基于前景理论的装备制造企业服务化演化博弈分析
——基于客户视角
2023-02-22张婧思綦良群
张婧思, 綦良群
(哈尔滨理工大学 经济与管理学院,黑龙江 哈尔滨 150080)
0 引言
《十四五规划和2035年远景目标的建议》指出要求坚定不移地建设制造强国。面对中美贸易摩擦和疫情双重冲击,当前中国制造业正在经历产业链的变局和调整。作为产业竞争的制高点,装备制造企业必须向先进制造转型,以获得可持续的竞争优势。服务化可以通过内化关键制造环节的方式为传统装备制造企业创造额外的客户价值,并在此过程中保护其核心产品优势[1,2]。基于商业模式视角的相关研究发现,服务化商业模式变革源于价值主张变革,以服务需求代替产品需求则是基于了客户的价值主张[3]。客户是服务化策略的动力来源,也是影响服务化策略采纳的关键原因。非专业特质的客户会因为难以感知到企业的服务化价值而低估服务或拒绝服务[4]。企业的服务化策略与客户的需求之间是一种相互依存的关系[5]。服务化绩效方面的研究发现,若从服务化对象出发,把相关者所处生态系统作为提供产品或服务的综合考虑对象,将明显提升服务化实施的效果[6]。在装备制造企业与客户服务化交互创新机制研究中发现,无论是PSS复杂产品服务系统的建立[7],还是促使低成熟度企业提前实现高级服务化,都需要依托于紧密的客户关系[8]。同时,服务化过程是激发客户对产品的内在情感的过程,与客户关系的长期自然绑定可以帮助企业更好的解决问题[9]。客户与企业间可迭代的交互周期对装备制造企业服务创新起到决定性的作用[10]。因此,对装备制造企业服务化的研究,尤其是考虑其与客户互动的动态研究具有重大的理论价值与现实意义。
服务化具有阶段性特征,也是服务化主体间持续协调的动态过程[11]。因此,从服务化主体间的关系及其行为出发,探讨服务化的演化机理,分析服务化策略采纳的关键因素逐渐成为近阶段有关服务化问题的研究热点。演化博弈方法因其更符合个体真实行为决策的前提假设和更完整的动态演化过程被研究复杂交互问题的学者反复提及。基于演化博弈方法的制造业服务化策略的研究主体一般分为三种:第一种是制造业间的演化博弈问题。张健等[12]探究了单一寡头企业与一般制造企业的集群服务化策略演化博弈问题,并指出企业自身的产业结构与服务化能力将影响服务化转型结果与效率。周凌玥等[13]则对装备制造企业与知识密集型企业、配套企业间的协同创新策略进行了演化博弈研究。郝家芹和赵道致[14]将产能需求企业作为制造产能企业的博弈对象,研究了科技服务下企业间产能分享的关键影响因素。第二种是以制造业企业与服务业企业作为研究对象的演化博弈研究。冯长利和马睿泽[15]通过构建服务企业与制造企业间的演化博弈模型发现服务依赖度和企业差异化是影响服务化策略的关键因素。第三种是将制造业企业与政府作为研究对象,徐建中等[16]运用Bass创新扩散模型对政府规制下的服务化策略进行了演化博弈研究。以上研究虽考虑到了博弈主体有限理性的问题,但仍然使用的是传统的期望效用模型,并未准确刻画出演化过程中个体面临决策时的真实局面。行为决策理论被用于研究期望标准与价值分离的问题,其认为行为个体面对收益与风险的时候风险偏好存在明显差别。同时,对于不确定性事件的概率感知也与客观概率存在偏差,主要表现为,高估小概率事件以及低估大概率事件。例如KAHNEMAN和TVERSKY提出的前景理论指出行为主体相比于财富水平,更关注财富变化,这种收益或损失的衡量涉及到参照点的选取[17]。前景理论在个体行为决策和供应链管理等领域的应用比较丰富。近期,有学者在演化博弈研究中引入前景理论。杨剑等[18]基于参照点研究了在风险情况下合作创新的行为决策。杨国忠和陈佳[19]在对企业突破性技术创新问题的研究中发现,博弈系统对价值感知风险态度和损失规避程度均存在较强敏感性。目前虽然有关服务化的演化博弈研究已经取得了一些阶段性成果,但鲜有研究深入分析服务化过程中装备制造企业与客户之间的互动关系。因此,在服务实施结果具有不确定性的情况下,本文将客户和企业双方都是有限理性的合理假设为前提,运用演化博弈方法研究装备制造企业与客户达成服务化合作的生成过程及决策过程的关键影响因素。同时,引入前景理论到收益函数的计算中,考虑参照依赖的价值感知,并将概率函数替换为决策函数以贯穿整个博弈过程的有限理性假设。最后,通过仿真分析关键因素对服务化策略的作用效果。
1 演化博弈模型建立
基于服务化的装备制造企业价值创造途径在新发展格局下具有重大战略意义。装备制造企业与客户紧密的合作关系使客户获得与自身期望高度契合的产品和服务,从而提升了客户满意度和效用,进而提高企业收益。然而,由于企业和客户受到信息、自身水平及外部环境等因素影响,在行为决策上表现出有限理性,增加了服务化开展的不确定性。鉴于以上情况,本文提出如下假设:
假设1价值函数是不确定情境下双方策略选择的基本依据,考虑参照基准和决策权重的共同作用[17]。装备制造企业和客户均以收益变化为依据做出策略选择,以Zi表示服务化后,各方在考虑参照点下的收益与损失,Zi=Z-ZRP,其中Z表示采取服务化策略后的期望收益,ZRP即为参照点。以概率函数π(Pi)表示决策权重函数,Δ(ΔZi)表示财富的变化,则博弈双方的价值感知函数形式为:
(1)
其中,价值函数v(Zi)和决策权重模型的表达式分别如下:
(2)
(3)
公式(2)中,γ(0<γ<1)为感知敏感度系数,λ(λ≥1)为损失规避系数。式(3)中,η(0<η<1)与χ(0<χ<1)为损益感知系数。η与χ越小,意味主观概率相较客观概率越扭曲。
假设2客户对服务化结果的需求是服务化策略实施前提[20]。α表示客户对生产性服务要素的需求程度(0≤α≤1)。服务异质性提供的竞争优势将促进装备制造企业的价值链升级,进一步提升企业绩效并降低成本。本文以β作为投入服务要素的异质性程度(0≤β≤1)[17]。装备制造企业高级服务资源吸收能力受企业能力与位置的影响,因此以μ(0<μ<1)作为装备制造企业资源吸收能力系数[15]。
假设3市场竞争视角下的服务化战略实施,竞争主要体现在传统商品销售渠道与服务化渠道之间[21,22]。服务化策略采纳的收益来源为:(1)直接收益,策略采纳收入(UCO)与服务化成本(DCO)差值;(2)间接收益,受到对手方成本(DM)和服务化策略实施协作方成本(DC)的正向调节。未采纳服务化策略的总体效益也受到竞争对手成本(DCO)的正向调节和产品需求者附加服务成本(DC)的负向调节。
假设4无法持续的合作会导致资源外溢。单边战略企业的附加成本为CM,客户的附加成本为CC。
基于假设客企双方的博弈收益感知矩阵如表1所示。
表1 装备制造企业与客户的博弈收益感知矩阵
表1中,V1,V2,V3与V4为感知效用。博弈双方在不同情境下价值提升的概率为Pi,参照点为当前策略下的效用值URF。当博弈双方中的一方拒绝进一步实施策略时,参照点是协作收益。感知效用函数如公式(4)所示。采纳策略下的总收益函数如公式(5)所示;不采纳策略时收益如公式(6)和公式(7)。
Vi=π(Pi)·v(Ui-URP)+π(1-Pi)·v(0-URP)
(4)
UCO=U1+U2=(KM+KC)UCO=UCO-DCO+αβDC+βDC+β(1+μ)DM
(5)
U3=UM-DM-αDC+β(1+μ)DCO
(6)
U4=UC-DC
(7)
其中,Ui为直接收益,Di表示企业不同策略情况下的成本因素。间接收益受竞合方(DM和DC)的影响程度受α,β和μ的正向调整。KM与KC分别为服务化收益分配比例。服务化价值主张是稀缺客户价值,策略发起企业收益受竞合关系影响更显著。因此,不采纳服务化策略企业收益受α反向调整,受β正向调整。客户收益则受自身收益(UC)与成本(DC)的影响。
2 演化博弈模型求解
装备制造企业选择开展和不开展服务化策略的收益分别用U11和U12表示;客户选择采纳与不采纳的收益分别用U21和U22表示。复制动态方程分别如公式(8)与公式(9)所示:
(8)
(9)
(10)
表2 演化博弈的稳定性结果
结论1先进生产性服务要素需求度、服务要素差异度,以及资源吸收能力系数μ均会对策略结果产生积极影响。当其他参数不变,α系数变大时,系统收敛到点(1,1)的概率升高,策略更易被采纳。β与μ遵从相同规律。其中,在β影响下,鞍点移动幅度最明显,对决策影响更显著。
结论2装备制造企业采取服务战略之前的效益和成本将影响战略演化的结果。过高的企业原收益不利于服务化策略采纳,即较大的UM,UC,Uco均会导致合作可能性缩小。单边成本CM与CC增大,合作概率变小。但较大的UCO,DM和DC,更有利于策略采纳与实施。
结论3收益分配往往受博弈双方的地位影响,但K值存在合理取值区间,极端的K值将导致合作结果的不稳定。随着K值由小变大,客企合作概率先增加后降低。
结论4在不确定环境下,服务策略的效率受损益态度系数和损失敏感系数的共同影响。η与χ越低越不利于双方合作。服务化策略实施结果具有不确定性,从而会引发不确定环境下的决策心理偏差,例如模糊厌恶心理,服务化成功实施的概率被低估,此时π(P1)
3 模型检验与数值仿真
为直观展示各影响因素对系统演化结果的影响,并揭示演化规律。本文基于上述模型的基本假定,进行MATLAB仿真实验。依据上述模型的基本假定,并参考KAHNEMAN和TVERSKY[17]以及罗建强和张弛[9]的参数取值范围,本文设定如下参数值:α=0.7,β=0.88,U=0.2,λ=2.25,η=0.61,UM=0.25,UC=0.175,UCO=0.6,DM=0.2,DC=0.15,DCO=0.11,CM=0.3,CC=0.25,KM=0.5,KC=0.5。
先进服务要素需求度、服务要素差异敏感性和服务资源吸收能力影响结果分别如图1、图2和图3所示。先进服务要素需求度α越高、服务要素差异度β越明显以及吸收资源的能力μ越大,博弈将更快收敛于合作这一稳态。先进服务要素需求度意味着更强的合作意愿,服务要素差异化程度将直接提供竞争优势,资源吸收能力直接影响服务化策略实施效率。通过仿真结果可知,α和β可以影响策略实现效率,μ除了能够影响策略实现效率以外,还直接影响策略采纳结果。这意味着同质化严重的服务预期,会直接降低服务化策略采纳的可能性。
图1 α对博弈演化结果的影响
图2 β对博弈演化结果的影响
图3 μ对博弈演化结果的影响
直接收益的敏感性分析结果分别如图4、图5和图6所示,较小的策略采纳直接收益UCO,以及较大的企业原收益UM和UC,都将导致服务化策略无法实施。意味着装备制造企业即便不采纳服务化转型战略仍可以维持比较可观的收益,因此战略转变意愿将降低。此外,对比UM与UC斜率可知,装备制造企业的确极易受到原高收益影响而拒绝采取服务化策略,主要源于企业较强的路径依赖特征。图7、图8和图9则表示,较高的传统业务直接成本DM和DC,与较低的服务化策略直接成本DCO有助于策略采纳。从结果来看,成本的变化相比于收益变化对博弈结果的影响更显著,符合前文假设。相对于收益,不确定环境下,决策方更关注损失。
图4 UCO对博弈演化结果的影响
图5 UM对博弈演化结果的影响
图6 UC对博弈演化结果的影响
图7 DM对博弈演化结果的影响
图8 DC对博弈演化结果的影响
图9 DCO对博弈演化结果的影响
图10为收益分配系数的变化对博弈结果的影响。KM过小或者过大时,合作都不会达成,且取值范围在0.25到1之间。此外,企业比客户对收益分配系数更为敏感。
图10 KM对博弈演化结果的影响
图11表示风险环境下随着损益态度系数η逐渐减小,系统向拒绝策略采纳的稳态上演化。η=0.6时达到临界值,与KAHNEMAN和TVERSKY[17]实验结果一致。其中,η越小,主观决策权重相比于客观概率扭曲越严重,主要体现为对大概率事件的信心不足和对小概率事件的过度自信。客企无论哪一方存在较低的损益态度系数,都会导致双方高估企业自主创新的概率,而低估服务化策略成功的概率。
图11 η对博弈演化结果的影响
图12 λ对博弈演化结果的影响
图12表示,当损失规避系数λ变大时,不仅会导致策略实施效率降低,还将导致博弈结果向不合作方向演化。这意味着当客企对服务化造成损失的敏感程度较高时,即使服务化带来的策略采纳收益预期较可观,也无法被博弈双方采纳。
本文考虑了客户参与下的装备制造企业服务化策略实施过程。将前景理论引入演化博弈模型,用价值感知函数和决策权重函数替换了期望效用函数中的期望收益和事件概率,并考虑了来自于参照点的价值感知。在服务化结果不确定的环境下,探讨了服务化策略的关键影响因素,并揭示了装备制造企业服务化的基本策略。本文得出以下结论:
(1)先进生产性服务要素需求度、服务要素差异度化程度、服务资源吸收能力、企业采取服务化策略前的原收益与成本,以及策略收益分配原则、客企损失规避程度和不确定情境下的损益态度都将影响服务化的策略采纳;
(2)服务要素差异度比先进服务要素需求度和服务资源吸收能力对博弈结果的影响更为显著,说明装备制造企业对于通过采用服务化策略来实现创新成果转化和客户通过接受服务化策略获得额外的价值的急切期望;
(3)装备制造企业相比客户对收益分配系数更为敏感,客户则对高级服务要素成本有较高的容忍性,同时更关注服务要素能够带来的服务结果的异质性;
(4)只有保证相关的行为因素系数不超过各自的临界值,服务化策略才更有可能被采纳。模糊厌恶系数的临界值在2附近,损益敏感性系数的临界值在0.6附近。
基于以上结论,可采取的策略为:
(1)装备制造企业可通过与数智化科技服务要素交互融合来提高产出的异质性;
(2)经前文分析,因服务化绩效受到企业自身能力与所处环境的影响,政府制定相应服务转型激励政策的同时,还应避免过度激励,以免企业受限于其自身资源吸收能力而难以实现预期的服务化转型绩效;
(3)加强对客户,特别是非专业特质性客户,对服务化收益的价值感知,如加强过程互动频次与深度,通过知识共享和技术转移提高客户认知并引领客户价值。以便更好地推进服务化策略实施。此外,在生产水平、技术实力、资源配置、产品质量等方面存在明显不足的装备制造企业,可通过满足客户基础需求,逐渐提高服务质量和效率的途径,提升企业服务化水平和资源吸收能力,从而有效实施服务化策略并提升服务化绩效,尽早实现企业的转型升级目标。
