Ответ прост: они оценивают кривые спроса для каждого продукта и, используя свою структуру затрат и рыночные характеристики (структура конкуренции и т. Д.), Устанавливают цену, чтобы максимизировать прибыль. Это стандартно для любой фирмы.
То, как Google в частности и эти крупные фирмы в целом (Amazon, Microsoft и т. Д.) Оценивают кривые спроса, несколько отличается от того, что может сделать обычный экономист. Для обычной оценки спроса исследователь должен будет использовать рыночные особенности для определения спроса. Например, использование переключателей предложения с 2SLS для оценки базового спроса, BLP для дискретного выбора с неоднородными продуктами и т. Д. Идентификация является такой большой проблемой для оценки спроса, потому что исследователь обычно просто наблюдает комбинации равновесия (p, q), а не фактический спрос кривая. Мы также часто ограничены только количеством доступных данных.
Однако для такой крупной фирмы, как Google, они 1) имеют возможность ввести экзогенное возмущение в цене, чтобы увидеть, как меняются продажи, и 2) имеют доступ к тоннам и тоннам данных. Используя 1) они постоянно проводят небольшие эксперименты, чтобы увидеть, как меняется поведение потребителей. Затем они могут использовать результаты, чтобы фактически проследить кривую спроса. В этих экспериментах фирма могла легко принять во внимание такие вещи, как популярность фильма, жанр и т. Д. Что касается 2), Пэт Баджари, главный экономист в Amazon и одно из крупнейших имен в современном эмпирическом IO, имеет (на данный момент ) рабочий документс Некипеловым, Райаном и Янгом о том, как использовать машинное обучение для оценки кривых спроса по продуктам с множеством точек отбора характеристик (представьте тысячи характеристик продукта). Как «начинающий исследователь компьютерных наук», вы, вероятно, будете в этом разбираться. Этот подход особенно актуален для людей / фирм, имеющих доступ к тоннам данных (таких как Google, Amazon и т. Д.)