主题：当随机性也能带来利润：来自大型创作者平台的实证研究When Randomness Leads to Profit: Evidence from a Large Creator Platform
主讲人：拉瓦尔大学商学院 韩信桐助理教授
主持人：工商管理学院 陈鑫副教授
时间： 2025年10月31日（周五）10:00-12:00
举办地点：诚正楼1122学术报告厅
主办单位：工商管理学院
主讲人简介：
韩信桐博士在加拿大的拉瓦尔大学商学院市场营销系担任市场营销助理教授。 在这之前，他也曾在康考迪亚大学的经济系担任助理教授。 他获得了图卢兹经济学院的经济学博士学位，巴黎政治学院和巴黎理工联合培养经济学和公共政策硕士学位，以及法国国立统计与经济管理学院的工程师学位。 他专长于多个研究领域，包括将定量方法应用于研究数字营销和实证产业组织相关的话题。他的学术贡献已经发表在经济和管理学领域的核心期刊，例如Production and Operations Management, Journal of Development Economics。韩信桐博士的研究成果多次被加拿大社会科学与人文科学研究理事会(SSHRC) 和Networks, Electronic Commerce and Telecommunications (“NET”) Institute资助。此外，他还受邀担任包括Review of Economic Studies，Journal of Marketing，以及Production and Operations Management等多个国际领先的经济和管理学同行评审学术期刊的匿名审稿人。
内容简介：
个性化推荐系统通常优于简单启发式算法，但基于机器学习（ML）的推荐存在成本：模型开发、数据管道维护及与之相关的政策规制实施均需投入大量资金。我们研究了低成本替代方案——战略性增加随机推荐——何时能提升收益。通过与大型订阅制创作者平台合作，我们分析了为期一个月的全平台干预实验：该实验动态调整每位用户每日随机推荐与机器学习推荐的比例，并记录每次曝光对应的底层算法。数据集包含300万用户日观测值，涵盖详细点击轨迹、推荐曝光、购买记录及算法轨迹。通过独特的实验设计，我们为每位用户动态调整每日随机推荐比例。双向固定效应回归分析表明：随机推荐比例每提升10%，整体购买概率约增加6%，证实随机推荐能积极影响购买行为。我们发现随机性效果会随用户整体推荐曝光量的增加而放大。为探究其机制，我们发现个性化推荐虽能提升点击后的直接转化率，但随机推荐显著促进探索性行为，间接支持更广泛的内容发现，并增加用户购买组合的多样性。对政策制定者而言，我们的发现表明监管应同时审慎考量推荐随机性、推荐量及个性化程度，而非仅聚焦于个性化算法。对于小型及用户搜索驱动型平台，我们证明“随机+曝光”策略可作为基础或高成本机器学习的低成本替代方案，在特定场景下同样能有效提升用户参与度与整体消费量。
