历史背景源于经典计量经济学中的价格内生性问题，其中观察到的市场数据反映了供需平衡，而非对价格的纯粹反应。通过OLS回归评估弹性的传统方法给出了偏差的估计，因为高价格恰好在高需求时出现，形成了掩盖负弹性的正相关。现代产品分析依赖于因果推断方法，这些方法在教育经济学和劳动力市场中开发，并针对Uber、Airbnb或Delivery Hero等数字双边市场进行调整。
问题在于，直接进行价格的A/B测试违背了用户体验的一致性原则，并创造了套利机会（用户会迁移到控制组）。此外，还存在反向因果关系：价格影响提供者（supply）的行为，使他们在地区之间重新分配，从而改变市场的基础均衡。标准的均值差异设定（difference in means）给出了偏差的估计，因为高需求的情况（节假日、天气）同时影响价格和支付意愿。
最佳解决方案结合了回归不连续设计（Regression Discontinuity Design, RDD）与工具变量（Instrumental Variables, IV）方法。RDD方法利用了临界值附近的事实（例如，当负载率为85%时，基础价格为1.2倍），创造了准实验分配干预的随机性。为了增强有效性，采用了两阶段最小二乘法（2SLS），其中工具变量是外生冲击（不可预测的天气情况、体育赛事），它们影响价格，但与用户的个体偏好不直接相关。此外，还使用了合成控制法（Synthetic Control Method），基于未实施算法的不同地区的加权组合构建对照区域。
案例涉及一家大型外卖服务，计划在高峰时段实施动态定价，以平衡需求和骑手的供给。基础指标 - 订单完成率（fulfillment rate） - 在晚间下降到70%，导致用户流失。产品团队假设在高峰时段提高价格会降低需求，并通过提高报酬吸引更多骑手，但需要定量评估需求的弹性，而不影响测试城市中的用户体验。
第一个考虑的方案是使用地理A/B测试，将邻近城市分为控制组和测试组。**优点：**纯对照、易于解释、城市内没有交叉污染。**缺点：**城市之间的需求结构根本差异（餐厅密度不同、收入水平不同）、骑手在城市之间迁移（违反SUTVA）、无法将结果推广到具有独特流量的目标大都市。
第二个选项是中断时间序列分析（interrupted time series），比较实施前后的时期。优点：针对单个城市的全部人群，利用CausalImpact考虑季节性。**缺点：**无法将定价效应与市场增长趋势分开，影响平行进行的营销活动，在观察期内竞争环境的变化。
第三个选项是回归不连续设计，使用内部算法触发的surge multiplier（例如，当骑手达到80%的负载率时价格骤升）。**优点：**临界点附近的局部随机性（临界点上方/下方的用户可比），把纯粹的价格效应从整体需求中隔离，利用单个城市内的控制组进行工作。**缺点：**仅能为临界点附近的边际用户评估局部平均处理效应（LATE），需要较大的样本才能达成效能，对算法干预的临界点敏感。
最终选择了综合解决方案：基于负载率的RDD，通过工具变量进行验证（突如其来的降水作为价格的工具），以及在城市的微区层面进行合成控制。这使得可以将价格效应与等待效应隔离开来（后者也随负载率增加）。结果显示需求弹性为-0.8（适度弹性），但市场的平衡效果仅在系数为1.5x及以上时达到。这使得优化触发阈值将订单完成率提高到89%，没有显著损失GMV。
如何区分真实的价格需求偏移与等待效应（delay cost），即价格上涨与送达时间增加相关时？
回答需要通过中介分析（mediation analysis）进行总效果的分解，或利用IV和两个工具变量：一个仅影响价格（算法阈值），另一个仅影响等待时间（外部交通事件）。初级分析师常常混淆这些效应，从而高估价格弹性。需要建立结构模型，使得价格和等待时间都是内生回归量，而需求是它们交互作用的结果。没有这一点，企业会在不理解价格的部分下降是由于服务质量（时间）不令人满意的情况下做出定价决策。
为什么通过对数-对数回归评估的标准弹性在双边市场中会给出偏差结果，如何进行修正？
在双边市场中存在同时性偏差（simultaneity bias）：价格影响需求，但需求通过surge算法的机制又影响价格。OLS估计将是渐进偏差的。正确的方法需利用两阶段最小二乘法（2SLS），在第一阶段使用外生冲击（天气、事件）预测价格，第二阶段使用预测值来评估弹性。候选人常常忽视检验工具的相关性（F统计量 > 10）和有效性（排除限制）的必要性，导致不有效的因果推论。
如何在评估定价因果效应时考虑客户和提供者之间的网络效应（cross-side network effects）？
价格上涨吸引更多的骑手（对供给的正面影响），降低等待时间，并可能抵消对需求的负面价格偏移。这样就产生了一般均衡效应（general equilibrium effect），这无法通过局部均衡捕捉。需要构建双边市场的结构模型（structural two-sided market model）或使用**二分图分析（bipartite graph analysis）**跟踪执行者在区域之间的迁移。没有这一点，分析人员可能会错误地拒绝有效定价策略，而看不到由于降低送达时间而改善服务质量所带来的抵消效果。