作者：成锦
图1 竞争与合作（图片来自于网络）
研究背景
在当前的电子商务环境下，小型企业面临着与数据丰富的大型科技公司竞争的巨大挑战。这些大公司因拥有海量消费者数据而能构建更优秀的预测模型，进而在预测消费者喜好和行为方面占据优势。本研究提出了一种新的数据共享策略——竞合（coopetition），即竞争对手之间在特定条件下共享数据，以对抗市场上的巨头。该研究旨在探讨电子商务领域内小企业之间进行竞合式数据共享的可行性和有效性，填补了现有文献中关于该研究方向的空白。
研究方法
本研究基于博弈论来建模不同的市场情境来分析数据共享对小型电商公司竞争力的影响。文章主要研究了两种情景：小型电商公司仅彼此竞争，以及小型电商公司在彼此竞争的同时还需对抗一个拥有更优越数据的“亚马逊”式竞争对手。研究利用信息分割模型（Information Partition Model）来表示公司间的数据共享，通过构建优化模型来寻求最佳的数据共享方案，即使在不完全信息的情况下也能最大化小型公司的预期利润。具体来说，研究主要围绕以下几个方面展开：
数据共享的动机分析：研究了在面对大型竞争对手时，小型电商公司之间为何需要共享数据，以及这种共享对它们各自的益处。
数据共享模型的构建：基于博弈论，构建了不同的数据共享模型，包括完全数据共享、选择性数据共享和无数据共享等情况。
数据共享策略的优化：通过分析模型，找到在特定市场环境下最优的数据共享策略，使得所有参与方都能在竞争中获得最大的利益。
小型电商公司之间的交互可以建模为以下贝叶斯博弈模型：
其中，
研究结果
图2 最优共享方案设计
数据共享方案的设计是本文研究内容的重点，本文设计的方案满足激励兼容性、个人理性和利润最大化等性质，如图2所示。研究结果表明，在特定市场条件下，基于简单阈值的数据共享方案可以显著提高小型企业的预测准确性，同时不损害它们的竞争优势。在企业之间仅存在竞争的市场中，完全数据共享被认为是最优的，使它们能够最大限度地提升预测模型。相反，当这些公司也面临来自亚马逊等公司的竞争时，选择性数据共享成为更优策略，其中这些公司偏向于交换他们预测能力较差的消费者数据。这种数据共享方法使小型企业能够通过改善对特定消费者的预测来策略性地加强他们的市场位置，而不是普遍提升对所有消费者的预测能力。此外，在面对更激烈的外部竞争时，企业可能会选择共享更多数据。
参考文献
[1] Gradwohl R, Tennenholtz M. Coopetition against an amazon[J]. Journal of Artificial Intelligence Research, 2023, 76: 1077-1116.
写在最后
我们的文章可以转载了呢~欢迎转载与转发呦
想了解更多前沿科技与资讯？
点击上方入口关注我们！
欢迎点击右上方分享到朋友圈
香港中文大学（深圳）
网络通信与经济实验室
微信号 : ncel_cuhk
