协同视角下消费者参与的网购商品质量监管策略研究

朱立龙 何慧 徐艳萍

摘 要：网络购物成为最重要的消费方式之一，网购商品质量问题引起了政府和全社会的广泛关注。因此，引入消费者反馈机制，构建了协同视角下政府部门、第三方电商平台、消费者三方共同参与的演化博弈模型，分析了各主体的演化稳定策略，基于Lyapunov第一法则研究了演化稳定点存在的条件，运用Matlab 2020b仿真分析了各要素对策略选择的影响。研究表明：增大消费者反馈给第三方电商平台带来的声誉价值溢价或声誉损失，将使其选择强化审查策略;提高协同收益和政府部门对第三方电商平台的处罚额，均将使政府部门选择严格监管、第三方电商平台选择强化审查;反馈成本的降低，不仅会提高消费者反馈的积极性，还会促进政府部门严格监管和第三方电商平台强化审查。最后，结合模型求解和仿真分析，为实践中如何提高网购商品质量提出了对策与建议。

关键词：网络购物;商品质量;协同;演化博弈;仿真分析

一、引言

随着电子商务的快速发展，人们的消费方式发生了翻天覆地的变化，网络购物成为最重要的消费渠道之一。中国互联网络信息中心（CNNIC）发布的第46次《中国互联网络发展状况统计报告》显示：截至2020年6月，我国网民规模达9.40亿，普及率高达67.0%;网络购物的用户规模达到了7.49亿，占网民规模的79.7%资料来源：中国互联网络信息中心第46次中国互联网络发展状况统计报告。。网络购物以其便捷性吸引了越来越多的消费者，但随着收入的增加和生活水平的提高，人们的消费观念也随之转变，除了关注网络购物的便捷性外，对商品品质的追求也在逐渐提升。而由于网络购物方式的虚拟性，商家与消费者之间存在严重的信息不对称，造成低质量商品虚假宣传、假冒伪劣商品违法销售等事件频发。2020年7月16日，中国电子商务研究中心发布了《2020年（上）中国电子商务用户体验与投诉监测报告》，报告显示2020年上半年，国内网购投诉依然居高不下，占全部投诉的58.09%，其中商品质量问题位居热点投诉问题的第三位[资料来源：电子商务研究中心2020年（上）中国电子商务用户体验与投诉监测报告。。显然，网购商品质量问题亟待解决。

2015年11月12日，国家工商行政管理总局出台了《关于加强和规范网络交易商品质量抽查检验的意见》，明确了网络交易商品质量抽检工作的方向和各主体的责任与义务。但由于网络购物涉及的主体多且复杂，传统的、單一化的、碎片化的监管模式行政成本高且效率低下，导致网购商品质量事件屡禁不止，如近期曝光的网购童装染色剂甲醛超标事件、化妆品汞超标事件、坚果霉菌超标事件、飞利浦剃须刀炸裂事件等。而多方协同、信息共享的网购商品质量监管模式越来越凸显出其优越性，成为大势所趋。2018年8月31日，十三届全国人大常委会第五次会议表决通过了《中华人民共和国电子商务法》，进一步从国家层面体现出对电子商务健康发展的重视程度，同时也明确指出国家要加快建立与电子商务特点相符的协同管理体系。2019年8月31日，全国12315平台正式上线，该平台将原五条投诉举报热线整合为一个平台，力求运用大数据实现动态、精准监管，共建社会共治体系。2019年9月12日，国务院发布了《关于加强和规范事中事后监管的指导意见》，指出要加快转变传统的监管模式，构建协同视角下的监管新格局，实现监管信息互联共通，形成跨部门、跨主体、跨区域的监管合力。

综上所述，在网络购物方式普及的环境下，网购商品质量问题已逐渐成为公众关注的焦点，进行协同视角下监管模式的研究对弥补传统监管模式的不足发挥着关键作用，对提高网购商品质量具有重要的实践指导意义。针对协同视角下的监管问题，2018年商务部已陆续在各大省市开展了电子商务数据共建共享工作，同时国家市场监督管理总局也在不断完善，其搭建的网络信息平台包括国家企业信用信息公示系统和全国12315互联网平台等多个平台入口，为信息共享、协同视角下的监管提供了良好的条件。因此，本文基于协同的视角，考虑消费者反馈机制（包括评价与投诉），构建了政府部门、第三方电商平台、消费者三方共同参与的网购商品质量监管演化博弈模型，分析了各主体的演化稳定策略和各要素对三方策略选择的影响，基于Lyapunov第一法则研究了三方演化稳定点存在的条件，并运用Matlab 2020b仿真分析了各要素对三方策略选择的影响，为如何提高网购商品质量提供了对策与建议。

二、相关文献综述

网购商品质量问题不仅引起了政府部门和全社会的广泛关注，国内外学者也对问题的产生原因、监管和审查策略、机制设计等进行了深入的研究。

学者们主要是从信息不对称、信号传递扭曲、消费者需求驱动等角度来分析网购商品质量问题存在的原因，其中消费者需求是主要驱动因素之一（Thaichon P，2016），但根本原因还是在于买卖双方之间存在严重的信息不对称（李波等，2013）。这种信息不对称是由于电子商务市场商品质量信息的传递机制与传统线下市场存在显著区别所造成的（李莉，2004）。信息传递机制可以帮助在线商家向消费者传递商品信息，使消费者克服产品的不确定性（Kim Y等，2015）。而对于低质量商家来说，信息传递机制则为其伪装成高质量商家，向消费者销售低质量商品提供了可能（Fouliras，2013;王宇等，2016）。低质量商家获利又会产生汇聚效应，吸引更多的低质量商家和产品进入市场（Chen Y等，2017），进一步导致网购商品质量问题难以控制。

以上学者大多是从信息不对称的视角研究该问题存在的原因，而如果缺乏有效的监管和审查，也可能会导致商品质量降低，因此强化各方质量责任刻不容缓（朱立龙等，2021）。随着电子商务的发展，第三方电商平台成为最重要的责任主体之一，其扮演的角色也逐渐明确，不仅发挥着质量审查的作用（李杰等，2018），同时还承担着第三方信用监管的责任（杨丰梅等，2017）。但第三方电商平台为了增加流量、扩大市场份额，可能会默许部分低质量商品的存在。因此，有些学者还从政府监管部门（Li Y. P等，2018）、第三方机构（Maeyer P. D等，2011;王文婧等，2012）等视角对监管策略进行了研究。

除此之外，国内外学者们还设计了信用分级机制（王建华等，2020）、收益共享机制（Zhang J. Q等，2019）、惩罚机制和信誉机制（馬述忠等，2019）、动态交易保证金信誉激励机制（孙宝文等，2014）、退货管理制度（Griffis S. E等，2012;Seung Ho Yoo，2014）、基于可信任第三方的网上诚信交易机制（康旺霖等，2016）等以防止欺诈行为的发生，以上机制在一定程度上确实可以发挥约束作用，但并未从根本上解决网购商品质量问题。

解决网购商品质量问题需要多方主体的共同参与，仅依靠其中任何一方，都无法发挥有效作用。如仅依靠第三方电商平台，但第三方电商平台处于双边市场环境，其质量审查行为不会完全从消费者的利益出发（李乃文等，2017;朱立龙等，2020）;仅依靠政府部门，但政府部门在网络市场监管方面又会存在严重的“水土不服”（汪旭晖，2016）;仅依靠第三方机构，但第三方为使自身利益最大化，可能会产生与商家合谋的动机（朱立龙等，2017）;仅依靠商品供应商，但商品供应商在委托第三方电商平台销售商品时，可能会降低商品质量水平（朱立龙等，2017;He H等，2020）。而越来越多的实践表明，随着新媒体时代的到来，消费者反馈在网络购物中的地位日益提高，有效的社会评价可以减少卖家机会主义行为的发生（朱立龙等，2019;Zheng H. C等，2019），从而降低信息传递扭曲给消费者带来的损失。消费者对网购商品的质量感知不仅会影响其自身的回购行为（Sullivan Y. W，2018），而且对商品做出的反馈还会影响其他潜在消费者的购买意愿和购买行为（陶晓波等，2013;Fu S等，2018），以及商家的管理和服务质量（Chevalier J. A等， 2018）。虽然由于信息不对称，消费者对商品质量的感知存在时间上的延迟（Li D等，2017），但其做出的反馈可以帮助潜在消费者及时获得商品的质量信息。

综上所述，现有研究为网购商品质量监管提供了实践基础，但对多方参与的质量监管机制研究较少，尚缺乏协同视角下的监管模式，同时目前的监管体系大多数未将消费者反馈考虑在内，而实践表明，新媒体环境下，消费者反馈的作用不容忽视。由此可见，协同视角下考虑消费者反馈机制，建立多方参与的网购商品质量监管机制，对于弥补传统监管模式的不足发挥着重要作用。

因此，本文旨在解决以下三个问题：（1）协同视角下政府部门如何采取监管措施、协调各主体的利益，从而使网购商品稳定于高质量？（2）消费者反馈如何影响政府部门、第三方电商平台、消费者的策略选择？（3）政府部门对第三方电商平台的处罚额、消费者反馈带来的声誉价值溢价或声誉损失、协同收益、消费者反馈成本等对各博弈主体的演化稳定策略有何影响？

三、模型假设与构建

相比传统的线下购物方式，网络购物实现了更高效率的资源整合，但因涉及的利益主体多且复杂，仅依靠政府部门单一的、碎片化的监管很难实现有效管理。构建多方共同参与、信息互通共享的网购商品质量监管模式，一方面可以缓解政府部门的监管压力，另一方面可以调动社会活力，发挥协同效应，更好地维护市场秩序。因此，本文构建的网购商品质量监管结构关系如图1所示：

（一）模型假设

本文考虑三个参与主体，政府部门为参与人1，第三方电商平台为参与人2，消费者为参与人3，三者均是有限理性的。假设如下：

假设1 政府部门的策略选择空间为S1={严格监管，宽松监管}，设严格监管的概率为x（0≤x≤1），宽松监管的概率为（1-x）;第三方电商平台的策略选择空间为S2={强化审查，不强化审查}，设强化审查的概率为y（0≤y≤1），不强化审查的概率为（1-y）;消费者的策略选择空间为S3={反馈，不反馈}，设反馈的概率为z（0≤z≤1），不反馈的概率为（1-z）。

假设2 设政府部门严格监管的成本为Cgh，宽松监管的成本为Cgl，Cgh>Cgl>0;第三方电商平台强化审查的成本为Cph，不强化审查的成本为Cpl，Cph>Cpl>0;消费者的反馈成本为Cc，Cc>0，反馈时会在监管信息平台上发布自己的评价，一旦购买到低质量商品还会进行投诉维权。

假设3 消费者使用监管信息平台上的信息做出购买决策。当政府部门在监管信息平台上发布抽检结果、失信名单等信息时，消费者获得的信息价值为Vg;当第三方电商平台在监管信息平台上发布商家信誉、审查结果等信息时，消费者获得的信息价值为Vp;当政府部门和第三方电商平台同时发布信息时，消费者获得的信息价值为V（同时从两方获得信息并获得协同信息溢价），更全面地获得商品质量信息，因此V>（Vg+Vp）。第三方电商平台售出商品后的收益为π。当消费者购买到高质量商品时，可选择将此信息反馈到监管信息平台上并做出正面评价，由此给政府部门和第三方电商平台带来的声誉价值溢价分别为Rg和Rp。

假设4 政府部门和第三方电商平台在网购商品质量监管中共同作用，会产生协同效应，借鉴曹霞等（2016）的研究，用经济学中的柯布-道格拉斯生产函数来反映二者的收益，即λIαgIβp（其中Ig和Ip分别为政府部门和第三方电商平台的监管投入，λ为协同效应系数（λ>0），α和β分别为政府部门和第三方电商平台挖掘并使用信息的能力），则政府部门和第三方电商平台获得的协同收益分别为θλIαgIβp和（1-θ）λIαgIβp，θλIαgIβp>Cgh， （1-θ）λIαgIβp>Cph，其中θ为收益分配系数，α，β，θ∈[0，1] 。

假设5 设入驻商家以δ的概率提供低质量商品。当政府部门严格监管、第三方电商平台不强化审查时，一旦政府部门发现商品存在质量问题，则禁止流入市场并对第三方电商平台进行处罚，处罚额为Fp。当政府部门宽松监管、第三方电商平台不强化审查时，一旦消费者购买到低质量商品，将遭受损失Lc，此时消费者可选择向监管信息平台反馈，对政府部门和第三方电商平台做出负面评价并进行投诉维权，由此可获得入驻商家的补偿Bc;第三方电商平台将遭受声誉损失Lp，并承担政府部门的处罚，处罚额为Fp;政府部门将遭受声誉损失Lg，同时会受到上级主管部门的处罚，处罚成本（包括行政问责、诫勉谈话、免职等）为Fg，Lg+Fg>Fp。

（二）模型构建

基于以上假设，本文构建了政府部门、第三方电商平台、消费者三个行为主体之间的混合策略博弈模型，如表1所示：

四、演化稳定策略分析

（一）政府部门的演化稳定策略分析

政府部门选择严格监管和宽松监管的期望收益及平均收益分别为：

Eg1=δFp-Cgh-y（δFp-zδRg-θλIαgIβp）+z（1-α）Rg（1）

Eg2=-Cgl+y（zδRg+zδLg+zδFg-zδFp）+z（1-α）Rg-z（δLg+δFg-δFp）（2）

Eg=xEg1+（1-x）Eg2（3）

政府部门选择“严格监管”策略比例的复制动态方程为：

F（x）=dx/dt=x（Eg1-Eg）=x（1-x）{δFp-（Cgh-Cgl）-y（δFp-θλIαgIβp）+（1-y）z（δLg+δFg-δFp）}（4）

F（x）=0的解为x=0，x=1，y=y0=（Cgh-Cgl-δFp-z（δLg+δFg-δFp））/（θλIαgIβp-δFp-z（δLg+δFg-δFp））

求F（x）的一阶偏导数得：

d（F（x））/dx=（1-2x）{δFp-（Cgh-Cgl）-y（δFp-θλIαgIβp）+（1-y）z（δLg+δFg-δFp）}（5）

命题1 当y<y0时，政府部门的演化稳定策略为严格监管;当y>y0时，政府部门的演化稳定策略为宽松监管;当y=y0时，政府部门不存在演化稳定策略。此时λ<λ0，阈值λ0=（δFp+z（δLg+δFg-δFp））/θIαgIβp。

证明 令Q（y）=δFp-（Cgh-Cgl）-y（δFp-θλIαgIβp）+（1-y）z（δLg+δFg-δFp），求Q（y）的一阶偏导数得：Q（y）/y=θλIαgIβp-δFp-z（δLg+δFg-δFp）。当λ<λ0时，Q（y）/y<0，Q（y）关于y为减函数，因此，当y<y0时，Q（y）>0，d（F（x））/dx|x=1<0且d（F（x））/dx|x=0>0，则严格监管（x=1）为政府部门的演化稳定策略;当y>y0时，Q（y）<0，d（F（x））/dx|x=0<0且d（F（x））/dx|x=1>0，则宽松监管（x=0）为政府部门的演化稳定策略;当y=y0时， Q（y）=0，此时政府部门不存在演化稳定策略。

命题1表明：在政府部门与第三方电商平台的协同效应系数降低的条件下，随着第三方电商平台强化审查概率的提高，政府部门的演化稳定策略将由严格监管转变为宽松监管;同理，随着第三方电商平台强化审查概率的降低，政府部门的演化稳定策略将由宽松监管转变为严格监管。

因此，政府部门策略选择的演化相位图，如图2所示：

由图2可知，体积Vg1为政府部门严格监管的概率，体积Vg2为政府部门宽松监管的概率。

Vg2=∫10∫10Cgh-Cgl-δFp-z（δLg+δFg-δFp）θλIαgIβp-δFp-z（δLg+δFg-δFp）dzdx=1-θλIαgIβp-（Cgh-Cgl）δLg+δFg-δFplnθλIαgIβp-δFpθλIαgIβp-δLg-δFg（6）

Vg1=1-∫10∫10Cgh-Cgl-δFp-z（δLg+δFg-δFp）θλIαgIβp-δFp-z（δLg+δFg-δFp）dzdx=θλIαgIβp-（Cgh-Cgl）δLg+δFg-δFplnθλIαgIβp-δFpθλIαgIβp-δLg-δFg（7）

令a=θλIαgIβp-δLg-δFg，b=θλIαgIβp-δFp，c=δLg+δFg-δFp，d=θλIαgIβp+Cgl-Cgh。

推论1.1 当上级主管部门的处罚额提高、政府部门严格监管的成本下降时，将使政府部门选择严格监管策略;当上级主管部门的处罚额降低、政府部门严格监管的成本上升时，将使政府部门选择宽松监管策略。

证明 分别求Vg1、Vg2关于Fg和Cgh的一阶偏导数，可得：Vg1/Fg=δd1clnba-1a/c>0， Vg1/Cgh=-1clnba<0;Vg2/Fg=-δd1clnba-1a/c<0，Vg2/Cgh=1clnba>0，因此，Vg1關于Fg为增函数、关于Cgh为减函数;Vg2关于Fg为减函数、关于Cgh为增函数。

推论1.1 表明：当消费者购买到低质量商品并进行投诉时，上级主管部门提高处罚额，将使政府部门选择严格监管策略;此外，政府部门严格监管的成本降低，也可以使其选择严格监管策略。

推论1.2  当消费者购买到低质量商品并选择反馈时，会在监管信息平台上做出负面评价，由此给政府部门带来的声誉损失增大，将使政府部门选择严格监管策略。

证明 求Vg1关于Lg的一阶偏导数，可得：Vg1/Lg=δd1clnba-1a/c>0，因此，Vg1关于Lg为增函数。

推论1.2表明：当消费者购买到低质量商品并选择反馈时，负面评价给政府部门带来的声誉损失增大，政府部门为维护声誉，将倾向于选择严格监管策略，因此，消费者应积极地将商品质量信息反馈到监管信息平台，并做出真实客观的评价。

由表2可知，系统（S）可能存在的演化稳定点为（0，0，1）和（1，1，0），即（宽松监管，不强化审查，反馈）和（严格监管，强化审查，不反馈）。当满足条件①时，（0，0，1）为演化稳定点;当满足条件②时，（1，1，0）为演化稳定点。因此，为避免（0，0，1）成为ESS，应增大政府部门对第三方电商平台的处罚额、提高消费者反馈给第三方电商平台带来的声誉价值溢价和声誉损失、降低第三方电商平台不强化审查节约的成本，使（Cph-Cpl）<δRp+δFp+δLp;另外，还可加大政府部门的处罚成本和消费者反馈给政府部门带来的声誉损失、降低政府部门严格监管的成本，使（Cgh-Cgl）<δLg+δFg。为促进（1，1，0）成为演化稳定点，除了降低第三方电商平台不强化审查节约的成本、提高政府部门对第三方电商平台的处罚额外，还应增大协同收益和第三方电商平台售出商品的收益，使（Cph-Cpl）<（1-θ）λIαgIβp+δπ+δFp。

六、仿真分析

目前尚缺乏网购商品监管统计的数据，但为了尽可能保证模拟数据的可获得性和可靠性，本文使用现有的相关数据来设定部分参数的初始数值，再参照这部分参数设置其他参数的初始数值。根据《2018年国民经济和社会发展统计公报》，全年实物商品网上零售额占社会消费品零售总额的比重为18.4%;国家市场监督管理总局《2018年度部门决算》显示，用于质量技术监督与检验检疫事务的支出达110亿元，所以本文设定网购商品质量监管的成本为Cgh=18.4%×110=20.24（亿元），质量技术监督与检验检疫事务的收入达190亿元，因此設定政府部门对第三方电商平台的处罚Fp=18.4%×190=34.96亿元。2018年全国市场监管部门共收到消费者投诉372.56万件，为消费者挽回经济损失10.32亿元，其中网络购物投诉占45%，则设定网络购物消费者获得的补偿为Bc=45%×10.32=4.64亿元。《2018年网络交易儿童用品质量专项抽查检验结果》显示，总体不合格商品检出率达29%，则设定δ=0.29。根据京东2018年年报，其净利润为35亿元，《中国网络零售B2C市场季度监测报告》显示：2018年京东的市场份额为24.2%，则设定第三方电商平台的收益为π=35/0.242=144.63亿元。假定政府部门宽松监管的成本Cgl=0，惩罚成本Fg=60，第三方电商平台强化审查的成本Cph=20，不强化审查的成本Cpl=0;政府部门、第三方电商平台、消费者的初始策略选择概率分别为x=0.5，y=0.5，z=0.2;消费者反馈给政府部门带来的声誉价值溢价Rg=10、声誉损失Lg=12，给第三方电商平台带来的声誉价值溢价Rp=8、声誉损失Lp=10;政府部门和第三方电商平台的协同收益分配比例分别为θ=0.5，（1-θ）=0.5，协同收益λIαgIβp=24。为了更直观地反映各参数对多方策略选择的影响，本文运用Matlab 2020b进行仿真分析。

（一）消费者反馈成本的影响

为分析消费者反馈成本对政府部门和第三方电商平台策略选择的影响，仿真结果如图5所示。

由图5可以看出：消费者的反馈成本与政府部门严格监管、第三方电商平台强化审查的概率均呈负相关关系。这是由于消费者的反馈成本降低，其反馈的概率随之提高，政府部门和第三方电商平台为维护声誉、免遭处罚，将提高严格监管和强化审查的概率。因此，消费者反馈成本的降低，不仅会提高消费者反馈的积极性，还会促进政府部门严格监管和第三方电商平台强化审查。

（二）协同收益对三方策略选择的影响

为分析协同收益对三方策略选择的影响，设消费者的反馈成本Cc=0.6，λIαgIβp={0，24，48}，仿真结果如图6所示。

由图6可以看出：当协同收益为0时，消费者的演化稳定策略为反馈，政府部门和第三方电商平台无演化稳定策略;随着协同收益的提高，第三方电商平台强化审查概率的波动范围增大，政府部门严格监管概率的波动范围减小且随第三方电商平台进行调整（当第三方电商平台不强化审查时，政府部门将提高严格监管的概率，当第三方电商平台强化审查的概率提高时，政府部门随之降低其严格监管的概率），最终政府部门的策略选择逐渐稳定于严格监管、第三方电商平台逐渐稳定于强化审查、消费者的演化稳定策略由反馈转变为不反馈。因此，协同收益提高，会促使政府部门选择严格监管策略、第三方电商平台选择强化审查策略。

（三）处罚额对三方策略选择的影响

为分析政府部门对第三方电商平台的处罚额对三方策略选择的影响，设Fp={10.96，34.96，58.96}，仿真结果如图7所示。

由图7可以看出：当政府部门对第三方电商平台的处罚额较低时，政府部门和第三方电商平台无演化稳定策略，消费者的演化稳定策略为反馈;随着政府部门对第三方电商平台处罚额的提高，第三方电商平台强化审查概率的波动范围逐渐增大，消费者的策略选择由反馈逐渐转为随第三方电商平台的策略选择波动（当第三方电商平台强化审查的概率提高时，消费者反馈的概率将降低;当第三方电商平台强化审查的概率降低时，消费者反馈的概率将提高），政府部门的策略选择逐渐稳定于宽松监管。

（四）消费者反馈、第三方电商平台不强化审查节约的成本对三方策略选择的影响

为了分析消费者反馈带来的声誉价值溢价和声誉损失、第三方电商平台不强化审查节约的成本对三方策略选择的影响，使Rp={4，8，12}，Lp={6，10，14}，Fg={40，60，80}，Cph-Cpl={40，20，0}仿真结果如图8所示。

由图8可以看出：在初始状态，政府部门、第三方电商平台、消费者的演化稳定策略分别为宽松监管、不强化审查、反馈。随着消费者反馈给第三方电商平台带来的声誉价值溢价和声誉损失增大、政府部门的处罚成本提高、第三方电商平台不强化审查节约的成本降低，复制动态系统的演化稳定点逐渐偏离（0，0，1），且第三方电商平台的策略选择有向强化审查演化的趋势。因此，提高消费者反馈给第三方电商平台带来的声誉价值溢价和声誉损失、增大政府部门的处罚成本、降低第三方电商平台不强化审查节约的成本，可避免（0，0，1）成为演化稳定点。

（五）第三方电商平台的收益、协同收益对三方策略选择的影响

为了分析第三方电商平台的收益、协同收益对三方策略选择的影响，使π={100.63，144.63，188.63}， λIαgIβp={0，24，48}，Fp={10.96，34.96，58.96}，仿真结果如图9所示。

由图9可以看出：在初始状态，政府部门、第三方电商平台、消费者的演化稳定策略分别为宽松监管、不强化审查、反馈。随着第三方电商平台售出商品的收益增大、协同收益上升、政府部门对第三方电商平台的处罚额增加，复制动态系统的演化稳定点逐渐偏离（0，0，1），并且第三方电商平台的策略选择有向强化审查演化的趋势;随着各参数的持续变化，最终（1，1，0）成为该系统的演化稳定点。因此增大第三方电商平台售出商品的收益、提高协同收益、增加政府部门对第三方电商平台的处罚额，可促进（1，1，0）成为演化稳定点。

七、结语

本文引入消费者反馈机制，构建了协同视角下政府部门、第三方电商平台、消费者三方共同参与的演化博弈模型，分析了各主体的演化稳定策略和各要素对三方策略选择的影响，基于Lyapunov第一法则研究了三方演化稳定点存在的条件，并运用Matlab 2020b仿真分析了各要素变化对三方策略选择的影响，主要结论如下：

（1）增大消费者反馈给第三方电商平台带来的声誉价值溢价或声誉损失、降低第三方电商平台不强化审查节约的成本，均将使其选择强化审查策略。因此，应畅通反馈渠道，完善消费者反馈机制，引导消费者增强维权意识，鼓励其在监管信息平台等对商品质量做出真实、客观的评价，并且当发现网购商品存在质量问题时，积极进行投诉或举报;另外，第三方电商平台应构建有效的质量审查体系，完善审查流程，降低审查成本。

（2）协同收益提高，会促使政府部门选择严格监管策略、第三方电商平台选择强化审查策略。因此，政府部门可借鉴政务信息工作考核机制，建立第三方电商平台质量审查信息考核机制，定期对第三方电商平台信息报送和上传工作进行通报，并计入第三方电商平台的信誉积分，激励第三方电商平台在监管信息平台上共享商家信息和商品质量信息，提高协同收益。

（3）提高政府部门对第三方電商平台的处罚额，会使政府部门将严格监管作为演化稳定策略、第三方电商平台将强化审查作为演化稳定策略。政府部门对消费者评价较低且出现违法违规现象次数较高的第三方电商平台和商家，应提高抽查比例和处罚额，而对消费者评价较高的第三方电商平台和商家应以免检、认证、通报表扬等方式进行激励。

（4）反馈成本的降低，不仅会提高消费者反馈的积极性，还会促进政府部门严格监管和第三方电商平台强化审查。消费者的反馈成本降低，会使反馈成为消费者的演化稳定策略，政府部门和第三方电商平台为维护声誉，将选择严格监管策略和强化审查策略。因此，完善和推广线上调解和网络仲裁机制，降低消费者的反馈成本，对提高网购商品质量具有重要意义。

网购商品质量监管涉及的主体广泛，而本文构建的质量监管模型仅将政府部门、第三方电商平台、消费者作为主体进行分析，未将在线卖家等考虑在内;另外，本文是在静态博弈的框架下进行分析的，但现实中政府部门不可能只进行一次监管，消费者和在线卖家也不可能只进行一次交易，而是一个长期重复博弈的过程。因此，未来可在如下两个方面进行拓展研究：第一，考虑消费者反馈机制，通过构建四方演化博弈模型，分析政府部门、第三方电商平台、在线卖家、消费者共同参与的网购商品质量监管机制; 第二，分析不完全信息下，博弈方长期重复博弈的策略选择。

参考文献：

[1] 曹霞、于娟、张路蓬，2016：《不同联盟规模下产学研联盟稳定性影响因素及演化研究》，《管理评论》第2期。

[2] 初钊鹏、卞晨、刘昌新、朱婧，2019：《雾霾污染、规制治理与公众参与的演化仿真研究》，《中国人口资源与环境》第7期。

[3] 康旺霖、王垒、姜亚楠，2016：《基于可信任第三方的网上诚信交易机制设计》，《系统管理学报》第5期。

[4] 李波、温德成，2013：《网络购物中商品质量问题发生机理及监管研究述评》，《财贸研究》第2期。

[5] 李杰、张睿、徐勇，2018：《电商平台监管与商家售假演化博弈》，《系统工程学报》第5期。

[6] 李莉、杨文胜、谢阳群、蔡淑琴，2004：《电子商务市场质量信息不对称问题研究》，《管理评论》第3期。

[7] 李乃文、荣帅、赵宏霞，2017：《双边市场环境下网购平台的质量诚信监控行为研究》 ，《软科学》第8期。

[8] 马述忠、房超，2019：《堵还是疏：网店“以次充好”行为治理研究》，《宏观质量研究》第1期。

[9] 孙宝文、李二亮、王珊君、何毅、李永焱，2014：《动态交易保证金在网上交易信誉激励机制中的设计和实现》，《管理评论》第3期。

[10] 陶晓波、宋卓昭、张欣瑞、吕一林，2013：《网络负面口碑对消费者态度影响的实证研究——兼论企业的应对策略》，《管理评论》第3期。

[11] 王建华、钟丹丽、孙俊，2020：《基于优质商家申报制度的互联网食品安全治理研究》 ，《宏观质量研究》第2期。

[12] 王文婧、杜惠英、吕廷杰，2012：《基于第三方认证的云服务信任模型》，《系统工程理论与实践》第12期。

[13] 汪旭晖、张其林，2016：《平台型电商企业的温室管理模式研究——基于阿里巴巴集团旗下平台型网络市场的案例》，《中国工业经济》第11期。

[14] 王宇、魏守华，2016：《网络交易市场中第三方标记的有效性研究——基于信号传递理论的一个解释》，《管理评论》第9期。

[15] 杨丰梅、王安瑛、吴军、汤铃，2017：《基于博弈论的C2B2C模式下电商信用监管机制研究》，《系统工程理论与实践》第8期。

[16] 朱立龙、郭鹏菲，2017：《政府约束机制下农产品质量安全监管三方演化博弈及仿真分析》，《系统工程》第12期。

[17] 朱立龙、郭鹏菲、孙淑慧，2017：《三种混合分销渠道条件下供应链产品质量控制策略研究》，《中国管理科学》第3期。

[18] 朱立龙、荣俊美，2020：《“互联网+医疗健康”背景下考虑患者反馈机制的药品质量监管策略研究》，《中国管理科学》第5期。

[19] 朱立龙、荣俊美、张思意，2021：《政府奖惩机制下药品安全质量监管三方演化博弈及仿真分析》，《中国管理科学》第11期。

[20] 朱立龙、孙淑慧，2019：《消费者反馈机制下食品质量安全监管三方演化博弈及仿真分析》 ，《重庆大学学报（社会科学版）》第3期。

[21] Chen Y，Hu X.，Li S.，2017，Quality Differentiation and Firms’ Choices Between Online and Physical Markets，International Journal of Industrial Organization，52： 96-132.

[22] Chevalier J.A.，Dover Y.，Mayzlin D.，2018，Channels of Impact： User Reviews When Quality is Dynamic and Managers Respond，Marketing Science，37（5）： 688-709.

[23] Fouliras，Panayotis，2013，A Novel Reputation-based Model for E-commerce，Operational Research，13（1）：113-138.

[24] Fu S.，Yan Q.，Feng G.C.，2018，Who Will Attract You？ Similarity Effect Among Users on Online Purchase Intention of Movie Tickets in the Social Shopping Context，International Journal of Information Management，40： 88-102.

[25] Griffis S.E.，Rao S.，Goldsby T.J.，Niranjan T.T.，2012，The Customer Consequences of Returns in Online Retailing： An Empirical Analysis，Journal of Operations Management，30 （4）： 282-294.

[26] He H.，Zhu L.L.，2020，Online Shopping Green Product Quality Supervision Strategy with Consumer Feedback and Collusion Behaviour， Plos One，15（3）： e0229471.

[27] Kim Y.，Krishnan R.，2015，On PRoduct-Level Uncertainty and Online Purchase Behaviour： An Empirical Analysis，Management Science，61（10）： 2449-2467.

[28] Li D.，Nagurney A.， Yu M.，2018，Consumer Learning of Product Quality with Time Delay： Insights From Spatial Price Equilibrium Models with Differentiated Products，Omega，81： 150-168.

[29] Li Y.P.，Wen D.C.，Sun X.J.，2018，Quality Supervision Game Between Government and Online Shopping Platforms，Total Quality Management & Business Excellence，29（9-10）：1246-1258.

[30] Maeyer P.D.，Estelami H.，2011，Consumer Perceptions of Third Party Product Quality Ratings，Journal of Business Research，64（10）： 1067-1073.

[31] Seung Ho Yoo，2014，Product Quality and Return Policy in a Supply Chain Under Risk Aversion of a Supplier，International Journal of Production Economics，154： 146-155.

[32] Sullivan Y.W.，Kim D.J.，2018，Assessing the Effects of Consumers’ Product Evaluations and Trust on Repurchase Intention In E-commerce Environments，International Journal of Information Management，39：199-219.

[33] Thaichon P.，Quach S.，2016，Dark Motives-counterfeit Purchase Framework： Internal and External Motives Behind Counterfeit Purchase Via Digital Platforms，Journal of Retailing and Consumer Services，33： 82-91.

[34] Zhang J.Q.，Cao Q.N.，He X.L.，2019，Contract and Product Quality in Platform Selling， European Journal of Operational Research，272（3）： 928-944.

[35] Zheng H.C.，Xu B，Lin Z.X.，2019，Seller’s Creditworthiness in the Online Service Market： A Study From the Control Perspective，Decision Support Systems，127：113-118.

The Strategy for Supervision with Consumer Participation of Online Shopping Product Quality from the Perspective of Collaboration

Zhu Lilong， He Hui and Xu Yanping

（School of Business， Shandong Normal University）

Abstract：As online shopping has become one of the most important ways of consumption， the quality of online shopping product has aroused widespread concern from both the government and the whole society at large. From the perspective of collaboration， this paper， introducing the consumer feedback mechanism， constructs a three-party evolutionary gaming model of quality supervision involving the government departments， the third party e-commerce platforms and the consumers， followed by an analysis of the evolutionary stable strategy of each party. In the paper， the existence conditions of the stable points are studied based on the Lyapunov’s First Method， and the effects on the strategic choice exerted by the factors are analyzed by using Matlab 2020b. The results show that increasing the reputation value premium or reputation loss that consumer feedback brings to the third party e-commerce platforms will make them choose the strategy of enhancing reviews. Increasing the collaborative revenue and penalties imposed by the government departments on the third party e-commerce platforms will enable both the government departments to choose the strict supervision and the third party e-commerce platforms to choose enhancing reviews. The reduction in feedback costs will not only increase the enthusiasm of the consumers in giving their feedback， but will also promote the government departments in executing strict supervision measures as well as the third party e-commerce platforms in enhancing reviews. And finally， in view of the model solution and the simulation analysis， this paper puts forward countermeasures and suggestions for improving the online shopping product quality in real life.

Key Words：online shopping; product quality; collaboration; evolutionary gaming; simulation analysis

責任编辑 郝 伟