Welcome back to school！

连雨不知春去向，一晴方觉夏已深。绵延未歇的疫情让我们错过了春天的邂逅，夏日的重逢，所幸我们还有秋的相聚。

7月10日-9月4日，由北京大学成人直播 管理科学与信息系统系主办，历时近两个月的管理科学暑期线上系列学术论坛（Management Science Summer Webinar Series）圆满拉下帷幕。九所海外顶级高校商学院专注于OM，IS，AI等多领域的知名专家学者受邀就各自的研究领域最新成果进行分享交流，通过网络为高校师生与管理科学研究学者们带来了一场场精彩而富有启发性的学术Webinar。

本次线上系列论坛共计九期，总报名人数达1325人，单场报名最高351人，平均每场147人在线，参与师生好评如潮，纷纷表示获益良多。

新学期伊始，让我们聆听盛夏最后的蝉声，做穿梭于时间的捕声之人，回顾这两个月来线上论坛的精彩瞬间。

No.1

“Courteous or Crude：Shaping Customer Behavior in On-Demand Service Platforms”。

胡斌 德克萨斯大学达拉斯分校Naveen Jindal管理学院

在链接客户需求与服务提供者的按需服务平台上，客户行为与服务提供商态度之间的博弈成为平台服务能否吸引用户的重要影响之一。在首期论坛中，胡斌教授的分享主要聚焦于打车与外卖两大类按需服务平台，研究用户在平台上的行为和服务提供商对用户行为在意与否的交互作用，及最终平台发展路径的变化。其中演化博弈论的使用是该研究非常重要的一项突破。

胡斌教授首先以打车软件为例，通过对模型背景的描述及顾客行为和服务提供商态度的定义，提出了三个重要研究问题：第一，乘客行为和司机态度如何演化？第二，乘客行为和司机态度如何影响平台的发展？第三，平台能否利用策略来改变用户行为，进而提高平台收益？通过对模型进一步展开，胡斌教授重点分析了用户-行为模型的构造与演化博弈论的应用。基于乘客和司机的收益函数，胡教授提出了随机匹配方法（Random matching），指出演化博弈下存在渐近稳定解（ASE）；进而引入优先匹配方法（Priority matching），即平台随机将一部分容忍的司机也当作挑剔的司机进行匹配，结果发现优先匹配策略只要足够强，能够改变乘客行为。进而胡斌教授通过引入外卖平台上用户的活跃程度向大家介绍了平台的演化过程，并提出优先配对策略能够帮助平台走出困境。

No.2

“Discrete Choice Models and Using Random Forests to Model and Estimate Consumer Choices”

陈宁远 多伦多大学

以往的盈收管理的研究更多地依赖于价格函数，且大多都是先建模后估计，因此存在着为了便于估计参数选择简单模型，造成刻画的消费者选择行为局限的问题，但为较好地刻画用户选择行为选择负责模型，又会发生参数估计的困难。而单纯地使用机器学习也存在较难优化，难以解释和提供管理性建议，以及难以包含新模式等问题。

鉴于此，陈宁远教授在分享中结合了建模与机器学习的优点，将消费者选择转化为分类问题，应用二元选择森林对离散选择进行建模与预测，以捕获与处理随机数据来衡量行为特征，既能较好刻画用户选择行为又便于估计。研究发现离散选择模型和基于二元选择树的随机森林的等价性。结果表明基于随机森林的标准机器学习技术，可用于估计具有可解释输出的离散选择模型。对比表明，随机森林可以一致地预测任何离散选择模型的选择概率，其分离准则能够恢复偏好排序列表。该框架具有可以捕获非理性或顺序搜索等行为模式；可以处理合成产生的、非标准格式的训练数据；在数据量大时表现更优；运算时间几乎不随着数据增大而增加；既可以在训练集中具有较少的测试集数据时进行良好估计；又可以根据随机客户在已有产品中做出决策的频率来衡量产品的重要性；还可以合并价格信息和客户功能等独特优势。

No.3

How Users Drive Platform Value: Platform Investments that Matter

Marshall W. Van Alstyne，Zhou Zhou 波士顿大学

疫情以来，传统的能源和金融公司普遍面临损失，而平台与技术型企业却获得了利润。Van Alstyne教授首先介绍了其撰写的《平台革命》一书，并提出了本次研究的问题：什么样的平台投资才是好的投资，营销，折扣，网络效应还是体系结构？

周舟博士进而对该研究进行了具体的描述。过去的研究认为用户一旦选择一个网络就不会转移，网络效应是自然且可持续的，在这种前提下，用户规模和网络效应似乎是一致的。但在现实中，用户却可以转移或者停止使用平台。该研究创新性地区分了用户基础的两种效应：当期网络效应与能够贡献用户粘性的跨期效应。其中期内网络效应只产生同期的用户吸引力，而跨期效应促进用户粘性和跨期吸引力。在跨期效应的识别上，传统的固定面板模型不再适用，因此采用因变量的差分作为工具变量。SGMM的结果表明，对于消费者端，跨期效应相对较弱，而当期的网络效应较强；对于商家端，消费者对商家的当期效应相对偏弱，商家本身的跨期效应较强。此外，不同平台的当期效应和跨期效应可能不同。受制于数据，本研究进一步在不同产品类别中进行分析。结果表明，不同类别产品当期效应和跨期效应的显著性和强度有所不同，对于Beauty & fitness & personal care而言用户之间的影响较强，而对于Home service and automobile效果并不显著。研究进一步利用模型参数，比较各种干预策略对平台价值的影响。在该研究情境下，用户增长策略，即购买用户群和打折并不合算，会降低平台价值；而平台设计策略，即增强跨期效应或阻止去中介化等能够产生粘性，会增加价值。这提醒管理者在网络效应不持久的情况下，不要过分强调用户获取，而应该首先关注平台设计。

No.4

“A Primal-Dual Approach to Constrained Markov Decision Process”

董婧哥 伦比亚大学商学院

求解CDMP以获得良好的运营策略时有两个关键挑战：一个是庞大的状态空间和策略空间；另一个是难以计算的转移核。董婧教授在分享时提出了一种基于抽样的primal-dual方法来求解CMDP，并从收敛速度的角度讨论该算法的表现。基于抽样的对偶方法来求解CMDP问题，该方法交替地应用正则化策略迭代来改进策略和梯度上升以保持约束。这种方法可以和多种值函数估计或近似方法结合，并可以证明该方法收敛速度更快。董婧教授通过库存管理和队列调度两个重要应用验证了该方法的有效性。

在库存管理问题中，由于有限的库存容量，每期订购的产品有数量约束，这种连接约束（linkage constrain）极大地增加了决策变量的状态空间。两种近似解的方法是Lagrangian relaxation（拉格朗日松弛）和approximate linear program relaxation（近似线性松弛），CMDP可以看作是拉格朗日松弛的一种特殊形式。通过将所有约束条件放松，所有约束的平均期望都小于等于零。这样，就把Weakly Coupled Markov Decision Process转化成了Constrained Markov Decision Process。通过数据模拟，放松约束的对偶方法得到的解（49.8）和精确解（48.3）相差不多，但是该方法花费的时间（363s）比得到精确解的时间（3252s）少了很多。在队列调度问题中，每个resource都有上限，形成链接约束条件。这种多个服务器池和多个客户类别，每个池包含多个服务器，除了线性保持成本，还会产生超支成本，因此无法得到最优策略。一般的解决方法是两个benchmark policy，modified hμrule和max-weight policy。在这里，同样放松约束条件，再使用对偶方法进行解决。模拟数据显示，本方法明显优于两个benchmark policy。

No.5

“FinTech-Enabled Business Operations”

杨颂 伦敦商学院

杨颂教授在第五期论坛中分析了三篇研究，从企业的保险、动态的贸易融资和平台运营等不同背景，揭示了企业如何通过金融科技提供的各种创新融资和治理解决方案，来提高运营效率和盈利能力。

研究一关注的是企业保险情景，在该情景下买家无法付款的风险是在供应链中常见的问题，面对该风险商业信用保险是常见的风险管理的方式。杨颂教授基于博弈模型进行了顺序博弈模型的创新，研究了信用保险在供应链管理中扮演的作用。接着杨教授比较了可取消合同和不可取消保险的优劣。随着金融科技推进，保险商可以使用其他数据降低保险监督买家的成本，不可取消的保险更具有吸引力。

研究二关注的是动态的贸易融资情景，银行会根据不同的流程阶段来动态的调整利率等信贷条目。该研究发现了当交易过程具有不确定性及信息壁垒时，动态的融资金融模型对高信誉或较长的交易过程、贷方的资本成本较高、偿还价值可以显著提升步骤的情况下更加具有价值。当信息延迟降低动态的贸易融资价值时，动态的贸易融资和金融科技具有互补作用；当贸易融资可以降低信息不确定性时，动态的贸易融资和金融科技具有替代作用。

研究三关注的是平台运营的情景，杨颂教授讨论了区块链在平台运营中的作用。区别于已有如滴滴、美团等传统平台是中心化的平台，该研究关注的平台是如Telegram等基于区块链的去中心化的平台，该类平台采用代币的方法来进行融资。平台代币去中心化可以驱动更强的承诺，需要更少的初始投资，该作用在服务提供商承担成本更高更有价值。代币的价值和平台体量成正比，对企业努力更不敏感。因此其在运营对企业努力更敏感的情况下更有价值，当现金转移受到控制时，代币可以发挥优势。

No.6

“Consumer Profiling with Data Requirements: Structure and Policy Implications”

吴佳华 伦敦帝国理工学院

信息技术的爆炸式增长为企业收集有关其消费者的数据提供了前所未有的方式，同时增强了销售商吸引消费者的能力。但另一方面，对于销售商收集和使用私人信息，消费者变得更加谨慎，往往不愿意过多地透露自己的私人信息。一些担心隐私的消费者甚至采取向第三方付费的方式保护私人数据。基于此，吴佳华教授在第六期论坛中分享了他与合作者研究的的模型：垄断者可以对消费者进行客户画像（获取消费者信息），以便在他们之间进行价格歧视；而消费者可以选择支付一定成本来保护自己的信息。该模型的新颖之处在于：销售商可以通过两个途径获取更精确的消费者信息：其一，可以让更多的消费者主动提供自己的信息；其二，通过花费更多的钱从第三方获取消费者数据。

结果发现，如果消费者更难以隐瞒他们的信息，消费者剩余和社会福利都开始减少；但是当隐瞒信息的成本变得足够大时，这种关系就会逆转。在实践中，消费者的隐瞒信息的成本可以解释为一种政策工具：更严格的隐私法将降低隐瞒信息的成本。因此，如果从促进社会福利的角度考虑，应该使数据保护非常容易或使其成本很高，这为许多国家/地区最近采用严格的隐私法规提供了理论依据。有趣的是，当政策制定者对数据隐私采取很少或根本不采取任何行动时，社会福利也可能很高，这是一些国家目前采取的政策。此外，吴教授和他的合作者发现，当政策制定者引入非常严格的隐私法使消费者可以轻易隐瞒其信息时，销售商用于信息获取的投资将无利可图。

吴教授和他的合作者进一步考虑基本模型的两个扩展。首先，他们考虑消费者的隐瞒信息的成本存在异质性。对应到现实情况中，有些销售商本身能够直接控制维持隐瞒信息的成本。而推导结果表明，这种做法有时可能会使销售商受益。有趣的是，结果表明当更大比例的消费者拥有较高的隐瞒信息的成本时，销售商的利润可能会下降。这是因为随着隐瞒信息的成本高的消费者比例的增加，隐瞒信息的市场规模也变得越来越小，从而导致隐瞒信息的消费者市场价格降低。因此，即使当更多的消费者发现隐瞒信息的成本很高而选择提供自己的信息，但来自隐瞒信息的消费者市场的利润减少，从而导致销售商的利润降低。

在基础模型里假设了消费者可以观察到销售商的投资水平，而在第二个模型扩展里研究了消费者无法观察到销售商的投资水平的情况。与可观察到企业投资水平的基本模型相比，研究表明在这两种情况下，销售商具有相同的预期利润。

No.7

“Supply Chain Finance Application and Innovation”

蔡港树 圣克拉拉大学

蔡港树教授在第七期的分享中提出了目前在供应链金融领域相关的研究设想，首先从供应链三大核心要素：物流、信息流、资金流的角度，概述了如今供应链管理领域的总体研究现状与未来研究趋势。通过分析供应链金融的研究主体中小企业在金融融资过程中的现状，以数据表明中小企业所发挥的经济作用与其融资情况存在严重不匹配的问题。为了满足供需匹配所进行的金融活动，供应链金融应运而生。蔡教授回顾了供应链金融的发展历程，进而系统地进而介绍了三种供应链金融业务模式：贸易授信(Trade Credit Financing (TCF))、买方融资(Buyer Financing)、第三方物流贷款。

在贸易授信模式中，下游零售商存在资金约束，上游企业先供货给下游零售商进行市场销售，市场销售完成后再延迟付款给上游企业。蔡教授在研究中以斯坦伯格博弈结构，分析了制造商作为先行动者、零售商作为后行动者的博弈均衡问题。研究表明，在上游制造企业生产成本较低时，通过贸易授信可以鼓励下游零售企业提高订货量，因此贸易授信会成为均衡情况；而当生产成本较高时，由于市场需求的不确定性增加了下游零售商的违约风险，会导致上游制造企业的潜在损失，因此银行融资成为了均衡情况。当企业资金紧缺时，银行融资与贸易授信具有互补关系；而当企业资金充足时，两者则具有替代效应。而在买方融资模式中，上游供应商存在资金约束，由下游买方提供融资。下游买方大企业延迟支付上游供应商货款，上游企业为尽早获得资金，向下游企业寻求未来货款的贴现。蔡教授在以往的研究中探讨了企业选择买方融资或者银行贷款的融资决策问题，研究表明，在企业的生产成本或资金成本较低时，企业更倾向于选择买方融资，而成本较高时，则倾向于选择银行贷款。最后在第三方物流贷款模式中，蔡教授以怡亚通为研究主体构建研究模型，分析了怡亚通为下游买方提供账期延迟支付，同时也向上游制造商压账期的情况。研究揭示出一点看似违反直觉的观点，即下游企业拖欠的账期足够长时，是有利于提升总体供应链效率的。蔡教授在此解释，当账期具有一定长度时，下游企业的现金流增多，因此会增加订货量，从而实现供应链的帕累托改进。

No.8

Tax-Induced Inequalities in the Sharing Economy

崔耀 康奈尔大学

共享经济市场的增长引起了人们对其社会经济影响和缺乏监管的讨论。美国大多数主要城市已开始对共享经济平台Airbnb预订收取“住宿税”。在第八期分享中，崔耀教授使用广义因果森林方法和双重差分法，调查了住宿税政策对Airbnb订单的影响。此外，鉴于在Airbnb平台的住宿订单类型众多，研究进一步估算了税收的异质性处理效果。研究发现，税收大幅减少了订单收入，但Airbnb房东不愿通过降低订单价格做出相应对策。第二个结果发现，相对于具有单个共享空间的户主（目标订单），税收政策更有利于具有多个或整个空间的户主（非目标订单）。进一步证明，这种异质性的处理效果是由消费者对户主的税收规避差异引起的。从实证结果发现，规定户主应根据住宿税进行最佳定价，确定差异性税率，以使该税在目标和非目标订单上的影响均等。

No.9

“Faster Deliveries and Smarter Order Assignments for an On-Demand Meal Delivery Platform”

Christopher Tang 美国加州大学洛杉矶分校（UCLA）

在线平台这一商业模式获取成功的关键因素在于高价值与低成本，不仅创造了很高的商业价值，带来了大量就业岗位，同时也是一个新的研究话题。在研究中，Tang教授团队仅考虑on-demand情形（即订即送）下的订单派送，在最后一期的论坛中分享了三个研究问题：第一，顾客订餐经验（实际到餐时间早于/晚于预计到餐时间）的不同如何影响未来订单；第二，有哪些因素影响了配送绩效；第三，为最大化未来订单量，平台可采取什么样的订单分派策略。

对第一个研究问题，Tang教授团队使用了生存分析方法（Survival Analysis, SA）中的Aalen additive hazard model进行分析。基本结论为：第一，时间差越大（即实际派送时间大于预计配送时间），未来订单概率越低；第二，预计派送时间越长，未来订单概率越低；第三，在相同时间差情况下，预计派送时间越短，未来订单概率越低。

对第二个研究问题，考虑到可能的内生性问题，研究使用了配送员经验及其本地知识两个变量，共同作为时间差的工具变量，利用两阶段模型再次进行了估计。基本结论为：第一，通过第一阶段回归结果发现，配送员经验及其本地知识会影响配送绩效；第二，利用工具变量进行估计的结果与不使用工具变量的研究结论一致。此后，利用分样本数据、其他地区数据进行了稳健性检验，都得到了与此前一致的结论。

对第三个研究问题，为最大化未来订单量平台可采取什么样的订单分派策略，Tang教授团队进行了模拟分析，区分了两类情景：不使用或使用配送员的个人信息（配送员经验），及三类策略：最小化总配送时间、最小化总延迟时间、最大化未来订单。模拟结果表明，使用配送员个人经验、在最大化未来订单目标下进行订单分派更有利于平台未来发展。

基于以上研究，Tang教授提出了一些未来可供研究的方向，例如平台如何为配送员提供激励、平台如何进行协调商家及配送员以优化配送流程、顾客订餐时间策略选择、三方市场未来会如何演化等。