歴史的背景は、観察された市場データが価格に対する純粋な反応ではなく、需要と供給の均衡を反映しているという、価格の内生性に関する古典的な計量経済学の問題に遡ります。弾力性を評価する従来のOLS回帰法では、高い価格が需要の高い時に観察されるため、負の弾力性を隠す正の相関が生じるため、バイアスのかかった推定値を得ていました。現代の製品分析は、教育経済学や労働市場において開発された因果推論のアプローチに基づいており、Uber、Airbnb、Delivery Hero のようなデジタル二者間市場に適応されています。
問題は、直接的なA/Bテストがユーザーエクスペリエンスの一貫性の原則を破り、アービトラージ機会を生じさせることです（ユーザーがコントロールグループに移動します）。さらに逆に因果関係が存在し、価格が供給者の行動に影響を与え、地域間での供給の再分配が市場の基礎的な均衡を変えます。標準的な平均差法は、需要の高い条件（祝日、天候）が価格や支払意欲にも影響を与えるため、バイアスのかかった推定値を導きます。
最適な解決策は、サージマルチプライヤーのアルゴリズムのしきい値に基づく回帰不連続デザイン（RDD）と、計量経済学的手法の一つである計器変数法（IV）を組み合わせることです。RDDの方法論は、しきい値の近傍（例えば、85%の稼働率で1.2xの基準価格）で治療の割り当てに関する準実験的な偶然を利用します。検証のために、エクソジェニックショック（予測できない天候、スポーツイベント）を価格に影響を与えるがユーザーの個々の好みには直接相関しないものとして使用する二段階最小二乗法（2SLS）が適用されます。さらに、アルゴリズムの導入を受けていない地帯の重み付けされた組み合わせに基づいて反事実的地域を構築するために、合成コントロール法が使用されます。
ケースは、需要と供給のバランスを取るためにピーク時に動的価格設定を導入することを計画していた大手デリバリーサービスに関連していました。基礎となる指標である受注完了率は、夕方の時間帯に70%まで低下し、ユーザーの流出が発生しました。プロダクトチームは、ピーク時に価格を上げることで需要が減少し、より多くの配達員を高い報酬に引き付けると考えていましたが、テスト都市におけるユーザーエクスペリエンスを損なうことなく需要の弾力性を定量的に評価する必要がありました。
最初に検討した選択肢は、隣接する都市をコントロールグループとテストグループに分ける地理的A/Bテストです。 利点: クリーンな反事実、解釈の簡単さ、都市内の交差汚染の不在。 欠点: 都市間の需要構造の根本的な違い（レストランの密度、収入の異なるレベル）、都市間の配達員の移動（SUTVAを破ります）、ユニークなトラフィックを持つターゲットメガポリスへの結果をスケールアップすることが不可能です。
二番目の選択肢は、導入前後の期間を比較する時間的中断分析です。 利点: 一つの都市の全オーディエンスを扱えること、CausalImpactを通じた季節性の考慮。 欠点: 価格設定の影響を市場の成長トレンドから分離できないこと、並行して行われているマーケティングキャンペーンの影響、観察期間中の競争環境の変化です。
三番目の選択肢は、サージマルチプライヤーの内部アルゴリズムのしきい値を使用した回帰不連続デザインです（例: 配達員の稼働率が80%に達すると価格が急上昇）。 利点: しきい値の近傍における局所的な偶然（しきい値の上または下のユーザーは比較可能）、全体の需要から純粋な価格効果を隔離する、外部のコントロールグループなしで一つの都市内で実施されます。 欠点: しきい値の周辺にあるマージナルユーザーに対してだけLocal Average Treatment Effect（LATE）の評価が可能であり、パワーを達成するためには大規模なサンプルが必要であり、アルゴリズムによるしきい値の操作に対して敏感です。
選択されたのは、稼働率のしきい値によるRDDと計器変数法（価格のインストゥルメントとしての予期しない降水）および都市のマイクロ地区レベルでの合成コントロールの組み合わせによる解決策でした。これにより、価格効果を期待効果から隔離することができました（これは稼働率と共に増加します）。その結果、需要の弾力性が-0.8（中程度の弾力性）であることが判明しましたが、市場のバランスに影響を与えるのは1.5x以上の係数であることがわかりました。これにより、発動しきい値を最適化し、GMVの大幅な損失なしに受注完了率を89%まで引き上げることができました。
価格の上昇が配達時間の増加と相関する場合、需要の真の価格シフトと期待効果をどのように区別しますか？
回答には、全体の効果をメディエーション分析を通じて分解するか、価格にだけ影響を与える一つのインストゥルメントと、待機時間にだけ影響を与える別のインストゥルメント（外部の交通事故）を使用するIVを使用することが求められます。初心者のアナリストはしばしばこれらの効果を混同し、価格の弾力性を過大評価します。価格と待機時間を内生的回帰子とし、需要をその相互作用の結果とする構造モデルを構築することが必要です。これなしでは、ビジネスは価格に関する決定を下しながら、コンバージョンの一部の低下が価格ではなくサービステンポの不満から来ていることを理解できません。
二者間市場における弾力性の標準的な評価が偏った結果をもたらすのはなぜで、これをどう修正しますか？
二者間市場には 同時性バイアス が存在します：価格が需要に影響を与えますが、需要もまたサージアルゴリズムを通じて価格に影響を与えます。OLS推定は漸近的にバイアスされます。適切なアプローチは、最初の段階で外的ショック（天気、イベント）によって価格を予測し、第二段階で予測された値を弾力性の評価に使用するTwo-Stage Least Squares（2SLS）を用いることです。候補者はしばしばツールの関連性を検証する必要性（F統計量 > 10）とその妥当性（除外制約）を無視し、無効な因果の結論をもたらします。
価格設定の因果効果を評価する際に、注文者と供給者の間のネットワーク効果をどのように考慮しますか？
価格の上昇はより多くの配達員を引き付け（供給に対する正の効果）、待機時間が短くなり、需給に対する負の価格シフトを相殺する可能性があります。これは、部分的均衡では捉えられない 一般均衡効果 を生じます。二者間市場の構造モデル（structural two-sided market model）を構築するか、配達員がゾーン間を移動するのを追跡するために二部グラフ分析を利用する必要があります。これなしでは、アナリストはサービスの質を向上させることによって待機時間を短縮するという補償効果を見えなくし、効果的な価格政策を誤って却下する可能性があります。