視界

科技公司中的經(jīng)濟(jì)學(xué)家和經(jīng)濟(jì)學(xué)

蘇珊·阿西-邁克爾·盧卡

獲得博士學(xué)位的經(jīng)濟(jì)學(xué)家在科技公司發(fā)揮的核心作用日益加深，他們致力于解決平臺(tái)設(shè)計(jì)、戰(zhàn)略、定價(jià)和政策等方面的一系列問(wèn)題。亞馬遜（Amazon）、易趣（eBay）、谷歌（Google）、微軟（Microsoft）、臉書(shū)（Facebook）、愛(ài)彼迎（Airbnb）和優(yōu)步（Uber）等大公司都招募了大批獲得博士學(xué)位的經(jīng)濟(jì)學(xué)家，組建龐大的團(tuán)隊(duì)優(yōu)化設(shè)計(jì)選擇。譬如，在過(guò)去五年里，亞馬遜在帕特·巴賈里（Pat Bajari）的帶領(lǐng)下將150余名獲得博士學(xué)位的經(jīng)濟(jì)學(xué)家招至麾下，成為擁有科技經(jīng)濟(jì)學(xué)家最多的科技公司。事實(shí)上，目前亞馬遜員工中的全職經(jīng)濟(jì)學(xué)家人數(shù)比規(guī)模最大的經(jīng)濟(jì)學(xué)系還要超出數(shù)倍，而且這個(gè)團(tuán)隊(duì)的規(guī)模仍然在快速擴(kuò)張。Coursera、億客行（Ex-pedia）、網(wǎng)飛（Netflix）、微軟、潘多拉（Pandora）、優(yōu)步、Yelp和Zillow等公司也雇用了全職經(jīng)濟(jì)學(xué)家。表1列出了許多雇用了獲得經(jīng)濟(jì)學(xué)博士學(xué)位的人才的科技公司，不過(guò)這個(gè)清單并未窮盡所有相關(guān)科技公司。

表1　招募經(jīng)濟(jì)學(xué)博士的科技公司典范

科技公司雇用的經(jīng)濟(jì)學(xué)家涵蓋了各個(gè)層面，從畢業(yè)后直接進(jìn)入科技產(chǎn)業(yè)的博士，一直到從權(quán)威學(xué)術(shù)院系終身教授中挖來(lái)的首席經(jīng)濟(jì)學(xué)家等，不一而足。這些經(jīng)濟(jì)學(xué)家擔(dān)任的職位也五花八門。近年來(lái)在科技公司針對(duì)經(jīng)濟(jì)學(xué)家發(fā)布的職位中，數(shù)量增長(zhǎng)最多的是直接解決商業(yè)問(wèn)題的職位，只有少數(shù)職位的目標(biāo)是發(fā)表學(xué)術(shù)論文。與此形成鮮明對(duì)比的是，有些科技公司（如微軟）不僅有首席經(jīng)濟(jì)學(xué)家?guī)ьI(lǐng)團(tuán)隊(duì)集中精力攻克商業(yè)問(wèn)題，也有不少經(jīng)濟(jì)學(xué)家在研究中心工作，自行開(kāi)展研究并在學(xué)術(shù)期刊上發(fā)表研究成果，后者與商學(xué)院或經(jīng)濟(jì)系的經(jīng)濟(jì)學(xué)家的工作相差無(wú)幾。這些研究中心在鼎盛時(shí)期可以提供最前沿的洞見(jiàn)，部分成果會(huì)給公司指明未來(lái)的發(fā)展方向。

目前，很多科技公司都直接在美國(guó)經(jīng)濟(jì)學(xué)會(huì)（American Economic Associa-tion）的“經(jīng)濟(jì)學(xué)者就業(yè)平臺(tái)”（Job Openings for Economists）上招賢納士，絕大多數(shù)獲得經(jīng)濟(jì)學(xué)博士學(xué)位的人才也是從這里開(kāi)啟自己在科技公司的職業(yè)生涯。在2017/2018學(xué)年，21家科技公司通過(guò)“經(jīng)濟(jì)學(xué)者就業(yè)平臺(tái)”招募到經(jīng)濟(jì)學(xué)人才。與此相關(guān)的背景情況是，科技公司通過(guò)“經(jīng)濟(jì)學(xué)者就業(yè)平臺(tái)”招募的員工人數(shù)達(dá)到政策學(xué)院（policy school）從這里招聘的人數(shù)的三分之二。如果考慮到另外一個(gè)事實(shí)，即這些科技公司中都有不少職位虛位以待，那么它們?yōu)榻?jīng)濟(jì)學(xué)者提供的職位數(shù)量遠(yuǎn)遠(yuǎn)超過(guò)了政策學(xué)院。

此外，表2表明科技公司發(fā)布的職位數(shù)量在過(guò)去幾年里持續(xù)上升，與政策學(xué)院（它們招聘的職位數(shù)量上下起伏）和經(jīng)濟(jì)學(xué)系（它們招聘的職位數(shù)量不斷下降）的情況形成了鮮明對(duì)比。推動(dòng)科技經(jīng)濟(jì)學(xué)家的就業(yè)崗位數(shù)量不斷增長(zhǎng)的某些力量也影響了學(xué)術(shù)就業(yè)市場(chǎng)：隨著科技平臺(tái)在經(jīng)濟(jì)中發(fā)揮的作用越來(lái)越大，與它們相關(guān)的問(wèn)題對(duì)商學(xué)院的課程設(shè)置和學(xué)術(shù)研究的重要性也愈發(fā)顯著。

表2　科技公司、政策學(xué)院、商學(xué)院和經(jīng)濟(jì)學(xué)系招聘職位的數(shù)量

近年來(lái)，商學(xué)院對(duì)以下兩類教師的需求與日俱增：專長(zhǎng)于網(wǎng)絡(luò)平臺(tái)和數(shù)字化的教師；在數(shù)據(jù)分析的關(guān)鍵領(lǐng)域（如實(shí)驗(yàn)方法和機(jī)器學(xué)習(xí)）頗有建樹(shù)的教員。譬如，過(guò)去一直致力于研究運(yùn)籌學(xué)和信息系統(tǒng)管理的商學(xué)院，近年來(lái)開(kāi)始將重點(diǎn)放在經(jīng)濟(jì)學(xué)問(wèn)題上，如市場(chǎng)、定價(jià)算法和經(jīng)濟(jì)學(xué)問(wèn)題的實(shí)證研究。

出現(xiàn)以上這些轉(zhuǎn)變的部分原因在于，MBA（工商管理學(xué)碩士）學(xué)生需要對(duì)投身科技行業(yè)做好準(zhǔn)備且這種需求日益強(qiáng)烈。譬如，在近年哈佛商學(xué)院畢業(yè)的MBA學(xué)生中，被亞馬遜招至麾下的人數(shù)最多。與MBA學(xué)生改變職業(yè)軌道相對(duì)應(yīng)的是，過(guò)去幾年哈佛商學(xué)院在課程設(shè)置中納入了關(guān)于實(shí)驗(yàn)方法、網(wǎng)絡(luò)市場(chǎng)設(shè)計(jì)、數(shù)字化營(yíng)銷、科技戰(zhàn)略和數(shù)據(jù)科學(xué)等課程。在斯坦福商學(xué)院的課表中，此類課程的數(shù)量也在不斷攀升。從更廣泛的層面看，與科技產(chǎn)業(yè)直接相關(guān)的課程數(shù)量在迅速增長(zhǎng)。核心戰(zhàn)略和營(yíng)銷等傳統(tǒng)課程中也加入了大量與數(shù)字經(jīng)濟(jì)有關(guān)的內(nèi)容。

就科技產(chǎn)業(yè)本身而言，過(guò)去幾乎沒(méi)有私營(yíng)公司招募學(xué)院派經(jīng)濟(jì)學(xué)家或研究技能突出的博士畢業(yè)生從事全職工作。蘭德公司（RAND Corporation）和美國(guó)麥斯邁提卡政策研究所（Mathematica Policy Research）之類的機(jī)構(gòu)會(huì)大規(guī)模雇用經(jīng)濟(jì)學(xué)家，但主要是從事研究和政策評(píng)估。基石咨詢公司（Cornerstone）和安諾析思國(guó)際咨詢公司（Analysis Group）等也會(huì)招募大批經(jīng)濟(jì)學(xué)家，主要為反托拉斯和知識(shí)產(chǎn)權(quán)訴訟等法務(wù)領(lǐng)域提供支持和專家證人。

如果考慮到科技公司的研究實(shí)驗(yàn)室（如微軟研究院）招募經(jīng)濟(jì)學(xué)家的情況，或許歷史上與此相似程度最高的案例是貝爾實(shí)驗(yàn)室（Bell Labs）。1968年它組建經(jīng)濟(jì)學(xué)家團(tuán)隊(duì)時(shí)，還是美國(guó)電話電報(bào)公司（AT＆T）的一個(gè)部門，隨后這個(gè)團(tuán)隊(duì)日益壯大，擁有約30名經(jīng)濟(jì)學(xué)家，其中不乏知名經(jīng)濟(jì)學(xué)家（如Eliza-beth Bailey、Roy Radner和Robert Willig等）。到1970年，它推出了《貝爾經(jīng)濟(jì)學(xué)和管理科學(xué)雜志》（Bell Journal of Economics and Management Science）（這份期刊后來(lái)轉(zhuǎn)為備受學(xué)術(shù)界推崇的《蘭德經(jīng)濟(jì)學(xué)雜志》，至今仍然頗有影響）。1983年，貝爾實(shí)驗(yàn)室逐漸停止運(yùn)營(yíng)，當(dāng)時(shí)美國(guó)電話電報(bào)公司正在根據(jù)美國(guó)反壟斷法的要求分拆成若干個(gè)公司。團(tuán)隊(duì)中的部分經(jīng)濟(jì)學(xué)家轉(zhuǎn)到公司內(nèi)的其他部門，而其他經(jīng)濟(jì)學(xué)家則跳槽至其他行業(yè)，或進(jìn)入哥倫比亞大學(xué)、哈佛商學(xué)院、紐約大學(xué)、普林斯頓大學(xué)和賓夕法尼亞大學(xué)等院校從事學(xué)術(shù)工作。

盡管部分科技公司以實(shí)驗(yàn)室的形式招募經(jīng)濟(jì)學(xué)家，但科技公司中的絕大多數(shù)經(jīng)濟(jì)學(xué)家都在利用公司數(shù)據(jù)從事管理方面的工作，還有不少經(jīng)濟(jì)學(xué)家在業(yè)務(wù)領(lǐng)域施展拳腳。譬如，除了微軟研究院以外，微軟還有一個(gè)主攻業(yè)務(wù)領(lǐng)域的首席經(jīng)濟(jì)學(xué)家，率領(lǐng)團(tuán)隊(duì)積極招募獲得博士學(xué)位的經(jīng)濟(jì)學(xué)者解決從云計(jì)算到搜索廣告等諸多業(yè)務(wù)問(wèn)題。亞馬遜指派經(jīng)濟(jì)學(xué)家處理各個(gè)部門的具體商業(yè)問(wèn)題，從電子商務(wù)平臺(tái)、數(shù)字內(nèi)容以及用來(lái)評(píng)估公司調(diào)整和創(chuàng)新的實(shí)驗(yàn)平臺(tái)等。優(yōu)步的經(jīng)濟(jì)學(xué)家不僅負(fù)責(zé)研究定價(jià)和激勵(lì)設(shè)計(jì)問(wèn)題，還致力于理解政策問(wèn)題，該團(tuán)隊(duì)中的部分成員從事面向公司外部的研究，在學(xué)術(shù)期刊上發(fā)表文章，而其他成員則完全聚焦于公司內(nèi)部的問(wèn)題。從更廣泛的角度看，科技公司的很多經(jīng)濟(jì)學(xué)家確實(shí)將外部研究和內(nèi)部工作相結(jié)合，持續(xù)不斷地參加會(huì)議并在主要的經(jīng)濟(jì)學(xué)期刊上發(fā)表文章。他們常常從頂尖的博士生項(xiàng)目中招募夏季實(shí)習(xí)生，或與學(xué)院派經(jīng)濟(jì)學(xué)家共同開(kāi)展研究。由于科技公司面臨的很多問(wèn)題都處于學(xué)術(shù)研究的最前沿，所以科技產(chǎn)業(yè)極其重視與學(xué)界保持密切聯(lián)系，并堅(jiān)持采用嚴(yán)格縝密的原創(chuàng)思想。

科技公司和經(jīng)濟(jì)學(xué)家之間的互動(dòng)確實(shí)提出了新的學(xué)術(shù)問(wèn)題，并創(chuàng)造了全新的經(jīng)濟(jì)學(xué)領(lǐng)域——“數(shù)字化經(jīng)濟(jì)學(xué)”。這個(gè)領(lǐng)域探索了一系列寬泛的問(wèn)題。譬如，人工智能和消費(fèi)者大數(shù)據(jù)如何影響產(chǎn)業(yè)結(jié)構(gòu)和市場(chǎng)力量？應(yīng)當(dāng)如何監(jiān)管科技公司？科技業(yè)提供的數(shù)據(jù)可以給政策提供什么信息？聚合器、搜索引擎、信譽(yù)體系和社交媒體如何影響我們的決策以及我們閱讀的新聞？應(yīng)該如何設(shè)計(jì)網(wǎng)絡(luò)市場(chǎng)確保交易過(guò)程安全高效？網(wǎng)絡(luò)平臺(tái)還創(chuàng)造出創(chuàng)新型數(shù)據(jù)庫(kù)和試驗(yàn)場(chǎng)，幾乎可以為市場(chǎng)設(shè)計(jì)、產(chǎn)業(yè)結(jié)構(gòu)、勞動(dòng)經(jīng)濟(jì)學(xué)和行為經(jīng)濟(jì)學(xué)等所有經(jīng)濟(jì)學(xué)領(lǐng)域提供相關(guān)信息。

我們有機(jī)會(huì)在自己的職業(yè)發(fā)展中“腳踩兩只船”：一邊從事網(wǎng)絡(luò)平臺(tái)的學(xué)術(shù)研究和教學(xué)工作，一邊從事實(shí)踐工作，幫助網(wǎng)絡(luò)平臺(tái)逐步成形。除了學(xué)術(shù)研究外，我們還與科技公司開(kāi)展密切合作。蘇珊·阿西曾經(jīng)擔(dān)任微軟的首席咨詢經(jīng)濟(jì)學(xué)家，現(xiàn)在坐鎮(zhèn)億客行、Lending Club、Rover和瑞波（Ripple）的董事會(huì)。她供職于微軟時(shí)還幫助微軟在新英格蘭的研究部門組建了經(jīng)濟(jì)學(xué)家團(tuán)隊(duì)。邁克爾·盧卡就職的科技公司涵蓋多個(gè)領(lǐng)域，他還在Yelp發(fā)起一個(gè)經(jīng)濟(jì)研究項(xiàng)目。作為學(xué)者，本文作者曾經(jīng)為數(shù)以百計(jì)現(xiàn)在就職于科技公司的學(xué)生和管理人士上過(guò)課。博士生對(duì)科技公司的興趣也日益濃厚，本文作者的學(xué)生就職于臉書(shū)、微軟、亞馬遜、Wealthfront、優(yōu)步和愛(ài)彼迎等諸多科技公司。

早在科技時(shí)代降臨前的幾十年里，經(jīng)濟(jì)學(xué)家在科技公司施展的核心技能就對(duì)經(jīng)濟(jì)研究至關(guān)重要。自從20世紀(jì)60年代鮑勃·威爾遜（Bob Wilson）對(duì)拍賣開(kāi)展開(kāi)創(chuàng)性的研究之后，市場(chǎng)設(shè)計(jì)這個(gè)領(lǐng)域就將創(chuàng)新理論、實(shí)證和實(shí)驗(yàn)結(jié)合起來(lái)解決現(xiàn)實(shí)世界的問(wèn)題。在過(guò)去幾十年里，評(píng)估因果關(guān)系和理解激勵(lì)機(jī)制始終是應(yīng)用微觀經(jīng)濟(jì)學(xué)和產(chǎn)業(yè)組織學(xué)的核心問(wèn)題。隨著新技術(shù)不斷問(wèn)世，獲得博士學(xué)位的經(jīng)濟(jì)學(xué)者掌握的技術(shù)專長(zhǎng)在科技領(lǐng)域找到新的用武之地，而且影響深遠(yuǎn)。與此同時(shí)，科技產(chǎn)業(yè)也在不斷提出新的經(jīng)濟(jì)學(xué)問(wèn)題，推動(dòng)相關(guān)領(lǐng)域的經(jīng)濟(jì)學(xué)研究不斷向前發(fā)展，為經(jīng)濟(jì)學(xué)理論轉(zhuǎn)化為實(shí)踐找到新的途徑，并為新型統(tǒng)計(jì)分析創(chuàng)造機(jī)遇。

隨著經(jīng)濟(jì)學(xué)家在科技公司中的地位徐徐上升，科技公司常常請(qǐng)本文作者推薦員工人選，并對(duì)經(jīng)濟(jì)學(xué)家應(yīng)該發(fā)揮哪些作用提出建議。他們還經(jīng)常詢問(wèn)本文作者如何使本科生和博士生為從事科技行業(yè)做好準(zhǔn)備，他們會(huì)從事哪些工作。教師感興趣的往往是他們?nèi)绾螀⑴c科技公司，可以解決科技公司面對(duì)的哪類問(wèn)題。本文描述了獲得博士學(xué)位的經(jīng)濟(jì)學(xué)者可以在科技公司施展的技能、哪些科技公司會(huì)招募他們，經(jīng)濟(jì)學(xué)家在科技公司主攻的方向以及這些問(wèn)題創(chuàng)造出的經(jīng)濟(jì)學(xué)研究領(lǐng)域。

獲得博士學(xué)位的經(jīng)濟(jì)學(xué)者掌握了哪些與科技行業(yè)相關(guān)的技能？

電影《颶風(fēng)營(yíng)救》（Taken）中連姆·尼森（Liam Neeson）的一句臺(tái)詞給本文作者提供了靈感。經(jīng)濟(jì)學(xué)家掌握了“一系列極其特殊的技能”。本文集中探討三類寬泛的技能。它們都融入經(jīng)濟(jì)學(xué)的課程中，可以幫助經(jīng)濟(jì)學(xué)家在科技公司大展宏圖。這三類技能分別是：評(píng)估和解讀實(shí)證關(guān)系，并和數(shù)據(jù)打交道的能力；理解和設(shè)計(jì)市場(chǎng)及激勵(lì)機(jī)制，并將信息環(huán)境和策略互動(dòng)考慮在內(nèi)的能力；理解產(chǎn)業(yè)結(jié)構(gòu)和企業(yè)均衡行為的能力。

評(píng)估實(shí)證關(guān)系

相對(duì)于其他學(xué)科而言，經(jīng)濟(jì)學(xué)家在數(shù)據(jù)的思考上表現(xiàn)出多重優(yōu)勢(shì)。首先，經(jīng)濟(jì)學(xué)家對(duì)于哪些關(guān)系具有因果關(guān)系，哪些關(guān)系沒(méi)有因果關(guān)系很感興趣。在過(guò)去30年里，經(jīng)濟(jì)學(xué)家開(kāi)發(fā)出了“工具箱”來(lái)鑒別真實(shí)世界里數(shù)據(jù)之間的因果關(guān)系。當(dāng)互聯(lián)網(wǎng)將人們帶入前所未有的數(shù)據(jù)爆炸時(shí)代，對(duì)經(jīng)濟(jì)學(xué)家的需求因此水漲船高。

舉例來(lái)說(shuō)，實(shí)證應(yīng)用微觀經(jīng)濟(jì)學(xué)家開(kāi)發(fā)了用于開(kāi)展“自然實(shí)驗(yàn)”和評(píng)估政策的工具，如工具性變量、因果面板數(shù)據(jù)模型和斷點(diǎn)回歸[請(qǐng)參見(jiàn)Angrist and Pischke（2009）對(duì)此類工具的述評(píng)]。科技公司廣泛采用這些工具解答自己面對(duì)的諸多問(wèn)題，如調(diào)整價(jià)格、引入新產(chǎn)品、調(diào)整用戶界面等干預(yù)措施產(chǎn)生的影響，以及廣告宣傳的有效性，我們會(huì)在下一節(jié)詳細(xì)闡述這些問(wèn)題。經(jīng)濟(jì)學(xué)家的關(guān)注點(diǎn)往往放在尋找因果關(guān)系，探討研究成果的數(shù)據(jù)意義和經(jīng)濟(jì)意義，這些對(duì)科技公司的實(shí)證分析非常重要。擅長(zhǎng)于產(chǎn)業(yè)組織和市場(chǎng)設(shè)計(jì)的經(jīng)濟(jì)學(xué)家還研發(fā)出各種方法，以此估算反事實(shí)價(jià)格變化或市場(chǎng)調(diào)整產(chǎn)生的影響。或許讓人們感到意外的是，這些工具在科技公司的應(yīng)用并不如實(shí)證應(yīng)用微觀經(jīng)濟(jì)學(xué)的工具那么廣泛，雖然有些令人注目的例外情形。

在科技行業(yè)的決策過(guò)程中，實(shí)驗(yàn)占據(jù)著相當(dāng)核心的地位。絕大多數(shù)大型科技公司每年都會(huì)通過(guò)數(shù)以千計(jì)或數(shù)以萬(wàn)計(jì)的“A/B測(cè)試”或隨機(jī)對(duì)照試驗(yàn)來(lái)評(píng)估產(chǎn)品調(diào)整。實(shí)驗(yàn)會(huì)提出意義重大的管理和技術(shù)問(wèn)題，涵蓋如何選擇合適的樣本、如何設(shè)計(jì)干預(yù)措施、如何將實(shí)驗(yàn)結(jié)果轉(zhuǎn)化為管理決策等各類問(wèn)題。

很多實(shí)驗(yàn)力求找到對(duì)海量用戶產(chǎn)生的微小影響，因此調(diào)整A/B測(cè)試的方法也會(huì)產(chǎn)生重大影響。也正因?yàn)榇耍P(guān)于實(shí)驗(yàn)設(shè)計(jì)的科學(xué)是科技公司內(nèi)部的一個(gè)重要議題，而且不斷開(kāi)拓出新的研究領(lǐng)域。譬如，布萊克等人（Blake and Coey，2014）強(qiáng)調(diào)了在均衡效應(yīng)導(dǎo)致實(shí)驗(yàn)組和控制組互相干擾的市場(chǎng)上開(kāi)展實(shí)驗(yàn)面臨的挑戰(zhàn)——他們?cè)谝兹ず湍槙?shū)面臨的挑戰(zhàn)激勵(lì)他們開(kāi)展了這項(xiàng)研究。阿西等人（Athey、Imbens and Eckles，2018）研究了在網(wǎng)絡(luò)設(shè)定下評(píng)估實(shí)驗(yàn)出現(xiàn)的問(wèn)題，正是他們?cè)趤嗰R遜和臉書(shū)面臨的挑戰(zhàn)促使他們開(kāi)展了這項(xiàng)研究。

有時(shí)，事實(shí)證明科技產(chǎn)業(yè)廣泛采用的實(shí)驗(yàn)也是有爭(zhēng)議的。譬如，臉書(shū)曾經(jīng)做了一個(gè)實(shí)驗(yàn)，測(cè)試相對(duì)于看到內(nèi)容消極的帖子，用戶看到更多帶有積極情緒的帖子（如快樂(lè)的帖子）時(shí)會(huì)做何反應(yīng)。在這個(gè)實(shí)驗(yàn)中，臉書(shū)在其“新聞推送”中改變了用戶收到的積極帖子或消極帖子的數(shù)量（Kramer et al.，2014）。盡管這個(gè)實(shí)驗(yàn)的最終結(jié)果表明用戶受到的影響很小，但仍然引發(fā)了公眾對(duì)臉書(shū)的強(qiáng)烈抵制（Meyer，2014）。發(fā)布實(shí)驗(yàn)報(bào)告的期刊《美國(guó)科學(xué)院院報(bào)》（PNAS）也很關(guān)注這項(xiàng)研究，并為此刊登了一篇評(píng)論文章（Verma，2014）。為了減輕公眾對(duì)公司的壓力，緩解人們對(duì)公司內(nèi)部實(shí)驗(yàn)的道德標(biāo)準(zhǔn)的擔(dān)憂情緒，臉書(shū)更新了公司內(nèi)部實(shí)驗(yàn)的遴選決策過(guò)程。公司和決策者仍然在努力探索這方面的最優(yōu)方法，既可以卓有成效地開(kāi)展實(shí)驗(yàn)，充分利用數(shù)據(jù)，又能保護(hù)參與者的隱私和安全。

科技公司內(nèi)部廣泛使用的機(jī)器學(xué)習(xí)也創(chuàng)造出全新的挑戰(zhàn)和機(jī)遇。起初，學(xué)院派經(jīng)濟(jì)學(xué)家因?yàn)榉N種顧慮，如機(jī)器學(xué)習(xí)的很多方法缺少漸近結(jié)果（asymptotic results），不確定預(yù)測(cè)問(wèn)題是否具有經(jīng)濟(jì)學(xué)意義等，而遲遲不愿從事機(jī)器學(xué)習(xí)方面的研究。因此，有些經(jīng)濟(jì)學(xué)家加入科技公司時(shí)對(duì)機(jī)器學(xué)習(xí)并不熟悉。他們需要學(xué)習(xí)一系列全新的方法，才能在機(jī)器學(xué)習(xí)社區(qū)的溝通中暢通無(wú)阻。近來(lái)經(jīng)濟(jì)學(xué)家與科技公司的互動(dòng)也促使經(jīng)濟(jì)學(xué)家對(duì)機(jī)器學(xué)習(xí)的興趣迅速膨脹，他們的關(guān)注點(diǎn)都放在預(yù)測(cè)問(wèn)題和因果推斷上。

由于人們需要將因果推斷技巧應(yīng)用于科技公司的大數(shù)據(jù)，而科技公司渴望充分發(fā)掘其海量數(shù)據(jù)，所以最近學(xué)者整理的文獻(xiàn)將機(jī)器學(xué)習(xí)和因果推斷結(jié)合起來(lái)（Athey，即將發(fā)表），而這些文獻(xiàn)又相應(yīng)地影響了科技公司的商業(yè)實(shí)踐[例如Hitsch and Misra（2018），將Wager and Athey（即將出版）的因果預(yù)測(cè)法用于定向促銷的應(yīng)用程序，Athey and Imbens（2016）也將遞歸分區(qū)研究因果效應(yīng)的方法用在科技公司的A/B測(cè)試平臺(tái)上]。從實(shí)踐的角度看，機(jī)器學(xué)習(xí)和經(jīng)濟(jì)學(xué)的交融使經(jīng)濟(jì)學(xué)家理解了什么方法有效，什么方法無(wú)效，以及為什么會(huì)這樣。

盡管實(shí)驗(yàn)在科技公司內(nèi)部發(fā)揮的作用至關(guān)重要，但它們也存在不少局限。經(jīng)濟(jì)學(xué)家采用工具變量、因果面板數(shù)據(jù)模型和斷點(diǎn)回歸等方法為科技公司提供了寬泛的因果推斷“工具箱”，幫助它們開(kāi)展實(shí)驗(yàn)以規(guī)避其局限性。這樣科技公司就可以在難以開(kāi)展實(shí)驗(yàn)或?qū)嶒?yàn)成本過(guò)高的情況下獲取處理效應(yīng)（treatment effect）。

除了關(guān)注因果關(guān)系外，經(jīng)濟(jì)學(xué)家感興趣的另外一個(gè)領(lǐng)域是如何理解各種結(jié)果指標(biāo)之間的取舍關(guān)系。在很多科技公司，與產(chǎn)品設(shè)計(jì)、營(yíng)銷甚至人力資源相關(guān)的決策都是通過(guò)實(shí)證分析（而不是主觀評(píng)估）做出的，而且對(duì)指標(biāo)的選擇會(huì)指導(dǎo)整個(gè)公司激勵(lì)機(jī)制的設(shè)計(jì)。經(jīng)濟(jì)學(xué)家力求更加深入地理解較容易觀察的短期指標(biāo)[如廣告點(diǎn)擊量，Athey、Chetty、Imbens and Kang（2016）稱之為“代理”指標(biāo)]和較難觀察但能更準(zhǔn)確代表公司目標(biāo)的長(zhǎng)期指標(biāo)（如營(yíng)收或用戶的終身價(jià)值）之間的關(guān)系。

舉例來(lái)說(shuō)，一家大型科技公司對(duì)郵件營(yíng)銷的措施進(jìn)行了以下調(diào)整。過(guò)去的客戶銷售模式干擾因素太多，可能需要幾個(gè)星期才會(huì)轉(zhuǎn)化為一個(gè)消費(fèi)者訂單。郵件銷售這種新措施的效果即時(shí)可見(jiàn)，而且公司可以迅速調(diào)整郵件的內(nèi)容。然而公司發(fā)現(xiàn)，在幾個(gè)月的時(shí)間里，每封郵件的銷售量都在直線下滑，因?yàn)楣驹诓粩嗤晟茽I(yíng)銷郵件以最大化潛在用戶打開(kāi)郵件的概率，但并沒(méi)有考慮到最終銷售量。譬如，效果突出的郵件（用“郵件點(diǎn)開(kāi)率”這個(gè)指標(biāo)衡量）的標(biāo)題極其引人入勝，但多多少少存在誤導(dǎo)性的承諾。對(duì)于經(jīng)濟(jì)學(xué)家來(lái)說(shuō)，他們不僅把指標(biāo)看作統(tǒng)計(jì)度量，而且會(huì)很自然把它視為能夠激勵(lì)員工的工具，同時(shí)能據(jù)此提出激勵(lì)長(zhǎng)期創(chuàng)新的方式以及能更充分反映長(zhǎng)期效果的短期指標(biāo)。從更寬泛的角度來(lái)說(shuō)，經(jīng)濟(jì)學(xué)家感興趣的是短期目標(biāo)與長(zhǎng)期目標(biāo)之間的差異。這往往會(huì)使科技公司在選擇產(chǎn)品和市場(chǎng)設(shè)計(jì)以及算法開(kāi)發(fā)等問(wèn)題上得出截然不同的結(jié)論。經(jīng)濟(jì)學(xué)家將重點(diǎn)放在了實(shí)驗(yàn)、算法和管理決策之間的關(guān)聯(lián)上。

最后，經(jīng)濟(jì)學(xué)家所受的理論和實(shí)證訓(xùn)練促使他們審慎考慮不同決策的預(yù)期和非預(yù)期結(jié)果。譬如，愛(ài)彼迎允許房主看到住客的姓名和照片后輕易地拒絕住客的租住請(qǐng)求。盡管這種靈活機(jī)制原本會(huì)在短期內(nèi)推高用戶增長(zhǎng)（“短期用戶增長(zhǎng)”一直是愛(ài)彼迎重點(diǎn)關(guān)注的指標(biāo)），但盧卡等人（Edelman、Luca and Svir-sky，2017）開(kāi)展的實(shí)驗(yàn)表明，這也會(huì)使非洲裔美國(guó)人在這個(gè)平臺(tái)上飽受種族歧視。因此，愛(ài)彼迎的市場(chǎng)設(shè)計(jì)提高了歧視的可能性，而在此之前這個(gè)市場(chǎng)曾竭盡全力消除歧視。菲斯曼和盧卡（Fisman and Luca，2016）對(duì)可以廣泛降低網(wǎng)絡(luò)市場(chǎng)中歧視現(xiàn)象的市場(chǎng)設(shè)計(jì)提出了一系列建議，如進(jìn)一步提高平臺(tái)交易的自動(dòng)化程度。這項(xiàng)研究促使愛(ài)彼迎成立了一個(gè)工作組來(lái)權(quán)衡各種選擇，并進(jìn)而創(chuàng)建一個(gè)由全職數(shù)據(jù)科學(xué)家組成的團(tuán)隊(duì)持續(xù)研究歧視問(wèn)題。監(jiān)管者也參與進(jìn)來(lái)，敦促愛(ài)彼迎繼續(xù)開(kāi)展這些工作。最終愛(ài)彼迎推出各種調(diào)整措施，在公司實(shí)現(xiàn)短期增長(zhǎng)的愿望與消除平臺(tái)歧視的長(zhǎng)期目標(biāo)之間達(dá)成平衡，這兩者并不總是協(xié)調(diào)統(tǒng)一的。

設(shè)計(jì)市場(chǎng)和激勵(lì)機(jī)制

經(jīng)濟(jì)學(xué)家在科技公司日益受到重視的時(shí)機(jī)恰逢市場(chǎng)設(shè)計(jì)的興起，這個(gè)領(lǐng)域由斯坦福大學(xué)經(jīng)濟(jì)學(xué)家鮑勃·威爾遜開(kāi)創(chuàng)，并在保羅·米爾格羅姆（Paul Mil-grom）和埃爾文·羅斯（Alvin E.Roth）等經(jīng)濟(jì)學(xué)家的努力下拓展至多個(gè)應(yīng)用領(lǐng)域（埃爾文·羅斯憑借自己在這個(gè)領(lǐng)域的開(kāi)創(chuàng)性研究獲得了諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)）。市場(chǎng)設(shè)計(jì)將經(jīng)濟(jì)學(xué)家的研究角度從以描述性為主的研究轉(zhuǎn)向規(guī)范/定性研究，利用經(jīng)濟(jì)學(xué)工具設(shè)計(jì)出運(yùn)行更加順暢的市場(chǎng)。這些經(jīng)濟(jì)學(xué)家（特別是羅斯）大力倡導(dǎo)“經(jīng)濟(jì)學(xué)家即工程師”的主張，使經(jīng)濟(jì)學(xué)家深入?yún)⑴c將經(jīng)濟(jì)學(xué)主張付諸實(shí)踐的工作，并對(duì)具體問(wèn)題提出有針對(duì)性的建議。盡管市場(chǎng)設(shè)計(jì)研究最初關(guān)注的是線下市場(chǎng)交易，如頻譜拍賣、居住匹配項(xiàng)目和器官捐贈(zèng)等，但近年來(lái)，經(jīng)濟(jì)學(xué)家進(jìn)一步將市場(chǎng)設(shè)計(jì)的思維方式引入科技產(chǎn)業(yè)。譬如，羅斯研究線下市場(chǎng)時(shí)長(zhǎng)期采用的角度（即探討與市場(chǎng)厚度、擁擠程度和參與者安全有關(guān)的問(wèn)題）對(duì)網(wǎng)絡(luò)市場(chǎng)的重要性進(jìn)一步提升，當(dāng)前設(shè)計(jì)選擇是網(wǎng)絡(luò)市場(chǎng)研究的前沿和核心。

許多科技公司都采用了市場(chǎng)設(shè)計(jì)：谷歌、雅虎和微軟將它應(yīng)用于廣告銷售市場(chǎng)（Varian，2007；Edelman、Ostrovsky and Schwarz，2007；Athey and Elli-son，2011；Agarwal、Athey and Yang，2009；Athey and Nekipelov，2013）；優(yōu)步將它應(yīng)用于叫車市場(chǎng)（Cohen et al.，2016）。許多學(xué)者研究了定價(jià)機(jī)制、分配機(jī)制和信譽(yù)體系，而其他研究則關(guān)注了搜尋成本（Athey and Ellison，2011；Fradkin，2017；Cullen and Farronato，2018）。經(jīng)濟(jì)學(xué)家的技能在多邊市場(chǎng)上施展得尤為充分，因?yàn)檎窃谶@樣的背景下，認(rèn)真想清楚策略性行為、互動(dòng)和均衡效應(yīng)才是最重要的事情。

將經(jīng)濟(jì)學(xué)家評(píng)估實(shí)證關(guān)系的獨(dú)特角度與他們?cè)谑袌?chǎng)設(shè)計(jì)方面的專長(zhǎng)結(jié)合起來(lái)后，經(jīng)濟(jì)學(xué)家依據(jù)理論和數(shù)據(jù)，不僅預(yù)測(cè)出公司決策的即時(shí)效果，而且預(yù)測(cè)出該決策如何影響市場(chǎng)的均衡行為，從而給科技公司帶來(lái)獨(dú)有的價(jià)值。

分析均衡市場(chǎng)結(jié)構(gòu)

科技公司花了很多力氣研究當(dāng)前和潛在的競(jìng)爭(zhēng)格局，幫助自己決定進(jìn)入哪個(gè)市場(chǎng)。譬如，優(yōu)步和來(lái)福車（Lyft）之間的競(jìng)爭(zhēng)引發(fā)了市場(chǎng)結(jié)構(gòu)問(wèn)題，而且這些問(wèn)題有助于公司制定擴(kuò)張和收購(gòu)策略。包括平臺(tái)理論和市場(chǎng)設(shè)計(jì)理論在內(nèi)的經(jīng)濟(jì)學(xué)理論證明了有些力量可以加劇市場(chǎng)競(jìng)爭(zhēng)，或使市場(chǎng)壟斷成為可能。這對(duì)平臺(tái)公司進(jìn)入哪些市場(chǎng)的決策大有裨益，對(duì)政策制定者和監(jiān)管者也很有幫助。當(dāng)前，科技業(yè)對(duì)市場(chǎng)力量的辯論如火如荼，經(jīng)濟(jì)學(xué)家盡管不能精準(zhǔn)預(yù)測(cè)未來(lái)，但可以幫助它們?yōu)檫@場(chǎng)論戰(zhàn)建立框架。

經(jīng)濟(jì)學(xué)在科技公司的應(yīng)用

經(jīng)濟(jì)學(xué)家現(xiàn)在研究的許多問(wèn)題都與科技公司息息相關(guān)。本節(jié)著重介紹經(jīng)濟(jì)學(xué)在科技公司中的應(yīng)用典范，如廣告拍賣的設(shè)計(jì)，廣告回報(bào)率的估算，評(píng)價(jià)體系和信譽(yù)體系的設(shè)計(jì)，以及用戶評(píng)價(jià)對(duì)公司的影響。

在線廣告拍賣的設(shè)計(jì)

隨著網(wǎng)絡(luò)技術(shù)問(wèn)世以及經(jīng)濟(jì)學(xué)家的逐步參與，廣告行業(yè)發(fā)生了翻天覆地的變化。經(jīng)濟(jì)學(xué)家主要涉足了它的兩個(gè)領(lǐng)域：廣告拍賣的設(shè)計(jì)和廣告回報(bào)率的估算。

經(jīng)濟(jì)學(xué)家涉足網(wǎng)絡(luò)廣告拍賣的歷史可以追溯到20世紀(jì)90年代末。當(dāng)時(shí)加州理工學(xué)院的經(jīng)濟(jì)學(xué)教授西蒙·威爾基（Simon Wilkie）開(kāi)始為GoTo公司提供咨詢服務(wù)，GoTo公司后來(lái)成為搜索引擎公司Overture，并最終為雅虎的搜索廣告拍賣業(yè)務(wù)提供支持。2002年，哈爾·范里安（Hal Varian）接到了埃里克·施密特（Eric Schmidt）的電話。當(dāng)時(shí)施密特在一家叫“谷歌”的年輕公司擔(dān)任董事長(zhǎng)，對(duì)范里安和卡爾·夏皮羅（Carl Shapiro）合著的《信息規(guī)則》（In-formation Rules）一書(shū)極感興趣（夏皮羅是范里安在加州大學(xué)伯克利分校的經(jīng)濟(jì)學(xué)家同事）。范里安在和施密特深談后出任了谷歌的顧問(wèn)，最終成為該公司的首席經(jīng)濟(jì)學(xué)家。他也是首位在大型科技公司擔(dān)任首席經(jīng)濟(jì)學(xué)家的學(xué)院派微觀經(jīng)濟(jì)學(xué)家。幾年后，加州理工學(xué)院的另一位市場(chǎng)設(shè)計(jì)經(jīng)濟(jì)學(xué)家普雷斯頓·麥卡菲（Preston McAfee）加入了雅虎研究院。2008年哈佛大學(xué)的蘇珊·阿西在休假期間擔(dān)任了微軟的首席咨詢經(jīng)濟(jì)學(xué)家。阿西和麥卡菲在科技公司工作的初期都重點(diǎn)關(guān)注了與網(wǎng)絡(luò)廣告有關(guān)的市場(chǎng)設(shè)計(jì)和戰(zhàn)略問(wèn)題。

要想理解搜索廣告涉及的一些問(wèn)題，就需要考慮它的運(yùn)作方式。無(wú)論是像谷歌和必應(yīng)（Bing）這樣的通用搜索引擎，還是像Yelp這樣的專業(yè)搜索引擎，它們往往都以拍賣關(guān)鍵詞的方式銷售廣告。競(jìng)標(biāo)者用自己愿意為每個(gè)結(jié)果（如每次點(diǎn)擊）支付的金額來(lái)投標(biāo)，報(bào)價(jià)較高的廣告客戶可以拿到更理想的廣告位置。因此，科技公司必須認(rèn)真甄選拍賣的形式和參數(shù)。

眾所周知，傳統(tǒng)的第二價(jià)格投標(biāo)拍賣模式只有一位中標(biāo)者，即出價(jià)最高者中標(biāo)，但他實(shí)際需要付的價(jià)格是次高價(jià)，這意味著投標(biāo)的最佳策略是按真實(shí)價(jià)值出價(jià)（不用擔(dān)心成為出價(jià)過(guò)高而無(wú)法中標(biāo)的競(jìng)標(biāo)者），由此產(chǎn)生了許多復(fù)雜的問(wèn)題。然而，廣告銷售的結(jié)果是對(duì)競(jìng)標(biāo)者進(jìn)行排序，而不是決出唯一的中標(biāo)者。谷歌、微軟和雅虎采用了通用的第二價(jià)格拍賣模式，其中每位廣告客戶按報(bào)價(jià)第二低的價(jià)格支付廣告費(fèi)。雅虎研究所的施瓦茨等人（Schwarz、Edelman and Ostrovsky，2007）的研究表明，雖然通用型第二價(jià)格拍賣模式不具備第二價(jià)格拍賣的主導(dǎo)優(yōu)勢(shì)，即不決出唯一的中標(biāo)者，但它用于搜索引擎廣告的拍賣時(shí)仍然比較有效。

阿西和艾利森（Athey and Ellison，2011）將“理性消費(fèi)者搜索”的概念納入拍賣的市場(chǎng)設(shè)計(jì)中，激勵(lì)公司不僅將拍賣底價(jià)作為提高收入的手段，而且用這個(gè)工具管理廣告質(zhì)量，從而激發(fā)用戶搜索的興致。阿西以此為框架向微軟建議了如何提高微軟搜索引擎上的廣告質(zhì)量，隨后，她將公司數(shù)據(jù)納入理論模型，構(gòu)建了一個(gè)計(jì)量經(jīng)濟(jì)學(xué)模型（Athey and Nekipelov，2012）。這個(gè)模型可用來(lái)推斷廣告客戶的估價(jià)，并從他們的投標(biāo)行為中獲利。科技公司可以用這類模型了解算法調(diào)整如何影響廣告客戶的福祉，并據(jù)此預(yù)測(cè)未來(lái)廣告客戶在自身平臺(tái)上的參與度。

奧斯特洛夫斯基和施瓦茨（Ostrovsky and Schwartz，2016）在雅虎觀察到，公司設(shè)定的底價(jià)往往低于根據(jù)拍賣理論預(yù)測(cè)的、能夠?qū)崿F(xiàn)收入最大化的價(jià)格水平。他們給實(shí)驗(yàn)組和控制組分別指派了搜索關(guān)鍵詞。實(shí)驗(yàn)組的關(guān)鍵詞被賦予作者計(jì)算出來(lái)的理論上的最優(yōu)保底價(jià)，而控制組的關(guān)鍵詞采用了默認(rèn)底價(jià)（即每點(diǎn)擊一次增加0.1美元）。實(shí)驗(yàn)結(jié)束后，控制組的廣告收入提高了若干個(gè)百分點(diǎn)，促使雅虎調(diào)整了所有搜索廣告的底價(jià)政策，為公司額外創(chuàng)收了數(shù)以百萬(wàn)計(jì)美元。

科技公司還雇用經(jīng)濟(jì)學(xué)家來(lái)解決自己在選擇廣告結(jié)果時(shí)面臨的挑戰(zhàn)，如采用點(diǎn)擊付費(fèi)（pay-per-click）的方式還是其他方式。阿加瓦爾等人（Agarwal、Athey and Yang，2009）探討了點(diǎn)擊付費(fèi)相對(duì)于行為付費(fèi)（pay-per-action）的優(yōu)劣。行為付費(fèi)指每次有人點(diǎn)擊了廣告鏈接并有所行動(dòng)（如購(gòu)買產(chǎn)品）后，廣告客戶才會(huì)付費(fèi)。行為付費(fèi)有助于解決點(diǎn)擊欺詐的問(wèn)題，即點(diǎn)擊付費(fèi)會(huì)激勵(lì)網(wǎng)站在沒(méi)有任何購(gòu)買意愿的情況下，點(diǎn)擊投放在自家網(wǎng)站上的廣告。然而，如果科技公司實(shí)施行為付費(fèi)時(shí)將其等同于對(duì)多種行為出價(jià)的能力，那么一旦廣告客戶獲取內(nèi)部信息或操縱規(guī)則，就會(huì)對(duì)出現(xiàn)頻率低于搜索引擎公司預(yù)期的行為投出高價(jià)，從而以低價(jià)獲得較好的搜索位置。

最后，盡管沒(méi)有太多學(xué)術(shù)研究分析臉書(shū)的網(wǎng)絡(luò)廣告拍賣模式，但它的員工約翰·赫格曼（John Hegeman）對(duì)臉書(shū)早期的決策（即用維克里拍賣模式銷售廣告空間）產(chǎn)生了深刻的影響。赫格曼在斯坦福大學(xué)經(jīng)濟(jì)學(xué)系攻讀研究生時(shí)接受了大量拍賣方面的專業(yè)知識(shí)培訓(xùn)（Amit et al.，2013）。

排名和激勵(lì)在市場(chǎng)中的作用

均衡效應(yīng)對(duì)于人們理解科技產(chǎn)業(yè)中常見(jiàn)的平臺(tái)和市場(chǎng)提出了不少挑戰(zhàn)。以易趣為例，它調(diào)整了用戶界面后，消費(fèi)者更容易找到他們需要的產(chǎn)品并據(jù)此進(jìn)行比價(jià)，最終影響了消費(fèi)者的選擇行為（Dinerstein et al.，2018），不過(guò)這相應(yīng)地影響了賣家的定價(jià)。從長(zhǎng)遠(yuǎn)看，賣家的定價(jià)行為發(fā)生變化，會(huì)從根本上影響消費(fèi)者在易趣購(gòu)物的意愿，從而影響賣家行為。類似的問(wèn)題在很多市場(chǎng)上都有出現(xiàn)。總之，市場(chǎng)和中間商對(duì)賣家或服務(wù)供應(yīng)商報(bào)價(jià)的排名方式可被視為一個(gè)激勵(lì)體系。愛(ài)彼迎等交易平臺(tái)激勵(lì)房主準(zhǔn)確更新房屋的出租日程表，并接受旅客的訂房申請(qǐng)。房主會(huì)優(yōu)先接納那些言談舉止符合自己心意的房客，而把不符合自身選擇標(biāo)準(zhǔn)的房客往后排。經(jīng)濟(jì)學(xué)家有充分的能力分析與賣家報(bào)價(jià)排名有關(guān)的問(wèn)題。他們的研究對(duì)象不僅包括短期行為，而且包括對(duì)整個(gè)交易市場(chǎng)造成的均衡影響。

估算廣告的回報(bào)率

估算廣告的回報(bào)率是一個(gè)傳統(tǒng)難題。印刷和電視等早期媒體無(wú)法針對(duì)不同的消費(fèi)者投放不同的廣告，或追蹤消費(fèi)者的個(gè)體行為，因此很難對(duì)它們?cè)O(shè)計(jì)隨機(jī)實(shí)驗(yàn)。非隨機(jī)觀測(cè)研究會(huì)因?yàn)檫x擇問(wèn)題而存在偏差。因此，絕大多數(shù)傳統(tǒng)的廣告研究都受困于識(shí)別策略不完善、關(guān)于結(jié)果的數(shù)據(jù)有限并且樣本規(guī)模較小。

數(shù)字時(shí)代使我們有條件更好地了解廣告的回報(bào)率。臉書(shū)、谷歌和微軟等平臺(tái)收集了海量的用戶行為數(shù)據(jù)，而且定期開(kāi)展實(shí)驗(yàn)以測(cè)試其網(wǎng)絡(luò)廣告系統(tǒng)的有效性，從而幫助自己日益深入地理解怎樣才能使廣告的有效性最大化。因此，這些企業(yè)的經(jīng)濟(jì)學(xué)家可以借鑒現(xiàn)有的市場(chǎng)設(shè)計(jì)理論提出新的觀點(diǎn)，并迅速檢驗(yàn)和評(píng)估這些觀點(diǎn)。

在擁有網(wǎng)絡(luò)廣告業(yè)務(wù)的公司里，經(jīng)濟(jì)學(xué)家還在理解廣告有效性方面取得了突飛猛進(jìn)的進(jìn)展。譬如，布萊克等人（Blake、Nosko and Tadelis，2015）在易趣研究實(shí)驗(yàn)室工作時(shí)開(kāi)展了田野實(shí)驗(yàn)以此來(lái)理解易趣的廣告宣傳活動(dòng)對(duì)谷歌和必應(yīng)的影響。他們發(fā)現(xiàn)，搜索引擎營(yíng)銷（即購(gòu)買搜索引擎上的廣告服務(wù)后，一旦用戶輸入關(guān)鍵詞就會(huì)展示對(duì)應(yīng)的廣告）只有在滿足以下條件時(shí)才會(huì)見(jiàn)效：看到這些廣告的人是易趣的新用戶或不常使用易趣的用戶，且檢索項(xiàng)已經(jīng)包括被搜索公司的內(nèi)容。由于易趣的常客是其銷量的主要來(lái)源，所以搜索引擎廣告的總體回報(bào)率為負(fù)值。鑒于開(kāi)展這項(xiàng)實(shí)驗(yàn)時(shí)，易趣每年在美國(guó)用于搜索引擎營(yíng)銷的預(yù)算超過(guò)5000萬(wàn)美元，因此這項(xiàng)研究的結(jié)果對(duì)它來(lái)說(shuō)意義重大。

在其他情形中，廣告看起來(lái)是一筆能夠獲得正收益的投資。約翰遜等人（Johnson、Lewis and Reiley，2016）稱消費(fèi)者在雅虎上收看了一家大型零售商的廣告后，該零售商的銷售額增加了3.6%。據(jù)估算，此次網(wǎng)絡(luò)廣告的回報(bào)率為1%（雖然不具有統(tǒng)計(jì)顯著性）。這項(xiàng)實(shí)驗(yàn)采用的樣本規(guī)模以百萬(wàn)計(jì)。他們給控制組播放了完全無(wú)關(guān)的廣告（還有一個(gè)控制組沒(méi)有收看任何廣告），此外實(shí)驗(yàn)中有一組龐大的個(gè)體協(xié)變量（Cindividual covariates）。盧卡等人（Dai、Kim and Luca ，2018 ）與Yelp合作為一組之前沒(méi)有投放過(guò)廣告的餐廳隨機(jī)播放廣告，這個(gè)設(shè)計(jì)是為了幫助Yelp吸納眾多小企業(yè)，而不僅僅是少數(shù)知名企業(yè)。這些餐廳投放廣告后，網(wǎng)頁(yè)訪問(wèn)量增長(zhǎng)了25%，評(píng)論量增加了5%（“評(píng)論量”可以視為真正前往餐廳用餐的代理指標(biāo)），粗略計(jì)算表明這項(xiàng)投資獲得了正收益。

經(jīng)濟(jì)學(xué)家還設(shè)計(jì)長(zhǎng)期實(shí)驗(yàn)測(cè)試廣告對(duì)用戶參與度的影響；賴?yán)热耍℉uang、Riabov and Reilly，2017）研究了潘多拉用戶在21個(gè)月里的表現(xiàn)。他們的估算結(jié)果發(fā)現(xiàn)對(duì)每位用戶投放的廣告量與用戶使用網(wǎng)站的情況之間存在非常明顯的線性關(guān)系。這進(jìn)一步表明加大廣告投放量會(huì)提升付費(fèi)會(huì)員的購(gòu)買量（成為付費(fèi)會(huì)員后就不會(huì)在潘多拉網(wǎng)站上看到廣告）。

不過(guò)要想衡量廣告的回報(bào)率仍然困難重重。曾經(jīng)在雅虎工作過(guò)的兩位經(jīng)濟(jì)學(xué)家（Lewis and Rao，2015）在對(duì)25項(xiàng)網(wǎng)絡(luò)廣告的田野試驗(yàn)進(jìn)行元分析后，討論了測(cè)量廣告回報(bào)率時(shí)遇到的挑戰(zhàn)。他們認(rèn)為盡管可以使用網(wǎng)絡(luò)數(shù)據(jù)研究廣告的回報(bào)率，但個(gè)性化銷售數(shù)據(jù)中的“信噪比”仍然對(duì)研究造成諸多掣肘，且研究中的標(biāo)準(zhǔn)差往往比均值高出一個(gè)數(shù)量級(jí)。即使研究的用戶數(shù)量以10萬(wàn)計(jì)，它的置信區(qū)間仍然過(guò)寬，無(wú)法區(qū)分利潤(rùn)率極高的廣告與完全無(wú)效的廣告；而要想識(shí)別現(xiàn)實(shí)效應(yīng)的大小，相關(guān)工作的成本會(huì)高得驚人。

設(shè)計(jì)評(píng)價(jià)和信譽(yù)體系

在線評(píng)價(jià)和信譽(yù)體系在過(guò)去10年里的應(yīng)用愈來(lái)愈普遍。Yelp和貓途鷹（TripAdvisor）等平臺(tái)上都有數(shù)億條評(píng)價(jià)，涵蓋了從水管工到酒店等各個(gè)領(lǐng)域。優(yōu)步、愛(ài)彼迎及其他線上交易平臺(tái)也極其依賴信譽(yù)體系來(lái)幫助陌生人之間建立起信任。家得寶（Home Depot）和蓋璞（Gap）等傳統(tǒng)零售商同樣開(kāi)發(fā)了自己的評(píng)價(jià)體系。

經(jīng)濟(jì)學(xué)家已經(jīng)涉足信譽(yù)體系的設(shè)計(jì)工作，他們的工作重心包括：理解評(píng)價(jià)生態(tài)體系中的系統(tǒng)性偏差，以及緩解這些偏差的設(shè)計(jì)選擇。相關(guān)研究表明，網(wǎng)絡(luò)交易評(píng)價(jià)體系中的一種偏差是由互惠評(píng)價(jià)造成的，這往往出現(xiàn)在買方和賣方相互評(píng)價(jià)的交易平臺(tái)上。盡管互惠評(píng)價(jià)可以成為交易雙方建立信任的寶貴途徑，但它可能激勵(lì)買賣雙方提交的評(píng)語(yǔ)引發(fā)向上偏差。愛(ài)彼迎允許房客在房東發(fā)表評(píng)價(jià)之前提交評(píng)語(yǔ)，房客或許會(huì)因此而猶豫是否要給出負(fù)面評(píng)價(jià)，以免房東惡語(yǔ)相向。博爾頓等人（Bolton、Greiner and Ockenfels，2013）以易趣為背景提出了一個(gè)解決方案來(lái)消除這種困境（易趣采用了互惠評(píng)價(jià)體系，買方和賣家可即時(shí)發(fā)布評(píng)語(yǔ)）。易趣（和愛(ài)彼迎）嘗試的解決方案是在雙方都寫下評(píng)語(yǔ)之前推遲評(píng)語(yǔ)的發(fā)布時(shí)間，或在交易完成一定時(shí)間后再發(fā)表評(píng)語(yǔ)。不過(guò)在這個(gè)體系下，如果買方覺(jué)得發(fā)布負(fù)面反饋可能會(huì)阻礙未來(lái)的賣方與自己進(jìn)行交易，那么他們?nèi)匀徊辉附o出負(fù)面評(píng)價(jià)。為此，易趣增加了一個(gè)叫“賣家分項(xiàng)評(píng)分”的單向匿名評(píng)價(jià)，即買家對(duì)賣家進(jìn)行分項(xiàng)打分，其結(jié)果加總后對(duì)外公開(kāi)。弗拉德金等人（Fradkin、Grewal and Holtz，2017）在愛(ài)彼迎公司內(nèi)部開(kāi)展了一項(xiàng)隨機(jī)實(shí)驗(yàn)來(lái)研究這個(gè)問(wèn)題，最終得出的結(jié)果與他們之前的假設(shè)不謀而合，即降低受懲罰的概率會(huì)提升評(píng)語(yǔ)的信息量。

在網(wǎng)絡(luò)交易平臺(tái)上提交評(píng)語(yǔ)都是自愿行為，可能會(huì)受到選擇性偏差的干擾，由此產(chǎn)生第二種偏差。尤其是用戶的體驗(yàn)特別正面或負(fù)面時(shí)，他們留下評(píng)語(yǔ)的可能性更大。譬如，易趣經(jīng)濟(jì)學(xué)家團(tuán)隊(duì)中的一組人發(fā)現(xiàn)，有證據(jù)表明，與獲得負(fù)面體驗(yàn)的情況相比，易趣用戶獲得正面體驗(yàn)時(shí)更容易對(duì)交易做出評(píng)價(jià)（Masterov、Meyer and Tadelis，2015）。評(píng)價(jià)平臺(tái)采用多種工具消除選擇問(wèn)題，如發(fā)送郵件鼓勵(lì)消費(fèi)者留下評(píng)語(yǔ)，甚至為此付費(fèi)。另外一種工具是，平臺(tái)將買家和賣家發(fā)布評(píng)價(jià)的頻率融入信譽(yù)評(píng)分，譬如，反饋率較低的賣家會(huì)受到懲罰。一家大型網(wǎng)上招聘平臺(tái)根據(jù)本公司經(jīng)濟(jì)學(xué)家的建議開(kāi)發(fā)了一個(gè)系統(tǒng)，允許用戶既可以公開(kāi)發(fā)布自己的反饋，也可以私下里提供反饋。他們發(fā)現(xiàn)非公開(kāi)的反饋往往比公開(kāi)的評(píng)價(jià)更加切實(shí)可靠。

如果企業(yè)及其雇用的人員暗中發(fā)布與自己或競(jìng)爭(zhēng)對(duì)手有關(guān)的評(píng)語(yǔ)，那么會(huì)產(chǎn)生線上評(píng)價(jià)的第三種偏差。盧卡等人（Luca and Zervas，2016）探索了經(jīng)濟(jì)利益在多大程度上激勵(lì)企業(yè)編造不實(shí)評(píng)價(jià)。他們發(fā)現(xiàn)獨(dú)立餐廳和口碑下滑的餐廳對(duì)評(píng)價(jià)造假的可能性更大，競(jìng)爭(zhēng)力較強(qiáng)的餐廳更容易受到不實(shí)差評(píng)的攻擊。減少評(píng)語(yǔ)造假的機(jī)制之一是平臺(tái)在評(píng)語(yǔ)發(fā)布之前核實(shí)相關(guān)交易是否確實(shí)發(fā)生了，譬如愛(ài)彼迎就采用了類似政策；亞馬遜等其他網(wǎng)站則會(huì)在核實(shí)購(gòu)買行為后，對(duì)其評(píng)語(yǔ)加注來(lái)說(shuō)明這一點(diǎn)。盡管這些防范措施可能會(huì)減少不實(shí)評(píng)語(yǔ)，但在某些平臺(tái)上，它們也可能成為用戶評(píng)價(jià)的障礙，從而阻礙用戶發(fā)布恰當(dāng)?shù)脑u(píng)價(jià)。梅茲林等人（Mayzlin、Dover and Chevalier ，2014）以貓途鷹和億客行為背景開(kāi)展的研究證明了以上觀點(diǎn)，其中貓途鷹不核實(shí)發(fā)表評(píng)價(jià)的房客是否真的租住了房子，而億客行會(huì)進(jìn)行核實(shí)。他們發(fā)現(xiàn)相對(duì)于連鎖酒店，獨(dú)立酒店在貓途鷹上更容易獲得五星好評(píng)（與億客行評(píng)分相較而言）。此外，獨(dú)立酒店的競(jìng)爭(zhēng)者在貓途鷹上獲得一星差評(píng)的概率高于在億客行的評(píng)分情況。

除了制定激勵(lì)措施，鼓勵(lì)用戶留下高質(zhì)量的評(píng)語(yǔ)外，網(wǎng)絡(luò)平臺(tái)面臨的另外一個(gè)問(wèn)題是如何加總已經(jīng)獲得的評(píng)語(yǔ)（Dai et al.，2018）。在實(shí)踐中，Yelp和貓途鷹等評(píng)價(jià)平臺(tái)利用算法來(lái)鑒別并清除被它認(rèn)定為不實(shí)或質(zhì)量較差的評(píng)語(yǔ)。網(wǎng)絡(luò)平臺(tái)還可以調(diào)整評(píng)分體系或?qū)υu(píng)分項(xiàng)賦予不同權(quán)重來(lái)反映每條評(píng)語(yǔ)蘊(yùn)含的資訊內(nèi)容，從而提高用戶看到的平均分反映出的總體信息。在實(shí)際操作中，平臺(tái)還會(huì)考慮不同的內(nèi)容篩選方法和內(nèi)容整合方法可能產(chǎn)生的激勵(lì)作用。

經(jīng)濟(jì)學(xué)家受到的培訓(xùn)會(huì)讓他們自然而然地從另外一個(gè)角度看待用戶評(píng)價(jià)，即用戶撰寫評(píng)語(yǔ)花費(fèi)的時(shí)間成本與評(píng)語(yǔ)的信息價(jià)值之間是否達(dá)到平衡。譬如，優(yōu)步在“到底要讓所有乘客都留下評(píng)語(yǔ)，還是只在部分場(chǎng)景下要求他們留下評(píng)語(yǔ)”的問(wèn)題上做出了自己的決策。或許沒(méi)有必要讓所有用戶花時(shí)間寫下評(píng)語(yǔ)，因?yàn)榕c他們互動(dòng)的是市場(chǎng)中經(jīng)驗(yàn)極其豐富且評(píng)分很高的賣方。另一方面，重要的是堅(jiān)持收集一些評(píng)語(yǔ)，持續(xù)激勵(lì)賣方提供高質(zhì)量的產(chǎn)品/服務(wù)。除此以外，某些用戶體驗(yàn)可以直接通過(guò)市場(chǎng)交易衡量（例如，賣家的發(fā)貨時(shí)長(zhǎng)、優(yōu)步的乘客是否超速，或乘客會(huì)給司機(jī)多少小費(fèi)）。在這種情況下，讓買方對(duì)很難直接觀察或推斷的服務(wù)做出評(píng)價(jià)可能會(huì)更加高效。

評(píng)價(jià)的影響

人們也許很難識(shí)別在線評(píng)價(jià)對(duì)產(chǎn)品需求造成的影響。譬如，在貓途鷹上評(píng)分較高的酒店或許需求量高于其他酒店，這要么是因?yàn)樵u(píng)分結(jié)果驅(qū)動(dòng)了人們對(duì)它們的需求，要么只是因?yàn)楹镁频暝u(píng)分更高。不過(guò)，現(xiàn)在經(jīng)濟(jì)學(xué)家采用了多種方法鑒別網(wǎng)上評(píng)價(jià)產(chǎn)生的因果影響。

舉例來(lái)說(shuō)，假如亞馬遜和巴諾書(shū)店（Barnes ＆Noble）的網(wǎng)站都在銷售同一本書(shū)，那么幾乎可以確定這本書(shū)在兩個(gè)平臺(tái)上的評(píng)分不盡相同。此外，如果亞馬遜的用戶給這本書(shū)寫了評(píng)語(yǔ)，那么它在亞馬遜上的評(píng)分會(huì)發(fā)生變化，但是巴諾書(shū)店上的評(píng)分不會(huì)受到任何影響。因此，隨著時(shí)間的推移，這會(huì)導(dǎo)致這兩個(gè)平臺(tái)對(duì)該書(shū)的評(píng)分存在差異。梅茲林等人（Chevalier and Mayzlin，2006）認(rèn)為，尚未發(fā)表的書(shū)評(píng)的確切發(fā)布時(shí)機(jī)具有外生性。他們利用不同平臺(tái)上的評(píng)分差異估算了評(píng)語(yǔ)對(duì)網(wǎng)絡(luò)購(gòu)書(shū)的影響。具體來(lái)說(shuō)，他們研究了購(gòu)書(shū)者在亞馬遜上寫下書(shū)評(píng)（但沒(méi)有在巴諾書(shū)店上進(jìn)行評(píng)價(jià)）后，該書(shū)在亞馬遜上（相對(duì)于巴諾書(shū)店）的銷量增長(zhǎng)情況，他們采用的是雙重差分策略。盧卡（2011）利用斷點(diǎn)回歸法進(jìn)行研究后，發(fā)現(xiàn)評(píng)分越高的獨(dú)立餐廳銷量越好，但并沒(méi)有在連鎖餐廳上發(fā)現(xiàn)這種趨勢(shì)。安德森等人（Anderson and Magruder，2012）發(fā)現(xiàn)Yelp的評(píng)級(jí)對(duì)餐廳預(yù)訂量也有類似的影響。高斯（Ghose et al.，2012）利用類似的方法研究了貓途鷹上的評(píng)價(jià)產(chǎn)生的影響。除了平均評(píng)分以外，評(píng)價(jià)的其他內(nèi)容也可能產(chǎn)生重要影響。譬如，有學(xué)者（Sun，2012）探索了用戶發(fā)布的產(chǎn)品評(píng)價(jià)相互矛盾時(shí)產(chǎn)生的影響，而且他強(qiáng)調(diào)說(shuō)，如果產(chǎn)品評(píng)價(jià)相互矛盾的情況是由異質(zhì)性偏好驅(qū)動(dòng)的，那么在平均評(píng)分做參考的前提下，評(píng)分兩極化程度較高的產(chǎn)品或許能更好地滿足某些消費(fèi)者的需求。

消費(fèi)者的評(píng)價(jià)對(duì)市場(chǎng)結(jié)構(gòu)和消費(fèi)者福利也意義重大。克萊蒙斯等人（Clem-ons et al. ，2006）認(rèn)為，用戶評(píng)價(jià)中蘊(yùn)含的信息改善了產(chǎn)品/服務(wù)與消費(fèi)者匹配的情況，有助于提升對(duì)差異化程度更高的產(chǎn)品的需求。他們研究了用戶對(duì)啤酒的評(píng)論與需求增長(zhǎng)之間的關(guān)系，找到的證據(jù)與他們的觀點(diǎn)基本一致。有學(xué)者（Bar-Isaac et al.，2012）的研究從理論上表明，將新的信息引入市場(chǎng)會(huì)提高市場(chǎng)上的產(chǎn)品差異化程度。他們的研究發(fā)現(xiàn)，網(wǎng)上評(píng)價(jià)會(huì)促使人們?cè)黾赢a(chǎn)品和服務(wù)的種類。劉易斯等人（Lewis and Zervas ，2018）估算了貓途鷹上的點(diǎn)評(píng)帶來(lái)的福利效應(yīng)，重點(diǎn)研究了市場(chǎng)的搜尋成本如何隨著點(diǎn)評(píng)的實(shí)質(zhì)內(nèi)容日益豐富而下降。

收購(gòu)、獨(dú)家交易和企業(yè)戰(zhàn)略

蘇珊·阿西供職微軟時(shí)被問(wèn)到的第一個(gè)問(wèn)題是：網(wǎng)絡(luò)搜索和搜索廣告業(yè)是一個(gè)可以有兩三位參與者長(zhǎng)期共存的產(chǎn)業(yè)，還是它注定是一個(gè)壟斷行業(yè)？她對(duì)搜索業(yè)務(wù)進(jìn)行了規(guī)模經(jīng)濟(jì)和間接網(wǎng)絡(luò)效應(yīng)分析后認(rèn)為，第二家搜索引擎必須達(dá)到足夠的規(guī)模才能在這個(gè)行業(yè)站住腳；人們用這項(xiàng)分析評(píng)估了微軟收購(gòu)雅虎搜索業(yè)務(wù)的交易，以及其他涉及搜索業(yè)務(wù)的大型交易。隨后出現(xiàn)了另外一個(gè)問(wèn)題，即智能手機(jī)市場(chǎng)是否可以容納三個(gè)平臺(tái)，而事實(shí)證明很難出現(xiàn)這種狀況。此外，這些市場(chǎng)上還出現(xiàn)了關(guān)于垂直整合的問(wèn)題。舉例來(lái)說(shuō)，谷歌于2010年收購(gòu)了ITA旅游搜索引擎。在此之前，ITA為微軟搜索引擎中的旅游搜索提供技術(shù)支持，而微軟的搜索引擎與谷歌存在競(jìng)爭(zhēng)關(guān)系。收購(gòu)ITA為谷歌大幅提升自己在旅游搜索方面的市場(chǎng)份額奠定了基礎(chǔ)。司法部對(duì)此次收購(gòu)進(jìn)行了極其嚴(yán)格的審查，最終同意在滿足特定條件下，批準(zhǔn)這一起收購(gòu)交易（Miller，2011）。在那之后，歐洲委員會(huì)稱谷歌的搜索結(jié)果偏向于其內(nèi)部垂直整合的專業(yè)搜索服務(wù)，因而對(duì)其處以天價(jià)罰款（Scott，2017），隨后稱谷歌將自己的搜索引擎和地圖服務(wù)與安卓的應(yīng)用商店進(jìn)行捆綁又對(duì)它處以高額罰款（Satarino and Nicas，2018）。全球銀行都抱怨蘋果公司在手機(jī)設(shè)置中只允許蘋果錢包獨(dú)享NFC功能（NFC是手機(jī)支付中的一個(gè)必要元素），隨后蘋果公司對(duì)蘋果錢包中的每一筆信用卡交易都開(kāi)始收費(fèi)，而且費(fèi)率相對(duì)于信用卡網(wǎng)絡(luò)的利潤(rùn)率來(lái)說(shuō)高得驚人（該費(fèi)率高達(dá)0.15%）。這對(duì)銀行提出了一個(gè)極其艱難的戰(zhàn)略問(wèn)題，即在如此高昂的費(fèi)率下，是否要使用蘋果錢包，并將部分控制權(quán)拱手讓給蘋果。科技公司的經(jīng)濟(jì)學(xué)家一直在從商業(yè)和監(jiān)管的角度分析以上這些問(wèn)題。

經(jīng)濟(jì)理論和實(shí)證研究方法在分析科技產(chǎn)業(yè)的獨(dú)家交易時(shí)也發(fā)揮了關(guān)鍵作用。譬如，微軟的Xbox和索尼的Playstation等游戲平臺(tái)推出新一代游戲機(jī)時(shí)通常都會(huì)與某些游戲達(dá)成獨(dú)家合作協(xié)議。人們可以用經(jīng)濟(jì)理論和實(shí)證研究方法（如Lee，2013）評(píng)估這些獨(dú)家交易，不僅探索這些游戲?qū)π掠螒驒C(jī)發(fā)售產(chǎn)生的直接影響，而且可以研究這種捆綁帶來(lái)的間接影響（游戲機(jī)銷售增加后激勵(lì)游戲開(kāi)發(fā)者為游戲平臺(tái)開(kāi)發(fā)新游戲），以及對(duì)消費(fèi)者的影響等。

經(jīng)濟(jì)學(xué)家在科技公司中的定位

科技公司對(duì)經(jīng)濟(jì)學(xué)家的接納程度不盡相同。盡管有些科技公司（如亞馬遜）迅速將經(jīng)濟(jì)學(xué)家引入最高決策層，但其他公司的行動(dòng)則慢得多，只是將經(jīng)濟(jì)學(xué)家安排在數(shù)據(jù)科學(xué)團(tuán)隊(duì)或政策團(tuán)隊(duì)，而且經(jīng)濟(jì)學(xué)家對(duì)公司的發(fā)展方向影響較小。在實(shí)際情況中，經(jīng)濟(jì)學(xué)家在科技公司擔(dān)任的職位五花八門，從首席經(jīng)濟(jì)學(xué)家到產(chǎn)品經(jīng)理不一而足。經(jīng)濟(jì)學(xué)家常常在面向公司內(nèi)部的團(tuán)隊(duì)里工作，如預(yù)測(cè)和規(guī)劃、定價(jià)、測(cè)試和數(shù)據(jù)科學(xué)團(tuán)隊(duì)，但也可能供職于涉外的團(tuán)隊(duì)，如政策、公共關(guān)系和營(yíng)銷團(tuán)隊(duì)。下文分別為這些角色列出了一些實(shí)例。

數(shù)據(jù)科學(xué)/分析。隨著科技公司受數(shù)據(jù)驅(qū)動(dòng)的程度不斷加深，數(shù)據(jù)科學(xué)/分析部門為經(jīng)濟(jì)學(xué)家提供的職位數(shù)量增長(zhǎng)最為迅猛。經(jīng)濟(jì)學(xué)家利用觀測(cè)數(shù)據(jù)和實(shí)驗(yàn)數(shù)據(jù)解答商業(yè)問(wèn)題，如是否引入新的產(chǎn)品，如何理解大規(guī)模項(xiàng)目的有效性，如何評(píng)估競(jìng)爭(zhēng)者造成的影響。由于這項(xiàng)工作直接為其他部門的決策提供信息，所以有些企業(yè)將數(shù)據(jù)科學(xué)家引入產(chǎn)品團(tuán)隊(duì)，而有些企業(yè)則成立了集中的數(shù)據(jù)科學(xué)團(tuán)隊(duì)。譬如，目前亞馬遜將數(shù)據(jù)科學(xué)家安置在產(chǎn)品團(tuán)隊(duì)內(nèi)，而Yelp組建了專門的數(shù)據(jù)科學(xué)團(tuán)隊(duì)。經(jīng)濟(jì)學(xué)家還常常幫助公司管理數(shù)據(jù)科學(xué)團(tuán)隊(duì)（如Coursera）或在某段時(shí)間內(nèi)承擔(dān)這項(xiàng)工作（如HomeAway）。

實(shí)驗(yàn)或A/B測(cè)試。科技公司在越來(lái)越廣泛地利用實(shí)驗(yàn)或A/B測(cè)試解答產(chǎn)品或平臺(tái)設(shè)計(jì)中遇到的問(wèn)題，如是否推出新產(chǎn)品或開(kāi)展廣告宣傳活動(dòng)。經(jīng)濟(jì)學(xué)家可以幫助公司管理隨機(jī)對(duì)照實(shí)驗(yàn)的設(shè)計(jì)、過(guò)程和分析工作。有些公司已經(jīng)將A/B測(cè)試專家納入職能團(tuán)隊(duì)（如營(yíng)銷部門），而有些公司組建了單獨(dú)的團(tuán)隊(duì)來(lái)管理規(guī)模更大的測(cè)試平臺(tái)。譬如，優(yōu)步和臉書(shū)讓經(jīng)濟(jì)學(xué)家參與了在網(wǎng)絡(luò)效應(yīng)顯著的環(huán)境下管理實(shí)驗(yàn)平臺(tái)和實(shí)驗(yàn)流程并開(kāi)展諸多實(shí)驗(yàn)的工作。其他經(jīng)濟(jì)學(xué)家則為A/B測(cè)試平臺(tái)研發(fā)估算異質(zhì)性實(shí)驗(yàn)效應(yīng)的技術(shù)，并將它們付諸實(shí)施（如Athey and Imbens，2016；Wager and Athey，即將發(fā)布）。

廣告宣傳/市場(chǎng)營(yíng)銷分析。某些科技公司將實(shí)驗(yàn)科學(xué)家或數(shù)據(jù)科學(xué)家納入他們的廣告宣傳/市場(chǎng)營(yíng)銷分析團(tuán)隊(duì)。這些團(tuán)隊(duì)通常會(huì)評(píng)估廣告宣傳的效果，設(shè)計(jì)與廣告宣傳有關(guān)的實(shí)驗(yàn)，優(yōu)化廣告費(fèi)用，并預(yù)測(cè)廣告宣傳活動(dòng)成功與否。譬如，網(wǎng)飛就成立了一個(gè)團(tuán)隊(duì)專門負(fù)責(zé)解決這些問(wèn)題。

產(chǎn)品經(jīng)理。擔(dān)任產(chǎn)品經(jīng)理的經(jīng)濟(jì)學(xué)家還會(huì)設(shè)計(jì)實(shí)驗(yàn)和調(diào)查解答與產(chǎn)品有關(guān)的問(wèn)題，以指導(dǎo)產(chǎn)品設(shè)計(jì)方面的決策及其他戰(zhàn)略決策，如搜索平臺(tái)的排序算法，或如何展示公司已經(jīng)掌握的信息。這些工作往往要從觀測(cè)數(shù)據(jù)中進(jìn)行因果推斷，如利用雙重差分法評(píng)估新產(chǎn)品或公司產(chǎn)品/服務(wù)的新特色產(chǎn)生的影響。

監(jiān)管/訴訟。在與監(jiān)管/訴訟有關(guān)的領(lǐng)域里，經(jīng)濟(jì)學(xué)家發(fā)揮的作用包括撰寫政策白皮書(shū)，為法務(wù)或政策人士解釋公司的理論和實(shí)證工作，貢獻(xiàn)自己對(duì)具體問(wèn)題（如電信政策、知識(shí)產(chǎn)權(quán)和反托拉斯）的專業(yè)知識(shí)。首席經(jīng)濟(jì)學(xué)家往往也會(huì)在這些問(wèn)題上花費(fèi)不少時(shí)間。愛(ài)彼迎的經(jīng)濟(jì)學(xué)家竭力理解房產(chǎn)市場(chǎng)及相關(guān)政策。優(yōu)步的經(jīng)濟(jì)學(xué)家研究了優(yōu)步對(duì)出租車行業(yè)和出行質(zhì)量產(chǎn)生的影響。谷歌（之前還有雅虎和微軟）的經(jīng)濟(jì)學(xué)家專注于探索與谷歌在搜索領(lǐng)域的主導(dǎo)地位息息相關(guān)的反托拉斯問(wèn)題。

公共政策。科技公司的經(jīng)濟(jì)學(xué)家還會(huì)在公共政策方面發(fā)揮作用。他們往往通過(guò)數(shù)據(jù)共享和分析助力公司與政策制定者達(dá)成合作。譬如，Yelp與波士頓市攜手開(kāi)發(fā)了一個(gè)算法來(lái)幫助這座城市對(duì)違反餐廳衛(wèi)生標(biāo)準(zhǔn)的情況進(jìn)行定向檢查（Glaeser et al.，2016）。Yelp的數(shù)據(jù)被用來(lái)預(yù)測(cè)政府統(tǒng)計(jì)數(shù)據(jù)（Glaeser、Kim and Luca，2017），了解社區(qū)在中產(chǎn)階級(jí)化的過(guò)程中發(fā)生了什么變化（Glaeser、Kim and Luca，2018），并估算最低工資對(duì)餐廳倒閉及價(jià)格的影響（Luca and Luca，2017）。Yelp還與許多城市（及第三方數(shù)據(jù)提供者）合作，在網(wǎng)上曝光違反衛(wèi)生標(biāo)準(zhǔn)的餐廳，在數(shù)字化時(shí)代根據(jù)政府的披露政策不斷更新典型案例（Jin and Leslie，2003）。這個(gè)項(xiàng)目有助于引導(dǎo)消費(fèi)者遠(yuǎn)離那些嚴(yán)重違反衛(wèi)生標(biāo)準(zhǔn)政策的餐廳（Dai and Luca，2018）。在線房地產(chǎn)公司Zillow針對(duì)本地房地產(chǎn)市場(chǎng)發(fā)布報(bào)告。雅虎和谷歌利用其搜索數(shù)據(jù)幫助預(yù)測(cè)經(jīng)濟(jì)活動(dòng)（Goel et al.，2010；Choi and Varian，2012；Wu and Brynjolffson，2015）。領(lǐng)英（LinkedIn）正在探索如何用自己的數(shù)據(jù)清晰描繪勞動(dòng)力市場(chǎng)的狀況。優(yōu)步的公共政策團(tuán)隊(duì)也研究了諸多問(wèn)題，如為優(yōu)步工作對(duì)司機(jī)福利的影響（Chen et al.，2017），優(yōu)步對(duì)勞動(dòng)力市場(chǎng)及本地經(jīng)濟(jì)的影響（Hall、Horton and Knoepfle，2017）以及不同性別在勞動(dòng)力市場(chǎng)上發(fā)揮的作用（Cook et al.，2018）。

公共和媒體關(guān)系。Zillow和Houzz等一些領(lǐng)先的科技公司聘請(qǐng)經(jīng)濟(jì)學(xué)家專門從事公共和媒體關(guān)系方面的研究，為潛在客戶提供信息，并且提升公司的影響力。譬如，Zillow在成立初期吸引消費(fèi)者的一個(gè)主要機(jī)制是其首席經(jīng)濟(jì)學(xué)家對(duì)房地產(chǎn)市場(chǎng)進(jìn)行分析，并通過(guò)本地及全國(guó)性媒體廣為報(bào)道。另外一個(gè)范例是，Houzz雇用了不少獲得博士學(xué)位的經(jīng)濟(jì)學(xué)者分析住宅改建政策的走向和相關(guān)數(shù)據(jù)，并公之于眾。

首席經(jīng)濟(jì)學(xué)家團(tuán)隊(duì)。首席經(jīng)濟(jì)學(xué)家團(tuán)隊(duì)承擔(dān)了上文提到的不少工作，并負(fù)責(zé)監(jiān)督其中的部分工作。此外，他們可能還會(huì)對(duì)公司的發(fā)展戰(zhàn)略做出決策，如收購(gòu)和合作（本文作者之一阿西參與了以下項(xiàng)目的戰(zhàn)略和實(shí)證分析：微軟對(duì)臉書(shū)的投資、微軟對(duì)雅虎搜索業(yè)務(wù)的收購(gòu)、微軟的云計(jì)算戰(zhàn)略）以及定價(jià)和市場(chǎng)準(zhǔn)入。

依據(jù)科技公司的規(guī)模大小，經(jīng)濟(jì)學(xué)家還可能加入公司的以下團(tuán)隊(duì)：預(yù)測(cè)和規(guī)劃團(tuán)隊(duì)（運(yùn)用時(shí)間序列計(jì)量經(jīng)濟(jì)學(xué)和建模方面的專業(yè)技能）、定價(jià)團(tuán)隊(duì)（運(yùn)用市場(chǎng)設(shè)計(jì)和供需建模方面的專業(yè)技能）以及學(xué)術(shù)關(guān)系（招募學(xué)者發(fā)揮經(jīng)濟(jì)學(xué)的作用，并為政策和公共關(guān)系問(wèn)題增加學(xué)術(shù)元素）。

討論

雖然之前我們主要談?wù)摰氖侵苯庸┞氂诳萍脊镜慕?jīng)濟(jì)學(xué)家，但是科技公司與數(shù)字化經(jīng)濟(jì)學(xué)的崛起也對(duì)學(xué)者產(chǎn)生了重要影響。這個(gè)日新月異的領(lǐng)域不僅提出了新的研究問(wèn)題，而且為學(xué)術(shù)確定了新的定位，創(chuàng)造出新的合作機(jī)遇，并引發(fā)潛在的職業(yè)轉(zhuǎn)變。本節(jié)將探討這些新的機(jī)遇。

與學(xué)者開(kāi)展合作

盡管現(xiàn)在越來(lái)越多經(jīng)濟(jì)學(xué)家加盟了科技公司，但與學(xué)者的合作仍然對(duì)科技公司制定戰(zhàn)略以及擴(kuò)大經(jīng)濟(jì)學(xué)在科技公司中的影響發(fā)揮了核心作用。譬如，愛(ài)彼迎、亞馬遜、易趣、臉書(shū)、Indeed、領(lǐng)英、微軟、Rover、跑腿兔（Task-Rabbit）、優(yōu)步、Upwork、Yelp和Zillow都與學(xué)院派經(jīng)濟(jì)學(xué)家開(kāi)展合作，為公司帶來(lái)諸多裨益。

首先，學(xué)者往往在特定領(lǐng)域里擁有深厚的專業(yè)知識(shí)。這些領(lǐng)域不僅包括本文重點(diǎn)介紹的一些核心領(lǐng)域，還涉及其他多個(gè)領(lǐng)域。譬如，行為經(jīng)濟(jì)學(xué)家會(huì)闡釋習(xí)慣養(yǎng)成對(duì)用戶行為的影響。市場(chǎng)設(shè)計(jì)經(jīng)濟(jì)學(xué)家會(huì)對(duì)驅(qū)動(dòng)市場(chǎng)厚度的機(jī)制提出獨(dú)特的見(jiàn)解。計(jì)量經(jīng)濟(jì)學(xué)家可以為網(wǎng)絡(luò)效應(yīng)錯(cuò)綜復(fù)雜的市場(chǎng)找到開(kāi)展實(shí)驗(yàn)的新途徑。由于學(xué)者的研究通常不會(huì)集中于單一平臺(tái)，所以他們對(duì)深刻理解各種迥然不同的背景得心應(yīng)手。

其次，在科技公司全職工作的經(jīng)濟(jì)學(xué)家往往因要忙于解決迫在眉睫的問(wèn)題而承受巨大壓力（如他們可能要急于為以下問(wèn)題找到答案：是否要在特定的季度調(diào)整定價(jià)？某項(xiàng)具體的廣告宣傳活動(dòng)是否有成效？）。學(xué)者則不會(huì)受到這些壓力的影響，因此可以潛心鉆研影響更加深遠(yuǎn)的戰(zhàn)略問(wèn)題，如公司采用的發(fā)展指標(biāo)是否適用？改變產(chǎn)品構(gòu)成是不是恰當(dāng)?shù)臎Q策？

再次，科技公司招募經(jīng)濟(jì)學(xué)家也會(huì)帶來(lái)一定的風(fēng)險(xiǎn)，即公司內(nèi)部對(duì)科技公司的不足之處以及公司業(yè)務(wù)模式產(chǎn)生的負(fù)面影響沒(méi)有開(kāi)展太多研究。譬如，愛(ài)彼迎一直沒(méi)有發(fā)現(xiàn)自己的平臺(tái)上存在種族歧視，直到有學(xué)者在經(jīng)濟(jì)學(xué)研究中將其記錄在案才引起政策制定者、愛(ài)彼迎用戶以及愛(ài)彼迎管理層的注意。科技公司與學(xué)者開(kāi)展合作并給予他們寬泛的自主權(quán)，可以幫助企業(yè)更客觀地評(píng)估自己面對(duì)的問(wèn)題。

與此同時(shí)，科技公司與學(xué)者開(kāi)展合作也面臨不少挑戰(zhàn)。譬如，學(xué)者與科技公司簽署合作時(shí)通常會(huì)規(guī)定，無(wú)論研究結(jié)果怎樣，公司都會(huì)保證學(xué)者發(fā)布研究成果的權(quán)利。原則上說(shuō)，這種規(guī)定有助于降低發(fā)表偏差（publication bias）。然而，如果公司擔(dān)心某些問(wèn)題的研究結(jié)果可能使人們對(duì)研究結(jié)果有利于企業(yè)的論文產(chǎn)生偏見(jiàn)，無(wú)法使人們?nèi)婵创@個(gè)問(wèn)題，那么它們會(huì)選擇不與這些問(wèn)題有關(guān)的研究簽署合同。這種現(xiàn)象并非近年來(lái)才出現(xiàn)，因?yàn)樵谶^(guò)去很多年里，經(jīng)濟(jì)學(xué)家一直在自行決定從哪些公司和政府機(jī)構(gòu)獲取數(shù)據(jù)。然而，隨著科技公司與學(xué)者之間的合作日益標(biāo)準(zhǔn)化，這個(gè)問(wèn)題的重要性也相應(yīng)地不斷提高。

數(shù)字化經(jīng)濟(jì)學(xué)家的學(xué)術(shù)職場(chǎng)

目前，供職于學(xué)術(shù)機(jī)構(gòu)的數(shù)字化經(jīng)濟(jì)學(xué)家與日俱增。他們中的一部分人在經(jīng)濟(jì)系執(zhí)教，還有一部分人在商學(xué)院的戰(zhàn)略、營(yíng)銷、信息系統(tǒng)和創(chuàng)業(yè)等院系教書(shū)育人。有志于這些領(lǐng)域的博士生應(yīng)該認(rèn)識(shí)到，盡管有些院系會(huì)通過(guò)美國(guó)經(jīng)濟(jì)學(xué)會(huì)發(fā)布招聘廣告，但市場(chǎng)營(yíng)銷、運(yùn)營(yíng)和信息系統(tǒng)等院系并非如此。

科技公司還創(chuàng)造出對(duì)經(jīng)濟(jì)學(xué)專業(yè)本科生的強(qiáng)烈需求。這些學(xué)生在科技公司從事的工作從產(chǎn)品管理到政策研究不一而足。達(dá)特茅斯學(xué)院、哈佛大學(xué)、麻省理工學(xué)院、普林斯頓大學(xué)、斯坦福大學(xué)和耶魯大學(xué)等一流學(xué)府都在微觀經(jīng)濟(jì)學(xué)的基礎(chǔ)入門課程中開(kāi)設(shè)了關(guān)于互聯(lián)網(wǎng)平臺(tái)的課程，或推出關(guān)于“數(shù)字化經(jīng)濟(jì)學(xué)”的完整教程（“數(shù)字化經(jīng)濟(jì)學(xué)”的教程中包括關(guān)于電子商務(wù)、互聯(lián)網(wǎng)平臺(tái)及相關(guān)領(lǐng)域的課程）。麻省理工學(xué)院經(jīng)濟(jì)系和計(jì)算機(jī)科學(xué)系已經(jīng)合作開(kāi)設(shè)了一個(gè)全新的專業(yè)，將計(jì)算機(jī)科學(xué)、經(jīng)濟(jì)學(xué)和數(shù)據(jù)科學(xué)融為一體。哈佛大學(xué)、麻省理工學(xué)院和其他大學(xué)也推出數(shù)據(jù)科學(xué)項(xiàng)目，吸引了不少計(jì)算機(jī)科學(xué)家、經(jīng)濟(jì)學(xué)家及其他社會(huì)科學(xué)家。我們認(rèn)為在拓寬這些課程的范圍，使它們與其他相關(guān)教材結(jié)合起來(lái)滿足志在科技公司的學(xué)生的需求方面存在豐富的機(jī)遇。從經(jīng)濟(jì)學(xué)角度講解交易和平臺(tái)的課程在波士頓大學(xué)、哈佛大學(xué)、紐約大學(xué)和斯坦福大學(xué)等商學(xué)院里也迅猛擴(kuò)大規(guī)模。

盡管從很多方面來(lái)說(shuō)，獲得博士學(xué)位的經(jīng)濟(jì)學(xué)家很適于在科技公司工作，但筆者認(rèn)為，他們要想與科技公司開(kāi)展合作或直接就職于這些公司，還需要在以下領(lǐng)域提升自我，為進(jìn)軍科技行業(yè)做好充分的準(zhǔn)備。首先，由于預(yù)測(cè)、確定目標(biāo)群體和精確估算對(duì)科技公司至關(guān)重要，所以機(jī)器學(xué)習(xí)在科技公司發(fā)揮的作用不容小覷。盡管經(jīng)濟(jì)學(xué)在因果推斷方面一直處于領(lǐng)軍地位，但機(jī)器學(xué)習(xí)與經(jīng)濟(jì)學(xué)的標(biāo)準(zhǔn)“工具箱”融為一體的工作尚未完成。其次，從傳統(tǒng)上說(shuō)，經(jīng)濟(jì)學(xué)家在編碼以及優(yōu)化編碼進(jìn)行大規(guī)模統(tǒng)計(jì)算法上接受的訓(xùn)練還是少于計(jì)算機(jī)科學(xué)家。投資于這些技能（并將它們?nèi)谌氩┦可恼n程）能夠幫助打算進(jìn)入這個(gè)行業(yè)的經(jīng)濟(jì)學(xué)家做好更充足的準(zhǔn)備。與此同時(shí)，經(jīng)濟(jì)學(xué)家需要在理念層面深刻理解激勵(lì)和均衡效應(yīng)等經(jīng)濟(jì)學(xué)問(wèn)題，并在本文討論的因果推斷等領(lǐng)域掌握高超的實(shí)證技能，這一點(diǎn)仍然至關(guān)重要。

學(xué)術(shù)與實(shí)踐的相互轉(zhuǎn)換

這個(gè)領(lǐng)域的經(jīng)濟(jì)學(xué)家擁有越來(lái)越多機(jī)遇在學(xué)術(shù)與實(shí)踐之間轉(zhuǎn)換職業(yè)跑道。微軟、谷歌、雅虎、臉書(shū)、亞馬遜、易趣、Yelp和優(yōu)步等公司都邀請(qǐng)教師在休假時(shí)去公司工作。不少獲得終身教職的教員離開(kāi)學(xué)界去亞馬遜和谷歌等公司覓得職位。此外，科技公司的從業(yè)者也會(huì)轉(zhuǎn)入學(xué)界，如離開(kāi)臉書(shū)和微軟去麻省理工學(xué)院和斯坦福大學(xué)就職。我們深信這只是一股更大浪潮的序幕，越來(lái)越多學(xué)院派經(jīng)濟(jì)學(xué)家會(huì)把時(shí)間花在實(shí)踐工作上，更加深入地了解對(duì)科技公司的效率和利潤(rùn)率最為重要的問(wèn)題，并努力探索商界尚未解決但可能會(huì)促使相關(guān)學(xué)術(shù)研究“開(kāi)花結(jié)果”的問(wèn)題。隨著越來(lái)越多獲得博士學(xué)位的經(jīng)濟(jì)學(xué)者接受科技公司伸出的橄欖枝，仍然醉心于學(xué)術(shù)研究的人會(huì)找到更清晰的途徑從事學(xué)術(shù)研究或重新進(jìn)入學(xué)界。對(duì)于那些希望在職業(yè)發(fā)展上保持靈活性的經(jīng)濟(jì)學(xué)家來(lái)說(shuō)，如果公司允許他們?cè)跒楣竟ぷ鞯耐瑫r(shí)繼續(xù)發(fā)布研究成果，那么公司會(huì)在招募這些經(jīng)濟(jì)學(xué)家并使他們安心留在公司方面占據(jù)顯著優(yōu)勢(shì)。

（刁琳琳　譯）

參考文獻(xiàn)

Agarwal, Nikhil, Susan Athey, and David Yang.“Skewed bidding in pay-per-action auctions for online advertising.”American Economic Review 99, no. 2 (2009): 441-47.

Amit, Alon, Yaron Grelf, and John Hegeman. Advertisement selection and pricing using dis-counts based on placement.U.S.Patent 2013/0325585 A1 file June 4 2012, and publichsed De-cember 5, 2013.

Anderson, Michael, and Jeremy Magruder.“Learning from the crowd: Regression discontinui-ty estimates of the effects of an online review database.”The Economic Journal 122, no. 563 (2012): 957-989.

Angrist, Josh and Steve Pischke. Mostly Harmless Econometrics. Princeton University Press: 2009.

Athey, Susan.“The impact of machine learning on economics.”Forthcoming in The Economics of Artificial Intelligence: An Agenda, University of Chicago Press, Ajay K.Agrawal, Joshua Gans, and Avi Goldfarb, editors, forthcoming.

Athey, Susan, Raj Chetty, Guido Imbens, and Hyunseung Kang,“Estimating treatment effects using multiple surrogates: The role of the surrogate score and the surrogate index.”Working paper.(2016).

Athey, Susan, Guido Imbens, and Dean Eckles,“Exact p-values for network interference.”Journal of the American Statistical Association 113, no.521 (2018): 230-240.

Athey, Susan, and Glenn Ellison.“Position auctions with consumer search.”The Quarterly Journal of Economics 126, no. 3 (2011): 1213-1270.

Athey, Susan, and Guido Imbens.“Recursive partitioning for heterogeneous causal effects.”Proceedings of the National Academy of Sciences 113, no. 27 (2016): 7353-7360.

Athey, Susan and Denis Nekipelov.“A structural model of sponsored search advertising.”Working paper.(2013). Electronic copy available at: https://ssrn.com/abstract=3247794.

Bar-Isaac, Heski, Guillermo Caruana, and Vicente Cunat.“Search, design, and market structure.”American Economic Review 102, no. 2 (2012): 1140-60.

Blake, T and Dominic Coey.“Why marketplace experimentation is harder than it seems: The role of test-control interference.”In Proceedings of the fifteenth ACM conference on Economics and computation, (2014): pp. 567-582.

Blake, Thomas, Chris Nosko, and Steven Tadelis.“Consumer heterogeneity and paid search effectiveness: A large-scale field experiment.”Econometrica 83, no. 1 (2015): 155-74.

Blake, Thomas, Chris Nosko, and Steven Tadelis.“Returns to consumer search: Evidence from eBay.”In Proceedings of the 2016 ACM Conference on Economics and Computation, pp. 531-545. ACM, 2016.

Bolton, Gary, Ben Greiner, and Axel Ockenfels.“Engineering trust: Reciprocity in the pro-duction of reputation information.”Management Science 59, no. 2 (2013): 265-285.

Chandar, Bharat, Ali Hortacsu, John List, Ian Muir, and Jeffrey Wooldridge, 2018.“Evalua-ting Market Outcomes in a Nationwide Experiment on Tipping: Evidence from Uber.”Working paper.

Chen, M.Keith, Judith A.Chevalier, Peter E.Rossi, and Emily Oehlsen,“The value of flexible work: Evidence from Uber drivers.”Working paper.(2017).

Chevalier, Judith A., and Dina Mayzlin.“The effect of word of mouth on sales: Online book reviews.”Journal of Marketing Research 43, no. 3 (2006): 345-354.

Choi, Hyunyoung and Hal Varian (2012).“Predicting the present with Google trends.”Eco-nomic Record, 88 (1): 2-9.

Clemons, Eric, Guodong Gao, and Lorin Hitt.“When online reviews meet hyperdifferentia-tion: A study of the craft beer industry,”Journal of Management Information Systems, Vol. 23, no. 2 (2006): 149-171.

Cohen, Peter, Robert Hahn, Jonathan Hall, Steven Levitt, and Robert Metcalfe.“Using big data to estimate consumer surplus: The case of Uber.”Working paper.(2016).

Cook, Cody, Rebecca Diamond, Jonathan Hall, John A.List, and Paul Oyer.“The Gender Earnings Gap in the Gig Economy: Evidence from over a Million Rideshare Drivers.”Working pa-per.(2018).

Cullen, Zoe and Chiara Farronato.“Outsourcing tasks online: matching supply and demand on peer-to-peer internet platforms.”Working paper.(2018). Electronic copy available at: https://ssrn.com/abstract=3247794.

Dai, Weijia, Ginger Jin, Jungmin Lee, and Michael Luca.“Aggregation of consumer ratings: an application to Yelp.com.”Quantitative Marketing and Economics 16, no. 3 (2018): 289-339.

Dai, Weijia, and Michael Luca.“Digitizing disclosure: The case of restaurant hygiene scores.”Working paper.(2018).

Dai, Weijia, Hyunjin Kim, and Michael Luca.“Effectiveness of paid search advertising: Experimental evidence.”Working paper.(2018).

Dinerstein, Michael, Liran Einav, Jonathan Levin, and Neel Sundaresan.“Consumer price search and platform design in internet commerce.”American Economic Review 108, no. 7 (2018): 1820-859.

Edelman, Benjamin, Michael Luca, and Dan Svirsky.“Racial discrimination in the sharing economy: Evidence from a field experiment.”American Economic Journal: Applied Economics 9, no. 2 (2017): 1-22.

Edelman, Benjamin, Michael Ostrovsky, and Michael Schwarz.“Internet advertising and the generalized second-price auction: Selling billions of dollars worth of keywords.”American Economic Review 97, no. 1 (2007): 242-259.

Fisman, Raymond and Michael Luca.“Fixing discrimination in online marketplaces.”Harvard Business Review 94, no. 12 (2016): 88-95.

Fradkin, Andrey.“Search, matching, and the role of digital marketplace design in enabling trade: Evidence from Airbnb.”Working paper.(2017).

Fradkin, Andrey, Elena Grewal, and David Holtz.“The determinants of online review inform-ativeness: Evidence from field experiments on Airbnb.”Working paper.(2017).

Ghose, Anindya, Panagiotis G.Ipeirotis, and Beibei Li.“Designing ranking systems for hotels on travel search engines by mining user-generated and crowdsourced content.”Marketing Science 31, no. 3 (2012): 493-520.

Glaeser, Edward, Andrew Hillis, Scott Kominers, and Michael Luca.“Crowdsourcing city government: Using tournaments to improve inspection accuracy.”American Economic Review 106, no. 5 (2016): 114-118.

Glaeser, Edward L., Hyunjin Kim, and Michael Luca.“Nowcasting gentrification: Using Yelp data to quantify gentrification.”American Economic Association: Papers and Proceedings (2018): 77-82.

Glaeser, Edward L., Hyunjin Kim, and Michael Luca.“Nowcasting the local economy: Using Yelp data to measure economic activity.”Working paper.(2017). Electronic copy available at: https://ssrn.com/abstract=3247794.

Goel, Sharad, Jake M.Hofman, Sébastien Lahaie, David M.Pennock, and Duncan J.Watts, 2010.“Predicting consumer behavior with Web search,”Proceedings of the National Acade-my of Sciences, 107 (41): 17486-17490.

Hall, Jonathan, John Horton, and Dan Knoepfle,“Labor market equilibration: Evidence from Uber.”Working paper.(2017).

Hitsch, Günter J., and Sanjog Misra.“Heterogeneous treatment effects and optimal targeting policy evaluation.”Working paper.(2018).

Hu, Nan, Jie Zhang, and Paul A.Pavlou.“Overcoming the J-shaped distribution of product reviews.”Communications of the ACM 52, no. 10 (2009): 144-147.

Huang, Jason, Nickolai Riabov, and David Reilly.“Measuring consumer sensitivity to audio advertising: A field experiment on Pandora Internet Radio.”Working paper.(2017).

Johnson, Garrett A., Randall A.Lewis, and David H.Reiley.“When less is more: Data and power in advertising experiments.”Marketing Science 36, no. 1 (2016): 43-53.

Johnson, Garrett, Randall A.Lewis, and David Reiley.“Location, location, location: repeti-tion and proximity increase advertising effectiveness.”Working paper.(2016).

Johnson, Garrett A., Randall A.Lewis, and Elmar I.Nubbemeyer.“Ghost ads: Improving the economics of measuring online ad effectiveness.”Journal of Marketing Research 54, no. 6 (2017): 867-884.

Kramer, Adam, Jamie Guillory, and Jeffrey Hanckock (2014).“Experimental evidence of massive-scale emotional contagion through social networks.”Proceedings of the National Academy of Sciences, 111 (24).

Lee, Robin S.“Vertical integration and exclusivity in platform and two-sided markets.”Amer-ican Economic Review 103, no. 7 (2013): 2960-3000.

Lewis, Gregory and Giorgos Zervas.“Welfare Impact of Consumer Reviews: A Case Study of the Hotel Industry.”Working paper.(2018)

Lewis, Randall A., and Justin M.Rao.“The unfavorable economics of measuring the returns to advertising.”The Quarterly Journal of Economics 130, no. 4 (2015): 1941-1973.

Luca, Michael.“Reviews, reputation, and revenue: The case of Yelp.com.”Working paper.(2011).

Luca, Michael, and Georgios Zervas.“Fake it till you make it: Reputation, competition, and Yelp review fraud.”Management Science 62, no. 12 (2016): 3412-27. Electronic copy available at: https://ssrn.com/abstract=3247794

Luca, Dara Lee, and Michael Luca.“Survival of the fittest: The impact of the minimum wage on firm exit.”Working paper.(2017).

Masterov, Dimitriy V., Uwe F.Mayer, and Steven Tadelis.“Canary in the e-commerce coal mine: Detecting and predicting poor experiences using buyer-to-seller messages.”In Proceedings of the Sixteenth ACM Conference on Economics and Computation, (2015): pp. 81-93.

Mayzlin, Dina, Yaniv Dover, and Judith Chevalier.“Promotional reviews: An empirical investi-gation of online review manipulation.”American Economic Review 104, no. 8 (2014): 2421-55.

Meyer, Robinson.“Everything We Know About Facebook's Secret Mood Manipulation Experi-ment.”The Atlantic, June 28, 2014.

Miller, Claire Cain.“U.S.clears Google acquisition of travel software.”New York Times, April 8, 2011.

Ostrovsky, Michael, and Michael Schwarz.“Reserve prices in internet advertising auctions: A field experiment.”Journal of Political Economy, forthcoming.(2016).

Satariano, Adam and Jack Nicas,“E.U.fines Google $5.1 billion in Android antitrust case.”New York Times, July 18, 2018.

Scott, Mark.“Google fined record $2.7 billion in E.U.antitrust ruling,”New York Times, June 27, 2017.

Shapiro Carl and Hal Varian (1999). Information rules: A strategic guide to the network economy. Harvard Business School Press.

Sun, Monic.“How does the variance of product ratings matter?”Management Science 58, no. 4 (2012): 696-707.

Varian, Hal R.“Position auctions.”International Journal of industrial Organization 25, no. 6 (2007): 1163-1178.

Verma, Inder, 2014.“Editorial Expression of Concern: Experimental evidence of massives-cale emotional contagion through social networks.”Proceedings of the National Academy of Sciences, 111 (29).

Wager, Stefan, and Susan Athey.“Estimation and inference of heterogeneous treatment effects using random forests.”Journal of the American Statistical Association, forthcoming. Electronic copy available at: https://ssrn.com/abstract=3247794.

Wu, Lynn and Erik Brynjolffson (2015).“The Future of Prediction: How Google Searches Foreshadow Housing Prices and Sales,”Economic Analysis of the Digital Economy, 89-118.

Zhu, Feng, Susan Athey and David Lane. Apple pay and mobile payments in Australia (A). HBS No.N9-619-010. Boston: Harvard Business School Publishing, 2018.