基于大数据分析的供应链产品定价和延保服务需求协调策略

寇 军, 田帅辉, 陈 鑫

(重庆邮电大学a. 经济管理学院; b. 企业管理创新研究中心, 重庆 400065)

大数据时代背景下,供应链所处的数据环境在产品的生产和供应、当前运营管理统计体系以及数据价值等方面面临着严峻的挑战．如何提高决策水平是供应链企业当前亟待解决的重要问题．近年来, 众多学者针对数据或信息技术对供应链企业的影响以及供应链成本与风险控制进行了大量研究．一方面,关于系统模式设计的实证和案例研究: Li等[1]实证研究了环境不确定性、组织内部促进因素和内部组织关系对供应链管理中信息共享和信息质量的影响; Gonzalvez-Gallego等[2]研究了供应链中集成信息系统对企业绩效的影响; Tan等[3]通过案例研究和结构化访谈,提出一个新的理论模型来描述集成供应链中的信息和知识泄露现象; Long[4]研究了供应链网络中组织间合作的计算实验对供应链的决策支持,并提出基于六层框架的支持范例; Gupta等[5]探讨了智能供应链与信息之间的关系, 实证分析了非价格因素; Swain等[6]采用文本分析方法探讨了要素之间的关系,识别特定元素成员产生的供应链所生成的社交媒体内容以及供应链的绩效; 谭晓军等[7]从行业互联的角度出发,面向云平台研究了供应链信息协调问题,提出产业资源协同效率路径探索方法．另一方面,关于信息与供应链企业绩效关系等的运筹优化研究: Liu等[8]通过建立供应链信息在企业价值增值中的模型,研究了信息在创造供给方面的作用;Xu等[9]基于委托代理理论分析了供应链合作管理因素,分别对信息对称和不对称情况下的模型进行求解和数学分析;Li等[10]在三级供应链中研究了信息共享的价值及信息共享下不同层次的决策规则,并同时考虑信息完全和部分共享下的供应链扰动情况;Taleizadeh等[11]研究了零售商主导的供应链中联合定价和联盟选择决策问题, 提出4种不同的联盟模型;Hosseini-Motlagh等[12]从线上渠道视角研究了一个处理需求中断的逆向供应链(reverse supply chain,RSC)系统,推导出需求中断下分散和集中的最优定价、可持续性水平和企业社会责任决策;Dominguez等[13]利用动态规划和衰减等定量方法分析了信息共享对提高供应链弹性的作用;Mandal等[14]针对不确定需求下供应链成本和碳排放最小化需求,通过动态规划公式进行逼近,运营与总成本相关的微分方程最优解对配送给客户的批次进行车辆速度优化．上述文献研究了大数据技术对供应链成员的营销行为、渠道决策以及消费者与制造商决策等方面的影响,但未将制造商与零售商在大数据技术共同影响下的集中决策与分散决策纳入考量．

本文拟探索一个制造商与一个在线零售商情形下的产品服务供应链中大数据同时影响产品与延保服务需求的供应链定价与协调策略,通过博弈模型研究供应链在不同决策下制造商和零售商的定价决策问题,设计大数据分析能力成本分担契约以有效协调供应链,使得成员利润在此协调契约下实现帕累托改进．

1 问题描述与假设

本文研究的供应链由上游单制造商和下游单在线零售商组成．制造商提供实物产品并通过对应的在线零售商进行销售活动,其中制造商是在线零售商的唯一产品供应商且其在供应链中占主导地位．假设产品生产成本为c,批发价格为w,在线零售商以价格pp将产品销售给顾客, 一般c

Dp=a+ηpb-kpp,

(1)

其中a(a>0)为基本市场规模,ηp为产品需求对制造商大数据分析能力的敏感系数,k为产品价格对产品需求的影响系数,b为制造商的大数据分析能力,即制造商对消费者行为数据进行分析处理后对目标市场评估、制定质保服务以及控制产品故障率等方面的能力．因产品质保期内的包修服务(即购买产品附带的质保服务)免费,故现仅考虑针对质保期外故障维修的延保服务．由在线零售商向目标客户同时销售并提供延保服务,而顾客可以选择在购买产品的同时购买延保服务,也可以在体验或使用产品后选择是否购买延保服务,延保服务的零售价格为ps．于是, 顾客对大数据分析能力是可观测的,并能获知相应的产品大数据信息．

Ds=Dp-ηsb-ps,

(2)

其中ηs为延保服务需求对制造商大数据分析能力的敏感系数,ηs>0．假设一个顾客最多只购买一件产品, 且其最多只为每件产品购买一次延保服务, 则制造商提升大数据分析能力的成本为b2/2．

根据上述假定, 可知在线零售商的利润函数

πr=(pp-w)Dp+(ps-cs)Ds,

(3)

其中cs为单位延保服务成本; 制造商的利润函数

πm=(w-c)Dp-b2/2;

(4)

供应链的系统利润

π=πr+πm．

(5)

2 供应链价格与大数据分析能力决策模型

首先,建立由单一制造商与单一在线零售商构成的供应链的集中和分散决策利润模型,分析集中决策下的产品价格、延保服务价格和制造商大数据分析能力; 其次, 求解分散决策下制造商与零售商进行博弈后的最优价格和大数据分析能力; 最后, 对不同决策下的均衡结果进行对比分析．

2.1 集中决策模型

集中决策下,将供应链上游的制造商和下游的在线零售商视为同一决策主体, 统一决策pp、ps和b, 目的是实现供应链的系统利润最大化．系统优化问题为

maxpp,ps,bπC=(pp-c)Dp+(ps-cs)Ds-b2/2．

(6)

定理1集中决策下供应链系统的最优解为

由命题1可知, 在集中决策的情况下,随着延保服务成本的提高, 当ηs较小时在线零售商应降低产品零售价格; 当ηs较大时在线零售商可适当提高产品零售价格,制造商应提高大数据分析能力．这是由于当大数据分析能力对延保服务需求的影响较强时,提高大数据分析能力会导致延保服务需求大幅下降,在线零售商只有通过提高产品销售价格来弥补延保服务需求下降所致延保服务收益损失,同时制造商也须提高大数据分析能力以应对提价后消费者对于产品购买意愿的减弱造成的销量下降．

2.2 分散决策模型

分散决策下, 制造商和在线零售商构成以制造商为主方的主从博弈模型,双方都是中性风险和完全理性,分别以各自利润最大化为目标进行决策．分散决策分为2个阶段: 制造商决策w和b; 在线零售商决策pp和ps．制造商的目标函数为

(7)

在线零售商的目标函数为

(8)

采用逆向归纳法求解目标函数,可得下面的定理．

定理2分散决策下供应链存在唯一的子博弈精炼均衡解:

由命题2可知,分散决策下,随着单位延保服务成本的上升,当ηs较高时在线零售商应提高产品价格; 反之, 应降低产品价格．这表明当顾客较重视大数据分析相关信息时,在线零售商可以通过提高产品价格来弥补延保服务成本上升造成的收益损失;当顾客对大数据分析相关信息重视程度较低时,制造商反而应降低产品销售价格以应对延保服务成本的提高; 随着单位延保服务成本的提高,制造商应增强大数据分析能力．

命题3表明,分散决策下,随着产品市场规模的扩大,当产品价格系数较高时,在线零售商可以提高延保服务价格;反之,应降低延保服务价格．这是因为随着产品市场规模的扩大,顾客对产品的需求量增大,在线零售商适度降低延保服务价格可进一步促进产品及延保服务销售,从而提高利润．

3 供应链的协调契约模型

分散决策下的产品价格、延保服务价格和大数据分析能力与集中决策下存在偏差．这意味着由于双重边际效应的存在,分散决策下供应链系统利润并非最优,制造商应设计合理有效的契约提高供应链的总利润,并且保证供应链各方都能实现利润改善．现考虑在线零售商共同承担一部分大数据建设成本并设计分担契约,大数据成本分担系数为φ,0<φ<1．制造商的目标函数为

(9)

在线零售商的目标函数为

(10)

定理3协调契约下供应链存在唯一的子博弈精炼均衡解:

制造商可通过大数据成本分担机制与在线零售商进行协调,从而实现系统绩效的帕累托改进．然而,只有当协调契约具备利他性且能使在线零售商获得高于分散决策的利润时,在线零售商才会参与．为实现供应链协调,首先,制造商须通过调节φ保证在线零售商有参与协调契约的积极性．该大数据成本协调契约可使其在制造商与在线零售商之间有效实施后, 促进供应链的系统利润提升,即

(11)

其次,制造商和在线零售商在契约后的企业利润相对于契约前有明显提高时,才会实施或主动接受此契约,接受此契约时相应情形下的企业利润须满足以下条件:

(12)

(13)

由式(11)～(13)可得φ的范围．由于该契约下制造商与在线零售商的利润函数较复杂, 难以得到易于分析的φ具体解析区间, 故下面通过数值仿真方法推导相关结论并进行分析．

4 模式对比分析

在集中决策、分散决策与协调契约下,供应链参数及相关性变化趋势具有显著差异．

命题4当产品生产成本和延保服务成本发生改变时,分散决策和协调契约下产品销售价格将呈现同时增加或同时下降的相关关系,该特征在集中决策下未必存在;而当产品市场规模变化时,在集中决策下无法判定相关性变化方向,分散决策和协调契约下的变化方向在部分情况中与生产成本或延保服务成本变动呈现同时增加或同时降低的相关关系．

命题5当产品生产成本和基本市场规模发生变化时,制造商的大数据分析能力提升方向相反,该特征在集中决策、分散决策和协调契约下均存在;而延保服务成本变动时,在集中决策情形下无法判定其相关性变化方向,但在分散决策和协调契约情形下与基本市场规模变化下制造商的大数据分析能力量值变化方向相反,与产品生产成本量值变化方向一致．

5 数值仿真

为了进一步揭示相关参数对供应链的影响, 通过数值仿真验证上述契约的有效性．实验环境为Intel i5CPU, 4 GB RAM, Windows Maple13软件．设置参数a=20,k=0.5,ηp=0.3,ηs=0.7,cs=5．

图1给出了大数据成本分担系数φ对制造商和在线零售商在供应链协调前后利润差的影响．由图1可见, 在制造商和在线零售商利润共同提高的产品收益共享区间φ∈(0,0.8)内, 随着在线零售商大数据成本分担比例的增加,制造商利润随之上升,而在线零售商利润则先上升后下降．这表明当在线零售商大数据成本分担比例较低时,在线零售商可以通过分担大数据成本促进制造商提高大数据分析能力,从而刺激更多消费者对于产品的购买需求,以增加在线零售商利润;然而,当在线零售商大数据成本分担比例过高时, 增加的产品销售收益将无法弥补其分担的大数据成本和延保服务销售收益的损失,从而导致在线零售商利润下降．

图1 φ对制造商和在线零售商协调前后利润差的影响Fig.1 The effect of φ on the profit difference before and after coordination between manufacturers and online retailers

图2给出了集中决策、分散决策和协调契约下ηp,ηs对供应链大数据分析能力的影响．由图2可见: 1) 随ηp增大, 3种情形下的大数据分析能力均提升,其中集中决策下的大数据分析能力高于分散决策的,协调契约可使大数据分析能力得到有效提升; 2) 随ηs增大, 集中决策下大数据分析能力先降低后升高,协调契约和分散决策下的大数据分析能力逐渐降低．表明制造商应提高供应链系统的大数据分析能力,不可为提高延保服务销售而避免让消费者掌握产品大数据信息,因消费者对相关信息的掌控有利于提高企业利润; 3) 大数据分析能力对延保服务需求影响较强时, 协调契约对大数据分析能力的促进作用减弱．

图2 不同ηp (a)和ηs (b)下协调前后的大数据分析能力Fig.2 Big data analysis ability before and after coordination under different conditions ηp (a) and ηs (b)

图3给出了不同a,k下延保服务价格的变化情况．由图3可见: 1) 当产品市场规模a较低时, 较低的延保服务价格有利于供应链系统利润的提升, 但当产品市场规模较高时,供应链系统最优决策下的延保服务价格较高, 供应链企业间合作可以有效降低延保服务价格; 2) 随着k的增大,集中决策、分散决策和协调契约情形下延保服务价格均上升．当产品价格系数较低时,分散决策下的延保服务价格高于集中决策下,协调契约可适度提高延保服务价格;当产品价格系数较高时,协调契约会降低延保服务价格．这表明当产品价格系数较高时,产品价格对顾客购买行为的影响作用较强,顾客对价格的关注程度提高,制造商与在线零售商合作可以有效降低延保服务价格．

图3 不同a(a)和k(b)下协调前后延保服务价格Fig.3 Price of extended warranty service before and after coordination under a (a) and k (b)

图4为不同k,ηp下,φ=0.3时制造商和在线零售商经协调前后的利润．由图4可见: 1) 协调前后制造商利润始终高于在线零售商利润; 2) 制造商和在线零售商利润均随k增大而降低, 协调契约对二者利润提升作用减弱; 3) 协调前后制造商和在线零售商利润均随ηp增大而升高, 且协调契约对供应链企业利润提升作用与ηp值呈正相关关系．这表明顾客对价格敏感性的提升不利于供应链企业利润的提高和协调契约的实施．为了使制造商和在线零售商有效合作和利润帕累托改善, 具体解决措施如下: 1) 制造商和在线零售商须在进行广告宣传和卖场促销时通过对产品性能等的描述和增加顾客体验的方式,降低顾客对于产品价格的关注;或应用大数据精准投放广告,投入更多资源为顾客带来效用感知．对广告目标的设定应突出产品功能与消费者需求的契合点,读懂消费者并利用关系图谱等寻找高价值的潜在消费者; 2) 通过结构化数据库和非结构化数据库实现有效的数据管理,进而进行产品分析并完善相应的物流体系,支撑企业的市场营销策略; 3) 基于区块链信息平台充分运用供应链网络整合策略,将相应信息向供应链上下游企业进行传导; 4) 充分宣传高低质量产品在实际使用中的对比差异,让顾客充分认识到大数据分析能力的重要性．

图4 不同k(a)和ηp (b)下制造商和在线零售商协调前后利润Fig.4 Profit of manufacturers and online retailers before and after coordination under k(a) and ηp (b)

6 结论

本文通过建立产品价格、大数据分析能力与延保服务相互影响的供应链利润模型,研究了Stackelberg博弈下供应链企业的联合决策问题．主要结论如下: 1) 当大数据分析能力对延保服务需求的影响系数较高时,在线零售商可以通过提高产品销售价格来弥补延保服务成本上升造成的利润损失; 2) 随着市场规模的扩大,制造商应根据产品价格系数的高低对延保服务价格进行适度调整; 3) 集中决策下大数据分析能力高于分散决策,大数据成本共担契约对于提高大数据分析能力和降低延保服务价格有明显作用; 4) 降低产品价格系数有利于提高制造商和在线零售商利润和降低延保服务价格．今后将进一步考虑上下游供应链企业的竞争及链与链的竞争关系、零售商的数据分析能力对供应链绩效的影响、销售的第一/二周期数据对于价格变化的影响以及单制造商-多零售商或多制造商-单零售商情形下的决策问题分析．