# Заметки — P23-SCI-SALES (наука: продажи, маркетинг, рекомендации, цены)

## Проверка дублей (до начала работы)

- `grep 'fresh_lit' W/known-url-map.jsonl` → 30 записей волны v1.0, ни одна не относится к продажам/маркетингу/рекомендациям/ценам (в основном образование, медицина, NBER-продуктивность в целом) — прямых дублей по теме пакета нет.
- Две выбранные работы (arXiv:2510.12049 и arXiv:2603.29888) уже присутствуют в `known-url-map.jsonl` как **`source`** (SCI-WORK-SRC-005, SCI-WORK-SRC-006) и как **`case`** (SCI-WORK-CASE-002 — платформа онлайн-ритейла; SCI-WORK-CASE-001 — Alibaba/Taobao) из предыдущей итерации/пакета практик. Карточек `record_kind: work` по этим URL раньше не было. Решение: завести карточки `work` (новый тип записи, фиксирующий саму научную работу — методологию, версии, `transfer_limits`), `novelty: new`, с явной перекрёстной ссылкой на прежние ID в `next_action`, чтобы координатор мог решить об объединении/связывании. Дублирования текста «практики» не создаётся — карточки `work` не описывают организацию/процесс, а разбирают публикацию как научный артефакт.
- Остальные 6 работ (2606.08265, 2512.03373, 2609.13037, 2608.00102, 2605.18673, NBER w34950) — не встречаются ни в `known-url-map.jsonl`, ни в `known-urls-v0.2-v1.0.txt`, ни по названию/авторам в `known-sources-v0.2.json` / `known-e4-cases.json` / `known-by-type.json`.

## Ход поиска (7 из 12 веб-поисков использовано)

1. `arxiv 2025 LLM agent sales negotiation field experiment` — переговорные LLM-агенты; пул кандидатов (2608.07538, 2506.15928 и др.) — не взято в карточки: в основном лабораторные бенчмарки переговоров без делового поля, дублируют покрытие уже выбранной работы про Alibaba/ритейл.
2. `arxiv 2025 recommender system field experiment e-commerce conversion` → найдена 2606.08265 (взята).
3. `arxiv 2025 algorithmic pricing LLM collusion pricing agents` → пул work по сговору цен; выбрана свежая 2609.13037 (не 2404.00806 Fish et al. — она от апреля 2024, вне окна свежести 12 мес. без явной необходимости заводить historical_basis; используется как контекст в `next_action` карточки W05, отдельной карточкой не заведена).
4. `arxiv 2025 generative AI personalized marketing recommendation persuasion` → найдена 2512.03373 (взята) и 2605.18673 (взята).
5. `NBER working paper 2025 2026 algorithmic pricing personalized pricing AI` → найдена NBER w34950 (взята); также замечены w34070 «Algorithmic Coercion with Faster Pricing» (Brown & MacKay, теоретическая модель ускоренного реагирования цен) и w34054 «AI-Powered Trading, Algorithmic Collusion, and Price Efficiency» — не взяты в карточки (бюджет открытий, целевые 8 работ уже набраны с лучшим покрытием тем); занесены в очередь ниже.
6. `SSRN 2025 2026 generative AI sales productivity B2B salespeople` → SSRN-специфичных препринтов по теме не найдено (в основном блоги/статистика вендоров и уже найденные arXiv-работы). В остатке — arXiv:2603.29888 (взята).
7. `arxiv 2025 LLM sales agent B2B chatbot conversion field experiment` → подтверждён пул (asLLR auto sales, SalesLoop, B2B chatbot landing pages в ScienceDirect) — не взяты: ScienceDirect-статья за пейволлом (реферат недоступен без подписки), остальные — узкие ML-бенчмарки без делового поля сопоставимого качества с уже отобранными 8 работами.

Остаток бюджета: 5 веб-поисков и 6 открытий/загрузок не использованы — оставлены координатору как резерв (не добивал число нерелевантным).

## Очередь на будущее (найдено по сниппетам, не прочитано → не карточки)

- NBER w34070 — Brown, MacKay, "Algorithmic Coercion with Faster Pricing" (июль 2025, ред. январь 2026) — теоретическая модель ценовой конкуренции при разной скорости реакции алгоритма. https://www.nber.org/papers/w34070
- NBER w34054 — Dou, Goldstein, Ji, "AI-Powered Trading, Algorithmic Collusion, and Price Efficiency" — про финансовые рынки, не про продажи/маркетинг напрямую, но смежно по механике сговора. https://www.nber.org/papers/w34054
- arXiv:2607.16343 — "When Pricing Agents Meet Buying Agents: Personalized Pricing and Verifiable Trust" — потенциально релевантна персонализированному ценообразованию между агентами покупателя и продавца.
- arXiv:2609.14900 — "First Impressions: How Placement Shapes the Influence of AI Summaries" — про влияние размещения ИИ-сводок на решения, смежно с рекомендациями/поиском.
- arXiv:2606.10907 — "From Prompt to Purchase: How AI Brand Recommendations Move Consumers on the Open Web" — рекомендации брендов ИИ-ассистентами и влияние на потребителей.
- ScienceDirect: "From static to conversational: The role of landing pages and chatbots in B2B lead generation" — за пейволлом, реферат не прочитан.

## Отклонено (не карточки)

- arXiv:2404.00806 Fish, Gonczarowski, Shorrer, "Algorithmic Collusion by Large Language Models" — основополагающая работа по теме, но первая версия — апрель 2024, вне 12-месячного окна свежести; отдельную карточку с пометкой `historical_basis` не заводили, так как более новая работа (2609.13037), прямо её воспроизводящая и развивающая, уже взята и полностью описывает контекст оригинала.
- Множество лабораторных бенчмарков LLM-переговоров без делового контекста ("Deal Me Maybe", "Counterparty Modeling is Not Strategy" и т. п.) — дублируют покрытие уже отобранных работ по теме "агенты в продажах/ценах", не добавляют разнообразия при ограниченном бюджете открытий.

## Прочитанное

Все 8 карточек прочитаны full_text: скачаны оригинальные PDF (`curl -L`) в `raw/`, минимальный `pdftotext -layout` в `raw/*.extract.txt` для чтения Abstract, Results/Findings и разделов Limitations (без массовой конвертации всего текста). Abs-страницы arXiv сохранены отдельно (`raw/abs_*.html`) для дат версий/авторов. Страница и PDF NBER w34950 открыты без пейволла.

## Бюджет (итог)

- Веб-поиски: 7 / 12.
- Открытия/загрузки (WebFetch + curl вместе): 16 / 22 — 7 abs-страниц (curl) + 7 PDF arXiv (curl) + 1 страница NBER (curl) + 1 PDF NBER (curl).

## Доработка (по W/findings/V6-M2.json и V6-summary.txt, координатор 24.09)

Бюджет доработки: 0 поисков, 0 открытий — все правки сделаны по уже сохранённым `raw/*.pdf` и `raw/*.extract.txt`, без новых сетевых запросов. Исходная версия карточек сохранена как `cards.v1.jsonl`.

1. **W01** (Generative AI and Sales Productivity): добавлено поле `reliability_note` — трое из пяти авторов (Fang, Yuan, Zhang) связаны с компанией-партнёром (консультанты/сотрудник) по раскрытию в сноске §; независимы Donati и Sarvary (Columbia). В `key_finding_ru` добавлены оговорки из аннотации/текста: эффект зависит от «предельного вклада GenAI относительно базовой практики фирмы», оценка $5 — расчётная (implied), измерены продажи, а не прибыль. Исправлена опечатка в `claims[3].verification_scope`. `novelty`/`prior_id` не трогал — оставил координатору, как указано.
2. **W02** (Alibaba customer service): добавлен `reliability_note` — двое из шести авторов (Yitong Wang, Congyi Zhou) являются сотрудниками Alibaba Group Inc. (аффилиация «e» на титульном листе), то есть изучаемой компании; остальные — независимые академические авторы (Fudan, Zhejiang, Dartmouth Tuck).
3. **W06** (Bazaar / LLM pricing agents): добавлен `reliability_note` — все четыре автора (Ahmed, Cai, Minaei, Rachuri) из Visa Research. В `transfer_limits` добавлены опущенные ограничения из раздела Limitations PDF: один LLM против трёх одинаковых ботов (не мульти-LLM конкуренция; авторская формулировка «a controlled probe of pricing skill, not a simulation of live markets»), один крупный шок предпочтений без изучения дрейфа/повторных шоков, качественный (не систематический) анализ рассуждений, просьба авторов трактовать разрывы как «relative signals rather than absolute deployment forecasts», и риск дискриминационного ценообразования (кластеры клиентов могут коррелировать с защищёнными группами в реальных рынках, хотя сам бенчмарк намеренно исключает признаки идентичности). Смягчена формулировка про «лидеров по прибыли/привлечению» — в оригинале «are often not», не абсолютное расхождение.
4. **Самоаудит аффилиации авторов по остальным карточкам** (локально по титульным листам сохранённых PDF, без новых открытий): W03 — Olin Business School, WashU, чисто академическая аффилиация, конфликта не обнаружено; W04 — University of Queensland / Zurich, конфликта не обнаружено; W05 — University of Massachusetts Amherst, один автор, конфликта не обнаружено; W07 — University of Michigan, конфликта не обнаружено; W08 — авторы (Stanford, University of Georgia, Northeastern) академические, но исследование велось в сотрудничестве с командой Stones2Milestones (разработчик изучаемого приложения Freadom) — не аффилиация авторов, но канал доступа к данным платформы; профинансировано Golub Capital Social Impact Lab. Для всех 8 карточек добавлено поле `reliability_note` с результатом проверки (конфликт найден/не найден и почему).
5. **files.jsonl**: досчитан `sha256` для всех 7 arXiv abs-страниц и страницы NBER (были `null`) — прямым `shasum -a 256` по уже сохранённым локальным файлам, без сетевых обращений.
6. **sources[].reading_scope**: для всех записей об abs-страницах (url `arxiv.org/abs/...` и `nber.org/papers/w34950`) исправлено с `full_text` на `metadata_only` — сама abs-страница даёт только метаданные (авторы, история версий, аннотация-тизер), полный текст прочитан из PDF, эта запись сохранена как `full_text` отдельно. Для W08 источники разделены на PDF (`full_text`, F08) и страницу метаданных (`metadata_only`, F08-PAGE) — ранее были слиты в одну запись с несоответствующим URL/file_id.
7. Валидатор после правок: `8 cards, 0 problems`.