Consumer Impatience,
Innovation & Market Structure

《消费者非耐心、技术创新与市场结构》
全文深度总结与学术评析

A Comprehensive Review and Academic Summary of
"Consumer Impatience, Technological Innovation, and Market Structure"

文献元数据要素	详细信息与规范著录
论文英文标题	Consumer Impatience, Technological Innovation, and Market Structure
论文中文译名	消费者非耐心、技术创新与市场结构
论文作者	Chaewon Seol (Purdue University) Federico Rossi (Purdue University) Sara Valentini (Bocconi University) Elisa Montaguti (University of Bologna) （注：作者姓名按学术规范保留英文原文，不予翻译）
发表期刊与期卷	Marketing Science, Vol. 45, No. 5, September–October 2026, pp. 913–929
出版机构与检索	INFORMS (Institute for Operations Research and the Management Sciences), ISSN 0732-2399 (print), 1526-548X (online)
数字对象标识符 (DOI)	https://doi.org/10.1287/mksc.2024.0885
资深主编 (Senior Editor)	Tat Chan (Washington University in St. Louis)
JEL 分类号	L11: Production, Pricing, and Market Structure; Size Distribution of Firms (生产、定价与市场结构；企业规模分布) L81: Retail and Wholesale Industry; e-Commerce (零售与批发业；电子商务) L86: Information and Internet Services; Computer Software; Platforms (信息与互联网服务；计算机软件；平台经济) D43: Oligopoly and Other Forms of Market Imperfection (寡头垄断与其他不完全竞争市场) R32: Other Spatial Production and Pricing Analysis (其他空间生产与定价分析 / 空间竞争) M31: Marketing (市场营销学) D12: Consumer Economics: Empirical Analysis (消费者经济学：实证分析)
核心关键词	Consumer Impatience (消费者非耐心); Home Delivery (送货上门/即时配送); Technology (技术创新); Retail Competition (零售竞争); Platforms (数字平台); Spatial Competition (空间竞争)

一、 全文摘要与核心结论概述

线上消费的飞速扩张深刻重构了传统零售业态，但与线下实体零售“即买即得”的即时性体验不同，线上购物天然存在一个从下单到收货的时间差。消费者的“非耐心（Consumer Impatience）”——即希望尽可能快地收到所购商品的心理倾向与时间折扣效应，是驱动线上决策的最关键变量之一。当前，以亚马逊（Amazon Prime Air）、沃尔玛（Walmart）、DoorDash、Uber Eats 为代表的全球线上零售与本地生活配送巨头正投入数十亿美元巨资布局人工智能驱动的自主无人机（AI-powered Drones）与无人配送机器人（Delivery Robots），力求将末端配送时间压缩至分钟级极限。然而，经济学与管理学界对以下核心问题仍缺乏系统深入的经验研究：消费者非耐心如何在现实中塑造市场结构？如果前沿物流技术使配送时间出现颠覆性的大幅削减，既有的市场竞争格局将发生何种根本性演变？

发表于国际顶级管理学期刊《Marketing Science》2026年第45卷第5期的这篇重磅论文，由 Chaewon Seol、Federico Rossi、Sara Valentini 和 Elisa Montaguti 四位学者合作完成。该研究利用意大利北部某大学城单一外卖平台（匿名代称 Pizza Delivery）在2010至2011年间的全样本订单微观大数据（涵盖51家独立披萨店、6,851位消费者、97,552笔真实交易），首次将微观计量经济学需求估计、空间竞争模型与自动化前沿技术的反事实政策模拟紧密结合，系统测度了消费者等待时间的微观价值，并透视了其对市场结构的塑造机制。

研究的核心发现表明：

第一，消费者展现出极强的非耐心与时间敏感性。对于中位数消费者而言，配送时间缩短50%所带来的效用增益，相当于整个订单价格的20%以上；最不耐心的消费群体每节省1分钟等待时间，其边际支付意愿高达0.30欧元（相当于基础订单价格的2.7%）。

第二，消费者非耐心实质上充当了强烈的“空间市场分割与保护壁垒”。非耐心极大地降低了不同地理区域商户之间的产品替代弹性，弱化了价格竞争烈度（两家距离1公里的披萨店之间的交叉价格弹性是距离2公里披萨店的近两倍，而距离7公里以上的跨区竞争压力几乎为零）。这种由等待摩擦所构筑的局部垄断护城河，使得大量位于市中心高密度居民区但实际产品品质平庸、甚至处于全城质量底层的低品质商户得以长期生存。

第三，技术创新引发的配送提速对市场集中度（HHI）呈现出极具洞见的非单调“U型（U-shaped）”重塑效应。在中小幅度的配送提速阶段（如配送时间缩短25%至50%），新技术通过削弱市中心商户原有的地理邻近性优势（Proximity Advantage），使更多郊区商户进入有效竞争圈，从而促进市场分散化、降低市场集中度；然而，一旦技术取得突破性颠覆、配送时间被压缩75%以上至接近即时送达（90%~100%）时，空间距离对消费决策的阻隔几乎完全消失，市场发生剧烈的向品质集中的“超级明星效应（Superstar Effect）”——高品质商户跨区吞噬全城市场，而缺乏真实产品力、仅依赖地段生存的低品质商户被大规模驱逐出市场（在75%提速情境下，市中心高达45%的披萨店将因利润亏损超30%而被迫倒闭退出，而郊区优质商户却逆势繁荣且零退出）。

第四，数字平台能够通过设计差异化配送费率的“二级价格歧视（Second-Degree Price Discrimination）”从消费者的非耐心异质性中获取巨大经济收益。反事实模拟表明，在考虑骑手履约边际成本与运力拥堵突增成本的情境下，平台推出“提速10%并加收10%~12.5%溢价”的优质配送服务（Premium Delivery），可使平台总利润显著提升10.9%至18.7%，并同时促进消费者福利与优质商户利润的帕累托改善。

二、 文章核心学术贡献与理论创新

本文在产业组织理论、空间经济学、实证量化营销以及平台机制设计等多个交叉领域作出了突出的开创性贡献，具体体现在以下三个维度：

1. 理论机制维度的突破：揭示技术颠覆下空间竞争与市场结构演变的“U型”法则

长期以来，经典零售与空间竞争文献（如 Hotelling 空间模型、Salop 圆周模型）以及传统营销学信条均将地理区位视为零售企业的首要核心资产（即所谓“Location, Location, Location”）。然而，本文颠覆性地证明，在即时配送与数字化零售时代，“地理位置优势”在本质上只是消费者“非耐心（时间等待折现）”所衍生出的一种次生壁垒。

以往关于数字化技术与市场集中度的宏观讨论往往存在非此即彼的争论：一派认为技术降低搜索与交易成本会使市场更加极化，形成赢家通吃的超级明星企业（如 Rosen 1981, Autor et al. 2020）；另一派则认为交易摩擦的消除会赋能边缘长尾企业，降低市场集中度（如 Bar-Isaac et al. 2012）。本文首次统一并清晰阐明了这一动态过程的深层机理：配送技术进步对市场集中度的影响并不是线性的，而是呈现出鲜明的非单调“U型”轨迹。技术创新先是摧毁基于“地理区位”的旧垄断（去集中化），继而在极限提速下建立基于“产品真实品质”的新垄断（再集中化）。这一机制为理解无人机配送、无人车等前沿自动化物流对现代城市零售经济的重塑提供了前瞻性的理论基石。

2. 实证识别与计量方法维度的创新：搬迁自然实验与中心化重构工具变量

在实证度量“等待时间”与“消费者非耐心”时，实证学者通常面临两大极为棘手的内生性与混淆偏差难题：一是消费者选择附近商户可能并非因为非耐心，而是因为对常去街区的品牌更熟悉（曝光效应）、商户在周边集中发传单（局部广告效应）或平台界面的推荐机制（排序偏差）；二是商户定价内生性，未观测到的商户品质属性和外生需求冲击会同时影响价格与需求。

针对这些难点，本文展现了极高水平的计量设计：

（1）巧妙利用消费者“地址搬迁（Relocation）”构建自然实验：在数据集中，39%的消费者发生了永久性搬迁，导致其与原喜好商户之间的空间距离遭受了外生冲击。通过追踪搬迁前后第一单与第二单的即时跳跃反应（搬迁后首单转向新店比例立即从31%暴增至82%，且此后不再大幅渐进增长），干净地排除了“渐进曝光假说”；结合商户低频广告数据（年均1%营收预算）和平台无算法干预的线性距离列表特征，彻底排除了传单广告与平台排名的替代性解释，确立了因果识别。

（2）两阶段结构需求估计与移动份额工具变量（Recentered Shift-Share IV）：论文构建了包含双向固定效应的随机系数离散选择模型（Random Coefficients Logit）。在控制内生价格时，作者巧妙利用城市加油站周度燃料油价、意大利国家统计局关键原材料（马苏里拉奶酪、番茄、小麦粉）批发价格指数与商户菜单份额的交互项、以及商用电价与店铺面积的交互项作为供给侧成本推移工具变量，并严格遵循计量前沿 Borusyak et al. (2025) 的“中心化重构（Recentering）”方法剔除权重内生性，将价格弹性从严重低估的 -0.60 修正为符合寡头竞争现实的 -3.70。

3. 管理实践与平台规制维度的贡献：时间价值变现与城市空间重构

在实践层面，本研究为双边平台（Two-Sided Platforms）如何将消费者的非耐心心理资产转化为平台利润提供了经过实证校准的量化决策指南。文章设计的优质加速配送服务（Premium Delivery），量化了在固定边际成本与运力容量瓶颈突增成本下的最优加价区间，证明合理的二级价格歧视可以在不伤害基础消费者福利的前提下使平台利润暴增近20%。同时，论文对商户倒闭退出率的空间异质性模拟（市中心45%倒闭 vs 郊区0%倒闭），为城市规划者、商业地产投资者及反垄断监管机构敲响了前瞻性警钟。

三、 核心概念界定、严密定义与模型符号体系

1. 核心概念与经济学严密定义

为了保证数理逻辑与学术严谨性，文章所依托的关键核心概念界定如下：

（1）消费者非耐心 (Consumer Impatience)：指消费者在进行跨期效用评估时，因具有时间折现倾向（Time Discounting）而产生的希望尽快获得所购实物资产的强烈心理偏好（Koopmans 1960, Chen et al. 2005）。在即时零售场景中，非耐心表现为消费者对等待时间的强边际负效用（即时间的机会成本与等待焦虑）。

（2）空间竞争 (Spatial Competition)：指在地理空间中分布的异质性供给方与需求方之间展开的非完全竞争状态。消费者的实际支付成本包含商品名义价格与交通/等待交易摩擦（Hotelling 1929）。在本文中，距离通过产生额外的配送履约时间而对效用产生惩罚。

（3）超级明星效应 (Superstar Effect)：由 Sherwin Rosen (1981) 提出的产业经济学理论，指当技术革新大幅降低流通或交易壁垒时，少数在产品质量或生产力上具有微弱相对优势的顶级供给主体，能够跨越地理阻隔吸纳全市场的绝大部分需求，导致销售额极度向头部集中。

（4）市场集中度与赫芬达尔-赫希曼指数 (Herfindahl-Hirschman Index, HHI)：衡量产业内部市场份额分散或集中程度的经典指标，定义为市场中所有在营企业市场占有率（按百分比计算）的平方和。HHI 越低代表市场越碎片化，越高代表少数寡头垄断程度越强。

（5）外部选择项 (Outside Option)：指消费者在某一决策周期内放弃在被观测的平台及披萨店下单，而转向其他替代性就餐方式（如在家烹饪、前往线下普通餐馆堂食或外带等）所获得的基准效用，在离散选择模型中通常作为效用基准标准化为零。

（6）移动份额工具变量 (Shift-Share / Bartik Instrument)：利用宏观或区域外生冲击（Shifts，如全市燃料油价、国家级原材料价格指数）与微观截面单位的异质性暴露份额（Shares，如商户菜单中奶酪或面粉的既定占比）进行交互构建的工具变量，用以隔离未观测的需求扰动并纠正内生性。

2. 完整模型数学符号对照表 (Word 原生数学公式版)

下表中所有的数学符号、变量、参数及分布设定，均采用 Word 原生数学公式解析引擎渲染：

数学符号	经济学含义与统计属性	取值单位 / 取值范围	数据来源 / 构造方式
$i$	微观消费者个体标识下标	$i \in \{ 1,2,\ldots,N\},N = 6,851$	Pizza Delivery 平台注册用户
$j$	独立披萨店商户标识下标	$j \in \{ 1,2,\ldots,J\},J = 51$	平台签约上架披萨店
$t$	离散时间周期下标（以周为基本分析周期）	$t \in \{ 1,2,\ldots,T\},T = 46$ 周	2010年9月至2011年7月时间跨度
$u_{ijt}$	消费者 $i$ 在时期 $t$ 选择商户 $j$ 所获得的潜在线性效用	无量纲效用值 (Real)	离散选择效用函数构造
$\alpha_{j}^{i}$	消费者 $i$ 对商户 $j$ 披萨内在品质的个体异质性估值	Real (含均值与方差分解)	商户固定效应 + 个体随机系数抽样
${\overline{\alpha}}_{j}$	商户 $j$ 披萨的总体平均客观品质属性（基准固定效应）	Real (最高分位与最低分位显著差异)	收缩映射与二阶段 OLS/IV 估计
$\tau_{t}$	控制宏观季节性、节假日与周期波动的时期固定效应	Real	周度哑变量向量
$p_{jt}$	商户 $j$ 在时期 $t$ 销售经典玛格丽特披萨的有效价格指数	欧元 (€), 扣除店铺折扣	订单明细、菜单基准价与促销信息
$\beta^{i},\overline{\beta}$	边际价格敏感性参数（个体随机系数及总体均值）	Real (<0), 均值估计为 $\overline{\beta} = - 114.226$	IV 纠正后的结构需求估计
$x_{ijt}$	商户 $j$ 将订单送达消费者 $i$ 地址所需的预计配送时间	分钟 (Minutes), 均值约 34.8 分钟	基于 Bing Maps 距离的回归预测值
$\gamma^{i},\overline{\gamma}$	配送等待时间敏感度参数（非耐心系数及均值）	Strictly Negative (<0), 均值 $\overline{\gamma} = - 19.632$	对数正态变换限制参数抽样
$\xi_{jt}$	研究者不可观测但被商户和消费者知晓的需求扰动项	Real	结构误差项，价格内生性根源
$\varepsilon_{ijt}$	独立同分布的微观个体特质随机效用冲击	i.i.d. 标准 Type I 极值分布	Logit 模型核心假定扰动项
$\delta_{jt}$	商户 $j$ 在时期 $t$ 的均值效用水平 (Mean Utility)	Real	BLP 收缩映射不动点迭代求解
$\mu_{ijt}$	消费者 $i$ 相对均值效用的个体异质性偏离部分	Real	多维正态分布随机扰动项交互
$\nu_{i}$	刻画个体偏好异质性的随机扰动向量	$\nu_{i} \sim \mathcal{N}(0,\Sigma)$	非线性参数协方差矩阵 $\Sigma$
$s_{jt}$	商户 $j$ 在时期 $t$ 的市场份额（理论预测值与观测值）	$s_{jt} \in \lbrack 0,1\rbrack,\sum_{j}^{}{}s_{jt} \leq 1$	平台总观测需求除以潜在市场容量
$mc_{jt}$	商户 $j$ 在时期 $t$ 生产每单披萨的边际成本	欧元 (€), 中位数加成率约为 27%	根据伯川德-纳什一阶条件反推
$M_{t}$	时期 $t$ 的潜在市场总容量（潜在消费者规模）	整数 (人数)	样本期内全量独立活跃消费者总数
$HHI$	衡量披萨外卖市场的赫芬达尔-赫希曼集中度指数	基准值为 422.9, 模拟中 349.3~575.1	$HHI = 10,000 \times \sum_{j}^{}{}(s_{j})^{2}$
${VOT}^{i}$	消费者 $i$ 的单位等待时间经济价值（支付意愿）	欧元/分钟 (€/min), 0.14 ~ 0.30 €/min	边际替代率 ${VOT}^{i} = \gamma^{i}/\beta^{i}$

3. 结构模型方程体系与 Word 原生数学公式解析

以下展示论文中完整的需求侧、供给侧、期望形成以及福利测度的核心公式，全部采用微软 Word 原生 Office Open XML 数学对象（OMML）规范排版。

（1） 订单送达时间期望分解回归方程

平台用户在浏览下单时缺乏确定性的到达倒计时，其预期送达时间依赖于历史经验与空间距离。作者将总时间分解为商户固定烹饪准备时间与路上在途行驶时间：

$${DeliveryTime}_{ijt} = \beta_{0} + \beta_{1} \cdot {Distance}_{ijt} + \eta_{ijt}$$

(1)

实证回归表明，固定烹饪准备时间截距项 $\beta_{0} = 28.5$ 分钟，距离边际系数 $\beta_{1} = 3.33$ 分钟/公里（即每增加1公里路程，在途耗时增加3分20秒）。

（2） 需求侧微观效用方程与均值-异质性偏离分解

在时期 $t$，位于特定地理坐标的消费者 $i$ 选择披萨商户 $j$ 所获得的随机效用函数为：

$$u_{ijt} = \alpha_{j}^{i} + \tau_{t} + \beta^{i}p_{jt} + \gamma^{i}x_{ijt} + \xi_{jt} + \varepsilon_{ijt}$$

(2)

为了实施模拟极大似然估计并消除商户未观测冲击导致的内生性，将个体效用分解为公共均值效用（$\delta_{jt}$）与个体特质偏离效用（$\mu_{ijt}$）：

$$\delta_{jt} = {\overline{\alpha}}_{j} + \tau_{t} + \overline{\beta}p_{jt} + \overline{\gamma}x_{jt} + \xi_{jt}$$

(3)

$$\mu_{ijt} = (\alpha_{j}^{i} - {\overline{\alpha}}_{j}) + (\beta^{i} - \overline{\beta})p_{jt} + (\gamma^{i} - \overline{\gamma})x_{ijt}$$

(4)

（3） 随机系数分布与非负等待成本约束

假设消费者的随机偏好向量服从多元正态分布，而在经济学逻辑上，任何理性消费者对等待时间都应当赋予负效用。因此，对配送时间系数施加对数正态变换限制：

$$\begin{pmatrix} \alpha_{j}^{i} \\ \beta^{i} \\ \gamma^{*i} \end{pmatrix} = \begin{pmatrix} {\overline{\alpha}}_{j} \\ \overline{\beta} \\ {\overline{\gamma}}^{*} \end{pmatrix} + \nu_{i},\nu_{i} \sim \mathcal{N}(0,\Sigma)$$

(5)

$$\gamma^{i} = - exp(\gamma^{*i}) < 0$$

(6)

（4） 市场份额积分与微观选择概率

由于扰动项 $\varepsilon_{ijt}$ 服从独立同分布的标准 Type I 极值分布，给定非线性参数 $\theta_{2} = vec(\Sigma)$，消费者 $i$ 选择商户 $j$ 的概率以及商户在全市场的理论份额可表示为对未观测异质性扰动分布的多维积分：

$$s_{jt}(\delta_{jt},\theta_{2}) = \int_{}^{}{}P_{ijt}(\delta_{jt},\theta_{2})dF(\nu_{i},\theta_{2}) = \int_{}^{}{}\frac{exp(\delta_{jt} + \mu_{ijt}(\theta_{2}))}{1 + \sum_{k = 1}^{J}exp(\delta_{kt} + \mu_{ikt}(\theta_{2}))}dF(\nu_{i},\theta_{2})$$

(7)

（5） 供给侧商户利润最大化与伯川德-纳什定价一阶条件

假定在每一个时期 $t$，在营的 $J$ 家披萨店在价格维度进行非合作的伯川德-纳什寡头博弈。商户 $j$ 的利润函数为：

$$\underset{p_{jt}}{\text{max}}\Pi_{jt} = (p_{jt} - mc_{jt})M_{t}s_{jt}(p_{jt})$$

(8)

对自身价格求导并令边际利润为零，可得最优纳什均衡价格及反推未观测边际成本的经典方程：

$$p_{jt}^{*} = mc_{jt} - \left( \frac{\partial s_{jt}(p_{jt})}{\partial p_{jt}} \right)^{- 1}s_{jt}(p_{jt})$$

(9)

（6） 消费者等待时间价值 (Value of Time, VOT)

根据消费者微观效用理论，单位等待时间的经济价值定义为时间与货币在边际上的边际替代率（Marginal Rate of Substitution, MRS）：

$${VOT}^{i} = \frac{\partial u_{ijt}/\partial x_{ijt}}{\partial u_{ijt}/\partial p_{jt}} = \frac{\gamma^{i}}{\beta^{i}}$$

(10)

（7） 模拟极大似然估计 (MSLE) 与对数似然目标函数

结合微观个体实际选择指示变量 $I_{ijt}$（当消费者 $i$ 在时期 $t$ 选商户 $j$ 时取1，否则取0），全样本对数似然函数表示为：

$$L_{i}(\delta_{jt};\theta_{2}) = \prod_{t = 1}^{T}{}\prod_{j = 1}^{J}{}\lbrack P_{ijt}(\delta_{jt},\theta_{2})\rbrack^{I_{ijt}}$$

(11)

（8） 市场集中度测度指标 (HHI)

以所有在营披萨店的市场占有率百分比平方和计算全市场的赫芬达尔-赫希曼指数：

$$HHI = \sum_{j = 1}^{J}{}(s_{j} \times 100)^{2} = 10,000\sum_{j = 1}^{J}{}s_{j}^{2}$$

(12)

四、 产业背景、微观数据与无模型经验证据

1. 行业背景与 Pizza Delivery 平台特征

在披萨的故乡意大利，披萨外卖是一项历史悠久的日常大众消费。传统模式下，消费者通过电话黄页查找附近披萨店并致电预订，商户自备踏板摩托车与保温箱进行点对点配送。本文合作的数据平台 Pizza Delivery 创立于2010年，是意大利北部某大学城首个在线外卖订餐平台，覆盖了该市约70%开通外送服务的独立披萨店。

该平台具有三个鲜明的制度与技术特征：第一，纯粹的信息聚合与订单派发模式。消费者在网页端输入送餐地址，平台呈现实体店列表，消费者选购下单后由平台通过专属手持终端实时通知披萨店，披萨店自行烤制并由店内专职骑手完成配送；第二，单向佣金收费机制。平台面向消费者完全免收配送费或服务费，仅向签约商户按订单销售额抽取一定比例佣金；第三，界面排序为纯粹的欧氏空间物理距离排序，在样本期内完全没有引入个性化推荐算法或商业竞价排名，为排查算法分发偏误提供了极佳的纯净环境。

2. 微观面板数据样本统计特征

研究团队获取了2010年9月至2011年7月（共46周）平台全部99,841笔交易记录。剔除不销售经典披萨（如只卖切片比萨）及个别极低单量商户，并限定下单至少两次的用户后，最终得到由 51 家披萨店、6,851 位消费者和 97,552 笔有效订单构成的平衡面板数据。

表 1 报告了消费者层面的核心统计特征：

统计变量指标	均值 (Mean)	标准差 (Std)	中位数 (Median)	最小值 (Min)	最大值 (Max)
样本期累计下单次数 (#)	10.06	8.49	7.00	2	46
曾选购的不同商户数 (#)	4.14	3.14	3.00	1	23
单笔订单消费金额 (€)	10.98	4.48	10.13	2.50	63.00
单笔订单披萨张数 (#)	1.57	0.91	1.00	1	13
消费者与全城商户平均距离 (km)	3.98	0.94	3.63	2.77	7.01
消费者与所选商户实际距离 (km)	1.81	0.87	1.71	0.03	5.85
实际送达耗时 (minutes)	34.81	6.05	34.00	20.00	77.00

表 2 报告了披萨商户按地理区位（市中心 City Center、内环 Inner Ring、外围郊区 Suburbs）划分的异质性营运数据：

商户运营指标	市中心均值 (Std)	内环均值 (Std)	郊区均值 (Std)
累计接收订单总量 (#)	2,383 (2,041)	1,623 (1,965)	904 (632)
经典玛格丽特披萨单价 (€)	3.99 (0.42)	4.12 (0.43)	4.27 (0.70)
单笔订单平均售价 (€)	10.10 (0.99)	11.03 (1.02)	12.50 (1.54)
与目标消费群体平均距离 (km)	3.29 (0.27)	4.11 (0.75)	5.10 (1.02)
全流程送达耗时 (minutes)	33.50 (2.00)	34.90 (1.77)	36.50 (2.88)
周边 0.5 公里内竞品商户数 (#)	2.63 (1.80)	1.27 (0.55)	1.10 (0.32)
周边 1.0 公里内竞品商户数 (#)	5.21 (2.97)	2.86 (1.17)	1.50 (0.71)
周边 2.0 公里内竞品商户数 (#)	10.70 (4.60)	8.27 (2.93)	3.60 (1.35)

从表2中可提炼出两条极为重要的产业现实：第一，市中心商户密集度极高（1公里内平均有5.21家竞品），与消费者平均物理距离更近（3.29公里 vs 郊区5.10公里），享有更高的订单总规模，但承担着两倍以上的严苛租金；第二，郊区商户虽然距离核心客群较远，但由于密度低、竞争缓和，其名义菜单售价与单笔客单价反而显著高于市中心商户。

3. 无模型经验证据：消费者搬迁自然实验与替代性假说排除

为了在进入复杂的非线性结构估计之前为“非耐心（距离/时间敏感性）”提供直观且无模型依赖的扎实因果证据，作者充分挖掘了样本中消费者微观住址变更的特征。

（1）距离外生增加与商户转换率跃升：在观测期内，有高达39%的消费者发生了永久性地址搬迁。统计显示，当新地址距离原有偏好披萨店的距离增加时，消费者放弃原商户的概率呈单调剧烈攀升。一旦新地址与旧商户的距离超过2.5公里，商户转换率（Switching Rate）立即攀升至近80%；当距离超过5公里时，转换率接近100%。

（2）排除替代假说一：认知熟悉度与渐进曝光效应。如果消费者仅仅是因为日常线下在附近散步、对临近商户产生视觉曝光与信任积累，那么搬迁后的商户转换应当是一个平滑而缓慢的渐进过程。但数据表明，消费者在搬迁前的基准换店概率仅为31%，而在搬迁后的第一笔订单中，换店概率直接发生垂直跃升至82%，第二笔订单仅微幅上升8个百分点至90%。这种“搬迁瞬间立即转换”的离散跳跃，彻底排除了日常渐进曝光假说。

（3）排除替代假说二：商户局部广告传单营销。商户可能在周边社区投放纸质传单。作者调研了意大利公共餐饮商会（FIPE）及涉案披萨店店主，发现独立小店年广告支出仅占总营收约1%，且传单投放通常一年仅集中1至2次，并不具备持续性。然而，搬家用户在各个月份的第一单转换率高度稳定在78%至88%之间，完全不受传单淡旺季影响，排除了广告假说。

（4）排除替代假说三：平台界面的按距离排序推荐偏差。平台列表按近到远排列，前排商户是否单纯因为“位置靠前”而被点击？作者分析了排序相邻的商户（如第1名 vs 第2名、第2名 vs 第3名）。实证发现，当两家店距消费者的物理距离差在0至0.07公里（几乎等距）时，前位与后位商户的选择概率完全均等（甚至略微偏好后位）；只有当前位商户比后位商户物理距离实质性靠近超过0.2公里时，前位选择率才显著上升。进一步的多元条件 Logit 回归证实，在控制了真实距离后，排序位次系数在统计上完全不显著。这无可辩驳地证明：支配消费者决策的是由物理距离决定的真实送达时间，而非平台界面的视觉排列。

五、 结构模型估计与实证计量发现

1. 需求侧结构参数估计与内生性偏误纠正

表 3 展示了离散选择随机系数模型的参数估计结果。Model 1 假设随机系数协方差矩阵为对角阵，Model 2 引入了非完全独立的协方差结构，并分别对比了普通最小二乘法（OLS）与利用移位份额工具变量（IV）的处理结果。所有变量与参数均以原生公式呈现：

估计变量与统计量	Model 1 (OLS)	Model 1 (IV)	Model 2 (OLS)	Model 2 (IV) [基准模型]
基准均值价格系数 ($\overline{\beta}$)	-16.187 (9.429)	-95.711* (49.821)	-18.555* (10.364)	-114.226 (53.736)
基准均值配送时间系数 ($\overline{\gamma}$)	-13.711 (5.255)	-16.053* (4.811)	-16.814 (6.550)	-19.632* (6.017)
商户与时间固定效应	已控制	已控制	已控制	已控制
内部选项品质固定效应标准差	1.956* (0.171)	1.956* (0.171)	4.296* (0.888)	4.296* (0.888)
价格敏感度随机偏离标准差	1.631 (0.917)	1.631** (0.917)	1.327* (0.837)	1.327* (0.837)
配送时间敏感度随机偏离标准差	3.731* (0.248)	3.731* (0.248)	1.827* (0.662)	1.827* (0.662)
价格 $\times$ 配送时间随机协方差	—	—	0.745 (0.814)	0.745 (0.814)
价格 $\times$ 内部选项品质协方差	—	—	1.606* (0.968)	1.606* (0.968)
配送时间 $\times$ 内部选项品质协方差	—	—	2.323* (0.732)	2.323* (0.732)
弱工具变量检验 (K-P F-stat)	—	11.70	—	11.70
豪斯曼内生性检验 (Hausman)	—	6.47	—	7.60*
过度识别检验 $p$ 值 (Hansen J)	—	0.4324	—	0.3924
对数似然值 (Log Likelihood)	-287,667	—	-284,021	—
贝叶斯信息准则 (BIC)	575,303	—	568,010	—

计量结果揭示出极为鲜明的几大特征：

第一，工具变量成功纠正了价格内生性下偏。在 OLS 估计下，价格系数仅为 -18.555，计算得出的自身价格弹性中位数仅为 -0.60，这与多商户密集竞争的餐饮零售现实严重不符；而利用中心化重构的 Shift-Share IV 纠正后，价格系数绝对值扩大至 -114.226，自身价格弹性恢复至 -3.70（第一四分位数 -3.93，第三四分位数 -3.47），完全符合寡头竞争的经济常识。

第二，配送时间敏感度在统计和经济意义上极度显著（IV 系数为 -19.632，p<0.01）。自身送达时间弹性中位数高达 -4.34，甚至绝对值超过了价格弹性，证明即时配送需求对时间的敏感度实质上高于金钱成本。

第三，偏好异质性结构显示，高频点餐用户（对内部选项拥有更高基础品质评价 $\alpha_{j}^{i}$ 的群体）与价格和配送时间呈现正协方差，表明高频资深老客相对而言对价格微调和等待时间不太敏感，而是极度看重披萨本身的口感与制作质量。

2. 消费者非耐心价值 (Value of Time, VOT) 的微观量化与异质性分布

通过计算等待时间与价格的边际替代率，表 4 依据非耐心程度（时间敏感度系数分位数）将消费者划分为五等分群体，全面量化了不同客群的等待时间货币价值：

非耐心程度分位数	时间系数中位数	1分钟等待价值 (€ / %)	10%提速价值 (€ / %)	25%提速价值 (€ / %)	50%提速价值 (€ / %)
0% - 20% (最耐心群体)	-25.5	0.14 € (1.2%)	0.30 € (2.7%)	0.75 € (6.8%)	1.50 € (13.7%)
20% - 40% (次耐心群体)	-31.4	0.17 € (1.5%)	0.37 € (3.4%)	0.93 € (8.4%)	1.85 € (16.8%)
40% - 60% (中位数群体)	-39.2	0.21 € (1.9%)	0.46 € (4.2%)	1.16 € (10.5%)	2.31 € (21.0%)
60% - 80% (较高非耐心群体)	-44.8	0.24 € (2.2%)	0.53 € (4.8%)	1.32 € (12.0%)	2.64 € (24.0%)
80% - 100% (极度非耐心群体)	-55.9	0.30 € (2.7%)	0.66 € (6.0%)	1.65 € (15.0%)	3.29 € (30.0%)

数据直观揭示：消费者非耐心呈现出高度的右偏异质性。对于中位数群体，节省50%的等待时间愿意支付2.31欧元，占订单均价的21%；而对最非耐心的前20%用户，节省1分钟即价值0.30欧元，50%的极速配送使其愿意多支付3.29欧元（高达30%的溢价）。这种跨人群的巨大支付意愿落差，为后文平台的差别定价设计提供了最直接的微观实证依据。

3. 交叉价格弹性随空间距离的剧烈衰减

实证计算的交叉价格弹性深度揭示了非耐心对空间价格竞争的软化效应：

（1）极度陡峭的空间衰减曲线：距离在1公里以内的披萨店之间，交叉价格弹性中位数为 0.014；当距离扩大至2公里时，交叉弹性骤降至 0.0085（腰斩近50%）；当距离扩大至4公里时降至 0.0075；而当距离达到7公里以上（跨越市中心与外围）时，交叉价格弹性降至 0.001 附近，几乎等同于零。

（2）经济含义解释：当一家披萨店降价20%发起激烈价格促销时，1公里内的邻近竞品将损失约0.30%的市场份额；2公里处的商户仅损失0.15%；而对于相距5公里以上的商户，该降价行为带来的市场分流仅为微不足道的0.02%。正是因为消费者极度非耐心，远距离商户无法跨区构成有效的价格竞争约束，使得城市被分割为无数个细碎的微型垄断孤岛。

4. 地理区位与产品品质的空间错配现状

通过提取结构模型中估计出的各披萨店真实基准品质固定效应 ${\overline{\alpha}}_{j}$ 并将其与空间地理区位和市场份额进行匹配，作者挖掘出了当前市场结构中一个惊人的“劣币驱逐良币”扭曲现象：

（1）品质与区位的负向错配：全城最低品质分位（后25%）的披萨店，其与消费者的平均物理距离反而比全城最高品质分位（前25%）的披萨店近20%。大量品质平庸的披萨店聚集在人流高度密集的市中心，依靠“地利之便”攫取了与其实际品质极不匹配的超额市场份额。严格的单尾 $t$ 检验表明，市中心顶级商户的平均品质显著低于郊区顶级商户（$t_{12} = - 2.13,p = 0.026$）。

（2）高品质商户受困于郊区：由于市中心租金高昂（为郊区的两倍以上），许多坚守传统手工烘焙、食材考究的真正高品质名店往往选择将工坊开设在租金低廉的郊区或内环外缘。然而，受制于传统摩托车骑手较长的配送在途时间，这些高品质商户难以穿透市中心，其庞大的品质潜力被空间与等待时间牢牢封锁。全市场基准 HHI 为 422.9，这种相对低水平的集中度并非代表健康的充分竞争，而是由地理空间阻隔导致的“无效率碎片化”。

六、 反事实政策模拟与前沿技术推演

1. 反事实实验一：自动化新技术（无人机/配送机器人）对市场结构的非对称颠覆

在第一个反事实政策实验中，作者设定全行业接入了能将配送时间压缩 25%、50%、75%、90%、95% 直至 100%（即在途运输耗时完全消除）的自主无人机或配送机器人系统。为了保持现实可行性，模型设定：（1）外部选择项同样享受物流提速增益，以控制餐饮大盘总体扩张；（2）商户需为新技术承担边际技术成本，分别模拟增量技术成本为基础价格的 0%、10% 和 20% 三种情形；（3）设定内生性破产退出机制：根据与行业店主的深度访谈，外卖披萨店属于薄利重固定成本模式，若单店利润因竞争恶化下降 30% 及以上，商户将因无法覆盖房租和基本人工而在长期被迫关闭退出（Sequential Exit）。

表 5 总结了技术创新对全市场价格、消费者福利以及行业利润的宏观影响：

技术提速幅度	技术成本 0% (价格Δ / 福利增益 / 利润Δ)	技术成本 10% (价格Δ / 福利增益 / 利润Δ)	技术成本 20% (价格Δ / 福利增益 / 利润Δ)
配送时间 -25%	+0.55% / 26.33 € / +9.62k € (+30.7%)	+10.53% / 23.22 € / +0.86k € (+2.7%)	+20.55% / 20.61 € / -6.02k € (-19.2%)
配送时间 -50%	+0.57% / 56.16 € / +7.03k € (+22.4%)	+10.56% / 52.43 € / +0.60k € (+1.9%)	+20.58% / 49.19 € / -5.08k € (-16.2%)
配送时间 -75%	+0.60% / 90.79 € / +8.46k € (+27.0%)	+10.60% / 86.38 € / +2.85k € (+9.1%)	+20.62% / 82.41 € / -2.31k € (-7.4%)
配送时间 -90%	+0.63% / 115.19 € / +9.88k € (+31.5%)	+10.62% / 110.37 € / +4.71k € (+15.0%)	+20.65% / 105.94 € / -0.09k € (-0.3%)
配送时间 -95%	+0.64% / 124.29 € / +10.42k € (+33.2%)	+10.63% / 119.33 € / +5.39k € (+17.2%)	+20.66% / 114.74 € / +0.72k € (+2.3%)
配送时间 -100%	+0.65% / 134.11 € / +11.00k € (+35.1%)	+10.64% / 129.02 € / +6.12k € (+19.5%)	+20.67% / 124.26 € / +1.58k € (+5.1%)

表 6 则完整揭示了市场集中度（HHI 指数）在不同提速幅度与成本情境下的动态变化：

配送提速幅度	技术成本 0% (HHI / 变动率)	技术成本 10% (HHI / 变动率)	技术成本 20% (HHI / 变动率)
当前基准情境 (0%)	422.9 (基准)	422.9 (基准)	422.9 (基准)
配送时间 -25%	381.9 (-9.7%)	384.1 (-9.2%)	434.3 (+2.7%)
配送时间 -50%	364.2 (-13.9%)	386.7 (-8.6%)	489.5 (+15.8%)
配送时间 -75%	349.3 (-17.4%)	410.8 (-2.9%)	454.3 (+7.4%)
配送时间 -90%	409.2 (-3.2%)	433.5 (+2.5%)	456.0 (+7.8%)
配送时间 -95%	439.5 (+3.9%)	471.7 (+11.6%)	502.7 (+18.9%)
配送时间 -100%	511.7 (+21.0%)	518.6 (+22.6%)	575.1 (+36.0%)

结合表5与表6，实验一展现出三大震撼性的实证发现：

第一，市场集中度的“U型”大反转。在技术成本为10%的基准情境下，当技术提速25%至50%时，HHI 分别下降 9.2% 和 8.6%，因为轻度提速率先打破了市中心头部商户的局部近邻垄断，分散了客流；但当配送提速突破75%、并在90%~100%时，HHI 触底强势反弹，在100%极限提速下集中度大幅激增22.6%至518.6（在20%成本情境下更是激增36.0%至575.1）。市场完成了从“去集中化”向“高品质寡头垄断”的历史性转变。

第二，品质两极分化下的“超级明星利润虹吸”。在10%技术成本下，当配送时间减少75%时，处于全城前25%的顶级高品质披萨店利润逆势暴涨 52%，在100%提速下利润暴涨超过 100%；反观后25%的低品质披萨店，其利润在75%提速下萎缩 16%，在100%提速下萎缩 27%。

第三，空间区位退出的非对称屠戮。在10%技术成本下，当配送时间缩短75%时，市中心竟然有高达 45% 的披萨店因无法承受亏损而关店退出，内环退出率为 10%，而外围郊区的披萨店退出率为惊人的 0%！在100%提速下，市中心退出率进一步攀升至 65%，内环退出 19%，郊区依然保持仅 1% 的极低退出率。这一模拟生动表明：无人机等极速物流不会拯救市中心平庸商户，反而会使郊区优质商户获得全城投送能力，对市中心高租金、低品质实体店实施降维打击。

2. 反事实实验二：外卖平台基于消费者非耐心的二级价格歧视（优质配送增值服务）

第二个反事实实验立足于平台商业模式创新。既然消费者展现出强烈的非耐心与高度异质性，平台完全有动机在普通配送之外推出一项“提速10%的优质加速配送服务（Premium Delivery）”。该服务由平台全权统筹运力（如招募专属加急骑手、优化优先派单算法），并向消费者收取额外加价。

模型基准设定：平台向商户抽取30%基础佣金（行业基准水平）；普通订单无额外加价，优质订单每单由平台承担 0.8 欧元的骑手履约增量成本（Castillo 2025）；同时对比两种供给侧成本结构：（1）固定边际成本情境（Fixed Cost）；（2）运力拥堵突增成本情境（Surge Cost）：当优质服务采纳率超过50%时，由于短时间内兼职运力耗尽，每单履约边际成本将上浮至基础成本的 1.25 至 2.0 倍。

表 7 报告了平台在不同溢价费率（按基础订单价格的百分比）下的采纳率、福利效应及双边利润变动：

优质溢价费率	优质采纳率	消费者福利增益	平均售价变动	商户利润增量 (€/%)	固定成本平台利润 (€/%)	突增成本平台利润 (€/%)
加价 5.0%	100.0%	242.9k €	+0.034%	+21.00k € (+19.9%)	+3.56k € (+4.3%)	-29.67k € (-35.7%)
加价 7.5%	100.0%	186.4k €	+0.029%	+15.49k € (+14.7%)	+10.54k € (+12.7%)	-21.26k € (-25.6%)
加价 10.0% [固成最优]	91.8%	132.4k €	+0.023%	+10.16k € (+9.6%)	+15.51k € (+18.7%)	-7.08k € (-8.5%)
加价 12.5% [突增最优]	52.3%	84.0k €	+0.017%	+5.89k € (+5.6%)	+9.32k € (+11.2%)	+9.08k € (+10.9%)
加价 15.0%	33.6%	48.3k €	+0.012%	+3.63k € (+3.4%)	+6.21k € (+7.5%)	+6.21k € (+7.5%)
加价 17.5%	18.3%	23.5k €	+0.009%	+2.37k € (+2.2%)	+3.77k € (+4.5%)	+3.77k € (+4.5%)
加价 20.0%	11.2%	11.2k €	+0.008%	+1.82k € (+1.7%)	+2.76k € (+3.3%)	+2.76k € (+3.3%)
加价 22.5%	7.1%	4.9k €	+0.007%	+1.55k € (+1.5%)	+2.16k € (+2.6%)	+2.16k € (+2.6%)
加价 25.0%	5.1%	2.0k €	+0.007%	+1.44k € (+1.4%)	+1.76k € (+2.1%)	+1.76k € (+2.1%)
加价 27.5%	3.9%	0.8k €	+0.007%	+1.39k € (+1.3%)	+1.44k € (+1.7%)	+1.44k € (+1.7%)
加价 30.0%	3.1%	0.3k €	+0.006%	+1.37k € (+1.3%)	+1.16k € (+1.4%)	+1.16k € (+1.4%)

模拟结果揭示了极为精彩的平台微观机制设计规律：

第一，固定成本情境下的最优费率与利润杠杆：当履约成本恒定时，平台利润在加价 10.0% 处达到全局最大值。此时优质服务采纳率高达 91.8%，平台利润净增 15.51k 欧元（增幅达 18.7%）。增益来源有二：一是加急订单本身扣除成本后的净加成收益（每单增厚约0.29欧元）；二是提速刺激了高非耐心用户的下单频次，为平台贡献了更多的商户基础佣金。商户总利润亦同步上升 9.6%，消费者福利净增 132.4k 欧元，实现了平台、优质商户与消费者的“三赢”。

第二，运力瓶颈与突增成本对定价策略的重塑：在考虑高峰期运力约束与供给侧突增成本时，若加价过低（如5%~10%），过高的采纳率（>90%）将引发严酷的运力超载，暴增的履约成本会导致平台深陷严重亏损（-8.5%至-35.7%）；此时，平台的理性策略是将溢价费率上调至 12.5%，将采纳率合理抑制在 52.3%，从而在避开拥堵惩罚的同时实现平台利润最大化（净增长 10.9%）。

七、 全文结论的经济学理论与管理实践启示

综合全篇的实证估计与反事实推演，本研究对数字经济平台运营、实体餐饮零售企业战略转型以及政府宏观城市规划与反垄断规制，提供了极为深远而深刻的启示：

1. 对本地生活与即时电商数字平台的运营启示

（1）从“单一定价”走向“时间菜单式二级价格歧视”：外卖平台与即时电商长期习惯于通过免运费或统一定价吸引流量，忽略了用户在非耐心维度的巨大异质性。研究证实，平台应当根据消费者的时间敏感情境，主动设计分层分级的履约产品矩阵（例如对标 Uber 的“Priority 加速达”与“Wait & Save 省钱慢送”）。通过向时间敏感型白领或家庭聚餐场景加收10%~15%的溢价，平台不仅能开辟高毛利的增值收入第二增长曲线，还能将额外利润反哺运力生态。

（2）将运力拥堵突增成本内生化于动态定价机制：反事实实验表明，缺乏弹性的低价加速策略可能引发致命的运力踩踏与履约亏损。平台必须构建智能调度与动态溢价算法，当某一商圈的加急订单渗透率接近运力阈值（如50%）时，系统应自动阶梯式调高加急服务费率，以价格机制精准筛选出真正极度非耐心的刚需用户，维持平台全系统的经济稳健性。

2. 对餐饮、零售企业及中小商户的战略启示

（1）打破传统“黄金地段崇拜”，重塑“品质第一”的核心护城河：千百年来，实体零售的核心真理被归结为“地段、地段、还是地段”。然而，本研究敲响了时代警钟：在无人机与无人车重构末端物流的未来，地段优势实质上是一座建立在“消费者非耐心摩擦”之上的脆弱沙堡。随着配送提速超过75%，依靠核心商圈人流红利但品质平庸的商户将遭遇毁灭性打击（市中心淘汰率高达45%~65%）。餐饮企业未来的生死分水岭，在于是否拥有不可替代的真实产品力。

（2）拥抱“郊区中央厨房 / 幽灵厨房（Ghost Kitchen）+ 极速低空物流”的新物种模式：研究清晰表明，郊区商户将是无人机物流革命的最大赢家。具有高度战略眼光的餐饮企业家应当主动调整重资产布局：不必在市中心盲目卷入畸高的商铺租金竞赛，而应在城市外围租金极其低廉的产业园设立高产能、高卫生标准的专业制作工坊（Cloud/Ghost Kitchens），配备无人机起降坪，依托极速航空物流以极低成本覆盖全城，对市中心高成本传统名店实施跨区域的性价比与品质降维截流。

3. 对宏观经济规制、城市空间规划与政策制定者的启示

（1）前瞻性防范核心商圈实体商业的“空心化（Hollowing-out）”与商用物业资产价值重估：反事实模拟显示，极速配送技术普及后，大量原本扎根市中心满足周边日常餐饮的街头小店将大规模倒闭。城市规划管理者必须意识到，市中心底层商铺可能面临大面积闲置空置的严峻挑战，商业地产的租金定价模型将被系统性重写。城市管理者需提前推动市中心临街空间从“传统功能性小吃外卖”向“沉浸式文旅体验、社交文化消费与高端首店堂食”转型升级。

（2）超前规划新型数字低空基础设施（Low-Altitude Logistics）：技术红利的释放取决于物理基础设施的承载能力。地方政府与交通管理部门应前瞻性地将自动化无人机空中走廊、智能充换电机场、社区楼宇无人物流接驳柜等纳入新型智慧城市基础设施建设规划，打通空地联运的法规准入壁垒。

（3）反垄断监管需高度警惕“超级明星垄断（Superstar Monopoly）”：当技术完全消除了空间保护屏障后，市场集中度将激增20%至36%以上，全城市场份额将迅速向少数几家工业化、标准化能力极强的顶级超级明星连锁商户倾斜。反垄断与中小企业扶持机构必须密切关注新业态下的垄断兼并与不正当竞争，保障中小特色小微餐饮的生存空间与行业生物多样性，防止平台与巨头商户联手扼杀长尾创新。

八、 全文参考文献 (References)

本文严格依据国际顶尖学术规范，将论文引用的主要经典与前沿文献整理著录如下：

Albuquerque P, Bronnenberg BJ (2009) Estimating demand heterogeneity using aggregated data: An application to the frozen pizza category. Marketing Science 28(2):356–372.

Autor D, Dorn D, Katz LF, Patterson C, Reenen JV (2020) The fall of the labor share and the rise of superstar firms. Quarterly Journal of Economics 135(2):645–709.

Bar-Isaac H, Caruana G, Cuñat V (2012) Search, design, and market structure. American Economic Review 102(2):1140–1160.

Berry ST, Levinsohn J, Pakes A (1995) Automobile prices in market equilibrium. Econometrica 63(4):841–890.

Berto Villas-Boas S (2007) Vertical relationships between manufacturers and retailers: Inference with limited data. Review of Economic Studies 74(2):625–652.

Bloom N, Propper C, Seiler S, Reenen JV (2015) The impact of competition on management quality: Evidence from public hospitals. Review of Economic Studies 82(2):457–489.

Borusyak K, Bravo MC, Hull P (2025) Estimating demand with recentered instruments. arXiv preprint arXiv:2504.04056.

Borusyak K, Hull P, Jaravel X (2025) A practical guide to shift-share instruments. Journal of Economic Perspectives 39(1):181–204.

Buchholz N, Doval L, Kastl J, Matejka F, Salz T (2025) Personalized pricing and the value of time: Evidence from auctioned cab rides. Econometrica 93(3):929–958.

Castillo JC (2025) Who benefits from surge pricing? Econometrica 93(5):1811–1854.

Chen HA, Ng S, Rao AR (2005) Cultural differences in consumer impatience. Journal of Marketing Research 42(3):291–301.

Chen M, Hu M, Wang J (2022) Food delivery service and restaurant: Friend or foe? Management Science 68(9):6539–6551.

Chintagunta PK, Dubé J-P, Goh KY (2005) Beyond the endogeneity bias: The effect of unmeasured brand characteristics on household-level brand choice models. Management Science 51(5):832–849.

Choo L (2024) Want your packages delivered faster and cheaper? AI is on the case. The Wall Street Journal (January 21).

Davis P (2006) Spatial competition in retail markets: Movie theaters. RAND Journal of Economics 37(4):964–982.

Ellickson PB (2007) Does Sutton apply to supermarkets? RAND Journal of Economics 38(1):43–59.

Feldman P, Frazelle AE, Swinney R (2023) Managing relationships between restaurants and food delivery platforms: Conflict, contracts, and coordination. Management Science 69(2):812–823.

Goldfarb A, Tucker C (2019) Digital economics. Journal of Economic Literature 57(1):3–43.

Goldsmith-Pinkham P, Sorkin I, Swift H (2020) Bartik instruments: What, when, why, and how. American Economic Review 110(8):2586–2624.

Goolsbee A, Petrin A (2004) The consumer gains from direct broadcast satellites and the competition with cable TV. Econometrica 72(2):351–381.

Gui G, Drerup T (2022) Designing promises with reference-dependent customers: The case of online grocery delivery time. SSRN Working Paper 4298782.

Hotelling H (1929) Stability in competition. The Economic Journal 39(153):41–57.

Houde J-F (2012) Spatial differentiation and vertical mergers in retail markets for gasoline. American Economic Review 102(5):2147–2182.

Huang Y, Bronnenberg BJ (2022) Consumer transportation costs and the value of e-commerce: Evidence from the Dutch apparel industry. Marketing Science 41(5):984–1003.

Kahneman D, Knetsch JL, Thaler RH (1991) The endowment effect, loss aversion, and status quo bias. Journal of Economic Perspectives 5(1):193–206.

Koopmans TC (1960) Stationary ordinal utility and impatience. Econometrica 28(2):287–309.

Kwon SY, Ma Y, Zimmermann K (2024) 100 years of rising corporate concentration. American Economic Review 114(7):2111–2140.

Laibson D (1997) Golden eggs and hyperbolic discounting. Quarterly Journal of Economics 112(2):443–477.

Rosen S (1981) The economics of superstars. American Economic Review 71(5):845–858.

Seol C, Rossi F, Valentini S, Montaguti E (2026) Consumer impatience, technological innovation, and market structure. Marketing Science 45(5):913–929.

Sutton J (1991) Sunk Costs and Market Structure: Price Competition, Advertising, and the Evolution of Concentration. MIT Press, Cambridge, MA.

Taylor W, Hollenbeck B (2021) Leveraging loyalty programs using competitor based targeting. Quantitative Marketing and Economics 19(3-4):417–455.

Thomadsen R (2005) The effect of ownership structure on prices in geographically differentiated industries. RAND Journal of Economics 36(4):908–929.

Yoo H, Vitorino MA, Yao S (2023) Hospital competition and quality: Evidence from the entry of the high-speed train in South Korea. Working Paper, Sciences Po, Paris.