From Confounding to Learning: Dynamic Service Fee Pricing on Third-Party Platforms
यह शोधपत्र मांग संबंधी भ्रम (demand confounding) के तहत सेवा शुल्क मूल्य निर्धारण को अनुकूलित करने के लिए तीसरे पक्ष के प्लेटफार्मों हेतु एक नवीन एल्गोरिदम का प्रस्ताव करता है, जो इष्टतम रिग्रेट (optimal regret) प्राप्त करने के लिए गैर-आईआईडी (non-i.i.d.) क्रियाओं को इंस्ट्रूमेंटल वेरिएबल्स के रूप में और एक होमियोमॉर्फिक निर्माण (homeomorphic construction) का उपयोग करता है, यहाँ तक कि डीप न्यूरल नेटवर्क और आपूर्ति-पक्ष के शोर (supply-side noise) की उपस्थिति में भी।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक विशाल डिजिटल बाज़ार चला रहे हैं, जैसे कि एक बहुत ही व्यवस्थित कबाड़ी बाज़ार (flea market), जहाँ कॉन्सर्ट टिकटों से लेकर इलेक्ट्रिक कार चार्जिंग तक सब कुछ मिलता है। आप सामान नहीं बेचते; आप बस हर लेनदेन से एक छोटा सा हिस्सा "सर्विस शुल्क" के रूप में लेते हैं। आपका लक्ष्य सरल है: उस शुल्क को बिल्कुल सही तरह से निर्धारित करना। बहुत अधिक, तो ग्राहक प्रतिस्पर्धी के पास भाग जाएंगे; बहुत कम, तो आप पैसा हाथ से जाने देंगे।
कठिन हिस्सा क्या है? आपको ठीक से पता नहीं है कि ग्राहक आपकी कीमत पर कैसे प्रतिक्रिया देंगे। आपको इसे यह देखकर सीखना होगा कि क्या होता है। लेकिन पेच यह है कि बाज़ार अव्यवस्थित है। यह यह जानने जैसा है कि कितनी बारिश हो रही है, लेकिन इसके लिए आपको केवल एक गड्ढे को देखना है, जबकि कोई और भी पाइप से उसमें पानी डाल रहा है। अर्थशास्त्र में, इस अव्यवस्था को कन्फाउंडिंग (confounding) कहा जाता है। यदि आप केवल डेटा देखते हैं, तो आप सोच सकते हैं कि कीमतें बढ़ाने से बिक्री बढ़ती है (जो कि असंभव है!), क्योंकि "पाइप" (आपूर्ति में परिवर्तन) आपके दृश्य को खराब कर रहा है।
जादुई ट्रिक: अपने ही कदमों का सुराग के रूप में उपयोग करना
इस समस्या को सुलझाने का एक चतुर तरीका इस शोध पत्र के लेखकों ने खोजा। आमतौर पर, एक अव्यवस्थित अवलोकन को ठीक करने के लिए, आपको एक "इंस्ट्रुमेंटल वेरिएबल" की आवश्यकता होती है—एक यादृच्छिक बाहरी घटना (जैसे अचानक आया तूफान) जो मांग को बदले बिना आपूर्ति को बदल देती है। लेकिन एक डिजिटल बाज़ार में, कोई तूफान नहीं आता।
इसके बजाय, लेखक एक साहसिक विचार प्रस्तावित करते हैं: अपने स्वयं के सर्विस शुल्क को ही इंस्ट्रुमेंट के रूप में उपयोग करें।
इसे ऐसे सोचें: आप एक रसोई में एक शेफ हैं। आप जानना चाहते हैं कि आपके ग्राहक कितने भूखे हैं। लेकिन ग्राहकों की भूख बेतरतीब ढंग से बदलती रहती है। यदि आप केवल यह देखते हैं कि वे क्या खाते हैं, तो आप यह नहीं बता पाएंगे कि उन्होंने बहुत खाया क्योंकि वे भूखे थे या इसलिए क्योंकि आपने उन्हें छूट दी थी।
शोध पत्र सुझाव देता है कि आपको ग्राहकों की भूख बदलने से पहले, जानबूझकर अपनी कीमतों को थोड़ा सा हिलाना (wiggle) चाहिए। क्योंकि आपने कीमत बदलने का निर्णय पहले लिया, और ग्राहकों की भूख उसके बाद बदली, इसलिए आपका मूल्य परिवर्तन एक आदर्श संकेत के रूप में कार्य करता है। यह एक ड्रम बजाने जैसा है यह देखने के लिए कि कमरे में कैसी गूँज है। भले ही आप खुद ड्रम बजा रहे हैं, लेकिन उसकी गूँज आपको बताती है कि कमरे का आकार वास्तव में कैसा है।
यह शोध पत्र गणितीय रूप से सिद्ध करता है कि यह "स्व-इंस्ट्रुमेंटल" दृष्टिकोण काम करता है, भले ही ग्राहक स्मार्ट हों और आपको धोखा देने की कोशिश करें कि वे बाद में कम कीमत पाने के लिए कम भूखे होने का नाटक कर रहे हैं।
"शोर" का आश्चर्य: अराजकता वास्तव में सहायक है
कहानी का सबसे आश्चर्यजनक हिस्सा यहाँ है। शोध पत्र पाता है कि आपूर्ति पक्ष (विक्रेताओं द्वारा दी जाने वाली मात्रा में उतार-चढ़ाव) में मौजूद "शोर" (noise) वास्तव में एक सुपरपावर है।
कल्पना कीजिए कि आप एक शांत कमरे में फुसफुसाहट सुनने की कोशिश कर रहे हैं। यदि कमरा पूरी तरह से शांत है, तो आप यह नहीं बता पाएंगे कि फुसफुसाहट वहाँ है या नहीं। लेकिन यदि कमरे में एक हल्की, यादृच्छिक हवा (आपूर्ति शोर) चल रही है, तो यह वास्तव में आपको सटीक रूप से पहचानने में मदद करती है कि फुसफुसाहट कहाँ से आ रही है।
लेखक बताते हैं कि यदि आपूर्ति पक्ष पर्याप्त रूप से शोर वाला (noisy) है (जैसे फूड डिलीवरी या राइड-हेलिंग में, जहाँ ट्रैफिक और ड्राइवर की उपलब्धता लगातार बदलती रहती है), तो आपको कुछ भी विशेष करने की आवश्यकता नहीं है। प्राकृतिक अराजकता आपको मांग वक्र (demand curve) को लगभग तुरंत सीखने में मदद करती है, और आपका "रिग्रेट" (वह पैसा जो आप सही कीमत न जानने के कारण खो देते हैं) बहुत कम रहता है।
हालाँकि, यदि आपूर्ति पक्ष बहुत स्थिर है (जैसे कि एक उपयोगिता कंपनी या सदस्यता सेवा जहाँ आपूर्ति कभी नहीं बदलती), तो वह प्राकृतिक अराजकता मदद के लिए उपलब्ध नहीं है। इस स्थिति में, आपको सीखने के लिए जानबूझकर अपने शुल्क में थोड़ा कृत्रिम शोर (artificial noise) डालना होगा। शोध पत्र सिद्ध करता है कि इस जानबूझकर किए गए बदलाव के बिना, आप कभी भी वास्तविक मांग को नहीं सीख पाएंगे, और आपका नुकसान बहुत तेज़ी से बढ़ेगा।
इन दो दुनियाओं के बीच एक स्पष्ट "टिपिंग पॉइंट" (फेज़ ट्रांज़िशन) है। यदि आपूर्ति शोर एक निश्चित सूक्ष्म सीमा से ऊपर है, तो आप आसानी से जीत जाते हैं। यदि यह नीचे है, तो आपको अधिक मेहनत करनी होगी।
"स्मार्ट" ग्राहक और डीप लर्निंग पहेली
शोध पत्र दो अन्य सिरदर्दों को भी हल करता है:
- रणनीतिक खरीदार (Strategic Buyers): वे ग्राहक जो धैर्यवान हैं और सिस्टम को चकमा देने की कोशिश करते हैं। लेखक दिखाते हैं कि यदि आप अपनी मूल्य निर्धारण रणनीति को केवल कुछ ही बार अपडेट करते हैं (जैसे हर कुछ सेकंड के बजाय हर कुछ दिनों में एक बार), तो ये स्मार्ट ग्राहक आपको धोखा नहीं दे सकते। उनके हेरफेर के प्रयास बेकार हो जाते हैं क्योंकि पुरस्कार बहुत दूर के भविष्य में होते हैं।
- डीप न्यूरल नेटवर्क: आधुनिक प्लेटफॉर्म मांग का अनुमान लगाने के लिए विशाल, जटिल AI मॉडल (डीप न्यूरल नेटवर्क) का उपयोग करते हैं। आमतौर पर, गणितीय सिद्धांत कहते हैं कि ये मॉडल बहुत अजीब और "नॉन-कॉन्वेक्स" होते हैं जिन्हें मानक उपकरणों के साथ विश्लेषित नहीं किया जा सकता। लेखकों ने एक विशेष गणितीय सेतु (एक "होमियोमॉर्फिज्म") बनाया है जो उन्हें यह सिद्ध करने की अनुमति देता है कि उनका तरीका इन विशाल, जटिल AI दिमागों के साथ भी काम करता है।
उन्होंने वास्तव में क्या किया (और क्या नहीं किया)
लेखकों ने केवल कल्पना नहीं की; उन्होंने इसका परीक्षण किया।
- सिमुलेशन: उन्होंने कंप्यूटर सिमुलेशन चलाए जहाँ उन्होंने अराजकता को नियंत्रित किया। उन्होंने दिखाया कि जब आपूर्ति शोर वाली होती है, तो उनका एल्गोरिदम बहुत तेज़ी से सीखता है। जब आपूर्ति शांत होती है, तो उन्हें अपना शोर जोड़ना पड़ा, और सीखना धीमा था लेकिन फिर भी काम कर गया।
- वास्तविक डेटा (तलाबत - Talabat): उन्होंने मिस्र के एक फूड डिलीवरी प्लेटफॉर्म तलाबत के वास्तविक लेनदेन डेटा पर अपने तरीके का परीक्षण किया। उन्होंने पाया कि डेटा को केवल साधारण नज़रिए से देखने पर ऐसा लगा कि कीमतें बढ़ाने का बिक्री पर कोई प्रभाव नहीं पड़ा (एक सपाट रेखा)। लेकिन जब उन्होंने अपने "एक्शन-एज़-इंस्ट्रुमेंट" तरीके का उपयोग किया, तो उन्हें एक स्पष्ट, तर्कसंगत मांग वक्र मिला: कीमतें बढ़ाने से बिक्री कम हुई, जैसा कि बुनियादी अर्थशास्त्र भविष्यवाणी करता है।
- वास्तविक डेटा (लिफ्ट - Lyft): उन्होंने बोस्टन में लिफ्ट राइड-हेलिंग डेटा का उपयोग करके एक जटिल AI मॉडल के साथ एक समान परीक्षण भी चलाया। उन्होंने दिखाया कि फीस को पुनर्वितरित करके (पीक समय के दौरान अधिक शुल्क लेना और धीमे समय के दौरान कम शुल्क लेना, जबकि औसत शुल्क समान रहता है), वे सैद्धांतिक रूप से राजस्व बढ़ा सकते हैं।
उन्होंने क्या खारिज किया: उन्होंने स्पष्ट रूप से दिखाया कि यदि आप "कन्फाउंडिंग" को अनदेखा करते हैं और केवल एक मानक रिग्रेशन (एक साधारण बेस्ट फिट लाइन) चलाते हैं, तो आपको गलत उत्तर मिलेगा। आप यहाँ तक निष्कर्ष निकाल सकते हैं कि उच्च कीमतें उच्च बिक्री की ओर ले जाती हैं, जो कि निरर्थक है। उन्होंने यह भी सिद्ध किया कि यदि आपके पास कोई आपूर्ति शोर नहीं है और आप अपना खुद का शोर नहीं जोड़ते हैं, तो आप मांग वक्र को बिल्कुल भी नहीं सीख सकते।
वे कितने निश्चित हैं?
शोध पत्र अपने मुख्य दावों के लिए कठोर गणितीय प्रमाण प्रदान करता है, यह दिखाते हुए कि उनका एल्गोरिदम "मिनिमैक्स-ऑप्टिमल" (अर्थात, जो भी सबसे अच्छी रणनीति हो सकती है) है। उन्होंने सिद्ध किया कि शोर वाले और शांत आपूर्ति के बीच का "फेज़ ट्रांज़िशन" इस समस्या का एक मौलिक नियम है, न कि कोई संयोग।
सिमुलेशन और तलाबत एवं लिफ्ट के वास्तविक डेटा में, यह तरीका ठीक वैसे ही काम करता है जैसा गणित भविष्यवाणी करता है। तलाबत के प्रयोग ने सुझाव दिया कि इस तरीके का उपयोग करके फीस को पुनर्वितरित करने से, प्लेटफॉर्म को भारी संभावित राजस्व वृद्धि (उनके काउंटरफैक्चुअल मॉडल में देखे गए राजस्व का लगभग 5.5 गुना) मिल सकती थी, हालांकि लेखक चेतावनी देते हैं कि यह एक मॉडल-आधारित अनुमान है और वास्तविक दुनिया के कारक सटीक संख्या को बदल सकते हैं।
निचोड़
यह शोध पत्र हमें सिखाता है कि एक अराजक बाज़ार में, अस्थिरता (volatility) ही सूचना है। यदि आपूर्ति पक्ष अस्थिर है, तो आप बिना अधिक प्रयास किए सटीक मूल्य निर्धारण सीख सकते हैं। यदि बाज़ार बहुत शांत है, तो आपको सीखने के लिए खुद चीज़ों को थोड़ा हिलाना होगा। और सबसे अच्छी बात? आपको किसी जादू की छड़ी या बाहरी विशेषज्ञ की आवश्यकता नहीं है; आपको बस सत्य को अनलॉक करने की कुंजी के रूप में अपने स्वयं के निर्णयों पर भरोसा करने की आवश्यकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।