📈 economics

Subsidizing Sequential Search

本文表明，在厂商补贴高昂产品检验的市场中，会出现一个独特均衡：高质量厂商提供更大补贴以引导消费者进行有效搜寻，而引入用于为这些检验定价的 AI 中介平台则会导致过度检验，将剩余从卖方重新分配给平台和消费者，却不会损害消费者福利。

原作者： Salvador Candelas, Nicole Immorlica, Brendan Lucier

发布于 2026-05-29

📖 1 分钟阅读☕ 轻松阅读

原作者： Salvador Candelas, Nicole Immorlica, Brendan Lucier

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正穿行在一个巨大且嘈杂的跳蚤市场中，寻找一件特定的物品，比如一盏完美的复古台灯。你知道那盏灯 somewhere 存在，但不知道哪个摊位有它。查看一个摊位需要耗费时间和精力（即“搜索成本”）。如果你查看了一个摊位却发现灯不在那里，你就白白浪费了那份精力。

本文研究的是当摊位老板（企业）试图说服你优先查看他们的摊位时会发生什么。他们不能仅仅大喊“我有最好的灯！”，因为他们可能在撒谎。相反，他们会提供补贴：他们付钱让你查看他们的灯。也许他们会送你一杯免费咖啡，或者在数字世界中，他们支付你的“数据代币”，这样你就不必花费自己的资源。

以下是本文的故事，分解为简单的概念：

1. “付费入场”信号

在这个市场中，摊位老板知道他们的灯有多好，但你不知道。

糟糕的摊位：如果一个摊位的灯是坏的，他们知道你会讨厌它。如果他们付钱让你查看，你会转身离开，他们会因此亏钱。所以，他们不提供任何补贴。
优质的摊位：如果一个摊位的灯完美无缺，他们确信你会购买。他们愿意为你提供补贴，因为这笔交易物有所值。

重大发现：本文证明了一个“补贴排序原则”。在一个稳定的市场中，产品越好，卖家愿意为你查看而支付的金额就越多。

结果：你，作为购物者，学会了一条简单的规则：“优先查看提供最多免费礼品的摊位。” 你忽略那些不提供任何礼品的摊位。你会先查看那些“提供免费咖啡”的摊位，而不是“没有任何免费礼品”的摊位。

2. 三种类型的摊位（均衡状态）

作者运用数学证明，这种市场只有一种合乎逻辑的均衡状态。摊位最终会分为三个截然不同的群体：

“垃圾”群体（低质量）：这些摊位提供零补贴。它们的质量太差，以至于即使提供免费咖啡，他们也会亏钱。你甚至不会看一眼。它们是隐形的。
“中等”群体（中等质量）：这些摊位提供不同数额的补贴。稍好一点的摊位提供的咖啡比稍差一点的稍多。这形成了一个完美的阶梯，你只需查看补贴数额，就能确切知道每盏灯的质量。它们实现了“分离”。
“超级明星”群体（高质量）：这些是绝对最好的灯。它们都提供最大可能的补贴（例如，免费午餐）。
- 转折：因为它们都提供相同的最大补贴，你无法分辨哪个超级明星比另一个更好。它们“混同”在一起。
- 权衡：你可以免费（甚至还能获得报酬）检查所有这些顶级灯具，这对你是好事！但由于它们被混在一起，你可能会浪费时间去检查一盏“好”灯，而本可以更快地找到那盏“完美”的灯。市场在这里损失了一点点效率，但你，作为消费者，是赢家。

3. AI 代理的转折（“代币”经济）

本文接着设想了一个未来，你不再亲自搜索，而是拥有一个AI 助手（像一个机器人购物员）替你搜索。

每当 AI 检查一个摊位时，它会消耗一个“代币”（一种数字工作单元）。
AI 使用这些代币是有成本的。
摊位老板可以从一个平台（像一个巨大的商场老板）购买代币，并将其提供给 AI 以补贴搜索。

平台的问题：商场老板想要赚取最多的钱。

如果商场老板将代币价格定得太高，摊位老板就负担不起支付给 AI 让其查看的费用。
如果商场老板将代币价格定得太低，摊位老板就会疯狂起来。他们都会提供巨额补贴。AI 会检查每一个摊位，甚至包括那些糟糕的摊位，因为太便宜了。

令人震惊的结果：当 AI 搜索过多时，商场老板赚的钱最多。

通过降低代币价格，商场老板诱使 AI 检查一个巨大的“超级明星”摊位池（其中混杂着一些劣质摊位）。
AI 检查的选项数量远远超过了社会所需的必要数量。
谁赢了？你（消费者）得到了极好的交易，因为 AI 快速找到了匹配项，且检查成本很低。摊位老板向平台支付了大量费用。
谁输了？社会损失了一点点效率，因为 AI 在浪费时间去检查那些本不需要检查的选项。平台将这种“浪费的时间”转化为利润。

总结

补贴是信号：卖家付钱让你查看，他们越好，付得越多。
你跟随金钱：你优先查看出价最高的 offer。
“完美”的市场：劣质卖家消失，中等卖家展示其质量，而最佳卖家都支付最高补贴，使得它们的检查对你来说是免费的。
AI 的危险：如果一个平台控制搜索成本，它会降低价格，诱使（你或你的 AI）进行超过必要的搜索，仅仅是为了从卖家那里收取更多费用。这让你在短期内感到高兴，但在系统中造成了一些浪费。

本文本质上指出：当卖家通过为你的时间付费来争夺你的注意力时，市场会有效地自我排序，但中间商（如平台）可能会为了利润而鼓励你查看过多的事物。

技术摘要：补贴顺序搜索

1. 问题陈述

本文研究了企业通过补贴昂贵的产品检查过程来竞争消费者注意力的市场。与传统模型中将搜索成本视为消费者独自承担的固定负担不同，该框架将搜索成本视为可缔约的。企业可以提供补贴 $s_j \in [0, c]$ ，将消费者的有效检查成本从 $c$ 降低至 $c - s_j$ 。

核心张力在于补贴的双重作用：

工具性：它们降低了评估的净成本，扩大了消费者愿意检查的产品集合。
信息性：由于提供补贴是有成本的，它们充当了质量的信号。只有那些确信匹配概率高的企业，才会发现补贴检查有利可图。

作者将此形式化为具有垂直匹配不确定性的定向搜索博弈。消费者从 $n$ 家企业中寻找产品。企业类型 $t_j \in [0, 1]$ （代表匹配概率）是私有信息。消费者观察补贴概况，更新信念，并选择顺序检查顺序以最大化期望效用。

2. 方法论

分析在顺序搜索模型中采用**完美贝叶斯均衡（PBE）**框架。

博弈结构：企业在观察到其私有类型后，同时选择补贴策略 $\sigma(t)$ 。消费者观察补贴概况并实施检查规则（带有停止规则的企业排列）。
均衡精炼：为了解决均衡多重性问题，作者应用了前向归纳精炼（具体为 Cho 和 Kreps (1987) 以及 Banks 和 Sobel (1987) 精神下的均衡占优限制）。该精炼消除了由不可信的非路径信念支持的均衡，要求非路径补贴不被归因于那些此类偏离被严格占优的类型。
扩展至代理经济：该模型被扩展到一个平台设置，其中垄断者向企业出售“检查代币”（计算单元）。平台设定每个代币的价格 $p$ ，企业利用这些代币来补贴消费者的搜索成本。

3. 主要贡献与结果

A. 补贴排序原则

本文确立了任何 PBE 的一个基本结构结果：

单调性：质量更高的企业（更高的类型）提供弱更大的补贴。
降序补贴指数规则（DSIR）：消费者按补贴降序检查企业。
机制：更高的补贴信号表明更高的匹配概率，同时降低了净检查成本。因此，消费者的最优策略是优先检查补贴更高的企业，仅在找到匹配或下一次检查的期望剩余变为负值时停止。

B. 均衡唯一性与“合理”结果

虽然存在多个均衡，但前向归纳精炼选择了一个唯一的均衡结果，称为合理均衡。该结果的特征是**阶梯递增（SIS）**补贴结构：

低类型（ $t < \underline{t}$ ）：这些企业提供零补贴且从未被检查。截止值 $\underline{t} = \frac{pc}{1+p}$ 由企业的参与约束（非负利润）与消费者的检查价值约束（非负期望剩余）的交点决定。
中间类型（ $\underline{t} \le t < \bar{t}$ ）：这些企业严格分离。它们提供严格递增的补贴以揭示其类型，使消费者能够区分它们。
高类型（ $t \ge \bar{t}$ ）：这些企业在最大补贴上限（ $s = c$ $s = c$ ）处聚集。它们完全报销检查成本。
- 权衡：在顶上限聚集使消费者的检查免费，但模糊了最佳企业之间的质量差异。这导致“拥堵”，即由于池内随机平局打破，高质量企业被检查的概率降低。

C. 福利与比较静态分析

在合理均衡下：

消费者剩余：随企业数量（ $n$ ）增加而增加，随搜索成本（ $c$ ）和补贴价格（ $p$ ）增加而减少。
社会剩余：虽然合理均衡在所有 PBE 中最大化了消费者剩余，但由于高类型聚集造成的低效率，社会剩余受损。顶部的信息损失导致相对于第一优社会最优而言的过度搜索（检查了过多的选项）。
比较静态：更高的搜索成本或补贴价格提高了进入截止值，排除了更多低质量企业。竞争加剧（ $n$ ）加剧了对注意力的争夺，导致更陡峭的分离曲线。

D. 平台定价与代理搜索

本文将模型扩展至以价格 $p$ 出售检查代币的平台。

平台优化：平台通过设定诱导过度搜索的价格 $p^*$ 来最大化收入。
扭曲机制：最优价格加厚了顶部聚集区域。通过降低价格，平台诱导更多企业进入聚集块（在那里它们支付全额补贴 $c$ ）。虽然这增加了检查总量（从而增加了代币销售），但它扭曲了注意力分配。
福利影响：
- 消费者福利：消费者受益于更低的单次检查成本和更高的匹配概率，因此消费者剩余并未减少。
- 社会福利：社会剩余减少，因为市场搜索量超过了社会最优水平（检查了具有负虚拟价值的企业）。
- 剩余再分配：平台从其创造的不透明性中提取租金，将剩余从卖家重新分配给平台和消费者，同时在总效率上造成无谓损失。

4. 意义与主张

本文声称提供了一个新的理论基础，用于理解定向搜索，其中搜索摩擦是内生的且可缔约的。

理论贡献：它弥合了经典“潘多拉魔盒”搜索文献（Weitzman, 1979）与战略信息提供之间的差距。它表明，补贴不仅仅是价格或广告展示，而是排序和注意力分配的主要机制。
精炼能力：作者表明，前向归纳推理对于在具有搜索成本的信号博弈中选择唯一且信息丰富的均衡至关重要，它排除了低质量企业可能模仿高质量企业或聚集低效发生的均衡。
代理经济相关性：本文将自己定位为新兴“代理经济”（AI 助手）的微观基础。它认为，随着 AI 代理自动化搜索，“补贴检查”的机制变得明确（例如，通过代币定价）。分析警告称，虽然平台可能通过鼓励过度搜索来优化收入，但这在消费者福利与社会效率之间造成了楔子，表明需要政策干预或平台设计，以使激励与社会剩余保持一致。

本文结论认为，补贴有效地分散了注意力分配，无需复杂的拍卖，但当由利润最大化的中介驱动时，由此产生的均衡固有地容易受到低效率（聚集和过度搜索）的影响。