기술적 요약: 순차적 탐색에 대한 보조금 지급

1. 문제 제기

본 논문은 기업들이 제품 검사라는 비용이 수반되는 과정을 보조금 지급을 통해 소비자의 관심을 확보하기 위해 경쟁하는 시장을 조사한다. 검색 비용이 오직 소비자만이 부담하는 고정된 부담으로 간주되는 전통적 모델과 달리, 이 프레임워크는 검색 비용을 계약 가능 (contractible) 한 것으로 취급한다. 기업들은 $s_j \in [0, c]$ 범위의 보조금을 제공하여 소비자의 실효 검사 비용을 $c$에서 $c - s_j$로 낮출 수 있다.

보조금의 이중적 역할에 있는 핵심 긴장 관계는 다음과 같다:

1. 도구적 역할: 보조금은 평가의 순비용을 낮추어 소비자가 검토할 의사가 있는 제품 집합을 확장한다.
2. 정보적 역할: 보조금 제공에는 비용이 수반되므로, 이는 품질의 신호로 작용한다. 오직 높은 매칭 확률을 확신하는 기업들만이 검사를 보조금 지급하는 것이 수익성이 있다고 판단한다.

저자들은 이를 수직적 매칭 불확실성을 가진 지향적 탐색 게임 (directed search game) 으로 형식화한다. 한 소비자는 $n$개 기업의 제품 중 하나를 찾는다. 기업 유형 $t_j \in [0, 1]$ (매칭 확률을 나타냄) 은 사적 정보이다. 소비자는 보조금 프로필을 관찰하고, 신념을 업데이트한 후, 기대 효용을 극대화하기 위해 순차적 검사 순서를 선택한다.

2. 방법론

분석은 순차적 탐색 모델 내에서 완전 베이지안 균형 (Perfect Bayesian Equilibrium, PBE) 프레임워크를 활용한다.

• 게임 구조: 기업들은 사적 유형을 관찰한 후 동시에 보조금 정책 $\sigma(t)$를 선택한다. 소비자는 보조금 프로필을 관찰하고 검사 규칙 (중단 규칙이 포함된 기업들의 순열) 을 시행한다.
• 균형 정제: 균형의 다중성을 해결하기 위해, 저자들은 **전진 귀납 정제 (forward-induction refinement)**를 적용한다 (특히 Cho 와 Kreps, 1987, 그리고 Banks 와 Sobel, 1987 의 정신을 따른 균형 우세성 제약). 이 정제는 믿을 수 없는 경로 외 (off-path) 신념에 의해 지지되는 균형을 배제하며, 그러한 이탈이 엄격하게 우세 (strictly dominated) 한 유형에게는 경로 외 보조금이 귀속되지 않아야 함을 요구한다.
• 대리인 경제 (Agentic Economies) 로의 확장: 이 모델은 '검사 토큰 (계산 단위)'을 기업에게 판매하는 독점 플랫폼이 설정된 환경으로 확장된다. 플랫폼은 토큰당 가격 $p$를 설정하며, 기업들은 이를 사용하여 소비자의 검색 비용을 보조금으로 지급한다.

3. 주요 기여 및 결과

A. 보조금 - 분류 원칙

본 논문은 모든 PBE 에 대한 근본적인 구조적 결과를 확립한다:

• 단조성: 더 높은 품질의 기업 (더 높은 유형) 은 약하게 더 큰 보조금을 제공한다.
• 하향 보조금 지수 규칙 (DSIR): 소비자는 실현된 보조금의 하향 순서대로 기업을 검사한다.
• 메커니즘: 더 높은 보조금은 더 높은 매칭 확률을 신호로 보내면서 동시에 순 검사 비용을 낮춘다. 결과적으로 소비자의 최적 전략은 더 높은 보조금을 가진 기업을 우선시하고, 매칭이 발견되거나 다음 검사의 기대 잉여가 음수가 될 때까지 중단하는 것이다.

B. 균형의 유일성과 "합리적" 결과

여러 균형이 존재하지만, 전진 귀납 정제는 **합리적 균형 (Reasonable Equilibrium)**이라 불리는 유일한 균형 결과를 선택한다. 이 결과는 단계적 증가 - 단계 (Step-Increasing-Step, SIS) 보조금 구조로 특징지어진다:

1. 낮은 유형 ($t < \underline{t}$): 이러한 기업들은 보조금을 전혀 제공하지 않으며 결코 검사되지 않는다. 차단점 $\underline{t} = \frac{pc}{1+p}$은 기업의 참여 제약 (비음수 이익) 과 소비자의 검사 가치 제약 (비음수 기대 잉여) 의 교차점에 의해 결정된다.
2. 중간 유형 ($\underline{t} \le t < \bar{t}$): 이러한 기업들은 엄격하게 분리된다. 그들은 유형을 드러내는 엄격하게 증가하는 보조금을 제공하여 소비자가 그들을 구별할 수 있게 한다.
3. 높은 유형 ($t \ge \bar{t}$): 이러한 기업들은 최대 보조금 상한 ($s = c$) 에서 뭉친다 (pooling). 그들은 검사 비용을 완전히 상환한다.
   • 트레이드오프: 상한에서 뭉치는 것은 소비자에게 검사를 무료로 만들지만, 최상위 기업들 간의 품질 차이를 흐리게 한다. 이로 인해 풀 내에서의 무작위 동점 처리로 인해 고품질 기업들이 더 낮은 확률로 검사되는 "혼잡 (congestion)"이 발생한다.

C. 후생 및 비교 정적 분석

합리적 균형 하에서:

• 소비자 잉여: 기업 수 ($n$) 가 증가함에 따라 증가하고, 검색 비용 ($c$) 과 보조금 가격 ($p$) 이 증가함에 따라 감소한다.
• 사회적 잉여: 소비자 잉여는 모든 PBE 중 합리적 균형에 의해 극대화되지만, 사회적 잉여는 고위 유형들의 뭉침으로 인한 비효율로 인해 고통받는다. 최상위에서의 정보 손실은 1 차 최적 사회적 최적점에 비해 과도한 탐색 (너무 많은 옵션을 검사) 을 초래한다.
• 비교 정적 분석: 더 높은 검색 비용이나 보조금 가격은 진입 차단점을 높여 더 많은 저품질 기업을 배제한다. 경쟁 심화 ($n$) 는 관심 확보를 위한 경쟁을 격화시켜 더 가파른 분리 일정을 초래한다.

D. 플랫폼 가격 책정 및 대리인 탐색

본 논문은 가격 $p$로 검사 토큰을 판매하는 플랫폼에 대한 모델을 확장한다.

• 플랫폼 최적화: 플랫폼은 과도한 탐색을 유도하는 가격 $p^*$를 설정하여 수익을 극대화한다.
• 왜곡 메커니즘: 최적 가격은 최상위 뭉침 영역을 두껍게 만든다. 가격을 낮춤으로써 플랫폼은 더 많은 기업들이 뭉침 블록 (여기서 그들은 완전한 보조금 $c$를 지급함) 에 진입하도록 유도한다. 이는 검사 총량 (따라서 토큰 판매) 을 증가시키지만, 관심의 배분을 왜곡한다.
• 후생적 함의:
  • 소비자 후생: 소비자는 검사당 비용 감소와 더 높은 매칭 확률로 혜택을 보므로, 소비자 잉여는 감소하지 않는다.
  • 사회 후생: 시장이 사회적 최적보다 더 많이 탐색 (음수 가상 가치를 가진 기업을 검사) 하기 때문에 사회적 잉여가 감소한다.
  • 잉여 재분배: 플랫폼은 자신이 생성한 불투명성에서 리크 (rents) 를 추출하여 판매자로부터 플랫폼과 소비자 쪽으로 잉여를 재분배하지만, 전체 효율성에서 사망 중량 손실 (deadweight loss) 을 생성한다.

4. 중요성 및 주장

본 논문은 검색 마찰이 내생적이고 계약 가능한 지향적 탐색을 이해하기 위한 새로운 이론적 기초를 제공한다고 주장한다.

• 이론적 기여: 고전적인 "파ンド라의 상자" (Pandora's Box) 탐색 문헌 (Weitzman, 1979) 과 전략적 정보 제공 간의 간극을 연결한다. 가격이나 광고 배치뿐만 아니라 보조금이 분류와 관심 배분의 주요 메커니즘임을 보여준다.
• 정제의 힘: 저자들은 전진 귀납 추론이 검색 비용이 있는 신호 게임에서 유일한 정보적 균형을 선택하는 데 필수적임을 보여주며, 저품질 기업이 고품질 기업을 모방하거나 비효율적으로 뭉치는 균형을 배제한다.
• 대리인 경제 관련성: 본 논문은 신흥 "대리인 경제 (AI 어시스턴트)"에 대한 미시적 기초로 자신을 위치시킨다. AI 에이전트가 탐색을 자동화함에 따라 "검사 보조금 지급" 메커니즘이 (토큰 가격 책정을 통해 등) 명시적임을 주장한다. 분석은 플랫폼이 수익을 극대화하기 위해 과도한 탐색을 장려할 수 있지만, 이는 소비자 후생과 사회적 효율성 사이에 쐐기를 끼워 정책 개입이나 사회적 잉여와 일치하는 인센티브를 갖는 플랫폼 설계가 필요함을 경고한다.

본 논문은 보조금이 복잡한 경매 없이 관심을 효과적으로 분산시킨다고 결론지으나, 이익 극대화 중개자에 의해 주도될 때 결과적인 균형은 본질적으로 비효율성 (뭉침과 과도한 탐색) 에 취약하다고 결론짓는다.