基于评论激励和质量激励的网购供应链协调研究

刘永胜，郭星涛

(北京物资学院 商学院，北京 101149)

网购市场蓬勃发展的同时，消费者所面临的商品质量问题依旧严峻。鉴于在线购买的消费者在很大程度上依赖于其他用户的评论来判断商品质量，电商平台会采取评论激励和质量激励措施来提升商品质量和消费者评论积极性。如淘宝、京东等电商平台采取返券、积分、价格优惠等手段对消费者进行评论激励，鼓励其购买商品后做出评论；以及对商家的商品进行质量激励，共同促进商品的销售。那么，作为网购供应链核心企业的电商平台是否有最优的激励力度决策，既能保证供应商产品的质量水平，又能使网购供应链总收益最大，同时又使得网购供应链上各节点企业的收益达到帕累托改进？对不同质量、不同价格、不同评论影响敏感度的商品是否需要采取不同的激励措施？这些具体的问题都有待解决。为此，在实施这两种激励时，如何对网购供应链进行协调，以确保供应链成员的利益不受损害的同时达到激励的目的，具有重要的现实意义。

1 文献述评

一些学者从不同背景和视角下研究网购供应链的协调。传统网购供应链由制造商、网店运营商、快递服务商、顾客构成[1]。针对低碳背景，有学者用碳税激励结合碳超排处罚激励[2]研究网购供应链的协调和优化问题。针对电商模式下的渠道冲突，使用改进的两部收费契约解决渠道冲突，实现供应链各主体收益的帕累托改进[3]。针对网购供应链服务质量，学者们也提出很多协调手段，例如多边旁支付合同和部分旁支付合同[4]、收益共享契约[5]、两部定价契约 (固定费用和单位物流费用)和双边努力成本共担契约[6]等。也有学者结合网购供应链的一些特点进行研究，例如比较“佣金机制”下电商平台和制造商分别作为供应链主导企业时的协调情况[7]；针对电商退货问题，提出使用收益-费用分享契约对供应链进行协调[8]；结合“信用支付”背景，研究受延迟支付影响的网购供应链协调问题[9]等。

也有学者研究评论影响下的网购供应链协调问题。两阶段定价模式常被用来描述此类问题，例如单一制造商的价格决策[10]，一个制造商和一个网络零售商价格和质量的综合决策[11]。经过进一步的研究，有学者将评论影响分为质量信息维度和匹配信息维度两个维度，在此基础上发现存在一个网络零售商和两个互相竞争的供应商[12]或3个相互竞争制造商[13]时，评论会对供应链成员收益情况产生不同的影响。而当商家采取评论返利手段 (回扣契约)激励消费者进行评论时，会对制造商和零售商价格决策产生影响，并扩大零售商的市场需求[14]。

综上所述，网购供应链协调方面的研究主要是结合网购供应链自身的特点进行。在构建模型时一般是在传统的制造商和电子零售商的基础上，分别将物流企业、电商平台或消费者加入到模型中。现有研究从多种角度研究网购供应链的协调问题，但是考虑消费者评论影响的研究还不多见。随着消费者对于网购商品质量重视的提升，网购市场存在的“柠檬”问题需要通过合理的机制来缓解[15]，电商平台作为网购供应链中联系商家和消费者的中间环节，其有动力去建立合理机制来激励商家提升商品质量，使更多的消费者买到心仪的商品；同时激励消费者做出评论来反馈商品的信息，从而刺激需求的增长。针对这两种激励方式，有研究表明，经济激励[16]和社会规范[17]都能实现激励效果；而质量激励的研究大多集中于传统供应链，有学者认为基于质量的收益共享机制能够起到质量激励作用[18]，而实施广告价格折扣相关的产品质量激励策略能够实现网购供应链中商家和平台的双赢[19]。可以看出，两种激励对网购供应链有现实意义，但如何更好地将两者进行结合使用还未曾研究。

为此，本文探讨在消费者评论影响下，由一个平台商家、一个电商平台和消费者群体组成的供应链协调问题。本文的研究区别于已有研究的地方：一是大部分研究假设供应链由供应商和制造商组成，供应链上下游之间会发生商品产权转移，因而有批发价格决策和零售价格决策问题。而本文假设的供应链由供应商和电商平台构成，在他们之间不会发生商品产权转移，因此不讨论批发价格决策；二是本文不但适用于产品网购供应链，同时适用于服务网购供应链，如网约车、餐饮外卖等以平台为基础的服务供应链。在佣金协调机制的基础上，假设商家的价格是市场决定的，着重讨论电商平台对消费者和商家的最优激励比例，对商家商品质量决策和消费者评论意愿，以及对供应商和平台本身的收益影响，旨在为相关理论研究做一定补充，为相关企业的决策提供一些帮助。

2 问题描述与模型假设

考虑由一个商家、一个电商平台和消费者群体三者组成的网购供应链，电商平台为供应链核心企业。商家包含了传统供应链中上游供应商和制造商的功能，由其负责保证商品的质量，并通过电商平台进行销售。电商平台作为连接商家和消费者的中间桥梁，为商家的商品销售提供服务的同时收取一定的费用作为提供服务的报酬，同时电商平台还要对商家商品的质量承担一定的责任，将消费者的反馈信息以商品评论的方式发布在平台互联网端的相应版块，供商家和潜在消费者参考。具体如图1所示。

图1 网购供应链结构Figure 1 Structure of online shopping supply chain

有关模型参数描述如表1所示。

表1 参数定义Table 1 Parameter definition

假设商品的质量水平为q(0＜q≤1)，q=1表示该类型商品的市场最高质量水平。借鉴朱立龙等[20]对产品质量成本的假设，将商家对于提升商品质量水平的投入成本设为C=nq2，表示质量水平投入成本随着质量的增加而增加。消费者在购买商品后有α的概率选择进行评论，且评论都是真实评论，能够反映商品的真实质量并且影响其他潜在消费者的购买。消费者购买单位商品所获得的净效用为U0，并且评论时会付出一定的成本，大小由评论成本系数决定。消费者购买的是单位商品，则在消费者群体中α可以同时反映评论的数量。

借鉴王玉燕等[7]对需求函数的假设并结合Wang等[11]和Yang等[14]对消费者评论的参数描述，假设商家所销售商品的市场需求量为D，同时受商品价格、质量水平和消费者评论的影响。其函数形式为

价格越高需求量越低，而质量水平的提升会使需求增加。利用商品需求受评论影响的系数来表达评论对需求的影响。b为正数表示商品评论为积极评论正向影响商品的需求；b为负数表示商品评论为消极评论逆向影响商品的需求。不同的系数b可以表示不同商品受不同评论影响的差异性，并且通过D0bα来综合表达评论对于商品需求的影响。

2.1 集中决策模型

如果将上述模型中的商家、电商平台和消费者视为一个利益共同体，则电商平台收取的佣金及两种激励措施都可视作是三者所构成系统的内部支付。商家的决策变量为商品的质量水平q，而消费者的决策变量为评论的概率 α，则网购供应链总收益πl为

求解式(4)可得，集中决策下的商家商品质量水平的和消费者评论概率的最优解q*和 α*为

2.2 分散决策模型

在分散决策下，平台按比例 φ (0＜φ＜1)从商家收取佣金作为自身的收益，根据商品的销售额来收取。假设商家和消费者都是理性人，即以自身收益最大化为目标进行决策。则分散决策下，网购供应链各主体的收益如下。

在分散决策下，商家不知道消费者的评论概率，同时因为信息不对称问题的存在，消费者也不能准确地得知商品的实际质量，所以二者之间的博弈可以看作是一种静态博弈，都以自身收益最大化为目标进行决策。

将商家的收益函数πss和消费者的效用函数Us分别对其决策变量q和α求一阶导数，令其等于零并联立可得

将式(5)和式(10)分别代入到式(2)中，可以分别求得集中决策和分散决策下的网购供应链总收益。通过对比可以看出，分散决策下的网购供应链总收益小于集中决策，需要通过一定的措施来实现供应链的协调。下面探讨基于评论激励和质量激励的佣金协调机制对于实现网购供应链协调的可行性。

3 基于评论激励和质量激励的佣金协调机制

假设电商平台以网购供应链利益最大化为目标。对商家实施质量激励 (广告费打折、优先推广、现实或虚拟货币)，激励商家提升商品质量，主要与商家商品的质量和销量有关。如果商家售卖商品的质量超过平台设置的质量标准则给予奖励；如果低于标准则给予惩罚。F1=ε(q-q0)D表示激励商家所付出的支付，质量激励系数ε＞0且数值设置要保证电商平台在实施激励后仍有正收益。同时，电商平台会对消费者进行评论激励 (优惠券、积分、虚拟货币)，激励消费者在购买商品后做出评论，主要与商品的价格和评论的数量有关。F2=mpαD表示电商平台对消费者评论激励的支付，其中，评论激励系数m∈(0,1)。商家和消费者的决策变量仍为商品的质量和评论的概率，而电商平台的决策变量为佣金比例、质量激励系数和评论激励系数，则实施协调机制时供应链各成员的收益和效用如下。

假设商家和消费者为理性人，即以满足自身收益或效用最大化为决策目标。电商平台以实现供应链整体收益最大化为目标，首先确定佣金比例和评论激励系数，之后商家和消费者再决定商品的质量和评论的概率，如图2所示。

图2 决策顺序Figure 2 Decision sequence

通过求解式(14)可得实施协调机制下，商家和消费者的决策变量最优解q**和 α**为

令q**、 α**分别与q*、 α*相等，可以求解出在加入评论激励的佣金协调机制下，使得分散决策下商家和消费者对决策变量进行决策时的情况与集中决策下相同。满足条件的佣金比例 φ和评论激励系数m为

当佣金比例φ、质量激励系数ε和评论激励系数m满足式(16)时，基于评论激励和质量激励的佣金协调机制能够促使商家和消费者做出与集中决策情况下相同的决策，实现协调的目的。在电商平台的实际运营过程中，可以结合自身目标在可接受范围内调整佣金比例、商家激励系数和评论激励系数，从而实现更有效更贴合实际的协调。

4 数值分析

为了验证上述模型的协调效果，利用数值模拟的方式，通过设定模型参数并结合Matlab软件构建模型，分析算例情况下的协调情况。对各个参数进行假设，如表2所示。

表2 参数假设Table 2 Parameter assumption

4.1 实施协调机制前后的对比

按照上述假设参数值进行数值模拟，对比集中决策、分散决策、实施基于评论激励和质量激励的佣金协调机制3种情况下，各个主体的收益以及决策变量的情况，结果如表3所示。

从表3中可以看出，当使用基于评论激励和质量激励的佣金协调机制时，商家、消费者和网购供应链整体的收益都有所增加，商品的质量水平q和消费者的评论概率 α也都有所提升，销量也有所增加。这说明基于评论激励和质量激励的佣金协调机制，能够使网购供应链在分散决策下达到与集中决策相同的利润水平，实现协调的目的。

表3 实施协调机制前后的对比Table 3 Comparison before and after the implementation of the coordination mechanism

4.2 基于评论激励和质量激励与单独实施评论激励或质量激励的对比

通过对质量激励系数ε和评论激励系数m分 别设置为零，可以从数值模拟的结果中将同时实施评论激励和质量激励时，与单独实施评论激励或质量激励时网购供应链的收益情况进行对比，如表4所示。

表4 不同激励组合方式的比较Table 4 Comparison of different incentive combinations

通过对比可以看出，只实施评论激励或质量激励时的效果比较单一，仅对所对应的激励对象能产生激励效果，只实施评论激励时能使得评论概率α达到集中决策的水平，但只实施质量激励时不能使商品质量水平q达到这一目标。而在两种激励措施同时使用时，商品质量水平q和 评论概率α都能达到集中决策的水平，并且对商品质量水平q的提升比只实施质量激励时更加明显，且商家收益、消费者效用和供应链总收益均有所上升，而电商平台收益有所下降，但销量的增加对于平台吸引更多的商家入驻和消费者使用有重要意义。

4.3 不同参数对供应链协调时决策变量的影响

以质量影响系数θ、评论影响系数b和消费者评论成本r作为自变量，利用基于评论激励和质量激励的佣金机制进行协调时，商品质量水平q、评论的概率α、佣金比例 φ以及评论激励系数m作为因变量，观察上述参数变化时对决策变量所产生的影响。

从图3中可以看出随着质量影响系数θ的增大，商品质量水平q有着显著的提升，而消费者评论的概率α略有下降。

图3 质量影响系数θ对决策变量的影响Figure 3 The influence of quality influence coefficient θ on decision variables

从图4中可以看出，随着评论影响系数b的增大，商品质量水平q会有一定程度的降低，而消费者评论的概率 α会有一定的增加，且两者的变化程度都随着参数b的增加而逐步放缓。

图4 评论影响系数b对决策变量的影响Figure 4 The impact of reviews influence coefficient b on decision variables

图5显示，当消费者进行评论需要付出较大的成本时，最优的佣金比例下降，评论激励系数稍微上升，此时，消费者评论意愿仍然会显著下降，但商品质量不会下降。

图5 评论成本 r 对决策变量的影响Figure 5 The impact of reviews costs r on decision variables

4.4 不同参数对供应链各主体收益的影响

以质量影响系数θ、评论影响系数b和消费者评论成本r作为自变量，利用基于评论激励和质量激励的佣金机制进行协调时，电商平台收益、商家收益和网购供应链总收益为因变量，观察上述参数变化对供应链主体收益产生的影响。

从图6中可以看出，网购供应链的总收益没有明显变化，平台商家的收益明显增加，然而此时电商平台的收益减少了，但考虑到这只是电商平台在一家供应商处得到的收益减少了，并不意味着电商平台的总收益减少。因为平台上有成千上万家供应商，如果供应商收益增加、商品质量提升、消费者满意度提高，则会吸引更多的供应商入驻平台和更多的消费者进行消费，因此电商平台的总体收益一定会显著上升 (类似于“薄利多销”策略)。

图6 质量影响系数θ对供应链主体收益的影响Figure 6 The impact of quality impact coefficient θ on the income of supply chain entities

从图7中看出，随着评论影响系数的增大，网购供应链总收益显著增大。由于销量的增加主要受平台所实施的评论机制影响，电商平台拥有更高的话语权且提升佣金比例导致其收益显著增大，而导致平台商家的收益降低。由此得出与常识不同的结论：过高的评论影响系数并不能促进商家提高商品质量，反而会损害商品质量和商家利益；当商品销量受评论影响较大时，如果商家提升商品质量的成本较高且质量提升没有得到很好的宣传，不能快速转化为收益，则商家会更加注重评论的作用而忽视对商品本身质量的提升。因此，是否应该劝导消费者购物时不要太受他人评论的影响？而这是否又与消费者评论机制初衷 (通过评论提高质量、提高销量)相悖呢？

图7 评论影响系数b对供应链主体收益的影响Figure 7 The impact of reviews influence coefficient b on the income of supply chain entities

图8显示，随着消费者评论成本的增加，网购供应链总收益会下降，平台商家收益上升，电商平台收益下降。可以看出过高的评论成本不利于电商平台维持网购供应链和自身的收益。

图8 评论成本 r 的灵敏度分析Figure 8 The impact of reviews costs r on the income of supply chain entities

5 结论

本文构建了由商家、电商平台和消费者三者组成的网购供应链模型，由电商平台作为协调的主体，考虑受消费者评论影响的需求函数，利用基于评论激励和质量激励的佣金机制来协调网购供应链，并通过数值模拟分析了主要参数变化所带来的影响。研究表明，在消费者评论的影响下，基于评论激励和质量激励的佣金机制能够在保障各主体收益和网购供应链总收益的基础上，提升商品质量以及消费者的评论积极性，实现对网购供应链的协调。

为此，对网购供应链中电商平台的运作提出以下建议。1) 对消费者的评论激励和对商家的质量激励应相互配合实施。评论激励和质量激励不应成为分别面向商家和消费者的两套独立的激励体系，而是应该相互配合协同考虑，以商家或商品为基础，将两种激励有机结合在一起，并且不同商品应根据需求受评论影响和质量影响大小的不同来设置相应的激励比例，从而达到更好的激励效果。2) 电商平台仍然需要为降低消费者的评论成本而努力。提升消费者进行评论的积极性对网购供应链各主体的收益有积极的影响，而评论成本高是提升消费者评论积极性的一大阻碍。在实施激励措施的基础之上，平台应创新评论机制以及激励方式，可以尝试设计消费者评论社区，将评论与社交相结合，增加消费者之间和与商家之间的互动交流；尝试其他的激励方式，培养消费者的评论习惯，达到增强消费者评论意愿的目的。

在现实中不同的消费者评论产生的影响也可能是有差别的，例如有关物流服务的评论和有关商品质量的评论对需求产生的影响可能也是不同的，所以将消费者评论以及不同类型的评论产生的影响进行量化和区分，可能是未来的一个研究方向。

(责任编辑: 郑穗华)