研究动机：
• 解决在线卖家（如亚马逊）利用买家社交互动数据（如朋友购买记录）进行个性化定价(personalized pricing)时，买家可能采取战略性操纵(strategic manipulation)行为的问题。
• 研究背景基于社会学中的同质性(homophily)理论，即人们倾向于与偏好相似者互动，卖家可据此推断新买家偏好，但买家对此日益警觉并可能改变社交行为。
核心方法：
• 提出并分析了一个简洁的(parsimonious)双层信息不对称(double-layered information asymmetry)模型，整合了买家个体信息和买家间相关性(inter-buyer correlation)信息。
• 从基本的双买家网络(two-buyer network)入手，研究买家如何策略性地操纵社交互动信号，以及卖家如何在设计定价方案时考虑买家的战略性社交行为。
核心创新点：
• 首次研究了买家在考虑偏好相关性(preference correlations)时，如何策略性地操纵(strategically manipulate)其社交互动信号，以及卖家如何应对。
• 独特地刻画了卖家与买家之间的双层信息不对称(double-layered information asymmetry)，同时建模个体信息和关联信息。
• 发现只有高偏好(high-preference)买家倾向于操纵社交互动以规避个性化定价，但操纵反而可能恶化其自身收益(payoffs)。
• 揭示了买家的战略性操纵对卖家收入影响甚微，且卖家保持数据访问透明度(transparency)符合行业实践。
总体贡献：
• 为信息经济学和定价策略领域提供了首个关于买家战略性社交行为操纵与卖家学习互动数据之间博弈的分析框架。
• 证明了卖家从社交互动学习中获益显著，且买家意识或操纵行为对其收入影响有限。
• 为当前数据访问监管政策收紧背景下，卖家应保持数据使用透明度的行业实践提供了理论支持，与知情同意(informed-consent)实践相一致。