Two-Sided Prioritized Ranking: A Coherency-Preserving Design for Marketplace Experiments
双侧优先排序：保持平台一致性的市场实验设计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究商品间干扰条件下的随机实验设计与总体平均处理效应估计。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
双侧优先排序：保持平台一致性的市场实验设计
- 研究问题
- 在线市场商品因注意力和需求竞争产生干扰，且平台须保持价格与可售商品一致时，如何设计实验估计价格变化的总体平均处理效应？
- 方法与思路
- 作者提出双侧优先排序，同时随机化用户与商品，通过不同用户组中处理或未处理商品的排序优先级及位置偏差改变处理暴露。
- 材料陈述的贡献
- 摘要称设计让所有用户面对相同商品及一致价格；基于 Expedia 搜索数据的半合成模拟显示，相较所选一致性设计偏差更低且功效充足。
- 阅读关注点
- 应核对总体平均处理效应的定义、位置偏差与干扰的假设、排序操作可能带来的其他效应，以及半合成模拟与真实实验的差距。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及期刊接收未核实；摘要未列识别条件和具体偏差或功效数值，半合成结果不能保证实际平台表现。
原文摘要
Online marketplaces frequently run pricing experiments in environments where users choose from a list of items. In these settings, items compete for users' limited attention and demand, creating interference among items within a list: Changing prices for any item can affect the demand for others, biasing estimates from item-level A/B tests. Besides, a key consideration in pricing experiments is preserving platform coherency across prices and item availability. This requirement rules out experimental designs such as user-level A/B tests as they violate platform coherency. We propose Two-Sided Prioritized Ranking (TSPR) to estimate the total average treatment effect of price changes in such settings. TSPR exploits position bias in ranked search results to create variation in treatment exposure without compromising coherency. TSPR randomizes both users and items and reorders ranked lists, prioritizing treated items for one group of users and untreated items for the other. All users see the same items at consistent prices, but differ in exposure to treatment as they pay disproportionate attention across ranks. In semi-synthetic simulations based on Expedia hotel search data, TSPR outperforms baseline coherency-preserving experiment designs by reducing estimation bias and providing sufficient statistical power.