双营销渠道下第三方回收的闭环供应链定价策略

□ 刘晓丽

(山西应用科技学院，山西 太原 030062)

1 引言

当今即便是简单产品的生产链条也极为复杂，有时根本无法回答“产品是哪里生产的”这样的问题。从螺丝刀螺帽、从印染到油漆、从铜片到玻璃，这些原材料顺着供应链在全世界流转，装配、封装和最后的包装等环节也在链条中流转。21世纪的世界进入了伟大的供应链新时代。同时由于绿色物流的发展，逐渐形成了逆向供应链的发展。因此，闭环供应链( Closed-loop Supply Chain Management)应运而生了，它是正向和逆向供应链的整合。我们不仅进入了伟大的供应链竞争的时代，而且也进入了闭环供应链竞争的时代。因此，如何使CLSC能够顺畅的运转并实施便成了研究的热点。

闭环供应链的研究主要集中在理论和实证两大方向。理论研究的热点主要集中在如何定价，如何进行协调、如何进行最后的利润分配等方面。Savaskan等运用博弈理论研究了三种回收模式下闭环供应链的定价与渠道选择问题，通过分析指出零售商回收模式时最优价[1]。史成东等在已有的模型基础之上，将现实中的风险因素纳入其中，分别研究了两层和三层CLSC的利润分配和协调问题[2-3]。张建军等分析了两阶段闭环供应链的定价与协调问题，并设计了两阶段关税策略和批量折扣契约实现了系统的协调[4]。张雅琪等研究了闭环供应链系统的两阶段动态决策模型，需求条件是不确定的，系统的主导方是零售商[5]。罗慧凌研究了不确定的和随机的市场需求下和回收量受当期销售量的影响下，闭环供应链分别在三种不会回收模式下的最优定价问题[6]。倪明，莫露骅建立了零售商和维修中心两种回收模式下废旧电子产品 Stackelberg 集中式决策模型，通过博弈分析出了在零售商和维修中心并不是同时进行回收废旧品就能够产生良好的效果，而是要进行情况的区别[7]。J.Wei(2013)等突破了随机需求和确定性需求的闭环供应链渠道选择的研究，研究了模糊闭环供应链的回收渠道选择问题，主要探讨了三种不同回收模式下制造商、零售商、第三方的决策以及们在价值期望模型中的利润决策[8]。

当前电子商务的交易模式极大地改变了人们的购物模式，通用电气、苏宁、戴尔和思科等企业都将在线销售业务和在线终端消费者服务的业务纳入到自己的企业的战略管理中，并积极地开展落实这些业务。一些学者也将电子渠道融入供应链中来研究，不过将其应用到闭环供应链中的研究还较少。本文在此基础上，将电子营销渠道加入到闭环供应链中，分析双营销渠道下由第三方负责回收的闭环供应链的最优定价问题。

2 模型描述与基本假设

2.1 模型描述

本文研究的模型是由制造商(M)、传统零售商(Offline-R)、在线零售商(Online-R)和第三方(TP)组成的三阶CLSC定价策略问题。制造商将新产品和再制造产品以批发价w批发给传统零售商和在线零售商，传统零售商再将新产品和再制造产品以价格pR销售给消费者，在线零售商将新产品和再制造产品以价格PE销售给网上消费者，第三方负责以bT的价格将废旧品从消费者手中回收回来，制造商再从第三方处对废旧品进行回收，进而进行再制造生产，回收转移价格为bM。模型结构如图1所示。

图1 双营销渠道下第三方回收的闭环供应链系统

2.2 基本假设

2.2.1符号定义

表1 变量的定义说明

表2 参数的定义说明

2.2.2 基本假设

①c2

②Offline-R在传统的分销渠道中的需求函数为：DR=(1-k1)a-bpR+k2v+k3(pE+v-pR)，Online-R在电子分销渠道中的需求函数为：DE=k1a-bpE+k3(pR-v-pE)，另外DR>0，DE>0，pE>w，pR>w；

③Offline-R提供的服务成本函数为c(v)，且c(v)=ηv2/2。当c(0)=0时，在线零售商没有提供附加服务，相应的服务成本也没有；

⑤M、TP、Online-R与Offline-R均为风险中性；

⑥M、TP、Online-R与Offline-R的信息完全对称。

2.3 各个主体的利润及系统利润

由问题描述和基本假设可得，M、Online-R、Offline-R、TP以及整个闭环供应链系统的利润分别为：

πM=(w-c1)(DE+ER)+(Δ-bM)G

(1)

πR=(pR-w-c(v))DR

(2)

πE=(pE-w)DE

(3)

πT=(bM-bT)G

(4)

π=(pR-c1-c(v))DR+(pE-c1)DE+(Δ-bT)G

(5)

3 博弈决策定价分析

3.1 集中决策定价模型分析

在集中决策定价分析中，M、Online-R、Offline-R、TP联合决定在线渠道零售价格(Price of Online-R)、传统渠道零售价格(Price of Offline-R)和的再利用零部件的回收价格。在这种决策模式下，闭环供应链的各个主体企业通过通力协调合作、利用区块链等最新技术达到信息共享，以求达到扩大行业蛋糕(即市场需求)、提升对消费者的服务质量、同时实现SC总体利润的目的。集中决策定价模型如下：

maxπDd=(pR-c1-c(v)DR+(pE-c1)DE+(Δ-bT)G

(6)

(7)

(8)

(9)

3.2 分散决策定价模型分析

在分散决策模型中，M、Online-R、Offline-R、TP都独立的决策者，他们的最终目的均为最大化自己的利润。在此模型中假定M为闭环供应链的领导者、Offline-R、Online-R和TP为追随者，Online-R、Offline-R、TP根据制造商的最优决策来做出自己相应的反应，其中Online-R与Offline-R之间表现是库诺克竞争。决策模型如下：

(10)

(11)

(12)

(13)

(14)

(15)

(16)

(17)

将(16)式和(17)式代入(12)式、(13)式和(15)式，得到分散决策下Offline-R、Online-R的最优零售价格和再利用零部件的最优回收价格：

(18)

(19)

(20)

令N4=4a-bλΔ2+8bc1-4bc(v)+4k2v。

结论3：在分散决策下，很明显Offline-R的零售价格(Price of Offline-R)和Online-R的零售价格(Price of Online-R)都随制造商批发价格的增加而增加，并且增加的幅度是相同的，即批发价每增加1个单位，Offline-R和Online-R的零售价都随之增加N3个单位。

4 网络偏好度对决策变量的影响

第一分析网络偏好度对集中决策时Offline-R和Online-R零售价格的影响情况。

(21)

(22)

结论4：由式(21)和式(22)可知，集中决策时Offline-R的零售价格(Price of Offline-R)随着网络偏好度的增加而下降，Online-R的零售价格(Price of Online-R)随着网络偏好度的增加而升高。

结论4说明随着网络偏好度的增加，一方面市场潜在需求人数向网络购物的方向转移增加，也就是喜欢在网络购物的人数增多，这样在线渠道的需求量对着网络购物人数的增加而增多，Online-R就可以顺其自然的提高零售价格了；另一方面，传统渠道的市场需求人数减少，相应的市场需求量也随之下降，Offline-R为了更好地留住顾客，只有采取降价的措施了。

第二分析网络偏好度对集中决策时Offline-R和Online-R零售价格的影响情况。

(23)

(24)

(25)

结论5：由式(23)可知，分散决策时M的批发价格不受网络偏好度的影响。

结论6：由式(24)和式(25)可知，分散决策时Offline-R的零售价格随着网络偏好度的增加而下降，Online-R的零售价格随着网络偏好度的增加而升高。

结论7：由式(21)和式(24)可知，随着网络偏好度的增加，集中决策时Offline-R的零售价格下降的幅度要大于分散决策时Offline-R的零售价格下降的幅度。

结论8：由式(22)和式(25)可知，随着网络偏好度的增加，集中决策时Online-R售价格提升的幅度要小于分散决策时Online-R的零售价格提升的幅度。

5 结论

本文着重讨论了双营销渠道下由第三方负责回收的闭环供应链的定价策略问题，并且分别给出了集中决策情况和分散决策情况下CLSC中各个主体的最优定价策略组合，并分析了网络偏好度的变化对最优决策变量的影响。研究结果表明，在集中决策与分散决策情况下，M的回收转移价格与TP的再利用零部件的回收价格只与再制造节约的成本有关；无论是集中决策还是分散决策情况，Offline-R的零售价格随网络偏好度的增加而降低，Online-R的零售价格随网络偏好度的增加而提高；无论是Offline-R还是Online-R，集中决策情况下的最优价格要低于分散决策下的最优价格。