数字匹配市场的特点是用户异构，容量有限和动态的市场清理。 这些功能会在用户之间造成溢出。 例如，一位客人预订的Airbnb房源无法在同一晚被另一位客人预订。 溢出限制了许多用于评估市场政策效果的实验和观察方法的适用性。 在本文中，我展示了如何使用市场模拟作为用户获取策略和排名算法设计的输入。 我使用来自Airbnb的搜索和交易数据来校准市场模拟，并将其用于解决三个主题：匹配的规模收益，用户获取收益的异质性以及实验设计中偏差的大小。 我发现规模收益最初是由于市场厚度的影响而增加，然后由于搜索中的可用性摩擦而减少。 此外，平台上商品价值的异质性很大-取决于预订质量的四分位数，预订量增加25％的商品获得的影响介于-4.1％和5.4％之间。 然后，我测量由于溢出而导致的实验治疗效果的偏差程度。 当四分之一的用户随机接受治疗时，更好的排名算法对转化率的治疗效果被夸大了53％。
