Consider a seller that intends to auction some item. The seller can invest money and effort in advertising in different market segments in order to recruit $n$ bidders to the auction. Alternatively, the seller can have a much cheaper and focused marketing operation and recruit the same number of bidders from a single market segment. Which marketing operation should the seller choose? More formally, let $D=\{\mathcal D_1,\ldots, \mathcal D_n\}$ be a set of distributions. Our main result shows that there is always $\mathcal D_i\in D$ such that the revenue that can be extracted from $n$ bidders, where the value of each is independently drawn from $\mathcal D_i$, is at least $\frac 1 2 \cdot (1-\frac 1 e)$ of the revenue that can be obtained by any possible mix of bidders, where the value of each bidder is drawn from some (possibly different) distribution that belongs to $D$. We next consider situations in which the auctioneer cannot use the optimal auction and is required to use a second price auction. We show that there is always $\mathcal D_i\in D$ such that if the value of all bidders is independently drawn from $\mathcal D_i$ then running a second price auction guarantees a constant fraction of the revenue that can be obtained by a second-price auction by any possible mix of bidders. Finally, we show that for any $\varepsilon>0$ there exists a function $f$ that depends only on $\varepsilon$ (in particular, the function does not depend on $n$ or on the set $D$), such that recruiting $n$ bidders which have at most $f(\varepsilon)$ different distributions, all from $D$, guarantees $(1-\varepsilon)$-fraction of the revenue that can be obtained by a second-price auction by any possible mix of bidders.


翻译:考虑一个打算拍卖某个项目的卖方。 卖方可以投资资金和努力在不同市场部分进行广告, 以便从美元投标人那里招聘美元投标人。 或者, 卖方可以拥有一个更便宜和重点更集中的营销业务, 从单一市场部分中招聘同样数目的投标人。 卖方应该选择哪个营销业务? 更正式地, 允许由不同投标人组合获得的 $\ mathcal D_ 1,\ ldots,\ mathcalal D_ n_ $ 是一系列分销。 我们的主要结果显示, 总是有美元( 可能不同) 的二美元销售价值, 美元。 我们接下来考虑的情况是, 拍卖人不能使用最优的拍卖, 而不是以美元独立方式从一个价格拍卖中提取的美元。 我们总是要从一个固定的美元中拿出一定的美元。

0
下载
关闭预览

相关内容

专知会员服务
79+阅读 · 2021年7月3日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
Github项目推荐 | GAN评估指标的Tensorflow简单实现
AI研习社
16+阅读 · 2019年4月19日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
已删除
将门创投
6+阅读 · 2019年1月2日
Github 项目推荐 | YOLOv3 的最小化 PyTorch 实现
AI研习社
25+阅读 · 2018年5月31日
神经网络学习率设置
机器学习研究会
4+阅读 · 2018年3月3日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Arxiv
0+阅读 · 2021年7月26日
Arxiv
0+阅读 · 2021年7月26日
Arxiv
0+阅读 · 2021年7月25日
Arxiv
3+阅读 · 2018年10月18日
VIP会员
相关VIP内容
专知会员服务
79+阅读 · 2021年7月3日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
相关资讯
Github项目推荐 | GAN评估指标的Tensorflow简单实现
AI研习社
16+阅读 · 2019年4月19日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
已删除
将门创投
6+阅读 · 2019年1月2日
Github 项目推荐 | YOLOv3 的最小化 PyTorch 实现
AI研习社
25+阅读 · 2018年5月31日
神经网络学习率设置
机器学习研究会
4+阅读 · 2018年3月3日
【推荐】用Python/OpenCV实现增强现实
机器学习研究会
15+阅读 · 2017年11月16日
【学习】(Python)SVM数据分类
机器学习研究会
6+阅读 · 2017年10月15日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
【学习】Hierarchical Softmax
机器学习研究会
4+阅读 · 2017年8月6日
Top
微信扫码咨询专知VIP会员