文章导读
你以为平台定价靠的是市场经验和竞争对手分析？错了。交大安泰的最新研究告诉你，真正高效的动态定价策略，其实简单到只取决于一个变量——距离订单截止的剩余时间。这意味着，你花大价钱搭建的复杂算法模型，可能从一开始就走偏了方向。那些每天因为定价失误流失的订单和利润，其实本可以挽回。这篇发表在管理学顶刊上的论文，给出了一个被隐藏的关键信息，直接颠覆你对“动态定价”的认知。你敢说自己从来没在这上面亏过钱吗？
— 内容由好学术AI分析文章内容生成，仅供参考。
交大安泰管理科学系曹宇峰副教授与合作者于2026年4月在管理学顶级期刊Management Science上发表学术论文“Dynamic Pricing for Two-Sided Marketplaces with Offer Expiration”，MANAGEMENT SCIENCE，2026, 72(4): 3081-3100。
【论文题目】
双边服务平台如何为订单动态定价
【论文摘要】
本文研究一个双边服务市场，其中市场运营商从供应商购买服务并向客户销售服务。运营商动态地决定客户和供应商两边的价格。服务以称为“任务”的离散单位进行交易，每个任务由其类型、截止接单时间、客户价格和供应商价格来表征。客户提交任务给市场运营商以发布，服务供应商查看可接单的任务清单，并根据自身偏好进行选择。
本文考虑了市场运营商动态定价问题的无限期平均奖励马尔可夫决策过程模型。该模型包含市场两边的到达过程以及客户和供应商的选择行为。由于在市场规模较大时直接求解该模型不可行（维度灾难），本文研究了该问题的离散时间流体近似。该近似给出了一种简单的定价策略：每个任务的价格轨迹仅取决于距离接单截止时间的剩余时间，而与市场中其他可用任务无关。本文证明该策略具有渐近最优性，其长期平均奖励的损失比为O（1/θ），其中θ表示需求和供给的规模。本文将固定价格轨迹策略的性能与其他启发式方法（包括恒定定价策略和状态依赖定价策略）进行了比较，还将模型扩展到了连续时间和有限运营期限的情景。
【作者介绍】
曹宇峰，上海交通大学安泰经济与管理学院副教授。
研究领域：优化建模与算法设计、决策分析、统计学习，以及它们在供应链与收益管理、多边平台机制设计、运营-人工智能交叉等领域的应用。
作者： 学科建设与科研办公室 供稿单位： 安泰经济与管理学院
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
之前在平台做过定价策略，确实要考虑很多因素，头疼
这种定价策略在真实平台里能用上吗？
看不懂，但感觉挺厉害的