Google กำหนดราคาสินค้าใน Google Play อย่างไร

ฉันเป็นนักวิจัยวิทยาศาสตร์คอมพิวเตอร์ที่มีประสบการณ์ทำงานในจุดตัดของเศรษฐศาสตร์และการคำนวณ โปรดยกโทษให้ฉันหากคำถามนี้ดูเหมือนว่าไม่เหมาะสมสำหรับผู้ดูแลระบบ

ขณะนี้ฉันกำลังศึกษารูปแบบการกำหนดราคาที่แตกต่างกันและศึกษาวิธี "ที่เหมาะสม" หรือราคาเพื่อขายสินค้า ฉันสังเกตเห็นว่าบน Google Play มีภาพยนตร์ที่สามารถเช่าหรือซื้อได้ นอกจากนี้สำหรับภาพยนตร์ที่มีชื่อเสียงที่คล้ายกันฉันสังเกตเห็นว่ามักจะมีความแตกต่างอย่างมากในราคาของพวกเขา (ประมาณ 10 ยูโร) ตามอัตภาพหนึ่งดูที่การกระจายการประเมินค่าสำหรับรายการ อย่างไรก็ตามนั่นจะไม่อธิบายความแตกต่างในค่าใช้จ่ายนี้ อาจมีปัญหาในการซื้อลิขสิทธิ์ด้วย อย่างไรก็ตามโดยทั่วไป บริษัท เช่น Google กำหนดราคารายการดิจิทัลเหล่านี้อย่างไร พวกเขาอัปเดตราคาเหล่านี้เป็นประจำตามข้อมูลการขายหรือไม่ มีงานก่อนหน้าเกี่ยวกับวิธีการอย่างใดอย่างหนึ่งสามารถไปเกี่ยวกับการทำเช่นนี้?

ฉันแค่มองหาเส้นทางดังนั้นความช่วยเหลือใด ๆ ที่ชื่นชมอย่างมาก

คำตอบง่ายๆคือพวกเขาประมาณเส้นโค้งอุปสงค์สำหรับแต่ละผลิตภัณฑ์และใช้โครงสร้างต้นทุนและลักษณะตลาด (โครงสร้างการแข่งขันและอื่น ๆ ) กำหนดราคาเพื่อเพิ่มผลกำไรสูงสุด นี่เป็นมาตรฐานสำหรับ บริษัท ใด ๆ ก็ตาม

โดยเฉพาะ Google และ บริษัท ใหญ่ ๆ เหล่านี้โดยทั่วไป (Amazon, Microsoft, ฯลฯ ) เส้นโค้งความต้องการประมาณว่าค่อนข้างแตกต่างจากนักเศรษฐศาสตร์ทั่วไปที่อาจทำ สำหรับการประเมินความต้องการตามปกตินักวิจัยจะต้องใช้ประโยชน์จากนิสัยแปลก ๆ ของตลาดเพื่อระบุความต้องการ ตัวอย่างเช่นการใช้ Supply shifters กับ 2SLS สำหรับการประมาณความต้องการขั้นพื้นฐาน BLP สำหรับการเลือกแบบไม่ต่อเนื่องกับผลิตภัณฑ์ที่แตกต่างกัน ฯลฯ การระบุเป็นปัญหาใหญ่สำหรับการประมาณอุปสงค์เนื่องจากนักวิจัยมักสังเกตสมดุล (p, q) เส้นโค้ง เรามักถูก จำกัด ด้วยจำนวนข้อมูลที่มีอยู่อย่าง จำกัด

สำหรับ บริษัท ขนาดใหญ่อย่าง Google อย่างไรก็ตามพวกเขา 1) มีความสามารถในการออกกฎหมายรบกวนราคาเพื่อดูว่าการเปลี่ยนแปลงของยอดขายและ 2) มีการเข้าถึงข้อมูลเป็นตันและตัน ใช้ 1) พวกเขาใช้การทดลองเล็กน้อยเพื่อดูว่าพฤติกรรมของผู้บริโภคเปลี่ยนไปอย่างไร จากนั้นพวกเขาสามารถใช้ผลลัพธ์เพื่อติดตามเส้นโค้งอุปสงค์ ในการทดลองเหล่านี้ บริษัท สามารถคำนึงถึงสิ่งต่าง ๆ เช่นความนิยมภาพยนตร์ประเภทและอื่น ๆ ได้อย่างง่ายดายเมื่อเทียบกับ 2) Pat Bajari หัวหน้านักเศรษฐศาสตร์ของ Amazon และหนึ่งในชื่อที่ใหญ่ที่สุดในปัจจุบันเชิงประจักษ์ IO มี (ณ จุดนี้ ) กระดาษทำงานด้วย Nekipelov, Ryan, และ Yang เกี่ยวกับวิธีการใช้การเรียนรู้ของเครื่องเพื่อประเมินความต้องการส่วนโค้งของผลิตภัณฑ์ที่มีจำนวนตัวอย่างจำนวนมากที่มีลักษณะเฉพาะ (คิดว่าเป็นพันลักษณะของผลิตภัณฑ์) ในฐานะที่เป็น "นักวิจัยด้านวิทยาศาสตร์คอมพิวเตอร์ที่มีประสบการณ์" คุณอาจเข้ามาเกี่ยวข้องกับเรื่องนี้ วิธีนี้มีความเกี่ยวข้องอย่างยิ่งกับผู้คน / บริษัท ที่สามารถเข้าถึงข้อมูลจำนวนมาก (เช่น Google, Amazon, ฯลฯ )