基于电商平台监管的预售三方演化博弈研究.pdf

第 8 期(总第 382 期)2023 年 8 月商业经济与管理JOURNAL OF BUSINESS ECONOMICSNo.8(General No.382)Aug.2023收稿日期:2023-02-07基金项目:教育部人文社会科学基金青年项目“基于现货体验分享的预售机制建模与策略演化研究”(18YJC630278)作者简介:邹轶,女,讲师,管理学博士,主要从事电子商务、演化博弈研究;厉小军(通讯作者),男,教授,工学博士,主要从事文本挖掘、电子商务研究。基于电商平台监管的预售三方演化博弈研究邹轶,厉小军(浙江工商大学 管理工程与电子商务学院,浙江 杭州 310018)摘要:针对主流电商平台的预售监管政策的变化,探讨了平台监管、商家预售策略和消费者购买决策是如何相互影响,经过动态调整逐步形成长期格局等问题。构建了三方演化博弈模型,通过理论分析和仿真讨论了可能的均衡以及稳定性。结果表明,在不同条件下三方共同演化可能会形成三种稳定均衡,其中两种均衡存在改进的可能。平台监管起到了主导性的作用,可以通过实施精确监管,规范交易秩序,合理处罚违规行为引导商家合规预售,营造良好的环境吸引消费者,对电商生态进行优化。但优化路径受到监管成本等条件的限制,需要平衡成本、收益以及对其他两方的影响。同时也需要注意其他平台的政策变化,不断调整监管策略来保持竞争力。研究结果可用于分析预售监管政策实施后可能形成的格局和走向,提出改进方案,有助于推动预售市场的健康发展。关键词:预售;三方演化博弈;平台监管;仿真分析中图分类号:F272文献标志码:A文章编号:10002154(2023)08 0018 09DOI:10.14134/33-1336/f.2023.08.002A Tripartite Evolutionary Game Analysis of Advance SellingBased on E-commerce Platform SupervisionZOU Yi,LI Xiaojun(School of Management and E-Business,Zhejiang Gongshang University,Hangzhou 310018,China)Abstract Inspired by recent changes of supervision policies in advance selling on mainstream e-commerce platforms,this pa-per discusses how platform policies,retailers strategies and consumer purchase decisions affecteach other,adjust and form long-termtrends.A tripartite evolutionary game model is constructed,and the possible equilibrium and stability are discussed through theoreti-cal analysis and simulation.The results show that three stable equilibriums of different qualities may evolve under different condi-tions and two of them can be improved.The three parties worked together to build the equilibrium,but the platform supervisionplays a leading role.A better equilibrium can be achieved by implementing precise supervision,standardizing transaction,punishingviolations to guide retailers to comply with the rules,and creating a good environment to attract consumers.However,platform su-pervision is limited by costs and other conditions,and may not be optimal.Platforms need to balance costs,benefits,and impactson the other two parties.Meanwhile,it is also necessary to pay attention to the policy changes of external competitive platforms andconstantly adjust regulatory strategies to maintain their advantage.The research results can be used to analyze the trend of supervi-sion policies of advance selling,propose solution plans,and help promote the healthy development of the market.Key words advance selling;tripartite evolutionary game;platform supervision;simulation analysis一、引言预售是在无现货的情况下进行预先销售,是一种平衡需求与供给的有效手段,可以降低商家库存,加快资金周转、提高销量,但如果预售存在不规范行为,则可能损害消费者利益,降低满意度1。电商平台上商家和消费者群体都十分庞大,交易存在许多盲区。此时平台的监管将起到重要作用,可以对交易行为进行规范,减少买卖双方的矛盾冲突2。几大电商平台对于预售的策略也是不断变化和调整的。例如淘宝以前对商品预售以及发货的监管较为宽松,服装类预售可长达45天以上,并且对商家延迟发货、虚假发货等违规行为的处罚力度很小,约束作用较弱。而拼多多则规定48小时内发货,否则会有较为严厉的处罚。因此有许多买家对淘宝预售时间过长以及发货存在的不规范等问题满意度较低。2022年6月开始,淘宝对预售和发货规则进行了调整,一般商品默认48小时发货,超过这个时间的规定为预售,对于不同类目的商品限定了最长预售时间。同时对延迟发货、虚假发货等行为按一定比例收取罚金。这一系列的新规则更有利于维护买家权益,但也可能引起一部分商家的不满。新的政策往往会带来新的问题和变化,因此我们需要考虑买家、卖家以及平台三方将如何进行博弈,他们的策略如何随时间变化,以及探讨平台如何优化监管策略才能平衡买卖双方的利益,维持健康的交易环境等问题。因此,本文建立这三方的博弈模型来探讨他们策略调整的路径、过程以及可能达到的均衡等。二、国内外研究现状(一)面向消费者的商家预售决策问题预售早期常用于季节性商品或生鲜商品等的销售,但近年来随着网购和物流的发达,其应用范围十分广泛,包括大部分的商品门类,如服装、化妆品、电子产品等3,4。而随着双十一等购物节的流行,预售的方式变得丰富多样,出现了如定金膨胀以及各种优惠叠加等复杂模式5。预售中商家的基本决策主要包括定价、订货和预测市场需求等6,7。Moe 和 Fader(2003)8将预售和现货销售阶段的数据关联起来对现货阶段的需求进行预测,并进行更合理的订货。Tang 和 Girotra(2017)9研究了使用折扣预售来吸引消费者并讨论了如何进行定价和订货等决策问题。一部分文献针对消费者的特征和行为来制定策略。Nocke 等(2011)10把预售作为对估值不同的消费者实施价格歧视的工具,来获取更高的利润。周雄伟等(2021)11考虑消费者到达过程和时间偏好,探讨预售策略的适用条件以及该策略下两阶段的销售时长。孙燕红等(2020)12通过刻画预售期消费者评论对正常销售期需求的影响,探究消费者评论如何影响商家定价策略以及商家如何利用消费者评论调节竞争。周振红和黄深泽(2019)13考虑顾客策略行为,探讨了随机需求下的预售和退货策略,发现顾客对商品的估值较低时,零售商最好不要采取预售。上述文献已经对预售中买卖双方的策略和行为进行了较为充分的探讨,这部分文献主要聚焦商家如何针对消费者制定更科学有效的订货、定价以及需求预测等策略。消费者和商家相互选择、相互影响,并且现实中他们都受到外部环境如竞争、第三方监管的约束,这些因素如何影响预售的实施等都值得深入探讨。(二)竞争背景下的电商平台预售监管问题一些学者发现竞争者的存在会使局面变得更复杂,需要充分考虑其影响14,15。Ma 等(2022)16研究表明通过折扣预售可以增加商品相对于竞争者的吸引力,但 Cachon 和 Feldman(2017)17认为存在竞争时在预售和现货销售都存在时预售的优势可能会被削减。汪旭晖和陈鑫(2021)18研究了双寡头竞争市场环境下,平台型电商企业、竞争对手和消费者三主体相互作用下的预售定价决策问题。浦徐进等19探讨不同佣金下竞争性供应商选择电商平台销售模式的互动机理。当存在竞争者时,一些商家出现了较为严重的延长预售期限,随意取消预售订单以及预售商品质量得不到保证等问题,部分消费者由于这些问题出现了对预售的反感情绪。此时,他们会在不同平台进行比较,而平台的监管政策可以起到约束不合理的预售行为,91 第 8 期 邹轶,厉小军:基于电商平台监管的预售三方演化博弈研究保障双方权益的作用。根据对预售和平台监管政策的现状调查发现,无论是商家、消费者和平台都在积极关注监管政策的变化以及影响。而生活中不同的电商平台的监管政策各异,他们的竞争关系也会促使政策发生变化。因此,电商平台如何有效监管才能约束商家行为,平衡买卖双方的利益和关系,促进预售合理有效地实施是具有较为重要现实意义的问题20。(三)商业生态环境中的博弈研究近年来人们逐渐意识到平台在商业生态中的重要性,开始研究平台与商家的博弈问题。平台监管是从宏观层面对买家和卖家群体的利益进行管理。由于在群体中参与者众多,并且信息不完全,各方参与者往往面临复杂的选择和决策,难以做到完全理性。因此相比于传统的博弈而言,以有限理性为前提,逐步策略调整为特征的演化博弈更适合用于电商平台博弈的长期趋势。刘梦茹和陈瑞义(2023)21构建了静态和动态奖惩机制下电商平台和商家的演化博弈模型。朱立龙等(2021)22讨论了政府监管下的药品质量安全问题,结果表明有效监管有助于企业生产高质量药品。由于平台生态系统的复杂性,考虑多方进行博弈成为新的研究前沿。在考虑监管的前提下,赵川等(2023)23和李纪琛等(2022)24将三方演化博弈应用于减排策略和投资生态系统的决策问题,总结出有效的监管意见。白世贞等(2022)25针对电商平台大数据“杀熟”行为,用演化博弈研究了电商企业、消费者和政府协同治理问题。王辛辛等(2022)26研究了政府、电商平台、商家以及消费者组成的四方演化博弈问题。以上研究探讨了与电商、药品、环保投资领域的平台监管博弈问题,为相关利益方提供了可以借鉴的管理意见与启示,但关于预售的监管的研究大多集中在房地产资金方面,对于平台如何对普通商品预售进行监管还十分缺乏。另外,对于电商生态系统的博弈研究还未重视平台之间的竞争以及外部性带来的影响。而现实中的电商平台格局处于不断变化之中,新平台快速涌现和崛起,老牌的平台面临压力和挑战。在此前提下,本文致力于探讨预售中平台如何有效进行监管来保障市场的运作,在此前提下买方和卖方如何选择更有利的策略,三者的博弈将会达到怎样的平衡以及如何受到一些内外部因素的影响。本研究有利于厘清三者之间的动态关系,有助于从长期的角度分析监管政策的走向以及可能形成的电商生态格局,为促进预售的健康发展提供决策依据。三、预售监管的三方博弈模型(一)模型描述平台上的卖家售卖商品,可以选择预售的方式,而买家则根据预售的方式细则来决定是否购买预售商品,平台对数量众多的买家和卖家进行监管。买方、卖方和平台方三方进行重复博弈,卖方、买方和平台的策略根据演化博弈的复制动态进行调整。演化博弈源于生物学领域,物种经过漫长的演变而逐渐进化,而逐渐稳定,达到一定均衡。该理论由 Smith 和 Price27在1973年提出后被应用于众多领域,其应用最广的核心概念为“复制动态”和“演化稳定策略”。复制动态描述策略如何进行调整,演化稳定策略则是经过优胜劣汰最终达到的稳定均衡,它比纳什均衡更为稳定。通过多个阶段的重复博弈逐渐达到均衡或其他状态。博弈三方各有两种策略,平台策略为:宽松监管和精确监管,其中宽松监管策略占比为 x(0 x1),精确监管策略占比为1-x。宽松监管时对卖家预售处罚力度小,精确监管时平台制定更多细则来对买卖双方的交易行为信息规范,处罚力度较大。卖方策略为:合规预售和违规预售,其中合规策略占比为 y(0y1),违规策略占比为1-y。合规预售表示不论平台监管制度如何,卖家按照精确监管的要求实施,反之则为违规,这里的标准为精确监管规则。买家有购买和不购买两种策略,其中购买策略占比为 z(0z1),不购买策略占比为1-z。平台收益主要由监管成本、从买方获得收益以及从卖方获得收益组成。卖方收益由运营成本、合规收益以及违规成本组成。考虑到市场中的多数商品存在较强的竞争性,并且预售比现货需要等待更长的时间,消费者在购买时需要考虑可以购买类似商品的机会成本。并且整个预售交易期较长,涉及的规则较多,良好的用户体验也会给消费者带来正向收益,反之亦然。因此买方收益由交易收益、02商业经济与管理2023 年合规额外收益和机会成本组成。因为需要使用演化博弈模型,该模型具有一定的前提条件,因此需要设定符合常识的前提假设,这些假设主要为了将现实问题抽象化和规范化,不用于验证。假设1:博弈三方均为有限理性,不能马上找到最优策略,因此根据复制动态逐步进行策略调整。假设2:为区分两种监管性质,把卖家违规预售总成本高于合规预售成本的称为精确监管,而违规预售总成本不高于合规预售成本的属于宽松监管。为了便于分析,本模型不区分违规预售成本的细分组成,而把它们看成一个整体,易于与合规预售成本作比较。假设3:买方除了正常交易获得的收益,还有由于合规带来的高质量产品和服务带来的额外收益,另外,由于买方可以选择不同的平台,因此考虑选择某一平台的机会成本。精确监管时,买方的正常收益加额外收益大于机会成本。假设4:平台精确监管成本大于宽松监管成本。(二)参数设置与支付矩阵本文设置参数如表1所示。其中平台宽松监管成本系数 k 为相对于精确监管成本 C1的比值。宽松监管违规总成本系数 f 和精确监管违规总成本系数 f为相对于合规预售成本 C2的比值。各策略组合的支付矩阵如表2所示。表1参数说明博弈方策略集符号含义平台精确监管C1精确监管成本宽松监管k宽松监管成本系数,0k 1买方购买M交易成功的买方收益不购买Me合规额外收益Mc机会成本表2支付矩阵策略组合平台收益卖方收益买方收益(宽松监管,合规,购买)Rb+Rs-kC1S-C2M+Me-Mc(宽松监管,合规,不购买)Rs-kC1-C20(宽松监管,违规,购买)Rb+Rs-kC1S-fC2M-Mc(宽松监管,违规,不购买)Rs-kC1-fC20(精确监管,合规,购买)Rb+Rs-C1S-C2M+Me-Mc(精确监管,合规,不购买)Rs-C1-C20(精确监管,违规,购买)Rb+Rs-C1S-fC2M-Mc(精确监管,违规,不购买)Rs-C1-fC20(三)三方策略期望收益与动态方程本模型中三方采用演化博弈中的复制动态来调整策略。复制动态适用于学习速度较慢的大群体。其基本思想是群体进行重复博弈,某一策略在下一阶段的占比取决于它在本阶段的收益,如果高于群体平均收益,则该策略比例会增长,反之则下降,直至达到均衡等状态。可将策略 x 在群体中的占比视为时间 t 的函数,于是策略随时间的变化可用动态微分方程表示为:dxdt=(Ex-E)。在本文的模型中,假设平台宽松监管策略的期望收益代码为 E11,精确监管策略的期望收益为 E12,平台平均期望收益为 E1。假设卖家合规策略12 第 8 期 邹轶,厉小军:基于电商平台监管的预售三方演化博弈研究表3策略期望收益收益代码期望收益E11Rbz+Rs-kC1E12Rbz+Rs-C1E1Rbz+Rs-C1+x(Rb-Rb)z+Rs-Rs-(1-k)C1E21Sz-C2E22(f-f)C2x+Sz-fC2E2y(Sz-C2)+(1-y)(f-f)C2x+Sz-fC2E31yMe+M-McE320E3z(yMe+M-Mc)的期望收益为 E21,违规策略的期望收益为 E22,卖家平均期望收益为 E2。假设买家购买策略的期望收益为 E31,不购买策略的期望收益为 E32,买家平均期望收益为 E3。根据支付矩阵,计算可得以上策略期望如表3所示。根据计算可得三种策略的复制动态方程为:F(x)=dxdt=x(E11-E1)=x(1-x)(E11-E12)(1)F(y)=dydt=y(E21-E2)=y(1-y)(E21-E22)(2)F(z)=dzdt=z(E31-E3)=z(1-z)(E31-E32)(3)(四)均衡稳定性分析根据李雅普诺夫第一法:如果三种策略动态方程的 Jacobian 矩阵的所有特征值均具有负实部,则均衡点为渐进稳定点;如果 Jacobian 矩阵的特征值至少有一个具有正实部,则均衡点为不稳定点;如果 Jacobian矩阵除具有实部为零的特征值外,其余特征值都具有负实部,则均衡点处于临界状态,稳定性不能由特征值符号确定。计算可得 Jacobian 行列式为:J=F(x)/xF(x)/yF(x)/zF(y)/xF(y)/yF(y)/zF(z)/xF(z)/yF(z)/z=(1-2x)(Rb-Rb)z+Rs-Rs+(1-k)C10 x(1-x)(Rb-Rb)y(1-y)(f-f)C2-(1-2y)(f-f)x+(1-f)C200Mez(1-z)(1-2z)(yMe+M-Mc)(4)根据式(4)可得 Jacobian 矩阵的特征值和均衡点如表4所示。表4均衡点稳定性分析均衡点Jacobian 矩阵特征值特征值符号稳定性E1(0,0,0)Rs-Rs+(1-k)C1,-(1-f)C2,M-Mc(,+,)不稳定E2(0,0,1)Rs-Rs+Rb-Rb+(1-k)C1,-(1-f)C2,-(M-Mc)(,+,)不稳定E3(0,1,0)Rs-Rs+(1-k)C1,(1-f)C2,Me+M-Mc(,-,+)不稳定E4(0,1,1)Rs-Rs+Rb-Rb+(1-k)C1,(1-f)C2,-(Me+M-Mc)(,-,-)ESS()E5(1,0,0)-(Rs-Rs+(1-k)C1),-(1-f)C2,M-Mc(,-,)ESS()E6(1,0,1)-(Rs-Rs+Rb-Rb+(1-k)C1),-(1-f)C2,-(M-Mc)(,-,)ESS()E7(1,1,0)-(Rs-Rs+(1-k)C1),(1-f)C2,Me+M-Mc(,+,+)不稳定E8(1,1,1)-(Rs-Rs+Rb-Rb+(1-k)C1),(1-f)C2,-(Me+M-Mc)(,+,-)不稳定注:表示符号需要根据条件确定,均衡点 Ea(x,y,z)中 a 为标号,x,y,z 分别表示三方策略占比,Rs-Rs+Rb-Rb+(1-k)C1 0,M-Mc 0,M-Mc 0。表4对三方纯策略的组合的均衡点的 Jacobian 矩阵特征值进行计算并对其正负符号进行判断可知,在一定条件下 E4(0,1,1),E5(1,0,0),E6(1,0,1)可能成为演化稳定策略,其他策略由于至少有一个特征值为正,因此不稳定。下面分别根据不同的情境和条件进行讨论。情境一:良性均衡。如果 Rs-Rs+Rb-Rb+(1-k)C1 0,M-Mc 0,M-Mc 0时,则 E6(1,0,1)为稳定均衡。平台实施宽松监管的策略,卖家违规,买家购买商品。此时平台宽松监管的收益与成本的差大于精确监管因而选择宽松监管,卖家违规预售有利可图,因而逐渐选择违规,买家因为机会成本较小因此留在了平台。这种情况可能存在于市场中的卖家有较大话语权,或者因为精确监管很大程度上会损害他们的利益,因而对于精确监管持较为反对的态度,最终导致平台无法实施精确监管,但买家可能由于没有更好的选择而留下,最终达到平衡。平台可以通过提高数字化程度,改进管理水平等手段在不损害各方利益的前提下降低精确监管的相对成本,使精确监管更具优势。也可以通过平台转移支付,提高服务质量等方式增加消费者的额外收益,从而使均衡从 E5(1,0,0)和 E6(1,0,1)向 E4(0,1,1)逐步过渡,对均衡进行提升和优化。四、仿真分析(一)均衡结果验证图 1ESS 均衡 1为了检验均衡分析的正确性,设置三组参数,每组采用 matlab 进行了超过50次仿真,为了使图呈现的效果更清楚,选取其中10次画图,仿真结果如图1、图2、图3所示。设置第一组参数为 C1=1,k=0.8,Rb=1.5,Rs=1.5,Rb=1.3,Rs=1.3,C2=0.5,f=0.7,s=1;f=1.2,M=2,Me=0.8,Mc=1,此时 Rs-Rs+Rb-Rb+(1-k)C1=-0.2 0,M-Mc=-0.5 0,Mc 0时,如果 Rs-Rs+Rb-Rb+(1-k)C1 0时,最后收敛到 E6(1,0,1)。根据我们的设置,Rb=1.5,Rs=1.5,Rb=1.3,Rs=1.3。k 从0.3匀速增加到0.9。当 k=0.3或 k=0.5时,Rs-Rs+Rb-Rb+(1-k)C1 0,收敛到 E6(1,0,1)。意味着当宽松监管的成本较低时,平台会采用宽松监管,商家违规有利可图,而消费者因为机会成本较大而选择购买。而当 k=0.7或 k=0.9时,Rs-Rs+Rb-Rb+(1-k)C1 0,收敛到 E4(0,1,1),意味着当宽松监管的成本较高时,平台会采用精确监管,商家合规经营,而消费者因为机会成本较大并且有精确监管带来的额外收益而选择购买。结果如图4所示。而当 M-Mc 0,收敛到 E5(1,0,0),此时;当 k=0.7时,收敛结果为 E4(0,1,1)或 E5(1,0,0),当 k=0.9时,Rs-Rs+Rb-Rb+(1-k)C1 0)Mc为消费者的机会成本,即平台不是唯一的,消费者在其他平台购买商品的机会成本会影响他在该平台的购买行为。我们用数值仿真来检验 Mc对均衡的影响。因为 Mc的大小是相对于 M 而言的,因此我们观察二者比值的变化,分别让 Mc/M 取值为0.5,1,5。由于取1时买家策略会出现不稳定均衡而不收敛的情况,我们添加了微小扰动促使不稳定状态向稳定状态演化。结果显示 Mc/M1时,三方策略收敛到 E6(1,0,1),符合均衡的条件;而 Mc/M 1时三方策略收敛到 E5(1,0,0),符合均衡的条件,仿真结果如图6所示,与理论分析一致。当消费者购买的机会成本大于收益时,此时如果平台选择宽松监管,消费者得不到精确监管带来的额外收益,因此他选择不在该平台购买商品。反之当消费者购买的机会成本小于等于收益时,他会选择该平台。图5k 的影响(M-Mc 0)图6Mc的影响42商业经济与管理2023 年五、研究结论与启示(一)研究结论与理论贡献本文针对主流电商平台对预售领域监管政策的变化,以及商家和消费者的现状,探讨了平台监管下平台政策、商家预售和消费者购买决策是如何相互影响,逐步调整以及长期趋势等问题。基于有限理性的前提,构建了三方演化博弈模型,通过理论分析讨论了可能的均衡以及稳定性。用 matlab 进行仿真验证了理论分析的结论,并进一步对一些重要因素的影响进行了探索,得到以下结论。首先,发现在不同的条件下三方经过长期博弈可能会形成三种演化稳定均衡,并存在改进的可能。其次,平台实施何种监管策略主要受到实施后的收益和成本的影响。另外,外部竞争因素如消费者的机会成本一定程度上影响消费者决策继而影响平台运营。本研究关于考虑电商平台对预售的监管的博弈研究主要有三方面的理论贡献。第一,以电商生态圈为研究对象,以平台监管为背景,提出了关于预售中的平台与商家以及消费者的三方博弈模型,探索了演化博弈在预售领域的应用,丰富了预售领域关于三方决策的研究。以往对于预售的研究主要集中于供应链的两方,特别关注面向消费者的商家决策方面,较少讨论三者的相互 作用8,13,15。而演化博弈论可用于多方决策分析,并且以有限理性为前提,为研究复杂的电商生态圈的预售监管问题提供了新的研究视角。第二,从更宏观的层面以及更长的时间维度来研究策略的动态演化。由于监管政策的效果具有一定的滞后性,相对于短期的静态决策分析更需要把握政策实施后的长期趋势。另外,本研究根据对多个均衡的分析以及对比发现了依据不同条件进行改进的可能和相应路径。以往关于均衡的研究主要集中在其演化动态、趋势以及稳定性等,对于从系统层面来进行提升,改进各方收益的研究较为缺乏19,25。第三,揭示了竞争性和外部性带来的影响,重点探究了其他竞争平台给消费者带来的机会成本如何影响其决策以及监管态度。将整个预售监管体系视为一个开放系统,与现实对接更紧密,减少了模型构建和分析可能带来的误差。现有文献关于预售竞争性的研究主要集中在定价、优势对比以及销售模式选择等问题上5,17。(二)管理启示根据本文的结论对平台监管在预售领域的实践可以得到如下几方面的管理启示:第一,监管成本会造成不同的结果,精确监管相对成本越低,更有可能被平台采用。由于监管政策决定卖家违规成本,影响卖家行为,违规成本高则更容易合规预售,反之亦然。平台方在预售监管中具有主导性的地位,可以利用信息化、数字化手段降低监管成本,积极促进精确监管,规范交易,更有利于平台、商家和消费者的和谐共处,共同发展,形成良性循环。第二,对于商家的违规行为适当设定处罚力度,增加商家预售违规成本。可在一定程度上促使商家更倾向于合规经营,保证预售运作的有序性和可持续性。同时保障消费者权益,有利于增加消费者的安全感和对平台的忠诚度。第三,需要密切注意并评估外部竞争者的影响。在没有平台精确监管带来的优良服务等额外收益时,机会成本高可能导致消费者流失,甚至影响整个平台的运营。存在额外收益则会更容易留住消费者,因此精确监管对吸引消费者有正面效应。当竞争者的监管政策更优时,会对消费者产生更大吸引力,因而威胁到本平台的利益。因此需要权衡竞争者的影响和监管成本问题,尽量给商家和消费者提供不劣于其他平台的监管政策。如果消费者的机会成本高于在本平台的直接收益,平台可通过转移支付或者提高服务来增加消费者的额外收益,以提高自身的竞争力,达到三方共赢的局面。本文的一些结论和启示在现实中已有验证,如拼多多注重对用户的补贴和发货等政策的监管,增加了用户的额外收益,从而在短时间内积累了海量客户,而淘宝最初处于显著优势地位,但在某些方面的监管和补贴政策相对没有优势,因而造成了一定程度的客户流失。由于本研究是基于预售行业的前沿动态,对于预测政策实施后的整体走向和可能的结果有一定的借鉴意义,有助于辅助决策,减少不必要的损失。但52 第 8 期 邹轶,厉小军:基于电商平台监管的预售三方演化博弈研究本文选择的模型未考虑博弈的顺序以及个体异质性带来的影响,这些将是我们以后研究的方向。参考文献:1周德良,徐宏玲.基于生态系统的电商监管模式研究J.社会科学研究,2021(1):83-91.2梅傲,侯之帅.“直播+”时代电商直播的规范治理J.电子政务,2021(3):28-37.3AVIV Y,PAZGAL A.Optimal pricing of seasonal products in the presence of forward-looking consumersJ.Manufacturing&Service Operations Management,2008,10(3):339-359.4赵帅,李文立,曹晓宁,等.预售模式下的生鲜农产品双渠道供应链协调机制J.管理工程学报,2021(4):162-177.5徐琪,董琦.折价与定金膨胀预售下零售商订购量和预售价决策J.系统工程理论与实践,2021(10):2524-2534.6WU M,RAN Y,ZHU S X.Optimal pricing strategy how to sell to strategic consumers?J.International Journal of ProductionEconomics,2022,244:108367.7ALBEY E,NOROUZI A,KEMPF K G,et al.Demand modeling with forecast evolution an application to production planningJ.IEEE Transactions on Semiconductor Manufacturing,2015,28(3):374-384.8MOE W,FADER P.Using advance purchase orders to forecast new product salesJ.Marketing Science,2003,22(1):146.9TANG W,GIROTRA K.Using advance purchase discount contracts under uncertain information acquisition costJ.Production&Operations Management,2017,26(8):1553-1567.10 NOCKE V,PEITZ M,ROSAR F.Advance-purchase discounts as a price discrimination device J.Journal of EconomicTheory,2011,146(1):141-162.11周雄伟,李娟,周艳菊.基于消费者时间偏好的预售时间策略研究J.系统工程学报,2021(4):539-551.12孙燕红,赵骞,王子涵.基于消费者评论的网络预售定价策略研究J.中国管理科学,2020(11):184-191.13周振红,黄深泽.随机需求下考虑顾客策略行为的预售和退货策略J.系统管理学报,2019(2):277-284.14 MCCARDLE K,RAJARAM K,TANG C S.Advance booking discount programs under retail competition J.ManagementScience,2004,50(5):701-708.15TANG C S,RAJARAM K,ALPTEKINO LU A,et al.The benefits of advance booking discount programsmodel and analysisJ.Management Science,2004,50(4):465-478.16MA S,LI G,SETHI S P,et al.Advance booking discount strategies competition,information transparency and spot marketJ.Transportation Research Part E Logistics and Transportation Review,2022,158:102589.17CACHON G P,FFLDMAN P.Is advance selling desirable with competition?J.Marketing Science,2017,36(2):214-231.18汪旭晖,陈鑫.基于平台型电商企业声誉和从众效应的预售定价策略J.管理工程学报,2021(1):126-141.19浦徐进,付文文,沈琦玮.竞争性供应商选择电商平台销售模式的互动机理研究J.运筹与管理,2021(10):107-112.20张顺,费威,佟烁.数字经济平台的有效治理机制 以跨境电商平台监管为例J.商业研究,2020(4):49-55.21刘梦茹,陈瑞义.基于动态演化博弈的电商平台信用监管策略研究J.软件工程,2023(2):7-12.22朱立龙,荣俊美,张思意.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J.中国管理科学,2021(11):55-67.23赵川,郭奇栋,左敏,等.双碳视角下代工行业减排策略的多情景三方演化博弈:属地政府 VS.外企品牌商J.中国管理科学,2023:1-13.24李纪琛,刘海建,吕清轩.基于政府干预的创业投资生态系统三方演化博弈研究J.软科学,2022(8):48-56.25白世贞,许文虎,姜曼.电商平台大数据“杀熟”行为的协同治理研究 基于电商企业、消费者和政府三方演化博弈分析J.价格理论与实践,2022(12):141-144,203.26王辛辛,程郁琨,田晓明,等.电商生态系统四方演化博弈研究J.运筹学学报,2022(1):23-42.27SMITH J M,PRICE G.The logic of animal conflictJ.Nature,1973,246:15.(责任编辑郭宝才王权)62商业经济与管理2023 年