论文定位与研究贡献
论文把数据销售建模为一个联合的机制设计与信息设计问题。数据提供商出售的是营销名单：名单既决定零售商能够接触哪些消费者，也决定零售商是否知道名单中每位消费者的具体特征。因而，名单覆盖量相同并不意味着经济价值相同。
把消费者访问范围和特征披露粒度同时内生化，而不是把数据理解为对既有客户的附加信息。
提出边界支配条件，用不同零售商类型虚拟价值的相对凸性判断完全披露是否最优。
纵向类型下，复杂的直接机制可化为每种消费者特征一个固定访问价格。
证明最优机制可能具有旋转配置和不排除性质，并通常需要类型化捆绑。
研究问题、关键假设与博弈时序
论文回答三个问题：数据提供商应向不同零售商开放哪些消费者？名单应完全标明消费者特征，还是故意混合特征？零售商的纵向或横向异质性如何改变最优定价和市场排除？
- 数据提供商承诺直接机制，为每个报告类型指定名单集合和费用。
- 零售商观察自己的私人类型，决定参加与否并报告类型。
- 数据提供商按照报告交付营销名单并收取费用。
- 零售商观察每份名单所包含的信息，对名单内消费者确定最优价格。
关键区别：完全披露允许零售商按消费者特征实行精细定价；部分披露迫使零售商对混合名单使用统一价格，因此同时改变名单价值和不同类型的模仿激励。
基础模型：变量、函数与约束
消费者分布与名单可行性
消费者总量标准化为 1。每位消费者最多进入一份名单，因此对任意特征，所有名单中该特征消费者的数量不能超过原始数据池中的数量。
未标注名单的经营价值
该函数是一组线性收入函数的最大值，所以关于名单组成 G 是凸函数。把同一批消费者拆成更细的名单，可能提高零售商的定价能力和总收入。
数据提供商的机制设计问题
纵向类型、虚拟价值与边界支配
纵向排序要求较高类型对所有消费者特征都产生更高价值。这可以表示通用产品质量更高或生产成本更低，而不是只在某一细分市场中更匹配。
实际价值是开放消费者的直接收益；第二项是该配置增加更高类型零售商信息租金的成本。虚拟价值为负时，即使实际交易创造正价值，数据提供商仍可能选择排除。
其中正部表示负虚拟价值的名单可以直接不出售。该条件保证：把混合名单拆成单一特征名单，数据提供商的虚拟收益不会下降。
完全披露相对于混合名单的价值随零售商类型上升而下降。
消费者异质性对低类型的影响强于对高类型的影响。
当 vₜ(θ)=f(t)g(θ) 时，各类型具有一致的相对定价行为。
降低信息精度造成的直接收入损失至少不小于节约高类型租金的收益。
固定价格最优结果的五步推导
- 建立完全披露基准。
用 xₜ(θ) 表示向类型 t 开放特征 θ 消费者的比例。完全披露后，名单价值对 xₜ(θ) 线性。
- 化简激励约束。
纵向排序与虚拟价值单调性使最低类型参与约束和相邻向下激励约束绑定，其余约束由单调配置自动满足。
- 把收入改写为虚拟剩余。
将绑定约束递推代入目标函数，得到 H(t)F(θ)γₜ(θ)xₜ(θ) 的加总。
- 逐特征配置。
当 γₜ(θ)≥0 时开放全部特征 θ 消费者；当 γₜ(θ)<0 时完全排除。虚拟价值单调性保证配置符合类型排序。
- 从基准扩展到全局机制。
对任意混合名单，根据边界支配条件将其拆成单一特征名单不会降低虚拟收益，因此部分披露无法严格改进。
数据提供商可以为每种消费者特征设置一个不随报告类型变化的价格。零售商自行选择值得购买的特征，并购买该特征的全部消费者。
边界支配失效时：信息模糊为何增加收入
论文给出二元反例。完全披露时数据提供商收入为 16/3；将部分特征 0 和特征 1 消费者混入低类型名单后，收入提高到 11/2。混合使低类型统一定价，但更重要的是显著降低了高类型冒充低类型所能获得的收益。
μ₁ 是高类型在两种零售价格之间无差异的名单构成。若不等式反向，位于 μ₁ 的混合名单进入最优机制。其数学本质是对低类型虚拟价值进行凹化。
横向类型：捆绑、旋转配置与不排除
横向类型意味着偏好排序随消费者特征反转：一种零售商更适合服务某类消费者，另一种零售商更适合服务另一类消费者。典型的 Hotelling 表达为：
R 是交易基础收入，t 是零售商产品定位，θ 是消费者需求位置，c 是产品适配成本。边界支配仍可保证完全披露，但独立特征定价一般不能同时筛选不同方向的偏好，因此需要捆绑菜单。
令 vₜ(0) 随 t 上升、vₜ(1) 随 t 下降。存在中间类型 t*：较低类型获得全部特征 1 消费者并逐渐增加特征 0；较高类型获得全部特征 0 并逐渐减少特征 1；t* 获得两类消费者的全部名单。
每种零售商类型至少完整获得某一种消费者特征。横向比较优势使任何类型都不会像纵向低虚拟价值类型那样被完全排除。
中间类型实现完整匹配，偏离中间后出现部分错配，因此福利损失不必随零售商类型单调变化。
重要结论及其推导对应
完全披露只说明每份名单内部的消费者特征被清楚标记；能否按特征统一定价，还取决于零售商类型是纵向还是横向排列。
在单调虚拟价值和边界支配条件下，每种消费者特征设置一个与报告类型无关的访问价格即可达到最优收入。
边界支配失效时，混合低类型零售商名单中的消费者特征，可以减少高类型冒充低类型所获得的信息租金。
不同零售商分别擅长服务不同消费者群体，最优菜单随零售商定位改变，不能一般地分解为各特征的独立价格。
每种零售商类型至少完整获得某一种消费者特征，因为每种类型在某个细分市场中都具有比较优势。
结论成立的边界与解释限制
- 消费者特征和零售商类型均为有限集合，且两者的分布相互独立。
- 数据提供商是能够承诺机制的垄断者，不存在数据提供商之间的竞争。
- 零售商面对未标注名单只能使用统一价格；消费者不进行策略性信息披露。
- 模型不包含数据采集、清洗、验证、实时更新和隐私合规成本。
- 边界支配是完全披露的充分条件，不是一般环境中的必要条件。
- 边界支配失效后的完整机制主要在二元纵向模型中刻画。
- 横向类型的旋转结构主要针对二元消费者特征；更高维环境的约束结构可能更复杂。
- 完全披露提高获准访问消费者集合内的交易效率，但数据提供商仍可能排除消费者，因此不等于总体第一最佳。
经济与管理启示
面对质量或成本型纵向客户，可将每种消费者特征设计为独立数据产品；面对定位型横向客户，应设计差异化名单组合。
数据产品价值不只取决于覆盖量，还取决于名单如何分组、标签是否披露以及这些设计如何改变客户的定价能力。
评估数据采购时，应区分“接触更多消费者”和“更精确识别消费者”。覆盖量相同的两个名单可能具有不同经营价值。
需要区分限制市场访问和降低信息粒度。数据模糊既可能保护隐私，也可能是垄断数据商减少买方信息租金的策略。
现实判断：固定价格是否合适，取决于客户异质性来自统一的质量层级，还是来自面向不同消费者群体的比较优势，而不是取决于数据产品看起来是否可以按字段拆分。
未来研究方向
- 将凹化虚拟价值推广到多类型、多特征环境。
- 完整刻画边界支配失效时的最优信息结构。
- 研究多个数据提供商和多个零售商之间的竞争。
- 引入消费者授权、隐私成本和数据可携带权。
- 允许零售商类型与消费者特征数据相关。
- 加入数据质量、噪声、验证和更新成本。
- 分析推荐排序、搜索曝光和广告投放中的动态访问。
- 实证检验边界支配、旋转配置和部分披露。
Yamashita, T., & Zhu, S. (2026). “Optimal Design of Market Access.” American Economic Journal: Microeconomics, 18(3), 1–38. DOI: 10.1257/mic.20240324.
参考文献在线入口
点击按钮前往 DOI、出版社或作者公开页面。外部页面将在新窗口打开。
围绕这篇论文继续讨论
您如何评价《Optimal Design of Market Access》的研究问题、模型设定或管理启示？欢迎留下观点，也可用快捷互动表达阅读感受。
读者留言
正在读取留言…