数据驱动营销下电子商务平台的渠道均衡策略研究

杨蕊 马骋

摘要：由于电子商务平台存在竞争，构建了由一个制造商和两个平台组成的博弈模型，并运用Stackelberg博弈和Nash均衡，分析了不同渠道模式下的均衡定价及利润，研究两个平台在同一消费市场进行销售时的渠道均衡选择问题。在均衡状态下，收益分享比例较小时，随着数据驱动营销效率的增加，传统平台由于转售模式采购成本的增加会选择代理模式;收益分享比例适中时，两个平台均会选择代理模式以追求渠道效应;收益分享比例较大时，随着数据驱动营销效率的增加，传统平台由于缺乏零售层面的竞争优势会选择转售模式。

关键词：电子商务平台;渠道模式;零售竞争;数据驱动营销

中图分类号：F272         文献标志码：A

随着大数据和互联网技术的快速发展，基于互联网平台的供应链正进入数字化阶段，世界各地出现了大量使用数据驱动营销（DDM）的平台。电子商务平台如京东、天猫、携程等，拥有大量的消费者交易和行为数据，由于天然的数据获取优势，平台的大部分营销活动都依靠数据驱动分析[1]。数据驱动营销以数据为驱动、技术为依托，通过平台上消费者的历史消费数据，分析和把握消费者需求日趋重要，为制造商制定针对性的营销活动，最终提高消费者效用[2]。在DDM成为主流营销方式的同时，电子商务对消费者日趋重要，制造商纷纷加入平台进行线上销售，使得平台一直面临着销售模式选择的问题。近年来，关于DDM的研究多侧重于定量分析。例如，文献[3]提出DDM的定义，并以17个市场的调查数据和分析为依据，表明数据驱动营销在全球垂直市场和业务部门应用中发挥着重要作用;对供应链中的数据分析功能进行系统的文献综述，阐明DDM是数据驱动分析的重要组成部分[4];探究了数据驱动分析在未来如何影响制造和需求管理方面的发展等[5]。另有文献从系统设计的角度探讨了如何利用大数据使营销更加精准。例如，针对产品进行排名的新型决策系统，为潜在客户提供最适合的推荐[6] ;从点击率预测和产品推荐方面提出了基于大数据的改进数学模型[7]。但少有文献建立数学模型来分析DDM对决策和利润的影响，只有Liu等[8]通过建立数学模型研究了DDM效率对平台利润和销售模式选择的影响，揭示了平台在特定的销售模式下是否能够同时实现高利润和高销量。在DDM快速发展的同时，平台销售渠道模式的选择仍然是电子商务平台在网络零售中的重要决策。在实践中，销售渠道模式的选择分为代理模式和转售模式[9]。如今，学术界开始从不同影响因素的角度对此进行研究。如，在零售层面需求不确定的情况下，探讨生产成本如何影响平台销售的选择[10];基于竞争性制造商在电商平台销售互补产品的供应链，分别在平台提供和不提供物流服务情形下，研究制造商的销售模式选择和平台的物流服务决策[11];基于风险规避与公平关切，探讨了具有行为偏好的电商平台的最优决策问题[12];考虑到需求信息和销售效率的上游双重劣势，研究网络零售是否应引入代理模式[13];考虑消费者偏好和零售服务情况下，研究双渠道和单一零售渠道下的闭环供应链系统[14];Kwark等[15]研究了在线产品评论的准确性将如何影响零售商在转售模式和代理模式之间的战略选择。Tian等[16]研究了上游供应商竞争对中间商销售模式选择的影响，发现当竞争强度较高时，中间商倾向于转售模式;当竞争强度较低时，中间商倾向于代理模式。本文建立了由一个制造商和两个电子商务平台组成的供应链，将有无DDM作为平台之间的差异，运用Stackelberg博弈和Nash均衡，刻画了四种不同销售渠道模式下的均衡定价和利润，分析了竞争对手采用不同渠道模式时平台的渠道模式选择，最后讨论了两个电子商务平台的渠道均衡选择决策。

1 假设与符号说明

假设两个平台处于完全竞争，其中一个平台不采用数据驱动营销，为传统平台P（N）;另一平台采用数据驱动营销，为电商平台P（D）。借鉴需求函数模型[17]，消费者单位效用增加为ky，则市场需求函数为

pN=γ-qN-qD（1）

pD=γ-qD-qN+ky（2）

在增加消费者效用的同时，平台需要为DDM支付相关成本，即数据收集成本和数据分析成本。借鉴文献[18]的数据成本表达式，用f表示数据收集成本，用凸函数ly2描述DDM质量与其数据分析成本之间的关系，则DDM的平台总成本为

F=f+ly2（3）

DDM效率可以反映每单位DDM质量的利润与成本之比大小[8]，平台可以通过增加单位DDM质量来提高DDM效率，则DDM效率为

z=k2/l（4）

本文的符号含义见表1。

2 模型建立与求解

本研究构建了一个基于互联网平台的供应链，由一个制造商、两个电子商务平台和消费者组成。在所有模型中，下标D、N、M分别代表电商平台、传统平台、制造商;上标RR、PR、RP、PP分别代表RR模式、PR模式、RP模式、PP模式。兩个平台首先决定代理模式（P）或转售模式（R）;具备DDM的平台P（D）决定数据驱动营销的质量;制造商公布其批发价格;平台或制造商确定其面向消费者的销售量。具体时间轴如图1所示。

电子商务平台销售产品主要通过四种渠道模式：RR模式、PR模式、RP模式和PP模式。具体渠道模式如图2所示。

2.1 RR模式

两个平台同时选择转售模式。制造商和两个平台的利润函数分别为

πRRM=w-cqD+qN（5）

πRRN=γ-qN-qD-wqN（6）

πRRD=γ-qD-qN+ky-wqD-ly2-f（7）

引理1 RR模式中，当z∈0，zRR时，两个平台同时存在于该市场。此时，平台的均衡销售量qRR*D和qRR*N及制造商的均衡批发价wRR*，DDM的均衡质量yRR*，平台P（D）的均衡利润πRR*D，平台P（N）的均衡利润πRR*N，制造商的均衡利润πRR*M分别为

yRR*=14kγ-c144-49z，qRR*D=24γ-c144-49z，qRR*N=24-14zγ-c144-49z ，wRR*=872γ+c-7z3γ+4c144-49z

πRR*D=4γ-c2144-49z-f，πRR*N=γ-c224-14z2144-49z2，πRR*M=6γ-c27z-242144-49z2

证明：对式（6）、（7）中πRRN，πRRD求关于qN和qD的一阶导数，联立，得

qN=γ-ky-w3 ，qD=γ+2ky-w3

然后分别对式（5）、式（7）中πRRM、πRRD求关于w和y的导数，得

w=2γ+ky+2c4，yRR*=14kγ-c144-49z（8）

将式（8）分别代入销售量、批发价格，得

qRR*D=24γ-c144-49z，qRR*N=24-14zγ-c144-49z，wRR*=872γ+c-7z3γ+4c144-49z（9）

由式（8）和式（9），得

πRR*D=4γ-c2144-49z-f，πRR*M=6γ-c27z-242144-49z2，πRR*N=γ-c224-14z2144-49z2

存在2πRRDy2=49z-14472<0，故当z∈0，14449时，平台P（D）存在唯一的均衡yRR*。同时为了保证产品的价格和需求呈正值，需要满足24-14zγ-c>0的条件，即z∈0，127。因此，当z∈0，zRR时，两个产品同时存在于市场。

引理1总结了RR模式下供应链各成员的均衡解。

2.2 PR模式

平台P（D）选择代理模式，平台P（N）选择转售模式，制造商和平台的利润函数为

πPRN=pN-wqN（10）

πPRD=αpD-cqD-ly2+f（11）

πPRM=w-cqN+1-αpD-cqD（12）

引理2 PR模式中，当z∈0，zPR时，两个平台同时存在于该市场。此时，平台的均衡销售量qPR*D和qPR*N及制造商的均衡批发价wPR*，DDM的均衡质量yPR*，平台P（D）的均衡利润πPR*D，平台P（N）的均衡利润πPR*N，制造商的均衡利润πPRM分别为

yPR*=35αkγ-c4l5+α2-49αk2，qPR*D=10γ-c5+α45+α2-49αz，qPR*N=γ-c4α5+α-14αz45+α2-49αz

wPR*=25+α5c+5γ+2γα-4aγ-c-zαγ-4c+3γ+32γ+c45+α2-49αz

πPRD=25αγ-c245+α2-49αz-f，πPRN=γ-c24α5+α-14αz245+α2-49αz2

πPRM=γ-c24α5+α-14αz-4α2-10α+50-21αz+1001-α5+α245+α2-49αz2

引理2总结了PR模式下供应链各成员的均衡解，证明过程与RR模式同理。

2.3 RP模式

平台P（D）选择转售模式，平台P（N）选择代理模式。制造商和平台的利润函数为

πRPN=αpN-cqN（13）

πRPD=pD-wqD-ly2+f（14）

πRPM=1-αpN-cqN+w-cqD（15）

引理3 RP模式中，当z∈0，zRP时，两个平台同时存在于该市场。此时，平台的均衡销售量qRP*D和qRP*N及制造商的均衡批发价wRP*，DDM的均衡质量yRP*，平台P（D）的均衡利润πRP*D，平台P（N）的均衡利润πRP*N，制造商的均衡利润πRP*M分别为

yRP*=35αkγ-c4l5+α2-49αk2，qRP*D=10γ-c5+α45+α2-49αz，qRP*N=γ-c4α5+α-14αz45+α2-49αz

wRP*=5+α2（a-1）（2c-γ）+3（γ+3c）-14cz-4z（1-a）（γ-c）25+α2-8z

πRP*D=α2γ-c25+α2-4z-f，πRP*N=αγ-c2525+α-2z25+α2-4z2

πRP*M=γ-c25+α35-4α-8z1-α5+α2+16z21-α45+α2-4z2

引理3總结了RP模式下供应链各成员的均衡解，证明过程与RR模式同理。

2.4 PP模式

两个平台同时选择代理模式。制造商和平台的利润函数为

πPPN=αpN-cqN（16）

πPPD=αpD-cqD-ly2+f（17）

πPPM=1-αpN-cqN+1-αpD-cqD（18）

引理4 PP模式中，当z∈0，zPP，两个平台同时存在于该市场。此时，制造商的均衡批发价格wPP*，平台的均衡销售量qPP*D和qPP*N，DDM的均衡质量yPP*，平台P（D）的均衡利润πPP*D，平台P（N）的均衡利润πPP*N，制造商的均衡利润πPP*M分别为

yPP*=2αkγ-c9-4zα，qPP*D=3γ-c9-4zα，qPP*N=γ-c3-2zα9-4zα

πPP*D=αγ-c29-4zα-f，πPP*N=αγ-c23-2zα29-4zα2，πPP*M=1-αγ-c29+3-2zα29-4zα2

引理4总结了PP模式下供应链各成员的均衡解，证明过程与RR模式同理。

3 渠道模式选择

考察了在竞争对手采取代理模式或转售模式时，平台的渠道模式选择。分析时只关注两个平台在消费市场上并存的情况。RR模式中，当z∈0，zRR时，两个平台同时存在于该市场;PR模式中，为z∈0，zPR;RP模式中，为z∈0，zRP;PP模式中，为z∈0，zPP。这些阈值分别为zRR=127，zPR=25+α7，zRP=55+α4，zPP=32α，其中α∈0，1，因此可知z∈0，minzPR，zPP。

3.1 平台P（N）的渠道模式选择

命题1 若z∈0，zRR，平台P（D）选择转售模式，则当α∈0，αRR-RP且z∈0，zRR-RP时，平台P（N）倾向于选择转售模式;否则，平台P（N）倾向于选择代理模式，如图3所示。

证明：令ΔπRR-RPN=πRRN-πRPN，得ΔπRR-RPN=γ-c224-14z2144-49z2-α25+5α-4z245+α2-4z2，其中，ΔπRR-RPN是关于z的四次函数。令ΔπRR-RPN=0，得24-14z2144-49z2=α25+5α-4z245+α2-4z2，对该式求解，得

zRR-RP1=-H1+H21-456-98α245+α2-360α5+α256-98α

zRR-RP2=-H1-H21-456-98α245+α2-360α5+α256-98α

zRR-RP3=H1+H21-456-98α245+α2+360α5+α256+98α

zRR-RP4=H1-H21-456-98α245+α2+360α5+α256+98α

其中，H1=122.5α5+α-96-145+α2+288α，由于z∈0，zRR，得0<zRR-RP1<zRR，zRR-RP2>zRR，zRR-RP3>zRR，zRR-RP4>zRR。令αRR-RP为zRR-RP1与z=0的交点。当α∈0，αRR-RP时，任取z<zRR-RP1代入ΔπRR-RPN，得πRRN<πRPN;任取z>zRR-RP1代入ΔπRR-RPN，可得πRRN>πRPN。当α∈αRR-RP，1时，任取z代入ΔπRR-RPN，得ΔπRR-RPN<0。

命题1表明，当收益分享比例和DDM效率较低时，平台P（N）更倾向于选择转售模式。在DDM效率较低的情况下，由于制造商的批发价格w与DDM效率呈正比，w随着DDM效率的降低而减少，因此制造商的批发价格变小，这直接降低了平台的采购成本，减少了平台P（N）选择代理模式的动力。当收益分享比例较低时，平台P（N）从制造商那里获得的利润分成就会减少，因此拒绝选择代理模式。所以，为了享受较低的采购成本及避免较低的利润分成，平台P（N）会选择转售模式。在适度的收益分享比例下，由于双重边际化效应，RR模式下产品的价格总是大于RP模式下的价格，此时P（N）选择代理模式比较合适。

命题2 若z∈0，minzPR，zPP，平台P（D）选择代理模式，则当α∈αPR-PP，1且z∈（zPR-PP，zPP）时，平台P（N）倾向于选择转售模式;否则，平台P（N）倾向于选择代理模式，如图4所示。

证明：令ΔπPR-PPN=πPRN-πPPN，得ΔπPR-PPN=γ-c24α5+α-14αz245+α2-49αz2-α3-2zα29-4zα2，其中，ΔπPR-PPN是关于z的四次函数。令ΔπPR-PPN=0，得4α5+α-14αz245+α2-49αz2=α3-2zα29-4zα2，对该式求解，得

zPR-PP1=H2+H22-456α2-98α2α36α5+α-12α5+α2256α2-98α2α

zPR-PP2=H2-H22-456α2-98α2α36α5+α-12α5+α2256α2-98α2α

zPR-PP3=H2+H22-456α2+98α2α36α5+α+12α5+α2256α2+98α2α

zPR-PP4=H2-H22-456α2+98α2α36α5+α+12α5+α2256α2+ 98α2α

其中，H2=16α25+α+126α-147αα-8αα5+α2，由于z∈0，minzPR，zPP，得0<zPR-PP1<minzPR，zPP，zPR-PP2>minzPR，zPP，zPR-PP3>minzPR，zPP，zPR-PP4>minzPR，zPP。令zPR-PP1与z=zPP的交点为αPR-PP。当α∈0，αPR-PP时，任取z代入ΔπPR-PPN，得ΔπPR-PPN<0。当α∈αPR-PP，1时，任取z<zPR-PP1代入ΔπPR-PPN，得ΔπPR-PPN<0;取z>zPR-PP1代入ΔπPR-PPN，得ΔπPR-PPN>0。

命题2表明，当收益分享比例较高时，平台P（N）渠道的选择取决于DDM效率的大小。當DDM效率较大时，P（N）会选择转售模式;当DDM效率较小时，P（N）会选择代理模式。一般情况下，当收益分享比例较大时，平台会选择代理模式，以获得更大的利润。实际上，对于具备较高DDM效率的平台P（D），P（N）并不具备竞争优势，平台P（D）可以通过数据驱动分析准确把握当前的消费趋势，增加消费者效用，带来大量消费需求。这就迫使平台P（N）在DDM效率和收益分享比例较高时选择转售模式。

3.2 平台P（D）的渠道选择

命题3 若z∈0，zPR，平台P（N）选择的是转售模式，那么当α∈0，αRR-PR1或α∈αRR-PR1，αRR-PR2且z∈zRR-PR，zPR时，平台P（D）倾向于选择转售模式;否则，平台P（D）选择代理模式，如图5所示。

证明：令ΔπRR-PRD=πRRD-πPRD，得ΔπRR-PRD=γ-c24144-49z-25α45+α2-49αz。令ΔπRR-PRD=0，得zRR-PR=3600α-165+α21225α-196α。其中，zRR-PR与z=0和z=zPR分别交于点αRR-PR1与αRR-PR2，令αRR-PR1<αRR-PR2。当α∈0，αRR-PR1，zRR-PR<0，根据函数的单调递增性质，得ΔπRR-PRD>0;当α∈αRR-PR1，αRR-PR2，zRR-PR落在z∈0，zPR的范围内，得当z∈0，zRR-PR时，ΔπRR-PRD<0;当z∈zRR-PR，zPR时，ΔπRR-PRD>0;当α∈αRR-PR2，1，zRR-PR>zPR，根据函数的单调递增性质，得ΔπRR-PRD<0。令ΔyRR-PRD=yRRD-yPRD=0，则zRR-PRy=5040α-565+α21029α，其中，zRR-PRy与z=0和z=zPR分别交于点αRR-PRy1和αRR-PRy2，令αRR-PRy2>αRR-PRy1。当α∈0，αRR-PRy1时，得ΔyRR-PRD>0;当α∈αRR-PRy1，αRR-PRy2时，若z∈0，zRR-PRy，则ΔyRR-PRD<0，若z∈zRR-PRD，zPR，ΔyRR-PRD>0;当α∈αRR-PRy2，1时，得ΔyRR-PRD<0。

命题3揭示了当收益分享比例较高时，平台P（D）倾向于选择代理模式;当收益分享比例较低时，平台P（D）倾向于选择轉售模式。这是因为收益分享比例越高，平台从制造商那里获得的收益就越大。但当收益分享比例适中时，P（D）平台的渠道选择取决于DDM的大小，即较高的DDM质量会促进平台P（D）的利润增加，从而影响其渠道模式的选择。当yRRD>yPRD，平台P（D）会优先选择转售模式;当yRRD<yPRD，平台P（D）会优先选择代理模式。平台P（D）可以通过设置合适的DDM质量水平影响平台渠道模式的选择。

命题4 若z∈0，zPP，平台P（N）选择代理模式，则平台P（D）总是会倾向于选择代理模式，如图6所示。

证明：令ΔπRP-PPD=πRPD-πPPD，得ΔπRP-PPD=γ-c2α25+α2-4z-α9-4zα。令ΔπRP-PPD=0，得4α1-α2z+9α2-α5+α2=0，由于4α1-α2>0，故ΔπRP-PPD是关于z的单调递增函数，求解，得zRP-PP=α5+α2-9α24α1-α2。由于zRP-PP>0，zPP，根据函数的单调递增性质，得当z∈0，zPP时，ΔπRP-PPD<0。令ΔyRP-PPD=yRPD-yPPD=0，则zRP-PPy=5+α2-941-α，故当z∈0，zPP时，ΔyRP-PPD<0。令ΔqRP-PPD=qRPD-qPPD，即ΔqRP-PPD=γ-cα5+α5+α2-4z-39-4zα，故当z∈0，zPP时，ΔqRP-PPD<0。

由命题4可知，当平台P（N）采取代理模式时，平台P（D）总是倾向于代理模式。计算结果表明πRPD<πPPD，qRPD<qPPD，yRPD<yPPD。在代理模式下，平台P（D）可以避免了转售模式出现的双重边际化效应，追求更多的渠道效应，同时P（D）平台可以通过设置较高的DDM质量（yPPD>yRPD），预测和了解消费者行为，刺激消费者需求，从而可以获得更多的利润。虽然较高的DDM质量会促使数据分析成本和数据收集成本增加，但相对而言，需求量增加的益处要大于成本增加所带来的损失，所以代理模式总是平台P（D）的明智选择。

4 渠道模式的均衡策略

现根据两个电子商务平台之间的2×2博弈，探讨渠道模式的均衡策略。由于不同的渠道模式提供了不同的渠道效率和定价能力，通过求解此博弈，得出平台最终的均衡模式取决于收益分享比例α和DDM效率z，命题5描述了z和α范围内的所有渠道均衡模式，如图7所示。

命题5 渠道结构的均衡如下：（1）当z∈0，zRR-RP，α∈0，αRR-RP时，RR和PP模式为纳什均衡;（2）当z∈zRR-RP，zPR-PP，α∈αRR-RP，αPR-PP时，PP模式为唯一的纳什均衡;（3）当z∈zPR-PP，zPP，α∈αPR-PP，1时，PR模式为唯一的纳什均衡。

证明：根据命题1～4的证明，αRR-RP<αRR-PR1<αRR-PR2<αPR-PP。因此当α∈0，αRR-RP，z∈0，zRR-RP时，πRRN>πRPN，πPPN>πPRN，πRRD>πPRD，πPPD>πRPD，此时RR或PP模式为纳什均衡;当α∈0，αRR-RP，z∈zRR-RP，minzPR，zPP时，πRRN<πRPN，πPPN>πPRN，πRRD>πPRD，πPPD>πRPD，此时PP模式为唯一纳什均衡;当α∈αRR-RP，αRR-PR1时，πRRN<πRPN，πPPN>πPRN，πRRD>πPRD，πPPD>πRPD，此时PP模式为唯一的纳什均衡策略;当α∈αRR-PR1，αRR-PR2，z∈0，zRR-PR时，πRRN<πRPN，πPPN>πPRN，πRRD<πPRD，πPPD>πRPD，此时PP模式为唯一的纳什均衡策略;当α∈αRR-PR1，αRR-PR2，z∈zRR-PR，minzPR，zPP时，πRRN<πRPN，πPPN>πPRN，πRRD>πPRD，πPPD>πRPD，此时PP模式为纳什均衡策略;当α∈αRR-PR2，αPR-PP时，πRRN<πRPN，πPPN>πPRN，πRRD<πPRD，πPPD>πRPD，此时PP模式为纳什均衡;当α∈αPR-PP，1，z∈0，zPR-PP时，πRRN<πRPN，πPPN>πPRN，πRRD<πPRD，πPPD>πRPD，此时PP模式为唯一纳什均衡;当α∈αPR-PP，1，z∈zPR-PP，minzPR，zPP时，πRRN<πRPN，πPPN<πPRN，πRRD<πPRD，πPPD>πRPD，此时PR模式为唯一纳什均衡。

命题5表明，平台的渠道均衡决策取决于收益分享比例的大小和DDM效率的高低。当收益分享比例相对较低时，若DDM效率低，则RR和PP是纳什均衡，否则，PP是纳什均衡。当收入分配比例适中时，PP模式是唯一的纳什均衡。当收益分享比例高时，若DDM效率较高，则PR模式为纳什均衡，否则，PP是纳什均衡。

当收益分享比例相对较小时，平台为了获取更多利润应该会倾向于转售模式。但是受DDM效率的影响，当DDM效率较高的情况下，两个平台会同时选择代理模式（PP）。这是因为批发价格会随DDM效率增加而增加，使平台采购产品成本增加，采购成本带来的费用高于收益分享比例较小所带来的损失，即DDM效率的影响高于收益分享比例的影响，此时代理模式是最明智的选择。当收益分享比例适中的情况下，平台选择代理模式可以避免双重边际化效应，从而获得更好的渠道效应;当收益分享比例较大的情况下，平台应该更倾向于代理模式的选择。这意味着平台可以从制造商手上获得更多的利润收益，但是受DDM的影响，当DDM较高的情况下，PR是唯一的纳什均衡。这是因为DDM依托大数据可以精准捕捉消费者的喜好，刺激销售量的激增，具备DDM的平台P（D）具备较大的竞争优势，平台P（N）为避免零售层面的竞争，选择转售模式是最明智的选择。

5 结论

本研究建立四种模式，分别刻画了四种不同渠道模式下的均衡定价和利润，探讨两个平台的渠道均衡選择决策。在均衡状态下，平台的渠道均衡决策取决于收益分享比例的大小和DDM效率的高低。即，当收益分享比例较小时，随着DDM效率的增加，平台P（N）由于转售模式采购成本的增加会倾向于选择代理模式;当收益分享比例适中时，两个平台都会选择代理模式以追求渠道效应;当收益分享比例较高时，随着DDM效率的增加，DDM能更精准地捕捉消费者的偏好，刺激销售量的激增，平台P（N）由于缺乏零售层面的竞争优势会选择转售模式。

参考文献

[1]CHOI T M， WALLACE S W， WANG Y L. Big data analytics in operations management[J]. Production and Operations Management， 2018， 27 （10）： 1868-1883.

[2]COHEN M C. Big data and service operations[J]. Production and Operations Management， 2018， 27 （9）： 1709-1723.

[3]BRAVERMAN S. Global review of data-driven marketing and advertising[J]. Journal of Direct， Data Digital Marketing Practice， 2015， 16（3）： 181-183.

[4]ARUNACHALAM D， KUMAR N， KAWALEK J P. Understanding big data analytics capabilities in supply chain management： Unravelling the issues， challenges and implications for practice[J]. Transportation Research Part E—Logistics and Transportation Review， 2018， 114： 416-436.

[5]WEI J H， LU J， ZHAO J. Interactions of competing manufacturers′ leader-follower relationship and sales format on online platforms[J]. European Journal of Operational Research， 2020， 280（2）： 508-522.

[6]CALI S， BALAMAN S Y. Improved decisions for marketing， supply and purchasing： Mining big data through an integration of sentiment analysis and intuitionistic fuzzy multi criteria assessment[J]. Computers & Industrial Engineering， 2019， 129： 315-332.

[7]BESBES O， GUR Y， ZEEVI A. Optimization in online content recommendation services： Beyond click-through rates[J].M&SOM-Manufacturing & Service Operations Management， 2016， 18 （1）： 15-33.

[8]LIU W H， YAN X Y， LI X，et al. The impacts of market size and data-driven marketing on the sales mode selection in an Internet platform based supply chain[J]. Transportation Research Part E—Logistics and Trunsportation Review， 2020， 136：101914.

[9]HAGIU A， WRIGHT J. Marketplace or reseller？[J]. Management Science， 2015， 61（1）： 184-203.

[10] WU C Q， PETRUZZI N C， CHHAJED D. Vertical integration with price-setting competitive newsvendors[J]. Decision Science， 2007， 38（4）： 581-610.

[11] 田晨， 卢静会， 魏杰.基于电商平台的互补产品物流服务和销售模式选择研究[J].工业工程与管理， 2021， 26（2）： 188-195.

[12] 杨殿玲， 王炬香.电商平台风险规避与公平关切下供应链最优决策研究[J].青岛大学学报（自然科学版）， 2019， 32（3）： 92-101.

[13] YAN Y C， ZHAO R Q， XING T T. Strategic introduction of the marketplace channel under dual upstream disadvantages in sales efficiency and demand information[J]. European Journal of Operational Research， 2019， 273（3）： 968-982.

[14] 冯爽玲， 牟宗玉.消费者偏好和零售服务下双渠道闭环供应链决策及协调研究[J].青岛大学学报（自然科学版）， 2020， 33（1）： 103-113.

[15] KWARK Y， CHEN J Q， RAGHUNATHAN S. Platform or wholesale？ A strategic tool for online retailers to benefit from third-party information[J]. MIS Quarterly， 2017， 41（3）： 763-786.

[16] TIAN L， VAKHARIA A J， TAN Y，et al. Marketplace， reseller， or hybrid： Strategic analysis of an emerging e-commerce model[J]. Production and Operations Management， 2018， 27（8）： 1595-1610.

[17] CAI G S， DAI Y， ZHOU S X. Exclusive channels and revenue sharing in a complementary goods market[J]. Marketing Science， 2012， 31 （1）： 172-187.

[18] GHOSHAL A， KUMAR S， MOOKERJEE V. Dilemma of data sharing alliance： When do competing personalizing and non-personalizing firms share data[J]. Production and Operations Management， 2020， 29（8）： 1918-1936.

Research on Channel Equilibrium Strategy of E-commerce

Platform under Data-driven Marketing

YANG Rui， MA Cheng

（School of Business， Qingdao University， Qingdao 266061， China）

Abstract：

Due to the competition of e-commerce platform， a game modelwas constructed， which was composed of one manufacturer and two platforms. Equilibrium pricing and profit under different channel modes were analyzed by using Stackelberg game and Nash equilibrium. The channel equilibrium choice of the two platforms was studied in the sales process of the same consumer market. When the proportion of revenue sharing in the equilibrium state is small， with the increase of data-driven marketing efficiency， the traditional platform will select the agency selling mode due to the increased procurement costs in the reselling mode. When the revenue sharing proportion is moderate， the two platforms will select the agency selling mode to pursue channel efficiency. When the revenue sharing proportion is large， with the increase of data-driven marketing efficiency， the traditional platform will select the agency selling mode due to the lack of competitive advantage at the retail level.

Keywords：

E-commerce platform; channel mode; retail competition; data-driven marketing

收稿日期：2021-07-11

基金項目：

教育部人文社科基金（批准号：18YJC630119）资助;山东省自然科学基金面上项目（批准号：ZR2020MA024）资助;山东省社科规划项目（批准号：20CSDJ16）资助。

通信作者：

马骋，男，博士，教授，主要研究方向为优化理论和供应链管理。E-mail：mc_0812@163.com

2727501186394