混合收益模式下在线内容动态定价决策的仿真优化方法研究

Hybrid revenue mode not only improves the income ability of the online content providers, but also benefits the long-term healthy development of online services. Dynamic pricing the contents scientifically is the key to success of hybrid revenue mode. The online service system owns great number of contents which are updating continuously,thus, model-based optimization method is unsuited. For this, this project tries to realize the dynamic pricing decision optimization with Q-learning technique, a stochastic optimization technology in simulation environment. The project will construct the customer perceived value model of the online content, and further build the stochastic model of online customers' behavior as well as the demand state model of the online content. And on this foundation, the simulation environment for Q-learning training will be built. Aiming at the storage problem of continuously numerical state space, this project proposes to use ART neural network storage lookup tables and to make the lookup tables adjust storage mode dynamically according to the state scope's activity. Using the ability of ART neural network of judging the state scope's activity, this project propose the method to control the decision-making exploring. This method can be guidance of Q-learning process, which avoids Q-learning training from getting into the local optima, and improves the convergence ability of the algorithm in the meantime. The research results of this project will provide feasible theory and methods for the dynamic pricing decision of online content.

混合收益模式不仅能提高在线内容服务商的收益能力，还有利于在线内容服务业长远的健康发展，对内容进行科学地动态定价是混合收益模式成功的关键，而基于模型的优化求解方法不能对种类繁多且不断更新的在线内容及时进行价格调整。对此，课题提出利用Q学习方法，这一仿真环境下的随机优化技术，来实现在线内容的动态定价。课题将构建客户对在线内容的价值感知模型，提出在线客户的随机行为模型和在线内容需求状态模型，在此基础上构建出用于Q学习训练的仿真环境。针对连续数值型状态空间的存储问题，课题提出用ART神经网络存储速查表，使速查表能够依状态域的活跃性而动态调整存储模式。利用ART神经网络能够判断接收域活跃度的能力，课题提出了控制决策探索策略的方法，该方法可有效指导Q学习过程，既避免学习训练陷入局部最优又可提高算法的收敛能力。研究成果将为在线内容动态定价决策提供可行的理论方法。

在线内容的混合收益模式是指运营商从免费内容中获取广告收益，并从高服务品质的付费内容中获取订阅收益的运营模式。在该模式下，运营商的一个主要决策问题是如何确定在线内容订阅价格，免费数量与广告强度的优化组合，从而获取最大收益。项目在三个方面取得了进展。. 首先，通过实证研究，分析混合收益模式下内容消费者对付费内容的价值认知机理。探索了增值体验过程中用户心理惯性的形成原因，及心理惯性对服务升级意愿的中介作用，弥补了在线内容领域缺乏对用户心理状态变化考虑的现状。研究也证明了消费者现状偏好的三个重要成分——损失厌恶、社会规范及认知惯性——分别对在线内容消费者的感知价值评估及认知锁定效应有显著影响。研究结果可以帮助内容服务商制定合理的营销策略吸引客户，提升其付费意愿，从而充分发挥混合收益模式的优势。. 其次，构建消费者对在线内容的价值评估动态模型，描述消费者在不同业务条件下对内容服务的感知价值。考察了免费体验对消费者价值评估的影响，也构建出消费者对内容服务价值评估随订阅数量非线性增长的价值评估模型。. 最后，提出了混合收益模型及其仿真优化方法。在前述研究基础上，课题组提出了描述消费者购买行为的动态模型，所提出的两阶段行为模型刻画了在线内容免费体验对消费者选择行为的影响。同时也考察了广告强度、网络外部性对消费者行为的影响。所提出的混合收益模型综合刻画了消费者在免费体验过程中价值评估的动态变化，及其对三个决策变量（订阅价格、广告强度、免费数量）优化结果的影响。提出了求解模型的仿真优化算法，仿真实验分析了消费者对内容网站品质“高估”与“低估”的情境下，订阅价格，免费数量与广告强度组合的优化策略。