picture from Internet
解析文章首发于唧唧堂网站www.jijitang.com
解析作者 | 唧唧堂心理学研究小组：
Santa
；审校编辑 |
悠悠 糖糖
1. 从底部撇脂：
偷猎客户时逆向选择的实证证据
本文研究了竞争性客户猎取在具有异质性和私人已知服务成本的市场中的影响。
根据葡萄牙一家大型汽车保险公司的个人驾驶记录，作者们发现，偷猎客户的服务成本比同等的自有客户高出21%。
筛选所有可用的消费者特征和行为变量，除了转换行为外，只能缓解50%的逆向选择。
作者们开发并评估了一个基于动态客户流失模型的经验框架，使这种逆向选择合理化。
此评估意味着风险较高的客户有更多的搜索和转换动机，并且转换者群体的风险本身也是异质的。
作者们提出了一种新的消费者生命周期价值衡量指标，用于说明转换者的风险内生性。
作者们将此措施应用于研究保险精算定价和保险合同设计。
参考文献：Jeziorski, P., Krasnokutskaya, E., & Ceccarini, O. (2019). Skimming from the bottom: Empirical evidence of adverse selection when poaching customers. Marketing Science, 38(4), 543-566.
2. 口碑、观察接受和观看动画决策：
个人与社区网络的作用
作者们量化了他人采用和口碑（数量和价值）对消费者产品采用决策的影响。
作者们区分了口碑效应和从朋友（个人网络）处观察接纳的效果，以及口碑效应和观察到的从整个社区（社区网络）接纳的效果。
了解口碑的相对重要性，并观察每个网络级别的采用情况，为公司提供了有关信息提供和平台设计策略的重要指导。
作者们使用了来自一个在线动漫（日本卡通）平台的数据，该平台包含用户网络、动画采用、论坛帖子和动漫系列评级的个人级别数据。
研究结果表明，口碑（数量和价值）和从社区网络观察后的采纳对个人用户观看动漫的决定都有显著的积极影响。
此外，这一发现也适用于口碑和观察来自个人网络的接纳采用行为。
通过比较口碑效应的大小和观察到的两个网络层次的采用情况，作者们发现社区网络口碑的效价是此研究的社会学习力中最大的驱动力。
因此，本研究结果表明，口碑和观察到的采用提供了个人在他们的动漫观看决策中使用的独特的信息，社区网络是推动动漫接纳采用的主要信息来源。
参考文献：Ameri, M., Honka, E., & Xie, Y. (2019). Word of Mouth, Observed Adoptions, and Anime-Watching Decisions: The Role of the Personal vs. the Community Network. Marketing Science, 38(4), 567-583.
3. 在线广告学习
有关按点击付费广告的以往文献假设发布商了解广告客户的点击率（CTR）。
但是，当新广告客户首次加入发布商时，此信息不可用。
新广告客户的点击率只有在广告向足够多的消费者展示时才能被了解，也就是说，广告客户要赢得足够多的竞价。
由于发布商使用点击率来计算付款和分配，缺乏新广告商的信息会影响广告商的出价。
使用博弈论模型，作者们分析了广告商在学习环境中的策略、收益和发布商的收入。
结果表明，新广告客户在开始时总是出价较高（有时高于估值）。
现有广告客户的策略取决于其估值和点击率。
一个强大的现任客户增加了其阻止发布商了解新广告商点击率的出价，而弱势现任客户则降低其促进了解的出价。
有趣的是，发布商可能会因不了解新广告客户的点击率而受益，因为其无知可能会促使广告客户更积极地出价。
尽管如此，由于缺乏信息，发布商的收入有时会减少。
发布商可以通过降低底价，提供广告信用或提高新广告商的出价来减轻这种损失。
参考文献：W. Jason C., & Amin S. (2019). Learning in Online Advertising. Marketing Science, 38(4)
picture from Internet
4. 在每日优惠网站上搜索和学习
作者们使用2011年1月至3月期间Groupon新订阅者浏览历史记录的个别点击流数据，研究了消费者在日常交易网站（例如，Groupon促销）上的购买行为。
作者们在数据中观察到两种模式。
首先，特定消费者在电子邮件通讯中点击商家的概率随着时间的推移而下降，这似乎与消费者“疲劳”的概念一致-这也是大众媒体所关注的现象。
其次，消费者以点击为条件进行购买的概率随着时间的推移而增加，这似乎与“疲劳”概念相反。
为了协调这两个观察结果，作者们提出了一个模型，使这些模式合理化，然后利用它为企业提供洞察日常交易。
当消费者首次订阅每日交易网站时，他们不太可能完全了解该网站提供的交易质量。
每日简报仅提供有关当天特色优惠的价格和有限信息。
要了解有关质量的更多信息，消费者需要点击通过电子邮件发送的简报;这将他们带到交易网站，在那里他们投入时间和精力来了解交易的质量。
这样的信息搜索成本很高。
此外，消费者不知道他们未来可能收到的交易质量。
鉴于搜索成本和未来交易质量的不确定性，消费者更有可能在他们的订阅期内提前搜索（即点击简报）。
当他们了解Groupon交易质量的分布时，他们则需要较少的搜索，这使得点击次数随着时间的推移而下降。
随着学习积累，消费者更善于识别交易在Groupon交易质量分布中的位置，因此更有可能购买点击交易。
这导致购买的条件概率增加。
基于上述消费者行为特征，作者们建立了搜索与狄里克莱学习的动态模型。
作者们证明了该模型能够复制数据中的模式。
接下来，作者们要根据调查结果和政策模拟，估算模型的参数，并为每日交易网站的提供见解。
参考文献：Mantian (Mandy) H., Chu (Ivy) D., & Pradeep K. C. (2019). Search and Learning at a Daily Deals Website. Marketing Science, 38(4)
5. 领先优惠溢出效应
价格促销通常是在网站、邮件和通告上分组提供的，但对于接近的促销活动之间如何相互影响知之甚少。
在多品牌优惠券网站上进行的两次大规模实地试验（n=66184）中发现，当优先促销活动提供高价值交易时，消费者更有可能打印后续提供的优惠，这被称为“促销溢出”。
第一次实地试验中将三个主要报价的价值翻倍，使得后续优惠券打印量增加了18%，使用量增加了12%。
在第二次试验中，将优先优惠的价值翻一番，随后平台优惠打印增加了12%。
额外的分析和实验表明，较大的优先报价会增加消费者对后续报价的搜索，并且主要不是由评价判断的变化或主要报价与后续报价之间的互补性推动。
参考文献：Matthew MG., Jura L., Geoffrey F., & Kenneth C. W. (2019). Lead Offer Spillovers. Marketing Science, 38(4)
picture from Internet
6. 基于消费者总数据的偏好不确定下的产品线设计
本研究探讨了消费者在评估其内在偏好时，因知觉错误而产生的产品线设计问题。
如果感知错误是由公共变量驱动的，那么公司可以使用聚合消费者数据（例如联合研究或匿名使用数据）来推断错误并推断消费者偏好。
通过这种方式，作者们开发了必要的微观基础，以展示公司何时以及如何比消费者自己更好地理解消费者偏好，这种情况被称之为“卓越知识”。
但卓越知识是否会无利可图呢？
拥有卓越知识的公司应该如何设计其产品线？
消费者是否会收到更多相关产品或只是获得更多剩余产品？
数据收集能帮助消费者做出更好的选择吗？
本研究结果表明，消费者的理性怀疑可能会阻止公司利用其卓越知识。
此外，信号负担可能迫使公司为其产品提供有效的质量。
因此，允许该公司收集总的消费者数据可能会得到严格的帕累托改进。
参考文献：Xu, Z., & Dukes, A. (2019). Product Line Design Under Preference Uncertainty Using Aggregate Consumer Data. Marketing Science, 38(4), 669-689.
7. 对产品竞争和可分离需求的推断
本文提出了一种使用商店级销售数据识别在需求和价格变化响应上表现出相似模式的产品组的方法。
作者们以经济可分离性概念为基础，建立了产品之间的相似性，建立了总需求的弱可分离性模型。
可分离需求模型的一个共同问题是，将产品划分为可分离的组必须事先知道，这严重缩小了可接受的替代模式的集合。
作者们开发了一种方法，允许分区成为一个估计模型参数。
特别是，作者们指定了一个对数线性需求系统，其中弱可分离性对交叉价格弹性参数子集产生相等限制。
此方法的一个优点是能够找到可分离产品组，而不仅仅是测试给定的组是否可分离。
此方法应用于两个聚合存储级别的数据集。
作者们发现，需求的可分离结构可能与类别标签不一致，这对最优类别营销策略有一定的影响。
参考文献：Smith, A. N., Rossi, P. E., & Allenby, G. M. (2019). Inference for Product Competition and Separable Demand. Marketing Science, 38(4), 690-710.
picture from Internet
8. 使用有条件限制的Boltzmann机器模拟复杂的消费者购物模式
市场营销人员已经认识到，消费者（或家庭）在某一特定产品类别中的购买概率可能会受到同一类别中过去购买的产品以及其他相关类别中购买产品的影响。
以往对跨类别效应的研究主要集中在有限数量的产品类别上，并且在分析中经常忽略跨时期效应。
这些研究通常使用多变量Logit或Probit模型，这些模型在分析包含大量类别和时间段的消费者购买记录的巨大数据集的能力上受到限制。
如此庞大的消费者购物数据集的可用性以及分析跨类别和随时间变化的复杂关系（例如，个性化促销）的价值表明需要计算高效的建模和估计方法。
