考虑主播特征的直播带货双渠道供应链定价与协调.pdf

管理工程学报Vol.37,No.4Journal of Industrial Engineering/Engineering Management2023 年 第 4 期考虑主播特征的直播带货双渠道供应链定价与协调 熊 浩1,陈锦怡1,鄢慧丽2,郭昊颖1(1.海南大学 管理学院,海南 海口 570228;2.海南大学 旅游学院,海南 海口 570228)摘摘要要:随着直播带货的快速发展,直播带货销售渠道与传统网络零售渠道形成了一定的竞争关系。本文对直播带货双渠道供应链定价与协调问题展开了研究。首先,本文构建了基于主播特征(主播流量效应和主播展示效应)的需求函数,引入基本酬劳系数和佣金率系数构建了利润函数;其次,构建了 Stackelberg 博弈模型,分析直播带货定价策略;最后,进行算例分析予以验证。本文得出了定价策略中的一些重要结论:(1)均衡直播价格与主播流量效应和主播展示效应都成正相关,在直播间购买商品并不一定更便宜;(2)主播流量效应与主播展示效应正相关;(3)合理的收益共享契约对主播具有一定的激励作用。本文的研究对传统零售企业和主播的直播带货决策具有重要的参考意义。关关键键词词:直播带货;双渠道;定价策略;主播流量效应;主播展示效应 中中图图分分类类号号:F274 文文献献标标识识码码:A 文文章章编编号号:1004-6062(2023)04-0188-008 D DO OI I:10.13587/ki.jieem.2023.04.0160 0 引引言言 随着网络的发展和人们消费方式的升级,直播电商行业迎来了爆发式增长,成为经济增长“新引擎”。尤其是 2020新冠病毒疫情期间,在疫情防控和复工复产的需求下,直播电商作为一种新型的线上无接触销售模式,受到越来越多的青睐。多地政府为打响脱贫攻坚战,纷纷采用公益直播的方式销售本地产品。习近平总书记在陕西考察时强调了电商在脱贫攻坚中的作用,李克强总理也多次强调直播电商对促进经济复苏的重要性。伴随着直播的热潮,各大电商平台如淘宝、京东、抖音、快手等,也纷纷推出“直播带货”的销售模式。与此同时,直播人员的职业正当性得到了官方的认可。2020 年 5 月,人社部将“互联网营销师”(以下简称“电商主播”)纳入十大新职业。同样作为网络购物方式,“直播带货”与以往“电视购物”的不同点在于,主播可以与消费者进行“面对面”沟通,通过在直播间及时与消费者互动,解答消费者对商品的疑问,以及进行“看得见”的商品效果展示,打破消费者的最后一丝顾虑,促成交易。据 2019 年淘宝数据显示,超过 50%,逾 10 万户淘宝商家开通直播,淘宝“双 11”直播带来近 200亿元的成交额,超过 10 个直播间的引导成交额过亿,“直播一姐”薇娅和“口红一哥”李佳琦的引导交易额更是分别超过了 27 亿元和 10 亿元。2020 年 3 月,罗永浩宣布进入直播电商领域,4 月 1 日晚 11 点在抖音直播间完成了带货首秀,三小时销售额超出 1.1 亿元,观看人数累计达到 4800 万人,创下了抖音平台的最高带货记录。直播带来的高营业额与电商主播的“流量”密不可分,主播粉丝越多,所创造的营业额往往更高。如“口红一哥”李佳琦,截止到 2020 年 4 月,其淘宝直播粉丝已超 2000 万,且从 2月 5 日开播第一场到现在,直播间每场观看人数都在 1800 万左右。然而,除了“流量”和人气,主播在直播间对商品的展示和介绍情况也会影响销量。2020 年 4 月 24 日,格力电器董事长董明珠在直播间首次进行直播带货,在线人数达 431 万,但产品销售额却不到 23 万。5 月 10 日,董明珠开展第二次直播带货,3 小时突破 3 亿销售大关,超过 2019 年线上的销售总额。与第一次直播带货较大的不同是,董明珠第二次选择直播销售的商品不仅价格较低,而且对商品的介绍更为详细,与观众互动顺利,直播间氛围较好。这说明具有高人气的主播进行直播带货时,虽然能吸引较多的观众,但主播对商品的展示和介绍情况以及销售商品的价格对需求也有较大影响。可见,除价格因素之外,影响商品销量的还有两个因素:主播流量和主播展示。本文将主播流量所带来的需求称为主播流量效应,主播展示所带来的需求称为主播展示效应。为了更好地分析直播带货销售渠道对传统网络零售渠道的影响,以及包含直播带货渠道的价格决策和供应链协调,本文利用主播流量效应和主播展示效应两个指标构建了直播渠道和传统网络零售渠道的需求函数,并结合目前主播“坑位费+佣金”的收益结构,引入基本酬劳系数和佣金率系数构建了利润函数,然后构建 Stackelberg 博弈模型,分析了传统零售商和主播之间的主从博弈,从而揭示了直播价格与主播特征(主播流量效应和主播展示效应)之间的关系、主播流量效应与主播展示效应之间的关系。最后,通过数值实验对这些结论进行了验证。本文的研究深入剖析了直播带货销售渠道的主播流量和主播展示对传统渠道和直播渠道构成的供应链协调的影响,对传统零售企业和主播的直播带货决策具有重要的参考意义。881收收稿稿日日期期:2021-04-23 基基金金项项目目:国家自然科学基金资助项目(71761009、72061010);海南省研究生创新科研课题资助项目(Hys2020-47)。通通讯讯作作者者:陈锦怡(1998),女,湖南衡阳人;海南大学管理学院硕士生;研究方向:物流与供应链管理。Vol.37,No.4管理工程学报 2023 年 第 4 期1 1 文文献献综综述述 本文研究了直播带货双渠道供应链的定价与协调问题,以仅考虑定价决策的制造商双渠道供应链模型为基础,进一步融入主播流量效应和主播展示效应。与本文研究相关的文献主要可分为直播营销、营销努力与收益共享契约和供应链定价与协调三个方面。首先,从直播营销来看,大多数文献研究直播购物的环境和特征对消费者行为的影响,如刘洋等1构建 SOR 模型证实了直播购物氛围对消费者购买行为的显著影响;Chang等2认为直播购物环境能刺激消费者产生感知信任,从而影响购买意愿;Liu 等3基于 SOR 理论证实了直播购物特征中商品可得性和网站易用性能显著影响消费者视觉吸引力,进而促使消费者冲动购买。也有少量研究证明了主播展示对销量的影响。Tong4通过实证分析发现,直播带货过程中,主播创造的生动性、互动性和真实性会影响消费者的即时感和信任感,能提高销量,研究结果肯定了电商卖家引入直播营销的合理性;刘凤军等5将网红信息源划分为可信性、专业性、互动性和吸引力 4 个维度,验证了网红信息源特征对消费者购买意愿的影响;赵保国等6将电商主播特征概括为互动性、真实性、专业性和知名度,并验证了主播特征对消费者购买意愿的促进作用。其次,本文研究的主播展示效应与营销努力概念类似,关于营销努力的研究越来越多地出现在线上平台与线下服务商的合作背景下。有文献开始研究线上平台的营销努力如何影响线下服务商的市场需求和线上线下服务商的最优决策,如:林雅琴等7考虑平台营销努力影响需求时,线上平台投入的最优营销努力成本及与线下服务商的最优合作策略选择问题;张旭梅等8考虑平台营销努力对线上需求的促进作用,研究了准备进入市场的新服务提供商的最优定价策略。营销努力能提高产品销量,但营销努力成本很难被监控。由于零售商的努力成本为私人信息,Mukhopadhyay 等9研究制造商通过零售商销售产品时,如何在不同条件下选择更好的契 约 形 式,投 资 于 最 合 适 的 营 销 努 力。而 学 者Taylor10、Chen11和 Li 等12量化了努力成本并构建利润函数进行分析。更进一步,供应链中营销努力也逐渐结合收益共享契约被研究,从而确定合理的经营模式以及零售和批发价格。李佩等13研究了由制造商、零售商和服务提供商组成的三级供应链,其中制造商和服务提供商分别决策产品质量和服务水平,结果表明佣金费率和服务成本系数决定了零售商的经营模式选择;梁喜等14基于 Stackelberg 博弈建立了三种双渠道结构博弈模型,通过引入价格交叉系数和佣金比例系数参数,分析了制造商的定价决策和渠道选择策略。最后,直播带货渠道与传统网络零售渠道构成了一个双渠道供应链。目前国内外相关研究重点关注渠道的定价策略和选择策略。在双渠道供应链定价策略方面,杨茜等15在制造商主导的双渠道供应链结构中,引入价格弹性系数、单位直销成本和佣金比例系数,分析双渠道零售商的最优定价策略与渠道选择问题;孙红霞等16研究了在单制造商和两个具有竞争行为零售商的供应链系统中,双渠道零售商和传统零售商的定价策略问题;Chen 等17考虑了制造商主导的网络零售渠道和直销渠道的双渠道供应链结构,研究定价策略;曹裕等18将“搭便车”行为考虑到了双渠道供应链中,分析定价与服务决策;Modak 等19基于 Stackelberg 博弈理论,研究了循环利用和产品质量水平对两级闭环供应链定价决策的影响。在渠道选择方面,国内外学者分析了除价格之外的多种影响因素。赵连霞20研究了制造商开通网络销售渠道以及存在双渠道零售商的混合定价决策模型,发现当保证一定 补 偿 率 时,制 造 商 倾 向 于 开 通 网 络 直 销 渠 道;Dumrongsiri 等21研究发现当零售商的边际成本较高,而批发价格和需求变动性较低时,制造商倾向于选择双渠道;Cai22研究了两个单渠道和两个双渠道供应链环境下,渠道结构和渠道协调对供应商、零售商和整个供应链的影响,结果表明渠道基础需求、渠道运营成本和渠道可替代性等因素影响渠道选择;Khouja 等23研究了制造商通过直销渠道、自有的零售渠道和独立的零售渠道同时进行销售的渠道选择和定价问题,发现影响渠道选择的关键因素是产品的单位可变成本;Zhang 等24研究了制造商通过传统渠道、直接网络渠道和在线购物平台销售的三渠道供应链,并运用三个案例分析了渠道选择策略。在双渠道供应链模型构建方面,文献2527构建了线上线下渠道的线性需求函数。在此基础上,Li 等12构建了包含服务努力的线上线下双渠道供应链决策模型,认为服务努力与市场需求成正向的线性关系,并研究了 3 种线下零售店的服务努力策略与供应链成员定价决策和最优利润的关系。通过以上文献梳理发现:首先,目前关于直播带货的文献主要是从实证角度分析电商主播对消费者购买意愿的影响,缺少对直播销售需求和利润函数的构建;其次,在双渠道供应链研究方面,大多数文献针对供应链的定价、渠道选择及契约设计等问题研究供应链决策,缺少对直播带货供应链协调的研究。因此,本文以双渠道供应链结构为基础,引入主播流量效应和主播展示效应构建了直播渠道的需求函数,并结合目前主播“坑位费+佣金”的收益结构,引入基本酬劳系数和佣金率系数构建利润函数,然后基于 Stackelberg 博弈理论,采用逆向归纳法求解得到供应链成员的最优定价以及直播带货模式下最优的主播展示效应,分析主播流量效应和主播展示效应对供应链成员决策的影响。2 2 问问题题描描述述与与模模型型假假设设2.1 问题描述 直播渠道的销售量主要受主播流量和主播在直播间的展示情况两个因素影响,因此本文引入了主播流量效应和主播展示效应分别表示主播流量产生的需求和主播展示产生的需求。主播流量是指主播人气、知名度或咖位等28,主播的流量以一定的需求转化率转化得到的需求称为“主播流量效应”;主播展示是指主播在直播间的努力程度、专业程度、表现风格、销售话术以及直播间场景布置等,主播流量的另一部分需求转化率由主播展示情况决定,此时所产生的需求量称为“主播展示效应”。引入了直播渠道后,本文所研究的考虑直播带货的双渠道供应链结构如图 1 所示。传统网络零售商以零售价格 p1销售商品,并向厂商支付批发价 w,零售商从中赚取差价。直播带货模式类似于工厂直销,没有中间商赚差价,主播以981熊 浩等:考虑主播特征的直播带货双渠道供应链定价与协调图图 1 1 考考虑虑直直播播带带货货的的双双渠渠道道供供应应链链结结构构F Fi ig gu ur re e 1 1 D Du ua al l-c ch ha an nn ne el l s su up pp pl ly y c ch ha ai in n s st tr ru uc ct tu ur re e c co on ns si id de er ri in ng g l li iv ve e e e-c co ommmme er rc ce e直播价 p2将商品销售给消费者,然后根据主播流量效应 u 和主播展示效应 e 带来的销量获得厂商支付的基本酬劳和佣金,其中基本酬劳系数为,佣金率为。2.2 模型假设 对于目前市场上大多数的厂商来说,相对于已有的传统网络销售渠道,直播渠道往往是后开辟的。直播渠道作为一种新的销售渠道,必然会抢占传统网络零售渠道的市场份额。因此,本文假设直播渠道与传统网络零售渠道之间存在一定的 竞 争 关 系,主 播 和 传 统 网 络 零 售 商 之 间 进 行Stackelberg 博弈,且传统网络零售商为领导者,主播为追随者,分析主播流量效应和主播展示效应对供应链定价决策以及供应链协调的影响。其博弈的先后顺序如图 2 所示。图图 2 2 事事件件发发生生顺顺序序F Fi ig gu ur re e 2 2 S Se eq qu ue en nc ce e o of f e ev ve en nt ts s2.3 模型参数设定 本文模型涉及的变量含义如表 1 所示。表表 1 1 模模型型变变量量T Ta ab bl le e 1 1 MMo od de el l n no ot ta at ti io on n变量变量描述决策变量pi渠道 i 的产品零售价;w厂商给传统网络零售商的产品批发价;e主播展示效应,e 0,1)。ii=1,2。并分别代表传统网络销售渠道和直播带货渠道。r传统网络零售商的利润;m厂商的利润;a主播的利润;渠道间交叉价格敏感系数;u主播流量效应;传统网络销售渠道需求对直播渠道中主播流量效应的敏感系数;厂商根据主播流量效应确定的基本酬劳系数;厂商给主播的佣金率;a传统网络销售渠道所占的初始市场需求份额;D0初始市场需求;Di各渠道的市场需求;pi,w,e最优的决策变量值。3 3 基基于于主主播播特特征征的的需需求求和和利利润润分分析析 为了分析主播特征即主播流量效应和主播展示效应,以及其对渠道成员最优决策的影响,现构建传统网络销售渠道和直播渠道的需求函数,以及传统网络零售商、厂商和主播的利润函数。3.1 需求函数 本文假设直播带货的需求主要受主播流量效应 u 和主播展示效应e影响。主播展示效应刺激直播渠道的需求量增长,但由于只有进入直播间的顾客才会受影响,因此主播展示效应不会影响传统渠道的需求。但对于主播流量效应来说,由于主播流量效应通过主播的影响力促进了品牌传播,吸引消费者去关注、了解和购买该品牌的商品,为传统网络零售商带来潜在消费者,因此对传统网络销售渠道的商品销售也会产生正向溢出效应 u。另外,考虑到渠道间的交叉价格效应,传统网络零售渠道需求函数如下:D1=aD0-p1+p2+u(1)其中 为渠道间交叉价格敏感系数,(0,1)。类似于文献12,25-27构建需求函数时对服务努力的处理,假设主播流量效应 u和主播展示效应e 与直播渠道的需求成线性相关,则直播渠道需求函数如下:D2=(1-a)D0-p2+p1+u+e(2)其中 D0为初始市场需求,a 为传统网络销售渠道所占的初始市场需求份额。3.2 利润函数 假设传统网络零售商的利润仅考虑本渠道需求和价格差,不考虑产品成本、顾客转换成本和持货成本12,31-32,则其利润函数可表示如下:r=(aD0-p1+p2+u)(p1-w)(3)对于主播来说,目前最常见的收费模式为“坑位费+佣金”。其中,“坑位费”字面理解就是占坑需要付的钱,可以理解成发布费或服务费,也就是厂商需要给带货主播一笔坑位费,主播才会在直播间上架并介绍该商品。坑位费的高低取决于主播知名度的大小,即取决于“主播流量效应”;主播的佣金取决于厂商给的佣金率以及在直播间通过“主播展示效应”所创造的销售额。结合该收费模式,本文假设主播的收益结构为“基本酬劳+佣金”。主播的利润为基本酬劳加佣金再减去主播展示成本,基本酬劳为基本酬劳系数和主播流量效应的乘积 u,佣金为直播渠道的销售额乘以佣金率。其中,假设佣金率 为外生变量且 (0,1),主要原因在于:一方面,现实生活中厂商不会为每一位合作的主播单独制定佣金比例,而往往是根据市场情况从众确定,一般不超过 35%;另一方面,已有研究如文献29-30也存在类似假设。主播展示成本函数通过借鉴服务努力成本函数6-8,可表示为 C(e)=e22。因此,主播的利润函数表示如下:a=u+(1-a)D0-p2+p1+u+e)p2-e22(4)对于厂商来说,其利润受两个渠道共同影响,则利润函数为:m=(aD0-p1+p2+u)w+p2(1-a)D0-p2+p1+u+e)(1-)-u(5)3.3 需求函数与利润函数的简化 由于本研究重在分析价格决策和主播特征的关系,因此091Vol.37,No.4管理工程学报 2023 年 第 4 期不需要计算 a 和 D0的确切值,当特定参数值变化时,本文的主要结果仍然保持鲁棒性。所以为了使得研究具备可操作性,同时又不失一般性,令 D0=1 8,25-27。则式(1)(5)可进一步简化。传统网络销售渠道和直播带货渠道的需求函数简化为:D1=a-p1+p2+u(6)D2=1-a-p2+p1+u+e(7)传统网络零售商、主播和厂商的利润函数分别简化为:r=(a-p1+p2+u)(p1-w)(8)a=u+(1-a-p2+p1+u+e)p2-e22(9)m=(a-p1+p2+u)w+p2(1-a-p2+p1+u+e)(1-)-u(10)4 4 竞竞争争博博弈弈分分析析4.1 Stackelberg 博弈分析 本文假设传统网络零售商作为 Stackelberg 博弈的领导者,先确定销售价 p1来最大化其利润,主播在知晓传统网络零售商的销售价格后,通过调整直播价 p2和主播展示效应 e使得自身利润最大化。采用逆向归纳法求得渠道成员的最优决策和利润。主播利润函数 a关于直播价 p2和主播展示效应 e 的一阶最优条件分别为:ap2=(1-a+p1+u+e-2p2)(11)ae=p2-e(12)进一步可得 a关于 p2和 e 的 Hessian 矩阵 H=-2-1()。因为矩阵H的顺序主子式 H1=-2 0,所以 a存在最大值。令ap2=0 和ae=0,可得最优结果:p2=1-a+p1+u2-(13)e=(1-a+p1+u)2-(14)将式(13)和(14)的均衡结果代入到式(8)中,则传统网络零售商关于零售价 p1的一阶和二阶最优化条件分别为:drdp1=-2(2-2)p12-+(2-2)w2-+(1-a+u)+(a+u)(2-)2-(15)d2rdp21=-2(2-2)2-(16)因为佣金率 (0,1),渠道间的交叉价格敏感系数 (0,1),所以d2rdp21 0,这说明 r关于 p1是严格凹函数,因此 r存在最大值。令drdp1=0,可得最优传统网络零售商零售价:p1=(2-+)u+(2-)a+2(2-2)+w2(17)联立式(13)(14)和(17),代入式(10)中,求得厂商利润函数 m的最优二阶条件为:d2mdw2=22(2-)3-1-2-()-1(18)因为d2mdw2 0,所以 m存在最大值。令dmdw=0,可求得厂商最优批发价 w。结合式(13)(14)与(17)的均衡解和式(8)(10)的利润函数可得到传统网络零售商最优零售价、最优主播展示效应和最优直播价格、厂商最优批发价以及三者的最优利润。4.2 供应链决策分析 通过前文的 Stackelberg 博弈分析,可得如下 3 个重要命题。命题 1 均衡直播价格 p2随主播流量效应 u 的增加而提高。证明:由式(13)可推导出均衡的直播价格为 p2=1-a+p12-+12-u,可见直播价 p2随主播流量效应 u 按12-成正比。命题 1 表明,当主播流量效应较高时,均衡直播价格更高。主播流量效应越大,被吸引进入直播间观看直播的潜在消费者越多,从而带来的直播渠道需求越大,此时提高直播价可以获得额外利润。因此,在同等条件下,相对于普通主播,高知名度主播进行直播带货时,可以制定更高的直播价来实现更高的利润。命题 2 均衡直播价格 p2随主播展示效应 e 的提高而提高。证明:由式(12)可推导出均衡的直播价格 p2与主播展示效应 e的关系为 p2=1e。命题 2 表明,当主播展示效应较高时,均衡直播价格更高。主播展示效应越高,说明主播对于商品的展示效果越好,功能介绍越详细,以及营造的直播间氛围能很好地增强消费者参与感和娱乐感,从而提高需求。需求增加,此时可以制定更高的直播价以获得额外利润。可见,直播价受主播流量效应和主播展示效应的影响,并不一定总是低于零售价,这推翻了“在直播间购买商品更便宜”的传统认知。命题 3 主播流量效应 u 与主播展示效应 e 正相关。证明:由式(14)可推导出最优的主播展示效应 e=(1-a+p1)2-+2-u,可见e随主播流量效应u按2-成正比。命题 3 表明,具备高流量效应的主播往往会产生高的主播展示效应。由于主播的流量以固定的需求转化率转化成需求量,构成了主播流量效应,而另一部分流量的需求转化率由展示情况所决定,该部分转化的需求称为主播展示效应。所以主播流量效应和主播展示效应都与主播流量正向191熊 浩等:考虑主播特征的直播带货双渠道供应链定价与协调相关,从而主播流量效应与主播展示效应正相关。5 5 数数值值分分析析 考虑到模型的复杂性,本部分通过数值分析探讨研究中主要参数对主播展示效应 e 和各方定价与利润的影响。基于上述的理论分析,设定的参数值都满足合理的取值范围以保证分析的现实意义。本节选取的 6 个算例如表 2 所示,对给定算例下的均衡结果进行分析,并通过调整算例中的参数值探究结果的变化趋势。表表 2 2 算算例例数数值值选选取取T Ta ab bl le e 2 2 T Te es st te ed d p pa ar ra amme et te er rs s v va al lu ue es s算例ua算例 10.30.200.50.50.30.4算例 20.30.200.60.50.30.4算例 30.30.200.70.50.30.4算例 40.30.250.70.50.30.4算例 50.30.300.70.50.30.4算例 60.30.350.70.50.30.4 表 2 中,算例 1 对各参数进行取值,在其他参数保持不变的情况下,算例 23 在算例 1 的基础上提高了主播流量效应 u。由于该部分算例是为了验证直播价 p2和主播展示效应 e 与主播流量效应 u 的关系,不考虑各方利润,因此给定厂商根据主播流量效应而确定的基本酬劳系数 不变,确保不受 影响;算例 4 6 在此前基础上依次提高了佣金率 的值。根据模型和设定的参数值,得到的均衡结果如表 3 所示。由于在构建模型时假设了初始市场需求为 1,因此计算出的均衡值偏小,但这并不影响结果的比较分析。结合表 2 和表 3 可以得到以下结论:(1)通过观察表 3 中算例 13 的结果可知,当其他参数不变时,直播价格 p2随主播流量效应 u 的增加而提高。主播流量效应 u 越大,主播人气和知名度越高、粉丝量越多,吸引进入直播间观看直播的潜在消费者越多,从而带来的直播渠道需求越大,此时主播会提高直播价格 p2以获得额外利润。并且,由于主播作为追随者,在已知传统网络零售商的定价 表表 3 3 给给定定算算例例的的最最优优主主播播展展示示效效应应、最最优优价价格格和和利利润润T Ta ab bl le e 3 3 T Th he e o op pt ti imma al l a an nc ch ho or r d di is sp pl la ay y e ef ff fe ec ct t,p pr ri ic ce e a an nd d p pr ro of fi it t u un nd de er r g gi iv ve en n p pa ar ra amme et te er r v va al lu ue es sewp1p2ram算例 10.14620.62130.78930.73100.02570.24620.3332算例 20.15950.66290.83880.79750.02820.29450.4027算例 30.17280.70460.88830.86410.03070.34440.4817算例 40.22270.70970.89650.89060.03170.38350.4810算例 50.27570.71480.90510.91890.03280.42530.4819算例 60.33210.71980.91410.94890.03410.47000.4845决策之后,主播对于自己的人气所能带来的销量更有把握,从而敢于大幅度调整直播价格。(2)通过观察表 3 中算例 13 的结果可知,主播流量效应 u与主播展示效应e正相关。由于主播流量一部分以固定的需求转化率转化成需求量,构成了主播流量效应,而另一部分转化率由展示情况所决定,该部分转化的需求称为主播展示效应。所以主播流量效应与主播展示效应都与主播流量成正相关,则主播流量效应与主播展示效应正相关。(3)直播价格 p2随主播展示效应 e 的提高而提高。通过观察算例1 3的结果和上述的分析可知,主播展示效应e因主播流量效应 u 提高。并且,通过观察 p2列可知,直播价格也随主播展示效应e上涨。这是因为提高主播展示效应会使得需求增长,需求增长后,主播会提高直播价格 p2以获得额外利润。反过来看,顾客需求又会因直播价 p2的升高而减少,所以主播只有在提价的同时提高主播展示效应 e,向顾客提供更详细的商品介绍、渲染更浓的直播间购物氛围,挖掘顾客需求,才能维持销量和利润。(4)通过观察表 3 中算例 46 的结果可知,当控制其他参数不变时,提高佣金率,主播展示效应e也随之提高。这说明主播的展示情况还会受厂商给的佣金率影响。厂商给的佣金率越高,主播会更受激励从而提高展示效应来促进需求增长。因此,从管理启示上来看,厂商可以通过适当提高佣金率来对主播进行激励。(5)通过对比表 3 算例 46 中传统网络零售商的零售价 p1和直播价 p2两列的结果可知,随着佣金率 的提高,直播价逐渐超过了零售价。这与人们认为的“在直播间购买商品更便宜”的传统认识不同,由于主播在直播间营造了更强烈的购买氛围,对商品进行详细的讲解和全方位的展示,从而吸引了大量的消费者,潜在需求增加,因此也会通过提高直播价来获取更大的利润。综合分析以上结论可知,主播流量效应 u 和佣金率 越高,主播倾向于付出更高的主播展示效应 e。由于直播带货的一个重要特征就是通过直播间向消费者展示和讲解商品,只要消费者进入直播间,潜在需求就极有可能被主播展示效应 e 所激发,转为实际购买。所以当直播渠道的需求因高的主播展示效应增长时,提高直播价p2以获取额外利润是较为保险的,价格升高并不会使其大量顾客流失。然而传统网络零售商没有这个优势,无法通过展示效应来抓住和稳定消费者,所以调整传统网络销售渠道的零售价格时会更为谨慎(可从表 3 中 p1和 p2两列的变动幅度得到验证)。此外,本文进一步分析了厂商与主播之间的收益共享契约,即佣金率 和基本酬劳系数 对两者最优利润的影响。结果如图 3 4 所示。图 3 描述了佣金率 和基本酬劳系数 变化时,厂商最优利润的变化情况。由图可知,随着佣金率 的提高,厂商利润先下降后上升,这主要是受运营成本和销量影响的结果。在佣金率 低于某一临界值时,厂商运营成本随着佣金率的增加而增加;当佣金率 高于某一临界值时,佣金率对291Vol.37,No.4管理工程学报 2023 年 第 4 期图图 3 3 和和 对对厂厂商商利利润润的的影影响响F Fi ig gu ur re e 3 3 T Th he e i immp pa ac ct t o of f a an nd d o on n mma an nu uf fa ac ct tu ur re er rs s p pr ro of fi it ts s图图 4 4 和和 对对主主播播利利润润的的影影响响F Fi ig gu ur re e 4 4 T Th he e i immp pa ac ct t o of f a an nd d o on n a an nc ch ho or rs s p pr ro of fi it ts s主播的激励作用开始变得显著,销量增加从而给厂商带来的利润也逐渐增加。可见,佣金率的提高使得直播渠道对传统网络销售渠道的溢出效应明显。而基本酬劳作为厂商给主播的“坑位费”,相当于一部分固定支出,不能带来利润,因此基本酬劳系数 与厂商利润呈线性负相关。图 4 描述了随着佣金率 和基本酬劳系数 的变化,主播最优利润的变化情况。由图可知,主播利润随着佣金率 和基本酬劳系数 的增加而增加,且主播利润为佣金率 的凸函数,即佣金率越高,主播利润上升幅度越大。此外,由于基本酬劳为一部分固定的收益,主播利润与基本酬劳系数 呈线性正相关。6 6 结结论论 直播带货作为一种新的销售渠道,越来越受厂商和市场欢迎。除了直播价格之外,主播流量和主播展示情况对直播带货的销售量都有重大影响。因此,本文引入了主播流量效应和主播展示效应分别表示主播流量和主播展示所产生的需求,构建了直播渠道和传统网络零售渠道的需求函数;然后,结合直播渠道的“坑位费+佣金”的契约机制引入基本酬劳系数和佣金率系数,构建了渠道成员的利润函数;接着,构建了以 传 统 网 络 零 售 商 为 领 导 者,主 播 为 追 随 者 的Stackelberg 博弈模型,分析了主播流量效应和主播展示效应之间的关系,以及主播特征与直播定价之间的关系;最后,对博弈分析的定价和协调结果进行了数值实验,验证了相关结论。本文研究结论丰富了已有的双渠道理论研究,也为涉及直播带货销售模式的传统零售企业和主播的直播带货决策提供了理论依据和参考。本文的主要结论如下:(1)均衡直播价与主播流量效应和主播展示效应均成正相关。该条结论表明并非“直播价一定更便宜”。虽然高流量主播看似可以通过薄利多销提高自身的提成,但实际上,主播的流量和在直播间的展示情况,使得观看直播的消费者对于价格的敏感度降低。从而主播相对于消费者而言具有更强的议价能力,即使是高价,也能产生较大的需求量。可见,直播价受主播流量效应和主播展示效应的影响,并不一定总是低于零售价,这推翻了“在直播间购买商品更便宜”的传统认知;(2)主播流量效应与主播展示效应正相关。这是因为主播流量效应与主播展示效应都与主播流量成正相关。主播的一部分流量以固定的需求转化率转化成需求量,构成了主播流量效应,另一部分流量由主播的展示情况转化成了实际需求,构成了主播展示效应。该结论表明主播流量效应与主播展示效应都对直播电商的销量有重要影响,不能只重视主播流量效应,而忽视主播展示效应;(3)从利润角度来看,佣金率的提高使得直播渠道对传统网络销售渠道的溢出效应明显。所以,设置合理的收益共享契约对主播具有一定的激励作用。本研究为采用直播带货销售模式的厂商提供了重要的管理启示:(1)考虑到未来的长远发展,厂商开通直播带货销售渠道不应以“最低价”为噱头和卖点,而应注重推出高质量的产品,实现“商品销售+商品市场占有率+品牌知名度”等多维度的提升;(2)选择具有一定知名度且专业性强的主播进行直播带货有利于提高销量和利润。在同等条件下,相对于普通主播,具备高流量效应和高展示效应的主播进行直播带货时,可以制定更高的直播价来实现更大的利润;(3)合理的收益共享契约对主播具有一定的激励作用。厂商在与主播签订收益共享契约时,“坑位费”应与主播知名度挂钩,“佣金”应与主播创造的销量挂钩。本研究也存在一定的局限性。由于模型复杂,研究假设了产品成本、持货成本和顾客转换成本等为零来简化模型以便于分析;其次,模型只考虑单周期内的决策;另外,在该双渠道供应链研究中,信息不对称、风险偏好也可能影响渠道成员制定决策。后续研究可以在此基础上展开。参考文献1 刘洋,李琪,殷猛.网络购物节氛围对消费者冲动购物行为的刺激作用J.商业研究,2018(7):18-23.Liu Y,Li Q,Yin M.The influence of internet shopping festival atmosphere on consumer impulse buyingJ.Commercial Research,2018(7):18-23.2 Chang H H,Chen S W.The impact of online store environment cues on purchase intentionJ.Online Information Review,2008,32(6):818-841.3 Liu Y,Li H X,Hu F.Website attributes in urging online impulse purchase:An empirical investigation on consumer perceptionsJ.Decision Support System,2013(55):829-837.4 Tong J H.A study on the effect of web live broadcast on consumers willingness to purchaseJ.Open Journal of Business and Management,2017,5(2):280-289.5 刘凤军,孟陆,陈斯允,等.网红直播对消费者购买意愿的影响及其机制研究J.管理学报,2020,17(1):94-104.Liu F J,Meng L,Chen S Y,et al.The impact of network 391熊 浩等:考虑主播特征的直播带货双渠道供应链定价与协调celebrities information source characteristics on purchase intentionJ.Chinese Journal of Management,2020,17(1):94-104.6 赵保国,王耘丰.电商主播特征对消费者购买意愿的影响J.商业研究,2021(1):1-6.Zhao B G,Wang Y F.The influence of e-commerce anchor charac-teristics on consumers purchase intention.Commercial research,2021(1):1-6.7 林雅琴,郭强,张志文,等.淡季中酒店与 OTA 合作模式选择研究J.中国管理科学,2018,26(5):187-196.Lin Y Q,Guo Q,Zhang Z W,et al.Study on cooperation model decisions for hotels and OTAs in the off-season J.Chinese Journal of Management Science,2018,26(5):187-196.8 张旭梅,张文君,左涔,等.O2O 环境下服务提供商市场进入渠道策略研究J.软科学,2019,33(3):86-91.Zhang X M,Zhang W J,Zuo C,et al.Research on the marketing entry channel strategy of service provider in O2O environmentJ.Soft Science,2019,33(3):86-91.9 Mukhopadhyay S K,Su X,Ghose