通过多伦多信贷大学:CC0公共领域的自愿AIRBNB定价算法大大缩小了白色和黑色主机之间的预先存在的收入差距,一项新的研究发现了 - 但只有黑色主持人采用它
智能定价由2015年共享经济平台引入的OL使用机器学习算法来帮助Airbnb主机根据客户需求的波动优化其性能的价格
主机可以通过切换它来选择是否使用自由工具在并在他们设置的价格参数中自动调整他们的夜间费率
一组研究人员发现,所采用智能定价的主持人随后的平均夜间率下降,而且每月入住统计数据也增加整体收入近9%
黑色主机受益于最多
,因为与白宿主相比,它们的需求较低了20%,代表了12美元
平均每日收入16个间隙
在采用智能定价之后,黑色主机额外收购13美元
92每晚,与5美元
22为22夜22
将收入差距收入71%,但它没有消除它
,因为采用智能定价的黑色宿主比白色主机更少41%,但他们最终比介绍了智能定价之前更具处于不利地位,总的来说
“该算法对降低收入差距进行了良好的工作,但它不是万无一失的,“多伦多·罗曼管理学院营销教授
营销教授Nitin Mehta
他与他以前的毕业生共同撰写的研究学生,顺源张,现在在哈佛商学院,以及Carnegie Mellon Universy大学的Caram Vir Singh和Kannan Srinivasan这是违法的U
S
S对于在其设计中进行种族区别的机器学习算法
研究人员认为这种赛道旨在限制种族歧视的实践可以在未能考虑在Unlevel播放领域的低端启动它们的独特情况后留下边缘化比赛
“因为算法是赛车的,它会产生更接近白人的价格'最优惠的价格比黑色主机的最优价格
这是盲目的,但这是不公平的,“梅哈特教授说明这项研究的结果暗示Airbnb嘉宾对黑色托管物业的种族歧视歧视比airbnb或其算法
算法开发人员可以解决研究人员建议
和Airbnb可以采取措施使用智能定价
,“法律相应应该在一些特殊情况下修改,可以证明它将有所帮助,“添加教授
Mehta
研究人员通过Airbnb和AirDNA提供的数据,第三方分析平台
他们专注于七个大的400个社区的超过9000个AIRBNB属性
城市
鉴定了主持人的比赛在每个主机在线属性上使用应用于配置文件照片的深度学习模型
在营销科学中出现了研究
来源:由phyica.com整理转载自PH,转载请保留出处和链接!