MétaCan
Menu
Retour à la cohorte
Enregistrement W4415273296 · doi:10.54254/2754-1169/2025.cau27876

Application of Prisoner's Dilemma Theory in Corporate Competition: A Critical Review of Meituan and Ele. me's Subsidy-Driven Price War

2025· article· W4415273296 sur OpenAlexaff
Peilin Zhang, Xiaochen Zhang

Notice bibliographique

RevueAdvances in Economics Management and Political Sciences · 2025
Typearticle
Langue
DomaineEconomics, Econometrics and Finance
ThématiqueMerger and Competition Analysis
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésDilemmaSubsidyProfit (economics)Context (archaeology)Competition (biology)Incentive

Résumé

récupéré en direct d'OpenAlex

This article examines the Prisoner’s Dilemma in the context of competition among Chinese food delivery platforms, with a focus on its underlying mechanisms, manifestations, and impacts. In 2025, Meituan and Ele.me engaged in an aggressive price war of subsidies for food delivery fees, which led to varying degrees of losses and pressure on merchants, food delivery riders, and the enterprises themselves. Merchants are forced to bear part of the subsidy costs, which has led to a significant reduction in their profit margins. At the same time, delivery riders are also forced to work overtime due to the sudden increase in the number of takeout orders, and their risks have also risen sharply. Even the platform itself has fallen into a distorted profit structure and excessive growth in marketing expenses. Based on the Prisoner's Dilemma theory, the analysis reveals that the core reasons for this phenomenon include: decision-making mistakes caused by cognitive biases, incorrect market judgments due to information asymmetry, and the lack of reasonable and effective regulatory constraints. This study effectively demonstrates the explanatory power of the Prisoner's Dilemma theory for real business competition, and at the same time provides a reference for understanding and analyzing the irrational competitive behavior of enterprises and constructing a regulatory framework to prevent vicious competition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0020,009
Communication savante0,0030,006
Science ouverte0,0020,001
Intégrité de la recherche0,0050,005
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 Opus0,019
Tête enseignante GPT0,272
Écart entre enseignants0,253 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Economics Management and Political SciencesMême sujetMerger and Competition AnalysisTravaux en français237 207