Managing Channel Profits with Positive Demand Externalities
Notice bibliographique
Résumé
Demand externalities arise when past sales stimulate future demand. They pervade many consumer markets. To penetrate such markets, how should manufacturers contract with retailers? We formulate the problem as a dynamic game, wherein the retailer can privately observe and control evolving market conditions, and consumers can act either myopically or strategically. Our contribution is threefold. (i) We characterize the optimal contract: It resolves a dynamic tradeoff between exploiting demand externalities, screening new information, and optimizing channel efficiency; moreover, it has a simple implementation of quantity discount. (ii) We characterize the dual role of demand externalities. Although demand externalities can improve channel surplus by expanding market size, they can also exacerbate information friction by enhancing the retailer’s ability to manipulate the market. Ignoring the dark side of the agency cost, previous studies may have overestimated the benefit of demand externalities. (iii) We provide new practical guidance. We show private information per se need not hurt channel efficiency: The manufacturer can use recursive advance selling to extract new information for free. Our results also shed light on when and why manufacturers should moderate demand externalities and prefer long-term contracts. By highlighting the dual role of demand externalities in long-run channel performance, this study sharpens our understanding of channel theory and practice. This paper was accepted by Dmitri Kuksov, marketing. Funding: L. Gao was partly supported by Academic Senate COR Grants of UCR. Supplemental Material: The online appendices are available at https://doi.org/10.1287/mnsc.2021.00008 .
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 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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».