黄色直播app
经济学研究所王勇教授（通讯作者）与中国地质大学经管学院张玮艺老师（第一作者）合作的论文《The Impact of Different Recommendation Algorithms on Consumer Search Behavior and Merchants Competition》已被《International Review of Economics & Finance》接收，将于2025年3月正式发表。
该论文研究的主题是平台不同的推荐算法对消费者搜寻行为和商户之间竞争所产生的影响。研究表明，当平台从中立算法，过渡到倾斜算法时，商家间的价格分散程度会逐渐增加，而价格竞争强度则呈现递减趋势。倾斜算法可能会增加消费者的搜寻次数或者提高消费者的搜寻成本，中立算法会降低消费者的搜寻成本。在商家交易效用差异较小时，中立算法能够同步提升平台利润、消费者剩余及社会福利；倾斜算法虽可增加消费者剩余，但会损害平台利润与社会福利。基于此，研究强调平台需在推荐系统中平衡中立与倾斜算法，促使商家将资源投入产品创新与服务改进，而非过度依赖价格战或付费推广。
针对平台推荐算法的优化路径，该论文提出三点建议：
首先，平台应优先开发基于消费者偏好的中立算法。当前一些平台主要关注消费者的正面反馈（如浏览时间、点击、购买历史），而忽视了负面反馈（如屏蔽产品、“不感兴趣”）。这种对正面和负面反馈处理的不平衡会导致消费者偏好预测不准确，削弱中立算法在减少价格竞争方面的优势。平台可以通过“软处理”将用户的负面反馈纳入机器学习模型以降低不符合消费者偏好的商品排名，或者采用直接根据负面反馈屏蔽相关内容的“硬处理”。
其次，平台应在指导消费者搜寻时平衡中立算法和倾斜算法。作为追求利润的企业，平台应限制广告位置的数量，并设计符合Vickery机制的竞价机制，确保分配过程既公平又有效。
最后，在开发推荐算法时，平台应该维持全局探索和本地利用之间的平衡，以创造更好的搜寻环境。对于新用户，由于他们与平台的交互不足，平台难以预测其偏好并提供精准推荐，因此需要引入更积极的探索算法。在收集到足够的互动数据后，平台可以转向利用算法来捕捉用户的兴趣并实现精确的消费者-商品匹配。为了在不影响用户体验的前提下提高消费者剩余，平台可以考虑为粘性较高的用户提供更多的探索算法，例如基于强化学习的兴趣探索机制等。此外，平台还应注意全局探索与本地利用之间的平衡，避免形成信息茧房。
总而言之，该研究通过构建理论模型与数值模拟，揭示了推荐算法对在线市场的深层影响，为平台算法治理与监管部门政策制定提供了兼具学术价值与实践意义的参考框架。
