From Doubt to Devotion: Trials and Learning-Based Pricing

From Doubt to Devotion: Trials and Learning-Based Pricing
从怀疑到忠诚：试用与基于学习的动态定价

【文献元数据与出版信息】

论文作者：Tan Gan (London School of Economics), Nicholas Wu (Yale University)

发表期刊：Journal of Political Economy, Volume 134, Number 9, September 2026, pp. 2683–2739

出版信息：Electronically published August 13, 2026 | The University of Chicago Press | DOI: https://doi.org/10.1086/742434

JEL 分类号：D82（非对称与私有信息；机制设计）、D83（搜索；学习；信息与知识；信念更新）、L15（信息与产品质量；标准化）、M31（市场营销：定价策略与产品设计）、D86（契约理论：动态激励）

【全文核心摘要（Executive Summary）】

核心问题：在以软件即服务（SaaS）、数字流媒体和云服务为代表的数字经济中，销售方通常凭借专有数据和同类客户画像，比潜在买家更了解产品与其业务的匹配度；而买家初始不知情，但能在使用过程中私下体验并学习产品的真实效用。销售方如何运用其专有数据与买方的动态学习能力来设计动态定价机制？这种数据优势对企业收益与社会福利究竟产生何种深远影响？

核心发现：本文构建了买方学习环境下的动态知情委托人（Dynamic Informed Principal with Agent Learning）机制设计模型。研究发现，当销售方只能控制服务访问权时，试用机制（Trial Mechanism）内生涌现为唯一能够实现收益前沿的机制形态。更为颠覆性的是，与静态环境中数据总能提升或维持利润的传统智慧截然相反，在买方可动态学习的经验品市场中，拥有消费者偏好数据反而可能在均衡中严格降低销售方的总收益，并严重破坏社会福利（即“数据反噬悖论”）。高匹配质量销售方为向买家自证清白而产生强烈的发信号诱惑，破坏了一阶最优的事前全额定价，导致试用期缩短与试用后垄断性高价。在 D1 均衡精炼下，存活的均衡甚至退化至最短试用期与最高加价，导致社会总剩余达到极小化。

拓展发现：当允许销售方调整服务质量（如推出带广告、限速率或功能阉割的低配版）时，最优机制进一步演变为动态分级定价（Dynamic Tiered Pricing）。然而，拓展销售方的筛选技术（给予其功能降级能力）不仅无法增进效率，反而可能因为强化了逆向选择与信号扭曲，导致社会福利进一步净下降。

一、研究背景与核心现实问题

1.1 数字经济下经验品的商业现实与定价挑战

在现代数字经济中，软件即服务（SaaS，如 Salesforce、HubSpot）、企业云平台（如 AWS、Azure）、数字流媒体（如 Netflix、Spotify）以及在线高等教育平台（如 Coursera、MasterClass）呈现出与传统零售实物截然不同的经济学特征。这些产品通常具有极高沉没研发成本和近乎为零的边际分发成本，并且本质上属于经验品（Experience Goods）——潜在客户很难仅仅通过阅读产品规格书或销售推介，就准确评估该软件或服务是否契合自身复杂的业务架构或真实偏好。

正如著名支付与 SaaS 基础设施巨头 Stripe 在其《SaaS 定价模式指南》中所指出的：“在 SaaS 模式下，企业能够获取海量客户数据以指导定价决策……这种数据使得基于实际使用模式的精细化动态定价成为可能，而这在客户关系通常随一次性交易而终止的传统零售中是难以想象的。”然而，这种由数据驱动的动态定价灵活性，给企业的机制设计与价值变现带来了全新的双向信息不对称困境。

1.2 双重信息不对称：知情销售方与买方的私有体验学习

本文识别出数字经验品交易中的两大致命信息结构：

第一，（1）销售方拥有私有匹配信息（Informed Seller）：SaaS 供应商凭借其软件架构的专有技术知识、历史客群行为数据以及跨企业横向对比经验，在向某特定中小企业推销营销自动化软件前，往往比该企业自身更清楚该工具与其产品线、销售渠道和业务规模是否匹配（即匹配质量 $θ \in {H, L}$ ）。然而，销售方口头宣传的“高匹配度”缺乏可信度，因为低质量或不匹配的销售方同样有强烈动机声称自己的产品是万能的。

第二，（2）买方拥有私有消费体验学习能力（Uninformed Buyer with Private Learning）：虽然买方在交易之初处于信息劣势，但一旦开始使用该服务，就能够通过自身业务系统的私下变化（例如是否观察到线索转化激增、销售收入跃升或工时大幅节约）进行动态贝叶斯学习。买方不仅能验证产品是否真正匹配，还能完全掌握该服务对自己业务所带来的专有边际价值（效用冲击大小 $v$ ）。销售方无法直接穿透监测买方内部经营的真实收获。

1.3 核心冲突与“数据反噬”悖论（The Perils of Consumer Data）

在经济学文献关于静态知情委托人的经典结论中（如 Koessler and Skreta, 2016），拥有更多消费者偏好数据的销售方，在均衡中总能维持或严格提升自身利润。因为销售方可以简单地通过事前机制将信息租金抽取殆尽，数据绝不会成为企业的负担。

然而，Tan Gan 与 Nicholas Wu 敏锐地指出：一旦将静态环境拓展到包含买方动态体验学习的连续时间经验品市场，数据优势反而会成为侵蚀企业利润的“毒药”！其深层经济机理在于：当高质量销售方（ $θ = H$ ）凭借专有数据知道产品极度适配买家时，它对买家在试用期内获得正面冲击的预期远高于买家自身的先验预期（产生信念差距 Belief Gap）。这种信念差距使得高质量销售方极不甘心按平庸的事前混合估值打包出售，而是迫切渴望通过提供“免费试用”来让事实说话，再在试用后对证实了高价值的买家实施高额价格歧视。

然而，这种试图“自证清白”的信号传递动机（Signaling Incentives），彻底击碎了原本可以通过事前完全买断锁定全部社会剩余的一阶最优（First Best）均衡。买家在获得正面体验后掌握了私有效用信息，迫使销售方必须割让高昂的信息租金。最终，在市场博弈与信念精炼的作用下，拥有消费者数据的销售方收益甚至可能严格低于其完全不掌握任何消费者数据的情境。这一反直觉的深刻悖论，构成了整篇论文最为震撼的理论核心。

二、论文的核心理论与应用贡献

2.1 理论框架贡献：开创“代理人学习下的动态知情委托人”机制设计

传统动态机制设计文献（如 Eső and Szentes, 2007; Pavan, Segal, and Toikka, 2014）通常假定委托人（销售方）不知情，仅代理人（买方）在各期持续接收私有外生信号。此时，代理人的信念演化在委托人眼中满足鞅性质（Martingale Property），经典的一阶方法与脉冲响应分析可以通过松弛后续阶段的虚报动机，仅保留首期汇报的局部激励约束即可求解。

而在 Tan Gan 与 Nicholas Wu 的模型中，委托人本身是拥有私有信息的知情方（Informed Principal）。这意味着委托人与代理人对代理人未来信念的演化路径存在根本性的先验分歧（Belief Gap）。从知情委托人的视角来看，代理人的信念过程不再是鞅，而是会随着连续时间学习而不断向客观真理“被动修正”。这一特征导致代理人不仅有动机在接收到信号后虚报其价值大小，更有动机在时间轴上策略性地“隐瞒学习事实（Hiding Learning）”或延迟披露。文章的开创性贡献在于：利用泊松确证性好消息（Poisson Conclusive Good News）的学习结构，将复杂的动态多维筛选问题精妙地转化为局部价值激励约束（IC-V）与全局跨期沉默约束（IC-U）的松弛控制问题，并证明了松弛问题的最优解在原动态机制空间中完全可行，为动态知情委托人理论树立了全新的分析范式。

2.2 商业模式微观机理解释：免费试用与分级定价的内生涌现

在产业组织与营销学文献中，免费试用（Free Trials）和分级定价（Tiered Pricing / Freemium）以往多被作为外生给定的两阶段经验定价规则进行探讨（如 Milgrom and Roberts, 1986; Bergemann and Välimäki, 2006）。现有模型通常将试用期假定为无法被销售方承诺机制所替代的外生博弈阶段。

本文则是首篇在完全开放的无限维动态直接机制空间（Dynamic Direct Mechanisms）中，内生推导证明出：**试用机制（全功能无限制试用一段时长 $t_{0}$ ，之后对未证实高价值者断供，对证实高价值者索取溢价 $v_{0}$ ）是唯一能够达成激励相容与个体理性前沿的机制形态**。文章不仅解答了“企业为什么要提供试用”，更揭示了试用期的本质是知情企业在“加速证据生成（向买家展示真实匹配）”与“防止买家在试用期白嫖过多效用（削弱试用后定价空间）”之间的跨期精密折中。

2.3 证伪“数据资产绝对增益论”：信息溢出与信号扭曲的福利代价

当前学术界与产业界普遍存在一种“大数据拜物教”，即认为收集越多的消费者微观行为数据，企业就越能实现精准营销和超额收益。本文通过极其严格的数理逻辑，首次给出严正反例：在经验品动态销售中，如果企业拥有关于消费者适配性的非公开数据，但缺乏就“如何使用该数据”向市场做出可信承诺的能力，那么数据资产反而会成为企业的战略负债（Strategic Liability）。

由于无法公开审计算法细节，买家对知情销售方的任何报价都保持警惕。高质量销售方为了将自身与劣质销售方区别开来，被迫采纳具有甄别性质的动态试用与价格歧视，从而丢弃了全量买断的效率剩余。更严重的是，当面临 D1 准则等标准的信号博弈精炼时，恶性信号竞争会导致销售方利润与社会效率遭受双重碾压，证明了“承诺不收集或不使用客户数据”反而是企业的帕累托最优策略。

2.4 信号博弈精炼下的极端预测：D1 准则下的效率崩溃

在知情委托人博弈中，混同均衡通常存在巨大的收益不确定性。本文引入经典的 D1 精炼准则（Banks and Sobel, 1987），证明了令人震惊的唯一性结果：**所有通过 D1 筛选的试用机制，其试用期长度必然坍缩至理论最短的极小值 $t_{M}$ ，而试用后的升级费率必然飙升至垄断极高值 $v_{M}$ **。这意味着企业在信号竞争的驱使下，将动态价格歧视的外延边际（极短试用）与内涵边际（极度排他性高价）推向了理论极致，导致社会总剩余达到最低点。这为解释现实中 SaaS 和数字平台普遍存在的“试用期极短”、“试用一过立即恢复高昂天价续费”的商业困境提供了强有力的理论解释。

2.5 质量内生化与广义筛选：破解免费增值（Freemium）的福利迷思

文章不仅止步于“给予或切断访问权（0/1 决策）”的基准设定，更开创性地将销售方的筛选技术扩展至**服务质量维度（Service Quality $q$ ）**。文章证明：当企业可以故意劣化产品质量（如插入恼人的广告、降低音频视频画质、限制并发数或计算资源）时，最优机制会演变出“高级版试用 $\to$ 广告版基础服务 $\to$ 终止服务，随时付费升级至纯净版”的动态分级定价路径。

更令人深思的是其福利涵义：在传统机制设计中，工具箱越丰富，效率通常越高；但在知情委托人环境下，赋予企业“劣化质量”的能力（如推出带广告的免费版），反而会诱发高质量企业利用低劣版本无休止地折磨用户以促其付费升级，导致买家在学习期间承受严重的效用折损，进而引发社会总福利的进一步净下滑。

三、核心概念、机制定义与模型符号体系

3.1 核心经济学与博弈论概念深度剖析

为了清晰理解论文的理论大厦，首先对文中所依托的六大核心经济学与机制设计概念进行严格的界定与辨析：

概念 1：（1）经验品（Experience Good）与连续使用体验：与能够在购买前直接检验品质的“搜寻品（Search Good）”不同，经验品的真实价值只有在买方亲自使用、消耗后方能逐步揭晓。在软件与数字服务场景中，经验品属性不仅表现为“是否好用”，更表现为软件与买方特定业务环境之间的协同适配性（Match Quality）。这种体验在时间维度上是渐进展开的，从而天然赋予了交易动态化的必要性。

概念 2：（2）知情委托人（Informed Principal）：在经典契约理论（如 Baron and Myerson, 1982）中，委托人（销售方）通常是信息劣势方，代理人（买方）拥有私有信息。而在知情委托人框架下，设计机制的委托人自身拥有不可直接验证的私有信息（ $h e t a \in {H, L}$ ）。知情委托人提议的机制不仅是一种资源分配与定价规则，其机制本身就是一种可能向代理人泄露自身私有信息的信号载体。因此，委托人必须权衡机制本身的直接收益与机制选择所引发的信念推断（Inscrutability Principle 与 Signaling 效应）。

概念 3：（3）确证性好消息学习（Conclusive Good News Learning）：这是信息经济学中刻画不确定性消除的经典泊松学习范式。如果匹配质量为低（ $h e t a = L$ ），无论使用多久，效用冲击的到达率恒为零；如果匹配质量为高（ $h e t a = H$ ），效用冲击将以受访问权调控的泊松强度 $λ I (t)$ 随机爆发。这意味着：**只要买方在任何时刻观察到哪怕一次效用冲击（ $N_{t} > 0$ ），买方的后验信念将瞬间跃升为 $μ = 1$ （完全确证为高匹配），并且同时完全知晓单次冲击的真实价值 $v$ **。反之，若长时间未发生到达，买方的信念将依据贝叶斯法则连续下滑（无消息即坏消息）。

概念 4：（4）信息租金（Information Rent）与虚拟剩余（Virtual Surplus）：当买方通过实际使用确证了自身的高估值后，由于其汇报是私有的，销售方为了诱使其说真话（即不假装低价值买家或隐瞒已学习的事实），必须在定价上给买方保留一定的剩余，即信息租金。在机制设计中，销售方的目标函数并非最大化物理社会总剩余，而是最大化扣除买方信息租金后的“虚拟剩余（Virtual Surplus）”。在动态知情委托人问题中，买方事前对未来信息租金的预期，直接决定了销售方能在试用期前期抽取的费用上限。

概念 5：（5）不可推托原则（Inscrutability Principle）与完全混同均衡（Complete Pooling Equilibrium）：Myerson（1983）提出的不可推托原则指出，知情委托人无需在提议机制时进行分离；任何分离均衡都可以等价重构为所有类型的委托人提出同一个机制，而在机制运行中根据自身真实类型进行汇报。在本文中，这一原则进一步强化为完全混同试用机制——不仅机制提案不泄露信息，而且在试用阶段分配给买方的访问权也完全不依赖于销售方的私有报告，买方完全依据自己在试用过程中的客观体验形成信念。

概念 6：（6）D1 精炼准则（D1 Criterion of Banks and Sobel, 1987）：信号博弈中通常存在海量的混同与部分分离均衡。D1 准则是一种极具说服力的后验信念精炼方法。它要求：当买方观察到一个偏离原均衡的非均衡机制提案时，买方应当推断该提案来自“在更多买方理性反应下能够实现严格获益”的那种销售方类型。若在低质量销售方能获益的所有买方反应集合中，高质量销售方均能严格获益，且存在某些反应使得高质量销售方获益而低质量销售方受损，则买方必须以概率 1 断定该偏离来自高质量销售方。这一准则对限制场外信念、锁定最终市场形态具有决定性作用。

3.2 模型时序与博弈结构

基准动态博弈在连续时间区间 $𝒯 = [0, T]$ 内展开，双方均为风险中性且无贴现（引入贴现率不改变定性结论）。博弈时序如下：

第 1 阶段（自然行动）：自然抽取软件匹配质量 $h e t a \in {H, L}$ 以及效用冲击规模 $v \in [\underline{v}, \bar{v}]$ 。销售方私下观察到 $h e t a$ ，买卖双方均不知道具体的 $v$ 。

第 2 阶段（机制提议）：知情销售方公开向买方提议一个动态机制 $m = (I, p) \in ℳ$ 。

第 3 阶段（接受决策）：买方根据先验信念及对机制的推断，决定接受（Accept）或拒绝（Reject）该机制。若拒绝，博弈终止，双方获得外部保留收益 0。

第 4 阶段（动态交互与学习）：机制开始执行，销售方汇报其类型 $\hat{θ}$ 。买方开始使用服务，并私下观察自身是否接收到效用冲击及其数值 $v$ 。在任意时刻 $t$ ，买方根据历史向机制发送消息 $m_{t} \in M_{t}$ 。机制依据规则动态赋予买方访问权 $I (t) \in [0, 1]$ 并收取价格 $p (t)$ 。

第 5 阶段（博弈终止与支付实现）：买方随时拥有退出权（Outside Option 0）。当买方主动退出或时间到达终止时刻 $T$ 时，博弈结束。若到 $T$ 时刻买方共经历 $N_{T}$ 次冲击并支付累积价格 $p$ ，买方最终收益为 $N_{T} v - p$ ，销售方最终收益为 $p$ 。

3.3 模型数学符号与经济含义系统对照表

为便于读者全面把握全文的数学推演，下表对论文涉及的所有核心变量、符号、定义域及经济学功能进行了系统汇总：

模型符号	取值空间 / 形式	经济学含义	在机制设计中的作用与功能
$T$	$T \in (0, \infty)$	服务总存续期限	外生合约总时长，决定最大潜在剩余池
$h e t a$	$h e t a \in {H, L}$	产品与买方的客观匹配度	销售方拥有的私有信息（高质量 vs 低质量）
$μ_{0}$	$μ_{0} \in (0, 1)$	买方事前先验信念	买方初始对产品为高匹配质量的主观概率
$v$	$v \in [\underline{v}, \bar{v}]$	单次效用冲击的物理价值	买方私有偏好；分布为 $F (v)$ ，标准化 $𝔼 [v] = 1$
$F (v), f (v)$	密度为 $f (v) > 0$	买方私有估值的概率分布	假定满足 Myerson 正规性，即虚构成本递增
$I (t)$	$I (t) \in [0, 1]$	服务访问控制权	机制的控制变量：0为切断访问，1为全量开放
$λ$	$λ > 0$	外生泊松到达强度基准	高质量匹配时有效冲击到达率为 $λ I (t)$
$N_{t}$	$N_{t} \in {0, 1, 2, \dots}$	效用冲击到达计数过程	买方的私有体验，若 $N_{t} > 0$ 则瞬间确证 $h e t a = H$ 且知悉 $v$
$a u$	$a u \in [0, T] \cup {\infty}$	首次冲击发生的随机时间	内生取决于先前的访问权历史 $I (t)$
$m = (I, p)$	属于机制空间 $ℳ$	确定性动态直接机制	由知情销售方提议的访问权与支付路径规则
$h_{t}$	$h_{t} \in ℋ_{t}$	$t$ 时刻的历史记录	包括销售方的初始汇报及买方在 $t$ 前发送的消息序列
$I_{U}^{θ} (t), p_{U}^{θ} (t)$	映射至 $[0, 1]$ 与 $ℝ$	未收到冲击时的访问与支付	刻画买方在试用期间（未确证前）的基准合约
$I_{v, t}^{θ} (s), p_{v, t}^{θ} (s)$	映射至 $[0, 1]$ 与 $ℝ$	确证价值为 $v$ 后的访问与支付	刻画买方在 $t$ 时刻汇报收到价值 $v$ 冲击后的追加机制
$Δ_{v, t}^{H} (T)$	$Δ_{v, t}^{H} (T) \geq 0$	汇报到达后的追加净支付	$Δ_{v, t}^{H} (T) = p_{v, t}^{H} (T) - p_{U}^{H} (T)$ ，刻画升级加价
$v_{M}$	$v_{M} \in [\underline{v}, \bar{v}]$	迈尔森静态垄断价格	$v_{M} = a r g m a x v (1 - F (v))$ ，实施垄断歧视的最优费率
$t_{M}$	$t_{M} \in [0, T]$	迈尔森最优免费试用期	$t_{M} = a r g m a x (1 - e^{- λ t}) (T - t)$ ，偏离最优试用时长
$π_{F}$	$π_{F} > 0$	迈尔森免费试用保证收益	高质量销售方通过偏离可单方面确保的最低收益底线
$w_{L}$	$w_{L} \in (- \infty, \frac{1 - μ_{0}}{μ_{0}}]$	低质量类型的加权权重	追踪收益前沿 $\partial Π_{+}$ 的参数化权重
$Π_{I C - I R}$	$ℝ^{2}$ 的子集	可行 IC-IR 机制收益集	所有满足双方激励相容与个体理性的收益对集合
$\partial Π_{+}$	收益集的有效上边界	高质量占优的收益前沿	销售方收益最大化机制所对应的外边界
$(v_{0}, t_{0}, p_{0})$	$v_{0} \geq \underline{v}, t_{0} \in [0, T]$	试用机制的三大参数	升级门槛 $v_{0}$ 、试用时长 $t_{0}$ 、前期试用收费 $p_{0}$
$𝒟, q (t)$	$(I, q) \in 𝒟 \subseteq [0, 1]^{2}$	广义筛选技术与服务质量	允许销售方同时调控学习速率 $I$ 与服务质量 $q$

3.4 动态直接机制空间与跨期激励相容约束

根据确证性好消息学习的特性，买方只需向机制汇报**第一次效用冲击的发生时间 $t$ 及其价值大小 $v$ **。因此，任何动态直接机制均可清晰解构为两阶段控制：

机制结构：在买方汇报首个冲击之前，机制提供基准访问权 $I_{U}^{θ} (t)$ ，并收取基准支付 $p_{U}^{θ} (t)$ ；当买方在 $t$ 时刻汇报收到价值为 $v$ 的冲击后，机制将后续访问权调整为 $I_{v, t}^{θ} (s)$ ，并将累积支付调整为 $p_{v, t}^{θ} (s)$ （对于 $s \geq t$ ）。

一个机制是激励相容与个体理性（IC-IR）的，必须克服以下四类核心战略偏离：

（1）真假不知情约束（IC-U，跨期沉默约束）：买方在 $t$ 时刻确实感知到效用冲击 $v$ ，但策略性地选择永远装作不知情（汇报 $U$ 直至 $T$ ）。机制必须确保买方如实披露比永远沉默更优：

$λ v I (v, t) - p_{v, t}^{H} (T) \geq λ v I (U, t) - p_{U}^{H} (T) \forall (v, t)$

（2）价值真实汇报约束（IC-V，局部包络约束）：买方在 $t$ 时刻发生到达后，如实汇报其冲击规模 $v$ ，而不虚报为其他任何 $v' \in [\underline{v}, \bar{v}]$ ：

$λ v I (v, t) - p_{v, t}^{H} (T) \geq λ v I (v', t) - p_{v', t}^{H} (T) \forall (v, v', t)$

（3）买方事前个体理性约束（IR-0）：在时刻 0，买方基于先验信念 $μ_{0}$ 参与该机制获得的期望效用非负：

$μ_{0} 𝔼 [N_{T} v - p_{v, τ}^{H} (T) | θ = H] - (1 - μ_{0}) p_{U}^{L} (T) \geq 0$

（4）销售方真实汇报与参与约束（IC-S & IR-S）：低质量销售方无法伪装成高质量销售方，且两类销售方的事前收益均非负。

四、模型基准与理论推演：命题、推论与商业实例深度剖析

本节系统展示论文的核心数理推演结果。遵循用户指令，本报告对每个命题（Proposition）和推论（Corollary）均通过真实的现实商业案例进行深度透彻的经济学与管理学解释，同时严格隐去纯数理证明过程，重点聚焦于其背后的经济机理、博弈动机与决策逻辑。

4.1 一阶最优基准与命题 1（Proposition 1）

首先考察社会最优效率状态。如果产品匹配为高（ $θ = H$ ），在存续期 $T$ 内由于边际成本为零，最优的资源配置应始终提供全量访问权（ $I (t) = 1$ ），产生的预期社会总剩余为 $λ 𝔼 [v] T = λ T$ （因标准化 $𝔼 [v] = 1$ ）；若匹配为低（ $θ = L$ ），产生的剩余为 0。因此，在买方先验信念为 $μ_{0}$ 时，事前最大期望总剩余为 $λ μ_{0} T$ 。销售方若能在时刻 0 以固定总价 $λ μ_{0} T$ 将全周期服务一次性卖断给买方，即可完全榨取这一剩余，达成一阶最优（First Best）。

【命题 1：一阶最优基准的可实现性条件】

命题 1 原文表述（Proposition 1）：

假定以下条件中至少有一项成立：

1. 静态交易限制：销售方仅能在时刻 0 出售服务，即累积支付仅在时刻 0 发生跳跃，对所有历史 $h_{t}$ 均有 $p (h_{t}) = p (θ)$ ；

2. 不知情销售方：销售方自身并不观察匹配质量 $θ$ （或可承诺不收集/不观测 $θ$ ）。

则事前期望收入最大化机制（一阶最优，First Best）可以在均衡中实现，销售方收取事前固定价格 $λ μ_{0} T$ 并提供全周期服务。

【现实商业案例阐释：命题 1（传统盒装买断制软件）】

案例背景：回顾 20 世纪 90 年代传统个人电脑软件时代的商业模式，以微软公司发售的盒装买断制软件（如 Microsoft Office 97）为例。

机制映射与逻辑解析：

• 对应条件 1（静态交易）：消费者在百脑汇或电脑商城购买装在光盘盒里的 Office 97 时，交易是一次性买断的，软件厂商在售出后无法在技术上对客户的日常使用实施远程动态监控、限速或阶段性锁死，更无法根据客户的使用频率动态调整月费。在这一静态环境下，即使微软通过后台技术了解某类用户是办公重度用户，由于定价必须在柜台时刻 0 完成，买方基于对办公软件的平均满意度期望 $μ_{0}$ ，愿意直接支付买断价格。此时不存在试用期，也不存在动态信号扭曲，市场顺利实现一阶最优交易。

• 对应条件 2（不知情销售方）：考虑一家初创的财务对账工具开发团队，在上线初期尚未搭建用户行为追踪大数据平台，自身完全不知道这款工具与某特定制造企业的 ERP 系统适配度如何。由于开发商自己不知情，其报价就绝不包含任何战略性隐瞒，买卖双方处于对称的“共同无知”状态。开发商直接向企业收取一笔基于行业平均预期的全周期软件授权费，企业理性接受，成功达成一阶最优。

管理启示：本命题奠定了一个极为重要的基准——只有当“动态定价/访问控制能力”与“销售方拥有私有数据”两者同时存在时，市场机制才会发生扭曲。若交易是静态的，或者销售方完全不知情，企业均能轻而易举获取全部期望剩余。

4.2 高质量销售方的偏离诱惑与命题 2（Proposition 2）

一旦进入现代 SaaS 与数字经济环境，销售方既拥有持续调控访问权的技术能力（如 API Key 与云端权限），又拥有关于匹配质量 $θ$ 的数据。此时，事前完全卖断机制能否作为均衡维持？

答案是否定的。作者构造了高质量销售方的迈尔森免费试用偏离（Myersonian Free Trial Deviation）：高质量销售方主动偏离事前统一定价，向买方提议：“我在 $[0, t_{M}]$ 期间向您提供完全免费试用（甚至象征性补偿 $ε$ 促使其参与）。试用期结束后，如果您感受到价值，我向您提供按垄断单价 $λ v_{M} (T - t_{M})$ 升级购买剩余周期的选择权。”其中 $v_{M} = {a r g m a x}_{v} v (1 - F (v))$ 为静态垄断价格， $t_{M} = {a r g m a x}_{t} (1 - e^{- λ t}) (T - t)$ 为最优试用期。

【命题 2：一阶最优在动态博弈中崩溃的充要条件】

命题 2 原文表述（Proposition 2）：

一阶最优机制（First Best）无法在任何均衡中实现，当且仅当以下不等式严格成立：

$(1 - e^{- λ t_{M}}) (1 - F (v_{M})) λ v_{M} (T - t_{M}) > λ μ_{0} T$

即**迈尔森免费试用机制带给高质量销售方的预期收益 $π_{F}$ ，严格大于事前全额销售收益 $λ μ_{0} T$ **。

【现实商业案例阐释：命题 2（Salesforce 企业级营销云的高价值试用）】

案例背景：以全球领先的客户关系管理与智能营销云平台 Salesforce Marketing Cloud 向一家中型电商零售企业销售自动化营销套件为例。

机制映射与逻辑解析：

• 买方的事前怀疑（Doubt）：该电商企业此前从未用过该复杂的 AI 营销系统，对系统是否真能提升订单转化率极为怀疑（主观先验信念 $μ_{0} = 0.2$ 极低）。如果 Salesforce 坚持要求该客户在第一天就预付全年 20 万元的全额授权费，客户由于期望净收益极低（预期仅值 $0.2 \times 20 = 4$ 万元）而必然断然拒绝。

• 知情销售方的降维打击：Salesforce 凭借服务过数千家同类零售电商的私有大数据，已经私下确信（ $θ = H$ ）该电商的产品线与客群与该系统具有极高的匹配度。如果 Salesforce 被迫屈从于客户的悲观预期，按事前统一定价，最多只能收取 4 万元，高质量销售方感觉被严重“贱卖”。

• 免费试用的战略偏离：此时，Salesforce 拥有极强的冲动发起偏离：“我不收您一分钱，免费给您接入全功能系统试用 30 天（ $t_{M}$ ）！”电商企业毫无拒绝理由（外部选择收益非负）。在这 30 天内，随着系统自动推送个性化营销邮件，电商的日订单量瞬间暴增（经历确证性效用冲击）。买方瞬间从“怀疑”彻底转变为“忠诚（Devotion）”，彻底确信了软件的卓越价值。试用期结束后，Salesforce 报出高达 18 万元的高额年费。由于客户已经亲身体会到了系统带来的滚滚利润，高估值客户欣然全额买单！

• 均衡破坏：由于高质量厂商通过“先免费、后宰客”赚取的预期利润远超事前委曲求全的 4 万元，任何试图把大家拉在“事前买断”轨道上的均衡都会被高质量厂商的试用偏离彻底击碎！

4.3 充分长周期下的效率必然崩溃与推论 1（Corollary 1）

【推论 1：长合约存续期下社会最优的必然崩溃】

推论 1 原文表述（Corollary 1）：

对于充分大的服务存续期限 $T$ （For sufficiently large $T$ ），一阶最优机制绝不可能在任何均衡中得以实现。

【现实商业案例阐释：推论 1（AWS 长期企业云迁移合同）】

案例背景：以云计算巨头 亚马逊 AWS（Amazon Web Services） 或 阿里云 向大型跨国金融机构推销为期 5 年（ $T$ 极长）的核心云原生基础设施与分布式数据库迁移服务为例。

机制映射与逻辑解析：

• 当合约期限 $T$ 极长时，最理想的试用期时长 $t_{M}$ 仅取决于技术验证所需的时间（通常为 1 到 3 个月）。相比于长达 5 年（60 个月）的总周期，试用期占整个周期的比重微乎其微（ $t_{M} / T \to 0$ ）。

• 如果在第一天签署 5 年买断合同，面对金融机构严苛的风控与低先验信任度（ $μ_{0}$ ），AWS 只能开出极低的打折打包价。然而，一旦 AWS 拿出前 2 个月作为免费 POC（概念验证期），一旦金融机构将其核心交易链路部署在云端并体验到零故障与极致并发性能，AWS 就能在剩余的 58 个月里持续按极高的算力规格收取昂贵服务费。

• 因此，在长周期合约中，高质量企业放弃前期少量收益来换取后续长期垄断收租的动力呈现压倒性优势（左侧收益随 $T$ 线性增长且乘数极大），导致事前一次性全款买断在现代长期 IT 合同中彻底绝迹，市场上必然全面充斥着“免费 POC / 极低首期试用 + 长期锁定高额付费”的契约结构。

4.4 试用机制的数学定义（Definition 1）与前沿实现定理（Theorem 1）

既然一阶最优在动态博弈中往往不可维持，那么所有满足激励相容与个体理性的机制中，能够达到的最高收益边界是什么形态？作者给出了试用机制的严格定义，并证明了边界收益的唯一实现定理。

【定义 1：标准动态试用机制（Trial Mechanism）的数理架构】

定义 1 原文表述（Definition 1：试用机制 Trial Mechanism）：

一个动态机制 $(I, p)$ 是试用机制，当且仅当存在参数三元组 $(v_{0}, t_{0}, p_{0})$ 使得：

1. 未确证买方的访问权：在试用期内全量开放，试用期后完全切断：

$I_{U}^{L} (t) = I_{U}^{H} (t) = 1$ （若 $t \leq t_{0}$ ）； $I_{U}^{L} (t) = I_{U}^{H} (t) = 0$ （若 $t > t_{0}$ ）

2. 确证买方的后续访问权：若汇报价值 $v \geq v_{0}$ ，全量供给至期末；若 $v < v_{0}$ ，视为未确证买方予以断供：

$I_{v, t}^{L} (t) = I_{v, t}^{H} (t) = 1$ （若 $v \geq v_{0}$ ）； $I_{v, t}^{L} (t) = I_{v, t}^{H} (t) = I_{U} (t)$ （若 $v < v_{0}$ ）

3. 支付路径规则：未确证买方在全周期仅支付基准价 $p_{0}$ ；确证且 $v \geq v_{0}$ 的买方在 $t_{0}$ 时刻追加支付升级费：

$p_{U}^{L} (t) = p_{U}^{H} (t) = p_{0} \forall t$

$p_{v, s}^{L} (t) = p_{v, s}^{H} (t) = p_{0} + λ v_{0} (T - t_{0}) 1_{t > t_{0}}$ （若 $v \geq v_{0}$ ）； $p_{0}$ （若 $v < v_{0}$ ）

【定理 1：最优 IC-IR 机制边界的试用机制唯一定理】

定理 1 原文表述（Theorem 1：收益前沿的试用机制唯一实现定理）：

假定一个机制的收益对 $(π_{L}, π_{H}) \in \partial Π_{+}$ 在加权目标下最大化 $w_{L} π_{L} + π_{H}$ 。则该收益对**在结果意义上唯一地由试用机制 $(v_{0}, t_{0}, p_{0} = π_{L})$ 所达成**。其中：

1. **试用后升级门槛价格 $v_{0}$ ** 由以下隐式方程唯一确定：

$v_{0} = max {\underline{v}, (1 - μ_{0} {(w_{L} + 1)}_{+}) \frac{1 - F (v_{0})}{f (v_{0})}}$

2. **最优试用期时长 $t_{0}$ ** 满足动态一阶条件：

$λ e^{- λ t_{0}} (T - t_{0}) - (1 - e^{- λ t_{0}}) + \frac{μ_{0} {(1 + w_{L})}_{+}}{π_{0}} = 0$ （若 $1 - e^{- λ T} > \frac{μ_{0} {(1 + w_{L})}_{+}}{π_{0}}$ ），否则 $t_{0} = T$

其中 $π_{0} = \int_{v_{0}}^{\bar{v}} [v - (1 - μ_{0} {(w_{L} + 1)}_{+}) \frac{1 - F (v)}{f (v)}] f (v) d v$ 为加权期望虚拟剩余。

【现实商业案例阐释：定理 1（Figma / Slack 的经典试用期机制）】

案例背景：以协同界面设计领域的现象级 SaaS 平台 Figma 或团队协作工具 Slack 的商业模式构建为例。

机制映射与逻辑解析：

• **试用期的全功能开放（ $I_{U} = 1$ ）**：Figma 为所有新注册团队提供为期 30 天的全功能试用期（ $t_{0}$ ）。在此期间，团队可以使用无限设计画板、实时协同编辑与云端组件库。为什么不能在试用期进行功能阉割？因为定理 1 证明，只有全速运行（ $I = 1$ ），才能将泊松到达率推向最大强度 $λ$ ，让团队尽可能快、尽可能多地爆发灵感与工作流粘性（加速确证）。

• **试用期的前期定价（ $p_{0}$ ）**：Figma 可以选择完全免费（ $p_{0} = 0$ ），也可以对大型机构收取少量企业试运行服务费（ $p_{0} > 0$ ），这完全取决于销售方在目标中对低质量收益与高质量收益的加权权衡（ $w_{L}$ ）。

• **试用后的一刀切门槛（ $v_{0}$ ）**：30 天一过，Figma 并不针对不同用户进行繁琐的千人千面协商，而是设定一个标准化专业版门槛价格 $v_{0}$ 。对于那些轻度使用、觉得工具可有可无的团队（ $v < v_{0}$ ），Figma 坚决予以关闭高级协作功能（断供）；而对于那些业务已经深度嵌入 Figma 协作流的高估值设计团队（ $v \geq v_{0}$ ），则毫无阻力地全员付费升级。

• 虚拟剩余的经济学直觉：公式中信息租金项前面的系数是 $1 - μ_{0} {(w_{L} + 1)}_{+}$ ，而非传统静态垄断定价中的 1。这是因为买方具有前瞻理性，深知自己试用后若证实为高价值会获得信息租金，因此愿意在前期支付更高的试用价格。买方的前期多付帮助销售方间接抽回了部分信息租金，从而使销售方在试用后设定的门槛价格 $v_{0}$ 显著低于传统的静态垄断价格！

4.5 极值方向上的特例：推论 2（Corollary 2）与推论 3（Corollary 3）

定理 1 描绘了整条凸收益前沿。沿此前沿滑动，当设计者的目标偏向两个极端时，将分别退化为两个极具经济学代表性的基准点：点 B（事前完全销售）与点 F（迈尔森纯免费试用）。

【推论 2：行业总收益最大化方向上的事前买断唯一性】

推论 2 原文表述（Corollary 2）：

事前完全销售收益点 $(λ μ_{0} T, λ μ_{0} T)$ 是可行收益集 $Π_{I C - I R}$ 在全行业先验利润加权方向 $(1 - μ_{0}, μ_{0})$ 上的唯一极大元：

${max}_{(π_{L}, π_{H}) \in Π_{I C - I R}} [(1 - μ_{0}) π_{L} + μ_{0} π_{H}] = λ μ_{0} T$

且任何达成此第一最优总收益的机制在结果上必然等价于事前完全买断。

【现实商业案例阐释：推论 2（学术数据库的“大礼包”事前年费买断）】

案例背景：以全球大型学术出版集团（如 Elsevier、Springer Nature）向全球大学图书馆出售科学文献数据库（ScienceDirect）的“全库年包买断协议（Big Deal）”为例。

机制映射与逻辑解析：

• 当权重取 $w_{L} = (1 - μ_{0}) / μ_{0}$ 时，委托人的目标等价于站在整个知识产权行业的全局高度，最大化全行业预期净利润。推论 2 表明，此时最优的试用期长度必然为 $t_{0} = T$ ——即完全取消试用期，在开学第一天直接按高校师生平均估值收取高昂的数据库全年包库总价。

• 为什么出版商行业坚决抵制“先免费看 3 个月，觉得论文好再付费下载”？因为一旦允许大学按单篇阅读体验进行动态试用与筛选，教授和学生在查阅完特定关键文献后就会掌握私有信息，大量长尾低频期刊将无人问津，出版商不得不让渡巨大的信息租金。通过事前全包买断，出版商成功消灭了买方的经验学习机会，实现了对机构预算的最大化榨取。

【推论 3：高质量最大分离方向上的纯免费试用】

推论 3 原文表述（Corollary 3）：

迈尔森免费试用收益对 $(0, π_{F})$ 是可行收益集 $Π_{I C - I R}$ 在方向 $(- 1, 1)$ 上的极大元：

${max}_{(π_{L}, π_{H}) \in Π_{I C - I R}} [π_{H} - π_{L}] = π_{F}$

即当设计目标旨在最大化高质量销售方相对于低质量销售方的超额利润差时，最优机制正是迈尔森纯免费试用（前期收费 $p_{0} = 0$ ）。

【现实商业案例阐释：推论 3（Apple TV+ 零元首发纯免费试用）】

案例背景：以苹果公司推出 Apple TV+ 或迪士尼推出 Disney+ 流媒体服务初期的“零元无门槛纯免费试用”为例。

机制映射与逻辑解析：

• 对应方向 $(- 1, 1)$ ，即高质量平台为了彻底封死劣质山寨平台的生存空间，完全不在意前期能否赚取门票钱（令低质量收益 $π_{L} = 0$ ），甚至不惜白贴带宽成本，目标是让自身的高品质内容优势以最彻底的方式与劣质竞品区隔开来。

• 苹果对购买 iPhone/Mac 的新用户直接赠送为期数月的完全免费试用，前期收费分文不取（ $p_{0} = 0$ ）。这一机制让那些充斥着低劣盗版视频的劣质流媒体服务商完全无法跟进模仿（劣质平台若跟进免费，由于其无法让用户体会到优质内容，试用后转化率为 0，前期又无收费，收益必然为 0）。试用期结束后，苹果再对被《Ted Lasso》等顶级独播自制剧深深吸引的用户收取每月高额订阅费，完美实现了高质量产品的纯粹分离。

4.6 比较静态分析：命题 3（Proposition 3）与命题 4（Proposition 4）

企业在不同市场环境、不同客户信任度和不同品类下，应当如何科学微调试用期长度与试用后的提价幅度？命题 3 与命题 4 给出了极具实操价值的比较静态规律。

【命题 3：市场先验信任度与企业目标的边际影响】

命题 3 原文表述（Proposition 3：市场信念与目标权重的比较静态）：

对于权重 $w_{L} \in [- 1, \frac{1 - μ_{0}}{μ_{0}}]$ ：

1. **试用期长度 $t_{0}$ ** 关于低质量权重 $w_{L}$ 和买方先验信念 $μ_{0}$ 是弱单调递增的；

2. **试用后升级门槛价格 $v_{0}$ ** 关于低质量权重 $w_{L}$ 和买方先验信念 $μ_{0}$ 是弱单调递减的。

【现实商业案例阐释：命题 3（Adobe 龙头 vs AI 初创团队的试用期策略对比）】

案例背景：对比全球创意设计垄断巨头 Adobe（Adobe Creative Cloud） 与一家刚完成天使轮融资的全新 AIGC 初创公司的试用期设计差异。

机制映射与逻辑解析：

• **高市场信念场景（Adobe， $μ_{0}$ 很高）**：由于 Photoshop 和 Illustrator 在业界享有崇高声誉，客户天然相信其高品质（ $μ_{0}$ 大）。命题 3 指出，此时最优试用期 $t_{0}$ 应当更长（例如提供 14-30 天试用），而试用后的门槛 $v_{0}$ 应当更低（更平民化）。因为高信任度允许 Adobe 在试用初期就 command 一个较高的转化期望，且更长的试用期能网罗海量潜在用户建立格式粘性，随后以较低门槛价格促使广大中等价值用户全员订阅，实现薄利多销与高转化率的完美统一。

• **低市场信念场景（AI 创业团队， $μ_{0}$ 极低）：客户对小团队的产品极其疑虑，生怕是“套壳垃圾”。命题 3 指出，面对高度悲观的市场，初创团队不能盲目提供长试用，而应当提供极短的试用（如仅限 3 天或前 5 次免费生成）**，但一旦试用结束，必须果断对被惊艳到的专业工作室收取极高的单次算力垄断溢价（ $v_{0}$ 极高）。因为在买方极度怀疑的环境下，长试用只会导致大量“白嫖党”在试用期内耗尽企业算力成本，企业必须尽快收窄口径，专注筛选愿意为极致效果支付溢价的高净值客户。

【命题 4：买方偏好离散度对试用期长短的决定作用】

命题 4 原文表述（Proposition 4：消费者偏好离散度的影响）：

假定买方的私有估值在对称区间上服从均匀分布： $v \sim U [1 - δ, 1 + δ]$ ，其中 $δ \in (0, 1)$ 测度了消费者品味与效用冲击规模的异质性离散度。则：

**最优试用期长度 $t_{0}$ 关于偏好离散度参数 $δ$ 弱单调递增**。

【现实商业案例阐释：命题 4（标准化轻应用 vs 定制化复杂系统的试用周期）】

案例背景：对比标准化轻量级办公工具 DocuSign（电子签名） 与高度复杂的垂直行业软件 SAP S/4HANA（大型离散制造 ERP 系统）。

机制映射与逻辑解析：

• **低离散度品类（DocuSign， $δ \to 0$ 需求高度集中）**：对于电子签名工具，几乎所有企业对它的核心价值认知非常一致——就是为了替代纸质打印盖章并具备法律效力。消费者的私有估值高度集中在均值附近。命题 4 明确指出：此时最优试用期 $t_{0}$ 应当非常短（如 7 天甚至 3 天）。因为需求高度一致，销售方无需耗费漫长的时间去甄别客户究竟属于多高的价值层级，快速结束试用期、直接推行标准化套餐收费是利润最大化的最佳选择。

• **高离散度品类（SAP 智能制造 ERP， $δ \to 1$ 极度分散）：不同工厂在引入智能排产算法后，收益天差地别——管理规范的超级大厂可能因此增效数千万元，而管理混乱的小作坊可能收效甚微。买方估值具有极大的离散度。命题 4 指出：此时企业必须给予极长的试用与验证期（如 3-6 个月的生产线试点试用）**。因为如果试用期太短，高价值大厂根本来不及在复杂的产线调度中充分体会到数千万元的潜在降本效益，过早切断试用或过早提价将极其悲剧性地“误杀”极高净值客户。

4.7 均衡收益集的严格特征与推论 4（Proposition 5 & Corollary 4）

在全面刻画了机制设计边界后，作者将其嵌入非完全信息动态信号博弈中，对完全精炼的均衡收益空间进行了完整求解。

【命题 5：博弈均衡收益集的充要条件】

命题 5 原文表述（Proposition 5：均衡收益集的充要条件）：

一个收益对 $(π_{L}, π_{H})$ 能够作为完美贝叶斯均衡（PBE）的收益结果，当且仅当满足以下两个条件：

1. 它属于可行 IC-IR 机制收益集： $(π_{L}, π_{H}) \in Π_{I C - I R}$ ；

2. 高质量销售方必须获得不低于迈尔森免费试用的底线收益： $π_{H} \geq π_{F}$ 。

进一步地，若引入极弱的场外信念合理性限制，可彻底排除 $π_{H} < π_{L}$ 的反常结果，所有合理均衡收益必然满足 $π_{H} \geq π_{L}$ 。

【现实商业案例阐释：命题 5（B2B 大客户谈判中的保底试用与说辞博弈）】

案例背景：在企业软件大客户采购招标中，高质量软件原厂在面对采购方时的底线谈判姿态与非正式说辞（Informal Speech）。

机制映射与逻辑解析：

• 命题 5 说明，任何试图强加给高质量软件厂商的过低收益方案（ $π_{H} < π_{F}$ ）都绝不可能在博弈均衡中维持。因为原厂技术专家随时可以甩出一个不容置辩的还盘：“我们无需再做商务拉扯，我直接给贵司装上试用版，30 天后如果你们系统没监测到效率飞跃，我们分文不收；如果有，请按市场标价签约！”这种单方面能够保底获取 $π_{F}$ 的外部选项，锚定了高质量企业的尊严底线。

• 此外，该命题通过严谨的经济学说辞排除了“低质量厂商赚得比高质量厂商还多（ $π_{L} > π_{H}$ ）”的荒谬现象。因为一旦出现这种不合理的提案，高质量厂商只要稍稍降价全额直销，客户就会清醒地意识到：“低质量骗子绝不敢发起这种降价直销，因为骗子在原均衡里躺赚高额收益，它偏离直销必死无疑；因此发起偏离的必定是真材实料的高质量厂商！”买方坚定的后验信任瞬间瓦解了低质量占优的劣质均衡。

【推论 4：统一混同试用机制的普适落地】

推论 4 原文表述（Corollary 4：完全混同试用机制的普适性）：

**所有合理的均衡收益对（即满足 $π_{H} \geq π_{L}$ 者），均可以由某种试用机制通过完全混同（Complete Pooling）得以实现**。

在均衡路径上，销售方提出的机制绝不向买方泄漏任何其对买方特征的私有推断，买方完全凭借自己在试用期内观察到的私有体验来更新对产品的认知。

【现实商业案例阐释：推论 4（SaaS 平台标准化统一下载页与注册流）】

案例背景：现代主流数字平台在官方网站上推行的“大一统”公开透明试用界面（如 Notion、Canva、Zoom 官网首页的 Free Trial 注册通道）。

机制映射与逻辑解析：

• 推论 4 在理论上给出了一个极具商业美感的证明：尽管平台在后台数据库中掌握着不同客户的地域、行业、公司规模等海量私有数据，但在市场均衡中，平台在官网上公开展示的试用规则完全没有必要搞千人千面的差别化歧视！

• 为什么巨头们都统一展示“注册即享 30 天专业版免费试用”？因为一旦平台在首页针对来自不同 IP 或不同公司的访客展示长短不一、价格各异的试用方案，客户会立刻心生疑窦，试图逆向推测平台对自己的刺探和定价企图，从而严重破坏信任。完全混同的试用机制不仅完全能够提取理论上的全部合理均衡收益，而且最大程度保护了交易的平滑性与用户的入驻体验。

4.8 D1 准则下的极端均衡坍塌与命题 6（Proposition 6）

尽管推论 4 指出存在海量的试用机制可以支撑不同均衡，但这些均衡中哪一个最具有博弈稳定性？作者引入经典的 D1 精炼准则，得出了震撼学界的极端负面结论。

【命题 6：D1 精炼下的极端均衡坍塌与效率崩溃】

命题 6 原文表述（Proposition 6：D1 准则精炼下的唯一均衡与福利崩溃）：

在所有可能的试用机制中，**能够通过 D1 准则检验的唯一均衡机制，必然具有最短的试用期时长 $t_{M}$ 以及最高的试用后垄断费率 $v_{M}$ **。这些机制之间仅在试用期前期收取的费用上存在微小差异。

福利与收益劣势：

1. 对于任意先验信念 $μ_{0}$ ，所有 D1 存活的均衡收益均被点 H（高质量销售方最优点）严格帕累托支配；

2. 当市场先验信念 $μ_{0}$ 充分小时，所有 D1 存活的均衡收益均被点 B（事前全额买断）严格帕累托支配；

3. D1 存活机制在外延边际与内涵边际上均实施了最大程度的排他性价格歧视，导致全社会的总经济剩余达到理论最低值（社会福利极小化）。

【现实商业案例阐释：命题 6（网盘/云存储的极短试用与高额续费囚徒困境）】

案例背景：个人云存储与高速网盘服务（如百度网盘、Dropbox）在缺乏长期信誉承诺下的“超短试用 + 天价续费”恶性竞争循环。

机制映射与逻辑解析：

• 恶性信号竞争机制：为什么 D1 精炼会无情地杀死所有温和的长试用机制？直觉在于：假设市场上原本维持着一个相对宽松的 30 天试用均衡。此时，自恃拥有超高极速下载技术的高质量平台，总是试图通过微调方案来向市场昭示自己的绝对实力。它偏离提出：“我把试用期压缩到极限的 3 天（ $t_{M}$ ），但试用后我敢开出极高的单月 50 元天价（ $v_{M}$ ）！”低质量平台根本不敢跟进，因为 3 天内垃圾网盘根本无法产生足够多的满意下载体验，试用后无人续费；只有真正拥有顶级专线的高质量平台才能在这种“极短试用、极高单价”的严苛模式下存活。根据 D1 准则，用户必然相信敢于提供该苛刻机制的必定是顶级服务商。

• 企业与社会的双输结果：这种信号传递的恶性升级，最终逼迫市场上所有通过检验的机制全部坍塌至**最短试用期（ $t_{M}$ ）与最高加价（ $v_{M}$ ）！其结果是灾难性的：由于试用期被严重压缩，大量本来只需多体验几天就能确立习惯的中小用户，在 3 天内由于偶然未发生大文件传输而错失确证机会，被迫放弃使用；而试用后奇高的价格门槛又无情驱逐了大量中等意愿用户。最终，高质量平台的总营收、低质量平台的生存空间以及全体用户的综合满意度，全部低于大家相安无事、事前全包买断的理想状态**！数据资产不仅没有为企业带来繁荣，反而将市场推向了惨烈的内卷死胡同。

五、服务质量内生化、动态分级定价与福利拓展

5.1 学习速率与服务质量解耦的广义筛选环境

在基准模型中，销售方对访问权 $I \in [0, 1]$ 的控制同时且同比例地决定了买方的学习速率 $λ I$ 与预期效用流 $λ v I$ 。这种完美共线性在销售方只能“提供完整服务或彻底断供”的技术受限场景下是极为自然的。然而，在现实商业世界中，数字企业往往拥有更加丰富精致的筛选工具——企业不仅可以控制买方能否使用软件，还可以主动劣化（Degrade）产品品质。

例如，视频与音频流媒体平台可以提供插入大量广告的免费版本，或者限制画质为 720P；企业级云服务商可以限制免费版的并发请求数、网络带宽或存储空间；专业软件开发商可以推出阉割了批量导出或高级算法插件的“社区版（Community Edition）”。虽然这些限制会显著降低买方的实际消费效用，但买方依然能够通过日常操作，充分评估产品底层架构的性能。

为此，论文构建了广义筛选技术集合：销售方在任意时刻可提供 $(I, q) \in 𝒟 \subseteq [0, 1]^{2}$ ，其中 $I$ 代表学习速率（Learning Rate），而 $q$ 代表服务质量（Service Quality）。当匹配质量为高时，效用冲击到达率为 $λ I$ ，而单次冲击带给买方的效用被折扣为 $v q$ 。可行集合 $𝒟$ 是包含顶级服务 $(1, 1)$ 及彻底断供点 $(0, 0)$ 的闭集。

5.2 动态分级定价机制定义（Definition 2）与定理 2（Theorem 2）

引入质量调控维度后，销售方的跨期折中发生了深刻演化：提高学习速率 $I$ 有利于买方更快确证为高匹配，这对高质量销售方始终是有益的；然而，提高经济版的服务质量 $q$ ，虽然能增加未确证买方的事前消费效用，但却会赋予已确证高价值买方更舒适的“备用退路”，迫使销售方在后续升级谈判中割让更加高昂的信息租金。为了平衡这一跨期矛盾，最优机制呈现出阶梯式劣化的动态分级定价结构。

【定义 2：动态分级定价机制（Dynamic Tiered Pricing）的数理架构】

定义 2 原文表述（Definition 2：动态分级定价机制 Dynamic Tiered Pricing）：

一个动态机制 $(I, q, p)$ 是动态分级定价机制，当且仅当存在门槛价格 $v_{0}$ 以及非增分配规则 $γ_{0} (t) \in Γ$ 使得：

1. 未确证买方享受动态劣化的经济服务（Budget Service）：

$(I_{U}^{L}, q_{U}^{L}) (t) = (I_{U}^{H}, q_{U}^{H}) (t) = γ_{0} (t)$

2. 确证买方的即时升级规则：若在 $t$ 时刻汇报价值 $v \geq v_{0}$ ，即刻永久升级至顶级无瑕疵服务 $(1, 1)$ ；若 $v < v_{0}$ ，继续留在劣化的经济服务中：

$(I_{v, t}^{L}, q_{v, t}^{L}) (t) = (I_{v, t}^{H}, q_{v, t}^{H}) (t) = (1, 1)$ （若 $v \geq v_{0}$ ）； $γ_{0} (t)$ （若 $v < v_{0}$ ）

3. 动态差额支付路径：未确证买方支付基准价格 $p_{0}$ ；升级买方在汇报时刻追加支付与质量差距相匹配的升级溢价：

$p_{v, s}^{L} (t) = p_{v, s}^{H} (t) = p_{0} + v_{0} λ \int_{s}^{t} [1 - I_{U}^{H} (x) q_{U}^{H} (x)] d x$ （若 $v \geq v_{0}$ ）； $p_{0}$ （若 $v < v_{0}$ ）

【定理 2：广义质量筛选环境下的动态分级定价最优性】

定理 2 原文表述（Theorem 2：广义筛选技术下的分级定价实现定理）：

在允许销售方同时控制服务访问权与服务质量的广义环境 $(I, q) \in 𝒟$ 下，**存在由参数 $v (w_{L})$ 和单调递减规则 $γ (w_{L}, t) \in Γ$ 所构成的动态分级定价机制，其完全解出并达成了加权 IC-IR 机制收益前沿的最优解**。

【现实商业案例阐释：定理 2（Spotify 的多级免费增值与即时升级模式）】

案例背景：全球流媒体音乐霸主 Spotify 从免费广告版向 Premium 高级会员演进的商业架构。

机制映射与逻辑解析：

• **初期的全速体验（ $t \in [0, t_{0})$ ）**：新注册用户通常先获得极短期的 Premium 全功能无广告试用（ $(I, q) = (1, 1)$ ），此时音质最高（320kbps）、可任意自由切歌、离线下载。平台旨在用最顶级体验迅速震撼用户耳朵，以最大强度激发好消息冲击。

• **随时间的阶梯式质量降级（ $t \in [t_{0}, t_{1})$ ）**：试用期结束后，未付费用户被自动降入带有广告插播、每小时限制切歌 6 次、仅限随机播放且音质压缩为 160kbps 的免费版（ $(I_{1}, q_{1})$ ）。为什么保留高学习率 $I_{1}$ 却压低质量 $q_{1}$ ？因为用户依然能听到庞大的曲库（保持学习），但烦人的广告和切歌限制大幅摧毁了免费版的静态享受（削减信息租金）。

• 即时升级通道（Instant Upgrade）：一旦用户在听到心仪的专辑并被算法推荐深深打动时（感知到 $v \geq v_{0}$ ），用户可随时点击“立即升级 Premium”，广告瞬间消失、极高音质秒开。定理 2 严密解释了为何数字时代广泛流行“带广告的免费版 + 随时补差价升级”的动态分级闭环。

5.3 筛选技术丰富化的“福利恶化反论”（Dark Side of Screening Enrichment）

在传统经济学直觉中，为垄断者提供更多维度的精细化工具，通常会通过扩大市场覆盖面来增进社会总产出与福利。然而，Tan Gan 与 Nicholas Wu 揭示了一个令人震惊的反常识结论：当销售方是知情委托人时，赋予其更丰富的质量劣化筛选工具，反而可能导致社会总福利的进一步净恶化！

作者通过对比两种技术结构严格论证了这一点：

基准技术环境（仅控制访问权）：企业只能选择全功能试用或直接断供；在最悲观市场下，企业提供迈尔森全功能免费试用（在试用期内买方享受无瑕疵的高品质服务）。

广义技术环境（拥有功能降级能力）：企业被额外赋予了一个劣质工具 $(I_{1}, q_{1}) = (1, 0)$ ，即“可以无限期提供零效用但能学习的极低配版本”（如强制插入超长不可跳过广告的永久免费版）。

数值模拟与解析比较（论文图 6）表明：在永久免费低配版（Freemium）下，虽然买方永远不会被彻底断供，但买方在漫长的学习过程中被迫长期忍受极低质量的折磨，白白耗散了巨大的体验价值。而在基准免费试用下，买方在试用期内享受的是全额无瑕疵的顶级体验。计算证明，迈尔森纯免费试用所诱发的社会总剩余严格高于动态分级免费增值定价！赋予企业降级质量的自由，反而造成了更大的效率黑洞。

六、经济学与管理学启示深度总结

本文将微观信息经济学的前沿机制设计理论与数字时代企业敏捷定价实践进行了精妙结合。论文所推导的一系列定理与命题，为现代科技企业的高管、产品定价专家以及数字经济政策制定者提供了极具颠覆性的管理洞见与政策指引：

6.1 企业数据资产战略反思：“承诺不使用数据”与“战略性无知”的制度红利

长期以来，管理学界与科技企业沉迷于“数据为王”的叙事，认为采集越详尽的用户画像越能带来超额定价能力。然而，本文深刻证明了“数据反噬悖论”：在买方具备经验学习能力的动态市场中，企业拥有关于买方适配性的私有数据却缺乏可信的算法审计机制，会导致严重的信号传递扭曲。高质量企业为了摆脱低质量嫌疑，被迫放弃利润最丰厚的事前完全买断，转向高风险的试用期与价格歧视，甚至在 D1 恶性竞争中陷入利润受损、社会效率极小的囚徒困境。

管理启示：企业应清醒认识到专有数据的“负外部性”。在特定企业级经验品销售中，企业主动向市场宣布“我们不收集/不基于客户画像实施个性化定价”，甚至引入第三方开源算法进行信誉存证（实现向无知状态的制度性承诺），反而能够消除客户的戒备心理，促成高溢价的事前全款直销，从而实现企业与客户的双赢。

6.2 试用期（Free Trial）设计的黄金平衡法则：外延转化与内涵变现的跨期协同

许多 SaaS 企业在设定试用期时往往拍脑袋决定（如盲目跟随行业标准的 14 天或 30 天）。定理 1 与命题 3、命题 4 为企业提供了科学量化试用期的经济学框架：

**（1）审视客户先验信任度（ $μ_{0}$ ）**：知名品牌（高 $μ_{0}$ ）应提供更长试用期，并在试用后提供适度温和的升级价格，走“规模化转化”路线；而新锐小品牌（低 $μ_{0}$ ）必须采取“极短试用 + 试用后极高单价”的特种兵策略，快速锁定愿意买单的硬核用户，避免被无效试用拖垮现金流。

**（2）审视产品估值离散度（ $δ$ ）**：功能高度标准化的工具（ $δ$ 小）应果断缩短试用期，促成快节奏订阅；而深度定制化、企业效益差异极大的复杂生产力系统（ $δ$ 大），必须给予充足的长试用期，确保高价值客户的商业收益被充分确证，防止因急于变现而误杀超级大客户。

（3）警惕试用期的双刃剑效应：试用期并非越长越好。延长试用期虽然提升了“把怀疑者转变为信徒”的外延转化率，但也消耗了后续可供商业变现的有效存续时间（内涵边际受损）。企业必须依据泊松确证速率 $λ$ ，将试用期精准卡在边际转化收益等于边际时间损耗的最佳平衡点。

6.3 免费增值（Freemium）模式的降级艺术：保全学习速率，精准切除静态享受

定理 2 与广义筛选理论为 Spotify、Dropbox、Notion 等推行 Freemium 模式的企业揭示了产品功能裁剪的底层逻辑：**一个成功的免费版或低配版，必须在维持高学习速率（ $I$ 尽可能大）的同时，无情压低消费享受（ $q$ 尽可能小）**。

许多初创企业在设计免费版时常犯两大致命错误：要么把免费版做得太好（ $q$ 过高），导致用户在免费版里极其惬意，完全没有动力付费升级；要么把核心功能完全锁死（ $I$ 过小），导致用户根本无法在免费版中体验到产品的精髓，无法完成从怀疑到忠诚的认知飞跃。卓越的产品设计必须像 Spotify 一样：让用户畅听百万曲库（高 $I$ ），但用间歇广告和不可切歌（低 $q$ ）时刻提醒用户——“只要花一点点钱，你的体验就能立刻升入天堂”。

6.4 统一公开定价的信誉价值：完全混同均衡对企业公信力的重塑

推论 4 证明，所有合理的均衡收益均可由同构的、完全混同的试用机制达成。在管理实践中，许多数字平台试图利用大数据画像对不同注册来源的用户推送差别化的试用天数和千人千面的首月折扣。然而，这种小聪明往往适得其反。一旦不同用户发现彼此的试用门槛不一致，会立刻引发舆论对“大数据杀熟”的声讨，破坏平台长期公信力。推论 4 在理论上为“官网公开透明的大一统试用与定价页面”提供了坚实的博弈论背书——统一规则非但不损失利润，反而是抵御信任崩塌的最优制度安排。

6.5 数字经济平台监管与反垄断启示

对于反垄断执法机构与数据隐私监管部门而言，本文的结论提供了深刻的政策警示：

• 反思“数据孤岛”的传统定性：反垄断部门以往常认为科技巨头囤积专有数据必然会增强其市场剥削能力。但本文证明，在动态经验品市场中，缺乏可信披露渠道的数据私有反而可能反噬企业自身，诱发更极端的恶性价格歧视。因此，监管的重点不应仅仅停留在“限制数据收集”，而应放在推动算法透明度、数据可携权（Data Portability）与第三方可信验证机制上，打破信息壁垒带来的市场扭曲。

• 警惕平台恶意劣化免费版品质的行为：针对大型流媒体与社交平台通过不断增加牛皮癣广告、故意限制正常网络传输速率来逼迫用户购买 VIP 的乱象，监管层不应视其为单纯的市场自主行为。论文证明，这种质量劣化筛选在知情委托人环境下具有纯粹的社会福利净破坏效应。规制平台最低服务基线标准、保障消费者基础数字体验，具有强烈的福利经济学正当性。