香港中文大学（深圳）全奖博士项目（Liu MING教授）

一、导师简介

Liu MING教授于香港中文大学（深圳）管理与经济学院担任副教授，获SFI Fellow头衔。其学术训练路径呈现清晰的北美顶尖院校轨迹：2017年夏季完成马里兰大学Robert H. Smith商学院运营管理学博士训练，此前在密歇根大学安娜堡分校同期取得应用统计学与工业与运筹工程双硕士学位，本科阶段则在上海交通大学工业工程与管理专业获得学士学位。

在中国互联网协会共享经济委员会，MING教授担任专家顾问。这一实践身份使其研究直接触达产业决策层。学术上，MING教授将重心置于实证运营管理（Empirical Operations Management）与运营管理经济学（Economics of Operations Management），具体围绕互联网经济与共享经济下的动态定价、消费者选择及容量管理展开。此种研究取向与数字经济的产业转型需求形成直接对应，理论深度与应用价值并存。

从教育背景看，Ming教授同时具备统计学、运筹学与运营管理的复合训练，这在实证研究中构成方法论优势——既能构建理论模型，又能处理复杂数据。顾问身份则保证其研究问题源于真实痛点，避免纯理论模型的空转。

二、近期文章和项目解析

MING教授近年发表呈现三个稳定特征：聚焦平台经济、依赖实证数据、呈现学科交叉。

（一）内容电商平台的算法黑箱解密

2023年，Ming, L.在Harvard Business Review 24(3)刊发"The Secret of Content Ecommerce Platforms AI Algorithms"。此文拆解内容电商平台人工智能算法的运作机制，说明算法如何融合用户行为数据、内容特征与价格信号完成精准匹配。Harvard Business Review的期刊定位决定了该研究需平衡学术严谨性与行业可读性，成果为平台管理者提供了算法治理的直接参考。

选择Harvard Business Review而非纯学术期刊，暗示该研究更侧重管理洞见而非技术细节。这体现了学者对研究影响路径的主动选择——影响决策者比影响学术界同行可能产生更直接的产业改变。

（二）即时配送平台的实证数据价值

Mao, W., Rong, Y., Tang, C. S., & Zheng, H. (2022)在Manufacturing & Service Operations Management 24(5)发表"On-Demand Meal Delivery Platforms: Operational Level Data and Research Opportunities"。此文系统梳理即时送餐平台的运营层级数据结构，识别配送时间、需求波动、骑手行为等核心变量，并明确指出现有实证研究的空白地带。研究反复强调：平台产生的实时数据为运营管理理论验证提供了天然实验场。

该文的价值在于方法论层面——它不急于建立模型，而是先描绘"数据地图"。这种"研究机会"类文章往往预示一个新兴领域的开启，后续大量实证研究会基于此框架展开。

（三）团购机制的需求扭曲效应

Ming, L., & Tunca, T. I. (2022)在Manufacturing & Service Operations Management 24(3)发表"Consumer Equilibrium, Demand Effects, and Efficiency in Group Buying"。此文构建团购情境下的消费者均衡模型，量化需求效应与效率损失。研究发现，团购价格阈值机制会诱发消费者策略性等待，进而造成需求扭曲。成果为团购平台设计最优价格机制提供了理论基石。

团购研究揭示了一个反直觉现象：看似优惠的机制可能降低市场效率。这类研究提醒平台设计者，需考虑消费者的策略性行为，而非仅关注短期交易量。

（四）网约车司机激励的结构计量分析

Chen, X., Li, Z., & Zhu, W. (2022)在Manufacturing & Service Operations Management 24(2)发表"The Incentive Game Under Target Effects in Ridesharing: A Structural Econometric Analysis"。此文采用结构计量经济学方法，分析网约车平台目标效应下的司机激励博弈。研究揭示，平台设定的接单目标会改变司机的时空选择策略，最终影响市场匹配效率。

结构计量方法的优势在于可反事实模拟——研究者能评估"如果平台改变激励规则，司机行为会如何变"。这赋予研究更强的政策评估能力，超出描述性统计的局限。

（五）教育数据应用的跨界尝试

Bai, J., Yu, Z., & Ming, L. (2020)在e-Education Research 10发表"Exploration of Collaborative Innovation Community Model for Application of Educational Data in Regional Teaching and Research"。此文将运营管理中的协同创新模型迁移至教育数据应用场景，探讨区域教研中的数据共享机制。这一研究展现了MING教授将运营思维应用于公共事业的学术视野拓展。

教育领域的数据孤岛问题与商业平台的数据垄断形成有趣对比。该研究试图用运营管理的协同机制解决公共部门的数据共享难题，体现学者的问题导向而非领域导向。

三、未来研究预测

基于MING教授既有路径与平台经济领域演进态势，其未来研究方向可做出以下判断：

（一）创新平台设计深化

平台经济研究正经历从双边市场理论向复杂网络基础上的商业模式创新迁移。MING教授可能进一步探索多边平台的动态定价机制，特别是数据要素市场兴起后，平台如何设计交易规则与价值分配方案。此方向需融合博弈论、网络科学与实证分析，技术门槛较高。

数据要素市场化是中国近期的政策重点，若MING教授能结合其顾问身份获取产业数据，可能产出具有政策影响力的研究。关键在于能否拿到平台的真实交易数据。

（二）监管政策效果评估

平台经济在劳工权益、税收、市场竞争等方面遭遇监管挑战。未来研究可运用实证数据评估政策干预效果，例如最低工资制度对骑手供给的影响、排他性条款对市场竞争的抑制程度。该方向要求研究者平衡学术客观性与政策相关性，避免沦为政策辩护工具。

此类研究需要长时段数据与准自然实验设计。深圳作为监管沙盒试点城市，为这类研究提供了理想场景。学者的独立性在此类研究中尤为重要。

（三）信任机制的量化建模

用户验证、数据隐私和争议解决机制构成平台治理核心。MING教授可能构建量化模型，评估不同信任机制对交易效率的影响，或分析数据泄露事件对平台价值的冲击。该方向需将行为经济学与风险管理理论融入运营管理框架，理论整合难度较大。

信任机制研究往往陷入"无法量化"的困境。若MING教授能利用其在共享经济委员会的资源，设计实地实验（field experiment），可能突破这一瓶颈。