Learning to Price with Persuasion¶

会议: NeurIPS 2026
arXiv: 2608.16699
OpenReview: https://openreview.net/forum?id=G8VwOAxmJ2
领域: 学习理论
关键词: 贝叶斯说服, 垄断统合筛选, 样本复杂度, 机制设计, 需求查询

一句话总结¶

本文首次研究了具有信息优势的垄断卖家如何在买家价值先验分布未知的情况下，通过价值样本或交互式需求查询同时学习最优质量-价格菜单与说服信号机制，并给出了首个收益最大化增量全多项式时间近似方案（FPTAS）。

研究背景与动机¶

在现代数字化交易平台与算法市场（如在线零售与广告竞价系统）中，平台凭借海量用户画像数据，对商品匹配价值与点击转化率的预测精度往往远高于买家自身。这种信息不对称结构颠覆了经典微观经济学中买家天然知晓私人偏好的假设。根据 Bergemann 等人建立的“带说服筛选”理论框架，具有信息优势的垄断卖家虽受反价格歧视监管约束无法施行完全一阶价格歧视，却能通过公开质量-价格菜单配合个性化推荐（即 Blackwell 试验或说服信号机制）实现间接价格歧视与收益最大化。然而，该经典框架要求卖家预先完全获知买家偏好先验分布 $F$，这在真实多变的长尾商品市场中极难成立。

由此带来的核心理论矛盾在于：当买家价值分布未知时，卖家只能依赖样本数据或交互反馈来推断先验并重构机制。但经验分布计算出的后验均值与真实后验均值存在统计偏差，若直接套用经验最优机制，极易导致买家在真实世界中违背激励相容（IC）或个体理性（IR）约束，甚至向下转移购买更廉价品类，造成不可逆的常数级收益损失。此外，即使在经验分布下，联合优化菜单与说服机制在本质上属于非凸规划问题，此前连多项式时间近似算法都处于空白。

本文从统计学习理论切入，将信息设计与机制设计联合学习置于离线价值样本、在线需求查询与双边联合学习三大范式下。核心 idea：通过对低发生率的稀疏信号进行截断合并构建空信号、对高发生率优质信号实施依序递增的线性折价以单向加固激励相容，并基于动态规划状态剪枝设计出首个收益最大化的增量 FPTAS 算法。

方法详解¶

整体框架¶

在标准带说服筛选设定中，卖家生产质量 $q \in [\underline{q}, \overline{q}]$ 的成本为凸递增函数 $c(q)$，买家真实价值 $v \in [0, 1]$ 服从未知先验 $F$。卖家承诺发布质量-价格菜单 $\mathcal{M} = \{(q_k, p_k)\}_{k=1}^K$ 与单调分划信号机制 $\mathcal{I}$。买家在接收到信号 $k$ 后计算条件后验期望 $\bar{v}_F(k)$，并根据效用最大化原则挑选菜单项。学习系统的核心流程包含经验分布构建、动态规划求解最优分划、罕见信号截断以及线性价格折扣修正。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400}}}%%
flowchart TD
    A["输入：未知分布 F 的价值样本或需求查询"] --> B["先验分布重构<br/>经验分布构建或勒让德正交矩反演"]
    B --> C["离散分划动态规划<br/>网格离散化与前驱状态剪枝转移"]
    C --> D["罕见信号截断与聚合<br/>边际概率低于门槛合并为空信号"]
    D --> E["线性递进价格折扣<br/>消除后验偏差并加固单向激励相容"]
    E --> F["输出：鲁棒机制与保证收益"]

关键设计¶

1. 离散分划动态规划：突破非凸联合优化的多项式求解瓶颈
针对联合设计菜单与说服机制的高维非凸性，利用最优说服机制必然具备单调分划性（分划数不超过 $K := \overline{q}/\underline{q}$）以及相邻类型绑定约束的性质。将分位区间离散化为步长 $\varepsilon$ 的网格，并在质量网格上进行状态递推。由于在单调分划扫描过程中，前序所有区间的累计效用与激励约束仅取决于相邻前驱区间的质量编号，状态转移只需记录上一个分划指派的质量索引，定义转移收益为： $$\mathcal{U}[\ell, r, j', j] := \mu_F(\ell, r) (1 - t_\ell)(q_j - q_{j'}) - c(q_j)(t_r - t_\ell)$$ 通过前向递推填充维度为 $K \times n_t \times n_q$ 的动态规划表，并辅以回溯搜索与支付公式 $p_i = \bar{v}_i q_i - \sum_{j=1}^{i-1}(\bar{v}_{j+1} - \bar{v}_j) q_j$，在 $\mathcal{O}(K/\varepsilon^4)$ 时间内构造出收益损失在 $\varepsilon_{\mathrm{OPT}}$ 内的增量 FPTAS。

2. 罕见信号截断与聚合：消除条件后验均值发散风险
当某信号 $k$ 在经验分布或真实分布中的边际概率极低时，其后验均值分母趋于零，使得经验后验均值与真实后验均值之差 $|\bar{v}_F(k) - \bar{v}_{\hat{F}}(k)|$ 发生任意尺度的剧烈发散。如果针对这些罕见信号单独给予巨额降价补偿，该补偿将连锁传导给所有更高质量的信号，造成全盘收益崩溃。算法预先设定概率截断阈值 $\tau = \widetilde{\mathcal{O}}(\varepsilon / (\overline{q}K))$，将分位区间长度满足 $t_k - t_{k-1} < \tau$ 的所有“坏信号”统统聚集并重定向为一个专属的空信号（$\texttt{null}$）。买家收到该信号时不提供有价值推断并放弃购买，利用菜单规模有限性将该阶段的最大潜在收益损失严格控制在 $\mathcal{O}(\overline{q}K\tau)$。

3. 线性递进价格折扣：低成本修复单向激励相容
在截断后的“好信号”集合中，虽然真实与经验后验均值偏差已被方差敏感型均匀收敛界约束在有界范围内，但买家仍可能出现偏好向下偏移（购买更低档位商品）。不同于传统机制设计中导致 $\widetilde{\mathcal{O}}(1/\varepsilon^5)$ 高样本复杂度的乘性折扣，本文利用菜单项有限（至多 $K$ 项）的结构特征，引入依信号序号线性递增的折价机制： $$\tilde{p}_k = p_k - k \rho$$ 其中 $\rho = \widetilde{\mathcal{O}}(\varepsilon/K)$。对于任意更高的信号 $k$ 与更低的商品 $j < k$，由于 $(k - j)\rho \geq \rho$，差额折扣直接抵消了后验均值偏差引发的偏离诱因，保证高价值买家绝不背离至更低档位的廉价商品，同时由于折价仅有 $k\rho \leq K\rho \leq \varepsilon$，全盘期望收益的降价损耗被严格限制在线性可控区间。

一个完整示例¶

以汽车销售平台的两档商品推荐为例：平台提供基础版（质量 $q_1 = 1$、价格 $p_1$）与高配版（质量 $q_2 = 2$、价格 $p_2$），买家真实估值 $v \in [0, 1]$ 未知。平台根据抽样的历史买家数据构建经验 CDF $\hat{F}$。动态规划算法输出分划点 $t_1 = 0.4, t_2 = 1.0$。若某子区间样本量过小导致区间宽度 $t_k - t_{k-1} < \tau$，直接归入 $\texttt{null}$ 信号放弃推荐；对于保留的两个正常推荐信号 $s_1$ 与 $s_2$，平台将价格由原本的 $(p_1, p_2)$ 调整为 $\tilde{p}_1 = p_1 - \rho$ 与 $\tilde{p}_2 = p_2 - 2\rho$。当高估值买家被推荐高配版时，因其获得的降价幅度（$2\rho$）高于基础版（$\rho$），从而抵消了后验评估波动带来的降级购买动机，稳定维护了高配版的高额利润留存。

实验关键数据¶

主实验：不同信息获取范式与先验平滑度下的样本复杂度对比¶

论文对所提出的三种学习模型在实现 $\varepsilon$-次优收益所需的样本量/查询量进行了严密理论推导与复杂度界定，主定理结果对比见下表：

学习范式	先验分布假设 $F$	复杂度指标	达到 $\varepsilon$-次优所需理论界	相比基线/通用界的优势
价值样本 (Value Samples)	任意单调分布	样本复杂度	$\widetilde{\mathcal{O}}(K^3 \overline{q}^3 / \varepsilon^3)$	首个多项式样本保证（单项菜单可达 $\widetilde{\mathcal{O}}(1/\varepsilon^2)$）
需求查询 (Demand Queries)	离散有限支撑 ($N$点)	查询次数	$\mathcal{O}(N)$（常数级）	利用范德蒙矩阵无误差恢复完整 PMF
需求查询 (Demand Queries)	连续有界密度 (Bounded pdf)	查询次数	$\widetilde{\mathcal{O}}(K^2 \overline{q}^2 / \varepsilon^2)$	相比直接抽样的样本复杂度降低一阶 $\varepsilon$
需求查询 (Demand Queries)	连续李普希茨密度 (Lipschitz pdf)	查询次数	$\widetilde{\mathcal{O}}(K \overline{q} / \varepsilon)$	强平滑性下查询量与精度呈线性关系
需求查询 (Demand Queries)	解析密度函数 (Analytic pdf)	查询次数	$\mathcal{O}(\mathrm{polylog}(1/\varepsilon))$	仅需对数级查询即可逼近全局最优
双边联合学习 (Joint Learning)	任意分布 (动态先验集)	$T$ 轮累计遗憾 (Regret)	$\widetilde{\mathcal{O}}(K \overline{q} T^{3/4})$	允许买家信念同步演化的首个鲁棒次线性遗憾界

消融实验：方差敏感型均匀收敛与算法组件贡献分析¶

论文在理论分析中对不同集中不等式与机制设计组件进行了消融对比，证明了引入核心组件对压低样本复杂度的必要性：

机制与理论配置	条件均值偏差上界形式	导致的样本复杂度界	理论有效性与退化说明
基础全模型配置 (截断+线性折价+方差敏感界)	$\sqrt{\frac{\log(n/\delta)}{n \Pr(k)}} + \frac{\log(n/\delta)}{n \Pr(k)}$	$\widetilde{\mathcal{O}}(1/\varepsilon^3)$	全局约束严格收敛，实现样本最优阶
消融方差敏感界 (退回至标准 DKW 均匀界)	$\frac{1}{\Pr(k)} \sqrt{\frac{\log(1/\delta)}{n}}$	$\widetilde{\mathcal{O}}(1/\varepsilon^4)$	尾部分布估计方差失控，样本需求多增加一阶 $1/\varepsilon$
消融线性递进折价 (采用传统乘性折价)	乘性缩放 $\tilde{p}_k = (1-\rho)p_k$	$\widetilde{\mathcal{O}}(1/\varepsilon^5)$	破坏有限菜单结构特性，需极小步长导致样本剧增
消融罕见信号截断 (保留全部分划信号)	发散至 $\mathcal{O}(1)$	无法保证 $\varepsilon$-最优	极低概率信号造成后验剧烈扰动，引发常数级收益亏损

关键发现¶

在无交互的样本学习中，方差敏感型伪维度分析起到了定海神针的作用：将条件均值的估计误差由标准 DKW 下的 $1/(\nu \sqrt{n})$ 改进为 $1/\sqrt{\nu n}$，成功抹去了一个数量级的 $\varepsilon$ 乘子。
交互式需求查询展现出了惊人的信息抽取效率：由于非线性菜单诱导的一阶最优性条件能精确外露买家的后验均值，系统可通过精心构造的切比雪夫/勒让德多项式信号直接“读出”未知先验的前 $n$ 阶矩，使得平滑分布下的学习复杂度指数级下降。

亮点与洞察¶

首次打通了信息设计（说服）与机制设计（非线性定价）在未知分布下的学习理论桥梁，摆脱了长久以来对买家先验“全知全能”的强假设。
提出了精妙的“线性递进折扣”技术：相较于文献中通用的全局乘性折价，巧妙利用最优说服菜单仅有有限离散项的组合性质，实现了单向激励相容的无损修复。
建立了需求查询下的矩恢复桥梁：利用特定二次菜单与幂次信号，使得买家最优反应直接映射为概率分布的高阶矩，为后续经济学逆向恢复机制提供了可复用范式。

局限与展望¶

当前离散动态规划算法的时间复杂度依赖于状态网格划分，其实际计算开销对精度要求（$1/\varepsilon^4$）较为敏感，超高精度场景下计算负载较重。
设定局限于单维买家估值与单维商品质量匹配，未涵盖多品类捆绑、多属性特征交叉的复杂多维垄断筛选场景。
动态环境非平稳漂移问题：当前多臂老虎机上界建立在买家估值先验稳态假设之上，面对突发性宏观通胀或季节性偏好剧变时的自适应追踪仍有待完善。
实际认知行为偏差：买家被假定为严格理性的贝叶斯信念更新者，在面对带有认知惰性或概率误判的人类真实买家时，说服效果可能存在非线性损耗。
未来的重要延伸方向是将离散质量网格推广至连续动态机制，并探索深度强化学习在非线性说服策略中的落地可能性。

评分¶

新颖性: ⭐⭐⭐⭐⭐ 首次从学习理论角度系统攻克带说服定价机制，填补非凸联合优化的 FPTAS 空白。
实验充分度: ⭐⭐⭐⭐⭐ 理论证明完备深刻，涵盖样本复杂度、多项式算法、需求查询与双边在线学习全范式。
写作质量: ⭐⭐⭐⭐⭐ 架构逻辑极其严密，数学论证深入，从经济学直觉到统计学工具层层递进。
价值: ⭐⭐⭐⭐⭐ 为现代算法推荐系统与动态收益管理的结合提供了坚实的理论基石。

机制与理论配置	条件均值偏差上界形式	导致的样本复杂度界	理论有效性与退化说明
基础全模型配置 (截断+线性折价+方差敏感界)	\(\sqrt{\frac{\log(n/\delta)}{n \Pr(k)}} + \frac{\log(n/\delta)}{n \Pr(k)}\)	\(\widetilde{\mathcal{O}}(1/\varepsilon^3)\)	全局约束严格收敛，实现样本最优阶
消融方差敏感界 (退回至标准 DKW 均匀界)	\(\frac{1}{\Pr(k)} \sqrt{\frac{\log(1/\delta)}{n}}\)	\(\widetilde{\mathcal{O}}(1/\varepsilon^4)\)	尾部分布估计方差失控，样本需求多增加一阶 \(1/\varepsilon\)
消融线性递进折价 (采用传统乘性折价)	乘性缩放 \(\tilde{p}_k = (1-\rho)p_k\)	\(\widetilde{\mathcal{O}}(1/\varepsilon^5)\)	破坏有限菜单结构特性，需极小步长导致样本剧增
消融罕见信号截断 (保留全部分划信号)	发散至 \(\mathcal{O}(1)\)	无法保证 \(\varepsilon\)-最优	极低概率信号造成后验剧烈扰动，引发常数级收益亏损