B&S2Vec:基于消费者购买轨迹的双边平台市场结构映射方法
《INTERNATIONAL JOURNAL OF INFORMATION MANAGEMENT》:B&S2Vec: Mapping market structure in two-sided platform based on consumers’ purchase trajectories
【字体:
大
中
小
】
时间:2025年12月31日
来源:INTERNATIONAL JOURNAL OF INFORMATION MANAGEMENT 31.0
编辑推荐:
彭武|魏善森|程贤|刘润石 中国四川省成都市四川大学商学院,邮编610064 摘要 平台企业必须明确自身的市场结构,才能制定有效的增长策略。本研究提出了一种名为B&S2Vec的方法,该方法利用网络表示学习技术,从双边平台上的数千家卖家中,根据买家的购买轨迹自动提取出买家和卖家的潜
彭武|魏善森|程贤|刘润石 中国四川省成都市四川大学商学院,邮编610064 摘要 平台企业必须明确自身的市场结构,才能制定有效的增长策略。本研究提出了一种名为B&S2Vec的方法,该方法利用网络表示学习技术,从双边平台上的数千家卖家中,根据买家的购买轨迹自动提取出买家和卖家的潜在属性。首先,我们通过购买轨迹构建大规模的买卖双方二分网络;然后,利用B&S2Vec将该网络压缩到低维表示空间,从而从中挖掘复杂的模式;接着,我们使用t-SNE将学到的表示向量降维,得到对应的二维可视化地图,以此呈现市场结构。理论和模拟研究表明,B&S2Vec能够有效识别市场结构。此外,我们在一个真实的平台上展示了该方法在预算受限的情况下优化营销活动的效率。本研究为双边平台营销和市场结构分析领域的研究进展做出了贡献。引言 随着数字信息通信技术改变经济格局,越来越多的平台企业作为中介,连接着双边用户(即供应商和客户)。例如电商平台淘宝(买家和卖家),以及打车平台Uber(司机和乘客)。平台的生存和发展往往取决于其利用网络效应的能力,拥有更多供应商的平台能吸引更多客户,反之亦然。平台企业的价值随用户规模的扩大而提升。因此,平台企业必须运用营销策略来留住用户并扩大规模。市场结构分析长期以来一直是营销研究和实践的基石,在基于平台的企业中这一作用更为重要。双边市场本质上涉及两个相互依赖的用户群体,他们的互动和跨群体网络效应会形成复杂的市场动态,从而决定平台的战略方向。首先,准确识别市场结构有助于平台设计更有效的定价策略。例如,通过识别同一结构细分市场中的用户群体,平台可以更好地找出能为目标用户群体带来更强网络效应的商家。这样,平台就能实施更有针对性和差异化的定价策略,比如选择性地补贴那些能产生较大影响的卖家,以此强化网络效应并优化收益。其次,了解市场结构有助于平台更精准地分配营销预算,比如按地理区域、用户群体或行业领域分配,从而提高资源利用效率。在处于发展初期的市场,平台可优先投资于用户获取和培训,而在较为成熟的市场,则可侧重于用户留存和价值提升。这种差异化的资源分配策略能在预算有限的情况下获得更高的边际回报。最后,了解市场结构还有助于制定竞争策略。通过分析自身在不同市场中的用户基础和网络优势,平台可以制定更有针对性的策略,无论是通过差异化还是选择性合作,来增强市场地位并提升整体市场份额。基于此,我们在本文中提出了B&S2Vec-Map框架,它能够帮助平台企业有效识别市场结构。B&S2Vec结合了两项最新技术:Node2Vec网络表示学习模型和Barnes-Hut t-SNE降维算法。首先,我们利用消费者和商家的历史交易数据构建更全面的交易网络。接着,用Node2Vec模型为平台上的所有买家和卖家提取潜在属性。之后,再对Node2Vec模型的输出结果应用t-SNE,生成完整的商品分类二维地图。这张地图基于从平台交易网络中学习到的节点潜在属性,便于从平台角度深入分析市场结构。为说明学习网络的表示方式以及市场结构的可视化效果,我们在研究中给出了一个示例。假设某个平台上有5个买家节点和3个卖家节点。我们的网络表示学习方法旨在找到一种函数,将每个节点映射到低维向量中,同时尽可能保留网络的结构信息。最后,我们对二维t-SNE表示进行训练,使其形成更清晰的集群,从而简化商品地图的解读。由于B1、B2、B3与S1、S2之间有频繁的交易,我们预计它们在二维空间中的向量表示会彼此接近,容易聚集在一起。同样,B4、B5与S3的向量也更为接近,因此它们更容易被归为另一个集群。为进一步阐述该框架的优势,我们总结了B&S2Vec-Map的四个主要优点。首先,该框架的数据获取便捷。交易记录是一种低成本、高质量且易于获取的数据来源,可直接从现有的平台交易系统中获取,这减少了预处理的需求,也无需额外收集数据。其次,B&S2Vec-Map具有很高的可扩展性。它基于图表示学习和机器学习技术,能够随着数据量的增加而高效扩展,因此适用于不同平台环境中的大型复杂交易网络。第三,该框架具有很强的可解释性。生成的商品地图上,各个集群划分清晰,便于更直观地展示市场结构,方便从业者和研究人员进行分析。第四,B&S2Vec-Map减少了对先验假设的依赖。它不需要预先定义商品属性或手动进行特征工程,从而降低了在识别市场结构时出现偏差或遗漏与消费者相关信息的风险。本研究的主要贡献如下:1. Node2Vec在营销研究中的创新应用。如表1所示,Node2Vec已成功应用于多个领域,包括生物信息学(如基因/蛋白质功能预测)、金融风险管理(如欺诈检测)、社交网络分析(如社区检测)、学术网络挖掘(如合作与影响力建模)、知识图谱补全(如实体关系预测)、交通建模(如轨迹预测)以及网络安全领域。但据我们所知,此前尚无研究将这项技术应用于营销相关问题。本文首次将Node2Vec与t-SNE算法结合用于营销领域,具体而言,就是利用交易网络数据揭示平台的市场结构。除了创新性之外,采用Node2Vec还具有多项方法学优势,使其特别适合营销研究。首先,它所需的计算资源相对较少,对原始数据格式的要求也很低,因此能够在数据类型多样的大规模营销环境中实际应用。其次,它依赖于大多数数字平台上都能获得的交易级网络数据,无需敏感或专有的消费者信息,这就保证了方法的可行性。第三,Node2Vec具有很强的可扩展性,既可以在不同的市场环境中应用,又能充分保护用户隐私,因为它仅基于网络结构而非个人层面的信息。综上所述,Node2Vec不仅为营销研究带来了新的成果,也是一种强大且实用的工具,可用于分析当代数字平台中的双边市场结构。2. 一种用于绘制双边市场结构的新探索性框架。如表2所示,现有关于市场结构绘制的文献主要聚焦于单边市场场景,这类可视化通常围绕单一类型的实体展开,如品牌或产品。这一局限性使得这些方法难以捕捉双边平台所特有的供需双方之间的互动动态。相比之下,我们提出的方法基于观察到的交易行为,将消费者和商家共同嵌入到一个统一的潜在空间中,从而构建出更能反映双边市场底层结构的消费者-商家网络地图。据我们所知,这是首个无需预先定义市场类别、且具有数据驱动性和可解释性的双边市场结构可视化方法。相关文献 与我们研究相关的文献主要涉及两个主题:平台经济以及营销和市场结构图。方法论 支付宝、淘宝、Uber等平台可以被视为由个体买家(消费者)和卖家(如商店)组成的网络。通过这些平台,卖家可以利用互联网向消费者提供产品或服务。在本研究中,我们将卖家和消费者之间的交易动态抽象为一种客观关联。为了揭示该网络中卖家、买家之间,以及卖家或买家彼此之间的内在关系,Node2Vec将网络中的特征学习问题转化为最大似然优化问题。给定一个网络G=(V,E),其中V代表节点集,E代表边集,该算法适用于任何有向或无向、加权或非加权的网络。设f:V→Rd为算法试图学习的映射函数,它将节点映射为特征表示,以便用于后续的预测任务。这里的d是一个参数,用于指定特征的维度。仿真设置及预期的B&S2V-MAP结果 在实证环境中验证用于识别平台企业市场结构的新方法存在一定挑战,因为真实的市场结构往往是不为人知的。实际上,研究工作通常仅限于评估模型和所提方法的表面效果。在验证B&C2Vec-MAP时,我们利用了这样一个事实:我们的方法完全依赖于平台上买家和卖家的交易记录。已有研究者开发了各种模型来研究不同类别的问题。应用背景 作为中国广泛使用的移动支付平台,A平台拥有两大客户群体:消费者和商家,具备典型的双边市场特征。在日益激烈的市场竞争环境下,该平台经常通过补贴来扩大市场规模、提升利润并维持平台的供需平衡。A平台可以通过多种数据驱动的补贴策略来促进交易、激发网络外部性并扩大市场规模。讨论 本研究提出了B&S2Vec-MAP这一创新性的探索性框架,它利用交易数据揭示双边平台市场中的潜在结构。该模型借助了图表示学习和机器学习领域的最新进展,尤其是Node2Vec算法和t-SNE技术。首先,我们构建了一个由消费者和商家节点构成的交易网络,然后将该网络输入Node2Vec模型,以此学习能够反映潜在市场结构的节点嵌入向量。CRediT作者贡献声明 刘润石:资源获取、调研、数据整理。魏善森:写作——审稿与编辑、写作——初稿撰写、可视化、验证、监督、软件使用、资源获取、调研、形式分析、数据整理、概念构思。程贤:方法论、调研、形式分析、数据整理、概念构思。彭武:写作——初稿撰写、可视化、验证、监督、软件使用、资源获取、项目管理、资金筹集。利益冲突声明 所有作者均声明,我们不存在任何可能影响本文研究成果的已知财务利益或个人关系。我们确认,本手稿是我们原创的作品,尚未在其他地方发表或提交发表。致谢 本研究得到了中国计算机学会反算法滥用研究基金的支持。我们衷心感谢他们的慷慨资助,他们为这项研究的顺利完成提供了宝贵的资源和支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号