1。简介餐厅到消费者交付的业务已从基于电话的订购系统开发到外卖柜台,现在的网站和移动应用程序。在这些平台,餐馆或其他食品销售所有者中,越来越多地使用了移动食品送货服务(MFDS),例如Zomato,ubereats,ubereats,foodpanda,swiggy and driveroo,为客户提供了一种方便的方式来创建食品订单和收藏(Singh,2019; Ray等。,2019年)。特别是在全球大流行1920年初以来,MFDSS在某些方面有所帮助,例如防止经济发展,减轻粮食和饮料业务,无法关闭和应对社会疏远措施(Nagar,2020年)。MFD已革命性地改变了餐厅和食品运输业,使企业主和消费者都受益匪浅。一方面,MFD以许多方式帮助企业,例如削减成本,生产力,在线形象和客户关系增强(Li等人,2020)。另一方面,从客户的角度来看,通过使用MFD,消费者可以轻松地比较粮食服务提供商有关经验丰富的消费者在下订单之前对菜单,价格,折扣优惠,评级或评论进行比较。此外,他们可以通过智能手机付款,然后跟踪其订单以及跟踪食品送货车的路线(Shastri,2019; Singh,2019)。
双边市场扰乱了我们的经济,重塑了旅游(airbnb)、出行(Uber)和食品配送(UberEats)等各类市场。新的市场领导者利用平台型商业模式崛起,对既定的范式提出质疑。它们增长背后的潜在过程并不简单,本质上是微观的,并依赖于复杂的人际交往。平台需要达到供需临界点,才能引发所谓的横向网络效应。为此,平台采用各种策略,首先创造市场,然后扩大市场,最后成功与其他市场竞争。如此复杂的社会系统具有许多非线性相互作用和学习过程,需要专门的建模方法。最先进的方法可以很好地估计宏观均衡条件,但难以重现背后复杂的增长模式和个体行为。为了弥补这一差距,我们提出了微观的 S 形学习模型,其中代理随着时间的推移对新服务形成感知,受到内生因素(服务质量)和从经验中积累的外生因素(营销和口碑)的影响。我们以双边移动平台(Uber)为例进行说明,该平台采取了一系列营销活动,导致市场先上升后下降,在阿姆斯特丹复杂的城市网络上,200 名司机为 2000 名旅行者提供服务。我们的模型是第一个不仅能重现行为合理,而且能重现经验观察到的增长轨迹的模型,它对各种营销策略都很敏感,可以重现平台之间的竞争,并旨在与机器学习算法相结合,以确定最佳市场进入策略。