MARC

 008260126s2025        us                              c    eng  d
■001000017357078
■00520260202103127
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798283141022
■035    ▼a(MiAaPQ)AAI31938979
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a020
■1001  ▼aZuo,  Si.▼0(orcid)0000-0001-6217-6974
■24510▼aEssays  on  Digital  Platforms:  Platform  Design  and  Impact  of  Digitalization
■260    ▼a[Sl]▼bCornell  University▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a320  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-01,  Section:  A.
■500    ▼aAdvisor:  Waldman,  Michael.
■5021  ▼aThesis  (Ph.D.)--Cornell  University,  2025.
■520    ▼aDigital  platforms  have  fundamentally  transformed  economic  interactions  by  reducing  transaction  costs,  facilitating  information  exchange,  and  shaping  market  structures.  These  platforms  rely  on  algorithms,  reputation  systems,  and  pricing  mechanisms  to  create  efficient  marketplaces.  However,  the  design  choices  of  these  platforms  -  such  as  rating  granularity,  pricing  strategies,  and  algorithmic  personalization  -  can  have  profound  implications  for  fairness,  efficiency,  and  long-term  market  outcomes.  At  the  same  time,  the  rapid  digitization  of  commerce  has  altered  the  dynamics  of  online  and  offline  interactions.  While  digital  platforms  provide  opportunities  for  businesses  to  expand  their  reach,  they  also  introduce  challenges  related  to  market  cannibalization  and  algorithmic  dependence.This  dissertation  examines  platform  design  and  the  impact  of  digitization  in  digital  markets.  In  Chapter  2,  I  study  rating  granularity  on  online  platforms  by  developing  a  dynamic  model  that  reveals  a  fairness-efficiency  trade-off.  Coarser  ratings  support  new  entrants  but  lead  to  information  loss,  and  I  identify  an  optimal  granularity  level  that  maximizes  platform  revenue.  Chapter  3  explores  price  signaling  in  service  platforms,  where  I  provide  empirical  evidence  that  high-quality  firms  use  low  introductory  prices  to  build  reputation,  highlighting  the  role  of  pricing  in  quality  discovery.  Chapter  4  investigates  algorithmic  dependence  in  personalized  recommendation  systems,  demonstrating  that  while  personalization  enhances  short-term  user  welfare,  it  hinders  long-term  preference  learning,  with  policy  interventions  proposed  to  balance  these  effects.  Chapter  5  analyzes  the  impact  of  online  store  openings  on  brick-and-mortar  businesses,  showing  that  product  categories  react  differently  to  digital  expansion,  offering  new  insights  into  the  dynamics  of  omnichannel  retail  and  providing  actionable  guidance  for  adapting  mall  strategy  in  the  digital  era.  This  dissertation  contributes  to  platform  economics,  algorithmic  personalization,  and  digital  commerce  by  providing  theoretical  insights  and  empirical  evidence  to  guide  platform  design  and  business  strategy.
■590    ▼aSchool  code:  0058.
■650  4▼aInformation  science
■653    ▼aIndustrial  organization
■653    ▼aDigital  platforms
■653    ▼aQuantitative  marketing
■653    ▼aRating
■653    ▼aRecommendation  systems
■690    ▼a0501
■690    ▼a0338
■690    ▼a0723
■71020▼aCornell  University▼bEconomics.
■7730  ▼tDissertations  Abstracts  International▼g87-01A.
■790    ▼a0058
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17357078▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서