumers, and the high-income consumers are more sensitive to product quality. We show that depending on who the targeted inflexible consumers are, the impact of FBPD on all firms and consumers can be either negative or positive. If an FBPD is to exploit the inflexibility of low-income consumers, it will not only make the vulnerable group even more disadvantaged but also lower the firms’ incentive to produce high-quality products. On the contrary, if an FBPD is to exploit the inflexibility of high-income consumers, it will increase the firms’ incentive to produce high-quality products, and the targeted consumers will be compensated by having higher quality products. However, the firms might engage in excessive quality enhancement, leading to a situation where the competition between the firms falls into a prisoner’s dilemma. Our research results suggest that the application of FBPD could necessitate a comprehensive regulatory framework to ensure ethical implementation while safeguarding consumer welfare, particularly that of vulnerable groups.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,127
Score d'incertitude au seuil0,714

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,087
Tête enseignante GPT0,355
Écart entre enseignants0,268 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Operational ResearchMême sujetConsumer Market Behavior and PricingTravaux en français237 207