Disrupting Bipartite Trading Networks: Matching for Revenue Maximization

我们模拟了一个在线平台打破一个只有单位需求买家和单位供应卖家的市场的角色。每个卖家可以与她已经认识的一部分买家交易，也可以与平台介绍的任何其他买家交易。在这些贸易的限制下，价格和交易由竞争均衡引导。平台的收入与平台介绍的买家和卖家之间的所有交易的总价格成正比。 一般来说，我们表明平台的收入最大化问题是计算上棘手的。我们提供了收入最优匹配的结构性结果，并分离了一些特殊情况，在这些情况下，平台可以有效地计算它们。此外，在一个市场中，平台可以创造的最大社会福利增加量为$\Delta W$，我们证明了平台可以达到$\Omega(\Delta W/\log(\min\{n,m\}))$的收入，其中$n$和$m$分别是买家和卖家的数量。当$\Delta W$与没有平台的福利相比较大时，这给出了一个多项式时间算法，保证了最优福利的对数逼近作为收入。我们还表明，即使平台优化收入，社会福利也至少是最优福利的$O(\log(\min\{n,m\}))$逼近。最后，我们证明了同质商品市场的收入和社会福利的显著强界。

本论文旨在解决在线平台通过引入新买家和卖家来干扰市场的问题，其中每个卖家可以与她已知的一部分买家以及平台介绍的任何其他买家进行交易。论文试图解决平台如何最大化收益的问题，并证明了该问题的计算复杂度。

论文提供了收入最优匹配的结构结果，并确定了一些特殊情况，在这些情况下，平台可以高效地计算匹配。此外，当市场的最大社会福利增加量为ΔW时，平台可以获得收入Ω（ΔW/ log（min {n，m}）），其中n和m分别是买家和卖家的数量。当ΔW相对于没有平台的福利很大时，这给出了一个多项式时间算法，可以保证最优福利的对数近似值作为收入。论文还证明，即使平台优化收入，社会福利也至少是最优福利的O（log（min {n，m}））近似值。最后，论文还证明了在同质商品市场中收入和社会福利的显着强界限。

论文提供了解决在线平台干扰市场的问题的新思路和结论，这对于电子商务领域具有重要意义。在特定情况下，论文提出的算法可以高效地计算匹配。论文还提出了一种多项式时间算法，可以保证最优福利的对数近似值作为收入。此外，论文还证明了平台优化收入时，社会福利至少是最优福利的O（log（min {n，m}））近似值。

最近在这个领域中的相关研究包括《Online Matching and Ad Allocation》、《Revenue Optimization against Strategic Buyers》等。