技術的概要：逐次探索の補助

1. 問題提起

本論文は、企業が製品検査というコストのかかるプロセスを補助することで消費者の関心を獲得しようとする市場を調査する。従来のモデルでは探索コストが消費者のみが負う固定的な負担であったのに対し、この枠組みでは探索コストを契約可能とみなす。企業は補助金 $s_j \in [0, c]$ を提供し、消費者の実効的な検査コストを $c$ から $c - s_j$ に引き下げることができる。

補助金の二重の役割に核心的な緊張関係が存在する：

1. 手段的役割：評価の純コストを低下させ、消費者が検討する意欲を持つ製品群を拡大する。
2. 情報的役割：補助金の提供にはコストがかかるため、それらは品質のシグナルとして機能する。高いマッチング確率を確信している企業のみが、検査を補助することが利益になると判断する。

著者らはこれを、垂直的マッチングの不確実性を伴う指向的探索ゲームとして定式化する。消費者は $n$ 社の企業から製品を探す。企業のタイプ $t_j \in [0, 1]$（マッチングの確率を表す）は私的情報である。消費者は補助金のプロファイルを観察し、信念を更新して、期待効用を最大化する逐次検査順序を選択する。

2. 手法

分析は、逐次探索モデル内における**完全ベイズ均衡（PBE）**の枠組みを採用する。

• ゲーム構造：企業は私的タイプを観察した後、同時に補助金政策 $\sigma(t)$ を選択する。消費者は補助金のプロファイルを観察し、検査ルール（停止ルールを伴う企業の順列）を実行する。
• 均衡の洗練：均衡の多重性に対処するため、著者らは前方帰納による洗練（Cho and Kreps, 1987 および Banks and Sobel, 1987 の精神に基づく、均衡支配の制限）を適用する。この洗練は、非合理的な軌道外信念によって支えられた均衡を排除し、そのような逸脱が厳密に支配的となるタイプには、軌道外の補助金を帰属させないことを要求する。
• エージェント経済への拡張：モデルは、独占企業が企業に「検査トークン」（計算単位）を販売するプラットフォーム設定に拡張される。プラットフォームはトークンあたりの価格 $p$ を設定し、企業はこれを用いて消費者の探索コストを補助する。

3. 主要な貢献と結果

A. 補助金・選別原理

本論文は、あらゆる PBE に対する基本的な構造的結果を確立する：

• 単調性：より高品質な企業（より高いタイプ）は、弱くても大きな補助金を提供する。
• 降順補助金インデックス則（DSIR）：消費者は、実現された補助金の降順に従って企業を検査する。
• メカニズム：より高い補助金は、より高いマッチング確率をシグナルすると同時に、純検査コストを低下させる。したがって、消費者の最適戦略は、より高い補助金を提供する企業を優先し、マッチが見つかるか、次の検査の期待余剰が負になるまで停止することである。

B. 均衡の一意性と「合理的」な結果

複数の均衡が存在するが、前方帰納による洗練は、**合理的均衡（Reasonable Equilibrium）**と呼ばれる一意の均衡結果を選択する。この結果は、**ステップ増加ステップ（SIS）**補助金構造によって特徴づけられる：

1. 低タイプ（$t < \underline{t}$）：これらの企業はゼロの補助金を提供し、決して検査されない。カットオフ $\underline{t} = \frac{pc}{1+p}$ は、企業の参加制約（非負の利益）と消費者の検査価値制約（非負の期待余剰）の交点によって決定される。
2. 中間タイプ（$\underline{t} \le t < \bar{t}$）：これらの企業は厳密に分離する。彼らはタイプを明らかにする厳密に増加する補助金を提供し、消費者がそれらを区別することを可能にする。
3. 高タイプ（$t \ge \bar{t}$）：これらの企業は最大補助金上限（$s = c$）でプールされる。彼らは検査コストを完全に償還する。
   • トレードオフ：上限でのプールは消費者にとって検査を無料にするが、最良の企業間の品質差を不明瞭にする。これにより、プール内でのランダムな同点処理により、高品質な企業がより低い確率で検査される「混雑」が生じる。

C. 厚生と比較静学

合理的均衡の下では：

• 消費者余剰：企業の数（$n$）が増加すると増加し、探索コスト（$c$）および補助金価格（$p$）が増加すると減少する。
• 社会的余剰：消費者余剰はすべての PBE の中で合理的均衡によって最大化されるが、社会的余剰は高タイプのプールによって引き起こされる非効率性によって損なわれる。トップにおける情報の喪失は、第一の社会的最適解に比べて過剰な探索（選択肢の検査しすぎ）をもたらす。
• 比較静学：より高い探索コストまたは補助金価格は参入カットオフを上げ、より多くの低品質な企業を排除する。競争の激化（$n$ の増加）は関心獲得のための競争を激化させ、より急峻な分離スケジュールをもたらす。

D. プラットフォーム価格設定とエージェント探索

本論文は、価格 $p$ で検査トークンを販売するプラットフォームへのモデルの拡張を行う。

• プラットフォームの最適化：プラットフォームは、過剰な探索を誘発する価格 $p^*$ を設定することで収益を最大化する。
• 歪みのメカニズム：最適な価格は、上部のプール領域を厚くする。価格を低下させることで、プラットフォームはより多くの企業をプールブロック（そこでは彼らは完全な補助金 $c$ を支払う）に参入させる。これは検査の総量（したがってトークンの販売）を増加させるが、関心の配分を歪める。
• 厚生への含意：
  • 消費者厚生：消費者は検査あたりのコストの低下とマッチング確率の上昇から恩恵を受けるため、消費者余剰は減少しない。
  • 社会的厚生：市場が社会的に最適であるよりも多くを検索する（負の仮想価値を持つ企業を検査する）ため、社会的余剰は減少する。
  • 余剰の再分配：プラットフォームは、自らが作り出した不透明性からレントを抽出し、売り手からプラットフォームと消費者へ余剰を再配分するが、総効率性において死荷重を生み出す。

4. 意義と主張

本論文は、探索摩擦が内生かつ契約可能である指向的探索を理解するための新たな理論的基盤を提供すると主張する。

• 理論的貢献：古典的な「パンドラの箱」探索文献（Weitzman, 1979）と戦略的情報提供の間のギャップを埋める。価格や広告配置だけでなく、補助金が選別と関心配分の主要なメカニズムであることを実証する。
• 洗練の力：著者らは、探索コストを伴うシグナリングゲームにおいて、一意で情報的な均衡を選択するために前方帰納的推論が不可欠であることを示す。低品質企業が高品質企業を模倣したり、非効率的なプールが発生したりする均衡を排除する。
• エージェント経済への関連性：本論文は、新興の「エージェント経済」（AI アシスタント）のミクロ的基盤として位置づけられる。AI エージェントが探索を自動化するにつれて、「検査を補助する」というメカニズムが（トークン価格設定を通じてなど）明示的になると論じる。分析は、プラットフォームが収益最大化のために過剰な探索を促進する可能性がある一方で、これが消費者厚生と社会的効率性の間に楔を形成し、社会的余剰と整合するインセンティブに向けた政策介入またはプラットフォーム設計の必要性を示唆すると警告する。

本論文は、補助金が複雑なオークションなしに関心配分を効果的に分散させるが、利益を最大化する仲介業者によって駆動される場合、その結果生じる均衡は本質的に非効率性（プールと過剰な探索）に陥りやすいと結論づける。