考虑线上线下需求迁移下的供应链O2O最优服务决策研究

范丹丹，徐 琪，王文杰

(东华大学旭日工商管理学院，上海 200051)

考虑线上线下需求迁移下的供应链O2O最优服务决策研究

范丹丹，徐 琪，王文杰

(东华大学旭日工商管理学院，上海 200051)

在新兴电子商务环境中，线上与线下服务水平往往影响各自的客户需求，由此产生线上线下需求相互迁移而影响供应链系统的利润。本文考虑供应链O2O系统中客户需求受线上与线下服务影响，分别建立客户需求迁移和不迁移两种情形下，线下门店为品牌商自营门店的集中式服务决策模型，以及线下门店为品牌商加盟门店的分散式服务决策模型；计算集中式决策下使得O2O系统利润最大化的最优服务水平，以及分散式决策下使得品牌商与线下加盟商达到Nash均衡的最优服务水平以及所需条件，并通过算例仿真对所建模型结果进行验证和分析。研究结果表明，在集中式决策下，当且仅当线上或线下一方提供服务时，需求迁移或不迁移两种情形下的供应链O2O系统利润均可达到最优；当线上线下均提供服务时，只有需求不迁移情形可达到O2O系统最优。而分散式决策下，线上或线下单方提供服务及双方均提供服务时，若满足一定条件，需求不迁移和需求迁移两种情形始终存在Nash均衡解。

O2O；需求迁移；最优服务决策；Nash均衡

1 引言

当前，O2O(Online to Offline)模式发展迅猛，对传统产业的渗透、改变乃至颠覆超乎了人们的想象。根据艾瑞咨询数据显示，2015年中国电子商务市场交易规模达16.2万亿，其中，本地生活O2O达38.4%。O2O模式借移动互联网跨地域、碎片化时间利用的优势，线上提供信息搜索等服务、线下提供试穿体验等服务。越来越多的品牌商通过与电商平台合作或者自建APP等助推网购市场向“线上+线下”推进。例如，服装品牌优衣库的线上线下引流的O2O、美特斯邦威的体验O2O等。这种O2O模式下，线下通过试穿、定制等个性化服务，实现购物体验；线上通过货品、价格信息的及时获知实现方便交易。线上需求与信息服务水平相关，线下需求与体验服务水平相关，线上线下的服务相互影响，同时也影响着线上线下需求的相互迁移变化，因而，O2O优化的服务决策对供应链的整体绩效具有重要的意义。

从已有相关文献来看，关于O2O模式的研究主要集中在网购的影响因素，如信息、交通、消费者购物习惯，以及线上线下定价决策、服务决策等方面。Cheema等[1]针对不同的产品类型分析了线上和线下信息对网购的影响；Perdikaki等[2]研究了顾客访问实体商店的交通成本及便利性对线下购买决策的影响；Hsieh等[3]利用反向传播神经网络算法针对消费者的位置选择最优的线下门店地址；Chintagunta等[4]、Chocarro等[5]分析消费者线上线下购物习惯，研究客户渠道选择和渠道转移；Zhang Jun等[6]分析了O2O三种渠道模式下制造商与零售商的定价和服务竞争策略；Chen Xu等[7]针对零售服务供应链O2O模式，探讨了三种权力结构下制造商与零售商的定价决策；Gallino等[8]对O2O的线上交易、线下取货模式进行了研究。此外，在互联网时代，供应链通过服务水平的提升可获得更大的竞争优势。对此，已有较多文献在双渠道或多渠道供应链中探讨服务相关决策问题。如陈远高和刘南[9]考虑价格和渠道服务差异，研究了双渠道供应链中的分销渠道服务最优决策；但斌等[10]针对异质产品考虑制造商电子渠道为传统渠道提供服务努力，建立了消费者不同偏好以及服务努力影响程度的效用模型，提出了两部收费协调策略；艾兴政等[11]通过建模分析传统零售渠道与电子渠道下价格与服务的绩效关系，研究服务搭便车行为对双渠道协调机制的影响；肖剑等[12]考虑双渠道的服务竞争与合作；Hua Guowei等[13]研究了直销渠道服务水平，即订货提前期对双渠道制造商和零售商价格策略的影响；Yan Ruiliang和Pei Zhi[14]探讨了零售渠道服务对双渠道供应链利润的影响;王瑶等[15]针对双渠道分别销售异质品，考虑传统零售渠道服务对直销渠道产品销售的负溢出效应，构建了刻画产品差异和服务溢出效应的双渠道供应链的需求模型和利润模型；丁锋和霍佳震[16]在价格竞争和服务竞争同时作用下供应链的协调运作策略，分析了零售商合作与非合作情景下双渠道供应链成员的博弈均衡；陈军等[17]考虑渠道服务水平和网络渠道接受度，研究了双渠道供应链中零售商与制造商的服务合作决策问题；Chen等[18]分别针对零售渠道的产品多样性服务以及直销渠道的订货提前期服务，构建了双渠道决策模型。

综上，已有研究较多的集中在服务努力影响程度、渠道服务水平、差异化服务等方面，关注的是渠道服务竞争带来的产品效益。但在O2O模式下供应链线上线下服务协同的研究还比较少。而供应链O2O如何在需求变化下协同优化服务，为客户提供更好的、一致性的体验服务，提高客户黏性是O2O系统共同创造服务价值的关键，此方面的研究亦少见文献。那么，当线上和线下需求受O2O服务水平影响时，供应链O2O系统最优服务决策究竟如何制定？本文针对线上线下需求迁移和没有迁移两种情形，建立线下门店是品牌商自营门店和加盟门店两种模式下的优化服务决策模型，通过分析供应链收益变化，研究供应链O2O互动的最优服务决策，从而提高供应链O2O系统的整体效益。

2 问题描述

考虑一个品牌商和线下门店构成的供应链O2O系统。品牌商同时通过线上直销渠道和线下门店零售产品。线下门店有自营和加盟两种类型，自营门店与线上直销渠道同属品牌商所有，加盟门店既作为品牌商的线下体验店提供线下体验服务，同时也作为独立的零售商销售产品，此时品牌商与线下加盟门店是合作竞争关系。品牌商的线上服务包括产品信息搜索、比价、下单支付交易等，线下门店提供服务体验、产品搭配、取货、退货等服务。产品的需求具有不确定性，其受线上和线下服务努力水平的影响，由此影响品牌商线上直销渠道和线下门店的销售量及双方的收益。线上直销渠道和线下门店都可以通过自己的服务努力，以刺激客户需求，提高自身利润。在此，使用下标1代表线下门店，2代表品牌商线上渠道。

本文假设线上和线下总需求D具有如下形式：

其中，s1是线下服务水平；s2是线上服务水平；K是服务水平的敏感系数，反映了市场对服务水平的响应；φ表示服务水平对需求的影响指数，直接影响需求的增幅。此形式需求函数具有以下两个性质：

(1) 无论是线上还是线下服务水平，当任意一方提高服务努力时，需求都增加；

(2) 服务水平的边际效应递减，即D(s1,s2)是服务努力水平的严格凹函数，满足：

3 模型构建及分析

3.1 线上线下需求无迁移情形下O2O最优服务决策模型(EIDS模式)

为了对比分析，首先考虑顾客线上和线下需求迁移不受O2O服务影响的模式。该模式下顾客选择购买产品的渠道偏好比例是一定的，即线下和线上的需求分别是D1(s1,s2)=βD(s1,s2)和D2(s1,s2)=(1-β)D(s1,s2)，其中β∈(0,1)是线上线下需求的分配比例，为一个常数。

3.1.1 线下体验门店为品牌商自营门店情形

该情形可视为供应链O2O集中决策模式。此时供应链系统的目标就是选择合适的线上线下服务水平，使得整个供应链系统收益最大。此时供应链O2O系统的利润为：

其中，cβ=βc1+(1-β)c2。

证明：对供应链O2O系统利润π(s1,s2)关于s1和s2求二阶偏导得：

故系统总利润函数是联合凹函数。为了最大化系统利润，只需要考虑一阶条件等于0即可。即：

(1)

(2)

1)当s1和s2不全为0时

2)当s1和s2均不为0时

定理1指出，在供应链O2O系统中，线下门店为品牌商自营门店的集中式决策下，当线上和线下的服务效率相等时，线上和线下的服务水平只要满足一定的条件，即可达到供应链O2O系统协同服务最优。若线上和线下的服务效率不相等，系统很难达到最优，此时只有一方不提供服务，另一方承担所有的服务任务时，系统才可能达到最优。

3.1.2 线下体验门店为加盟商的情形

该情况可视为供应链O2O分散决策模式。此时，线下门店为品牌商的加盟商，它与品牌商是独立的决策关系，各自都以自身利润最大化为目标。这是一个非合作博弈形式，我们探讨其Nash均衡。

线下加盟商的利润是：

品牌商的利润是：

当品牌商线上服务水平s2给定时，线下加盟商的决策目标为最大化自身利润，此时求其最优服务水平s1，令：

(3)

同理，当线下加盟商的服务水平s1给定时，可得品牌商线上最优服务水平的响应函数：

(4)

然而，式(3)、式(4)不一定能够同时成立，如果这种情况发生，则某一方的服务水平为0。

1) 若w=w0，则系统有多个Nash均衡，不能确定O2O线上和线下各提供多少服务，但不可能为0。达到均衡时，他们的服务水平关系式总是满足：

定理2说明在线下为加盟商的供应链O2O分散式决策下，若批发价格等于响应函数的边界点w0，则线上线下均需要提供服务，且服务只要满足一定的条件即可达到Nash均衡；若批发价格不等于w0，则只有一方不提供服务，双方才能达到均衡，得到Nash均衡下的最优收益。

3.2 线上线下需求迁移情形下O2O最优服务决策模型(EDDS模式)

3.2.1 线下门店为品牌商自营门店的O2O集中式决策情形

此时供应链O2O系统总利润为：

此时的决策目标是找到线上线下最优的服务水平以最大化O2O集中式系统总利润，即maxπ(s1,s2)。

定义1：相对线上渠道，线下渠道完全占优当且仅当c1

如果一个渠道相对于另一个渠道完全占优，实际上意味着该渠道不仅在服务水平上占优，在其他销售效率等方面也占优。

命题1是相当直观的，对于线上线下需求迁移情形，当品牌商和线下自营店为O2O集中式系统时，线上或线下一方服务水平或销售活动完全占优的情况下，这一方已可使整个O2O系统达到效益最大。如果不考虑能力限制，显然由该渠道完成服务等工作是最优的，另一方不需要再提供服务努力。

如果线上或线下没有一方完全占优，为了使O2O集中式系统利润最大化，有如下定理：

若不考虑(c2-c1)Ksφ-1=(η1-η2)的情形，则O2O集中式系统最优解总是出现在边界上。这个定理说明在线上线下需求迁移下，供应链O2O集中式系统中，即使O2O一方没有完全占优，为了使供应链O2O集中式系统利润最大化，也只需要线上或线下一方付出服务努力，即系统最优解总是出现在边界上。

若要判定哪个边界解是系统最优解，需要比较π(0,s2)和π(s1,0)。

3.2.2 线下门店为加盟商的供应链O2O分散式决策情形

在供应链O2O分散式决策下，线下加盟商和品牌商都以自身利润最大化为目标。此时线下加盟商的利润是：

品牌商的利润是：

Nash均衡解的存在性：

根据Nash均衡存在性定理，这里的策略空间为非空紧凸集，线下加盟商与品牌商的利润函数均连续且严格拟凹，所以Nash均衡解一定存在。

若同样按照3.1.2小节进行求解，很难得到Nash均衡下线下加盟商与品牌商最优服务水平的解析解，故本文通过分析其性质得到相关结论。首先讨论Nash均衡解在边界上的情形，得到定理4。

推论2说明，当线上和线下均提供服务时，达到Nash均衡的最优服务水平需满足以上必要非充分条件。以上分别从边界和内点讨论了EDDS模式分散式决策下线下加盟商与品牌商达到Nash均衡时其最优服务水平需满足的条件，下面给出该Nash均衡解的求解过程。

(5)

证明：线下加盟商为了最大化自身利润，关于s1求导得：

而品牌商同样为了最大化自身利润，关于s2求导得：

因为s1和s2不同时为0，所以求解方程组：

4 数值仿真分析

本节以国内一家典型的快时尚服装品牌商M为例进行数值分析。品牌商M线下门店有直营门店和加盟门店两种类型，其中加盟门店占90%左右，自2014年以来M品牌全面推进全渠道O2O平台，形成线上线下统一定价的销售模式。已知M品牌某产品的单位批发价格w=80元，销售价格p=200元，品牌商提供产品给线下门店的单位物流成本c1=40元，通过网络直接销售产品的单位物流成本为c2=40元，服务努力水平的敏感系数K=10，服务努力水平对需求的影响指数φ=0.5，线下与线上服务努力投入的成本系数η1=η2=5。下面讨论线下和线上服务努力水平s1和s2对利润的影响。假设线下线上服务努力水平s1和s2分别取值为0-200，步长为20时，相应的利润变化分别讨论如下。

4.1 EIDS模式下服务水平对利润的影响

EIDS模式下，线上线下需求没有迁移，即需求分配比例β不受线下线上服务水平的影响。设β=0.7，s1和s2对利润的影响如图1所示。

图1 EIDS模式下利润随s1和s2的变化

接着，我们分析取不同β时，线下线上服务努力水平s1和s2对利润的影响。若β取0-1，步长为0.1，s2=0时，所得结果如图2所示。图2中，当线下门店为品牌商的自营门店时，系统总利润随着s1的增加先增后减，当s1=160时，系统利润达到最优64000，但系统总利润不受β影响，因为系统总需求一定。当线下门店为品牌商的加盟门店时，在分散式情形下，线下加盟商利润随着s1的增加先增后减，随着β的增加不断增加，当s1=120,β=1时，线下加盟商利润达到最大；品牌商的利润随着s1的增加不断增加，但随着β的增加利润不断减少，因为线下需求增多，将影响线上收入。

图2 不同β下s1对利润的影响

图3 不同β下s2对利润的影响

接着设s1=0，分析线上服务努力s2以及需求分配比例β对利润的影响，如图3所示。当线下门店为品牌商的自营门店时，集中式决策下系统总利润随着s2的增加也先增后减，且系统总利润仍不受线下需求分配比例的影响。而当线下门店为品牌商的加盟门店时，分散式决策下线下加盟商的利润随着s2和β的增加均不断增加；而品牌商的利润随着s2的增加先增后减，随着β的增加不断减少，故品牌商需要适当提高线上服务努力水平。

由此得出，需求比例β变化对自营集中式决策的系统总利润没有影响，但随着线上线下服务水平的增加系统总利润呈先增加后减少趋势；在加盟分散式决策下线下加盟商利润随着β增加而增大，随着线下服务水平的增加先增后减，随着线上服务水平的增加不断增加，品牌商则相反。

4.2 EDDS模式下服务水平对利润的影响

当线上线下需求有迁移，即需求比例β受线下线上服务努力水平s1和s2影响时，我们分析s1和s2对利润的影响，如图4所示。在集中式决策下，线下门店为品牌商的自营门店，此时系统总利润随着s1或s2的增加呈现先增加后减少的趋势，在s1=160，s2=0或s1=0，s2=160处取得最大值，且由于假设(c2-c1)×K×sφ-1=η1-η2=0，系统最优解可能出现在内点，即当s1=140，s2=80或s1=80，s2=140时，系统利润也达到最大值64000，验证了定理3的结论。

图4 EDDS模式下利润随s1和s2的变化

5 研究结论

从上述研究及仿真数值计算分析，我们可得到以下研究结论：

(3) 集中式决策下EIDS和EDDS模式的系统总利润均随着服务水平的增加呈先增加后减少趋势，且影响力度相同，可见当品牌商同时经营线上网店与线下门店时，其不能无限制的提高服务水平。分散式决策下EIDS模式的线下加盟商利润随着线上服务水平的增加不断增加，而EDDS模式则不断减少，但均随着线下服务水平的增加先增后减；品牌商的利润则均随线上服务水平的增加先增后减，随线下服务水平的增加不断增加。故品牌商在提供合适的线上服务的同时要刺激线下加盟商服务投入，而线下加盟商则需要观察品牌商线上服务投入，制定最优的服务策略。

6 结语

当今，O2O模式借移动互联网跨地域、碎片化时间利用的优势，实现了渗透率的快速提升。线下通过个性化体验服务，线上通过产品、价格等信息服务，平衡了消费者所追求的高效与体验两种需求，转变了以电商渠道消化库存的传统思维。因而，供应链O2O模式正在为企业带来新一轮的变革。然而，供应链O2O模式的核心竞争力在于线上线下的协同服务能力，尽管当前O2O发展势头强劲，但存在着供应链线上与线下协同等诸多问题。本文从O2O服务协同的视角，考虑线上线下服务水平影响O2O系统的需求进而产生需求迁移效应的情况，通过建立不同情形下的利润模型，求解线上线下最优服务水平，以及线下加盟商与品牌商达到Nash均衡的条件，并通过模拟仿真计算，对需求无迁移和需求迁移两种情形下的最优服务决策进行了对比分析，得到了有意义的结论。该研究对企业实践新兴的O2O运作管理有一定的参考价值，而进一步考虑线上线下服务环境发生变化、以及价格不一致情况下的O2O服务协同是今后进一步研究的方向。

[1] Cheema A, Purushottam P. Relative importance of online versus offline information for Internet purchases: Product category and Internet experience effects[J]. Journal of Business Research, 2010, 63(9): 979-985.

[2] Perdikaki, O, Saravanan K, Jayashankar M S. Effect of traffic on sales and conversion rates of retail stores[J]. Manufacturing & Service Operations Management, 2012, 14(1): 145-162.

[3] Hsieh H C, Chen Y C, Lin H C. More precise: Stores recommendation under O2O commerce[J]. International Journal of Computing and Digital Systems, 2014, 3(2): 91-99.

[4] Chintagunta P K., Chu J h, Cebollada J. Quantifying transaction costs in online/off-line grocery channel choice[J]. Marketing Science, 2012, 31(1): 96-114.

[5] Chocarro R, Mónica C, Villanueva M L. Situational variables in online versus offline channel choice[J]. Electronic Commerce Research and Applications, 2013, 12(5): 347-361.

[6] Zhang Jun, Chen Hong, Wu Xiaozhi. Operation models in O2O supply chain when existing competitive service level[J]. International Journal of u-and e-Service, Science and Technology, 2015, 8(9): 279-290.

[7] Chen Xu, Wang Xiaojun, Jiang Xinkuang. The impact of power structure on the retail service supply chain with an O2O mixed channel[J]. Journal of the Operational Research Society, 2016, 67(2): 294-301.

[8] Gallino S, Moreno A. Integration of online and offline channels in retail: The impact of sharing reliable inventory availability information[J]. Management Science, 2014, 60(6): 1434-1451.

[9] 陈远高, 刘南. 具有服务差异的双渠道供应链竞争策略[J]. 计算机集成制造系统, 2010, 16(11): 2484-2490.

[10] 但斌, 王瑶, 王磊, 等. 考虑制造商服务努力的异质产品双渠道供应链协调[J]. 系统管理学报, 2013, 22(6): 835-841.

[11] 艾兴政, 马建华, 陈忠, 等. 服务搭便车的电子渠道与传统渠道协调机制[J]. 系统工程学报, 2011, 26(4): 507-514.

[12] 肖剑, 但斌, 张旭梅. 双渠道供应链中制造商与零售商的服务合作定价策略[J]. 系统工程理论与实践, 2010,30(12): 2203-2211.

[13] Hua Guowei, Wang Shouyang, Cheng T C E. Price and lead time decisions in dual-channel supply chains[J]. European Journal of Operational Research, 2010, 205(1): 113-126.

[14] Yan Ruiliang, Pei Zhi. Retail services and firm profit in a dual-channel market[J]. Journal of Retailing and Consumer Services, 2009, 16(4): 306-314.

[15] 王瑶, 但斌, 刘灿, 等. 服务具有负溢出效应的异质品双渠道供应链改进策略[J]. 管理学报, 2014, 11(5): 758-763.

[16] 丁锋, 霍佳震. 服务水平对双渠道供应链协调策略影响研究[J]. 中国管理科学, 2014(22): 485-490.

[17] 陈军, 何圆, 赖信. 信息不对称下双渠道供应链服务合作激励机制研究[J]. 工业工程, 2015, 17(5): 108-113.

[18] Chen K Y, Kaya M, Özer Ö. Dual sales channel management with service competition[J]. Manufacturing & Service Operations Management, 2008, 10(4): 654-675.

Optimal Service Decisions Consideration Demand Shift Between Online andOffline in Supply Chain O2O System

FANDan-dan,XUQi,WANGWen-jie

(School of Glorious Sun of Business and Management, Donghua University, Shanghai 200051,China)

With the development of mobile internet, the emerging e-commerce O2O (Online to Offline) business strategy with the support of the widespread use of mobile apps and e-transactions has gained significant popularity in the retail industry. As a business strategy, O2O commerce draws potential customers from online channels to physical stores according to offline stores’ service level，vice versa. Therefore, some of customers change their buying channel from one to the other when service level of online or offline changes, which is called demand shift. Thus, channel demand will be affected, as well as O2O system’s profit.

In this paper, with the consideration of impact of the service levels to demand in both online channel and offline channel, the optimal service decisions in supply chain O2O system are studied. The two kinds of situations are discussed, one situation is that demand does not shift, although affected by the levels of service; the other is that demand shift from one channel to the other with the change of service levels. In each situation, there exist two different decision models, i.e., the centralized and decentralized service decision models of O2O system, respectively. The centralized decision model means the brand supplier provides products to self-own stores; while the decentralized decision model means the brand supplier provides products to its franchise stores. The optimal service strategy of centralized system and decentralized system are investigated, respectively. More specifically, a two-echelon supply chain O2O system with one brand supplier and offline stores is considered. The brand not only sells the product to the offline stores but also sells directly to the end customer through its online stores. For centralized system, the total profit model is established to discuss the optimal service levels to maximize the total profit of the system. Further, similar to the centralized system, for the decentralized system, the profit models of the brand supplier and the offline franchisee are established, respectively. Then, the optimal service levels that make the brand and the franchisee achieve Nash equilibrium are discussed. Accordingly, the condition for Nash equilibrium solution is obtained.

The research results show: 1) for the centralized system, when one of online and offline provides services, the O2O system can achieve the optimal no matter demand no shift or not. If both online and offline services are provided, only in the case that the demand is not shift between online and offline, the O2O system can obtain optimal profits. 2) for the decentralized system, whether one of online and offline provides services or both provide services, only if some conditions are met, the O2O system always achieve Nash equilibrium both in demand shift and no shift situation . Finally, a typical clothing brand M in China is taken as an example for numerical analysis. Some parameters are assumed, and the impact of service levels on profits is discussed. Our research is helpful to companies who make optimal service decision as they practice the emerging O2O commerce.

online to offline; demand shift; optimal service decisions; Nash equilibrium

1003-207(2017)11-0022-11

10.16381/j.cnki.issn1003-207x.2017.11.003

F224

A

2016-04-08；

2017-03-05

国家自然科学基金资助项目(71572033, 71172174)

徐琪(1963-)，女(汉族)，浙江人，东华大学旭日工商管理学院教授，博士生导师，研究方向：供应链管理、运作管理、电子商务等，E-mail: xuqi@dhu.edu.cn.