全渠道模式下零售商主导供应链优化协调研究

覃伟华

中图分类号：C931 文献标识码：A

内容摘要：随着移动互联网技术的发展，消费者购物行为开始变得更加难以捉摸，顾客可以通过多种渠道来实现自己的购买欲望，线上渠道和线下渠道的结合是零售企业供应链研究的热点问题。本文在相关研究的基础上引入移动互联网渠道，采用供应链优化理论对零售企业供应链的全渠道战略和最优决策进行研究。针对零售企业供应链实施全渠道模式的情况，通过研究供应链各成员的Stackelberg博弈过程，指出分散决策下的供应链利润要低于集中决策下的利润。为此，通过设计一种收益共享契约机制，使供应链利润高于分散决策下的利润，并且实现供应链各成员的共赢。

关键词：全渠道模式 零售商主导供应链 Stackelberg博弈 收益共享契约

相关文献综述

随着电子商务技术以及移动互联网技术的不断进步，零售企业的渠道变得更加多样化和扁平化，很多专家学者开始关注在线下实体渠道的基础上引入线上网络渠道构成的双渠道供应链，研究这种模式下的定价决策与库存决策。国外专家学者较早投入到这方面的研究，Seifert和Thonemann（2006）研究指出，零售企业和客户都可以从一个集成的供应链中获益；Dan和Xu（2012）研究指出零售服务水平强烈影响制造商和零售企业的定价策略；Verhoef和Kannan（2015）探讨了影响实施全渠道模式的几个关键问题；Hsiao和Chen（2014）研究发现，当网络购物者有利可图时，制造商就会通过自己的网络零售渠道或零售企业渠道，使销售渠道分离开来；Ghadge和Yang（2016）针对线上零售的高水平产品回报以及减少碳排放的壓力，在不确定环境中的闭环分配网络找到了一个可持续的设施定位解决方案；Ekinci和Baykasoglu（2016）研究了系统动力学模型在零售企业供应链中的应用。

国内对于零售企业供应链的研究具有丰富的理论价值，大多集中在模型构建和数值仿真上面，关于实证方面的文献鲜有涉及。刘丽文（2003）分析了供应链管理理论和方法在我国的起源以及发展历程；王翀（2010）指出通过供应链成员之间的需求预测和信息共享，可实现供应链成本优化；佟斌、杨德礼（2010）利用报童模型研究了商品在商店中的位置对整条供应链利润的影响；王虹、周晶（2011）研究表明，在一定的渠道投资成本范围内增加直销渠道能够增加供应链总利润；毛太田（2013）提出零售企业应将供应链风险管理提升到战略高度；王志宏、邵奇明等（2016）采用Stackelberg博弈理论研究了确定需求下零售企业供应链的采购策略。

问题描述和假设

零售企业供应商（制造企业）将单位生产成本c的产品以批发价格w供应给零售企业进行销售，供应商自己不设立销售渠道，零售企业通过三种渠道（实体渠道、网络渠道和移动互联网渠道）进行销售，如图1所示。假设零售企业占据供应链主导地位，供应商处于从属地位，两者都是理性和风险中性的，都追求自身利益最大化。

对本文符号作出如下说明并提出假设。公式中的下标r、n和m表示实体零售渠道、网络零售渠道和移动互联网零售渠道；公式中的上标C、D和S分别表示集中决策、分散决策和收益共享下的决策；实体渠道的单位产品销售价格为Pr，且0

本文对全渠道模型作出如下假设。假设1：零售企业供应链的市场需求规模为1，顾客购买一个单位的商品或者购买零个单位的商品；假设2：顾客都是完全理性的个体，只要某种渠道的消费者剩余小于零，顾客就不会在该渠道购买商品，顾客会偏向于使用效用比较大的那个渠道购买商品；假设3：顾客对单位商品的评估价值为v，且服从[0，1]的均匀分布；假设4：制造企业单位产品的生产成本为c，以批发价格w供应给零售企业分别在线下实体渠道和线上互联网渠道进行销售，制造企业不设立销售渠道；假设5：零售企业供应链在双渠道模式基础上新引入一条移动互联网渠道，消费者对新增加的移动互联网渠道存在风险成本，对之前的网络渠道不存在风险成本；假设6：考虑供应商的批发成本，零售企业在各个渠道的销售成本可以忽略不计，因此假设零售企业不存在渠道销售成本。

模型构建

顾客通过实体渠道购买商品的单位效用可以表示为：

Ur=v-pr-k1

顾客通过网络渠道购买商品的单位效用可以表示为：

Un=θv-pn

其中，θ表示顾客对网络销售渠道的认可度，且0<θ≤1，顾客对网络销售渠道的认可度越高，θ越接近于数值1。顾客通过移动互联网渠道购买商品的单位效用可以表示为：

Um=v-pm-k2

其中， 为消费者对移动互联网渠道的认可度，且满足0<θ<≤1。

那么，零售企业供应链各个渠道的市场需求量为：

且pn/θ<（pm+k2）/

（一）集中决策模型

在集中决策模式下，零售企业供应链由供应链主导者进行集中控制和管理，追求整个零售企业供应链利润最大化，这种情形下做出的决策在理论上全局最优。集中决策模式下零售企业供应链利润最大化问题可表示为：

集中决策模式下供应链利润πC是关于Pr、Pn和Pm的联合凹函数，构造拉格朗日函数：

分别对Pr、Pn、Pm、λ1、λ2求偏导数，得到一阶库恩-塔克条件，即pr（L/pr）=0，pn（L/pn）=0，pm（L/pm）=0，λ1（L/λ1）=0，λ2（L/λ2）=0，λ1，λ2≥0。最终可以得到集中决策模式下的最优决策公式，各个渠道最优销售价格为：

各个渠道市场需求量为：

将最优销售价格和最优市场需求量代入目标公式，可求得集中决策下供应链最优化利润为：

（二）分散决策模型

在分散决策模式中，零售企业承担供应链优化主要责任，即零售企业为Stackelberg对策博弈的主方，零售企业供应商为博弈的从方，供应链成员通过主从博弈决策实现自身利益最大化。此时，零售企业在批发价格的基础上进行加价销售，实体渠道、网络渠道和移动互联网渠道分别加价△r、△n和△m，pr=w+△r，pn=w+△n，pm=w+△m，供应商决策变量为批发价格w。

那么，零售企业利润为：

π1=（pr-w）Dr+（pn-w）Dn+（pm-w）Dm

供应商利润为：

π2=（w-c）[1-（w+△n）/θ]

主从博弈采用逆向归纳法，首先对供应商利润求π2关于w的导数得到π2/w，令其为零即可求得w=（θ+c-△n）/2，将w代入零售企业利润公式可得零售企业利润为：

已知π1关于△r、△n和△m的联合凹函数，构造拉格朗日函数L（△r，△n，△m，λ1，λ2），论证过程同集中决策模型。最终可以求得各个渠道最优加价为：△rD*=（1-c-k1）/2；△nD*=（θ-c）/2；△mD*=（-c-k2）/2。然后计算得到最优批发价格为wD*=（θ+3c）/4，则分散模式下的最优销售价格为：

各渠道需求量为：

将最优销售价格和最优市场需求量代入零售企业和供应商利润公式，即可得到零售企业利润π1D*和供应商利润π2D*，此时零售企业供应链利潤为πD*=π1D*+π2D*，则可得到集中决策和分散决策下供应链利润差为△π=πC*-πD*=[（θ-c）2]/16θ。

综上，分散决策下的最优销售价格大于集中决策下的最优销售价格，且零售企业供应链利润有所下降，即分散决策下零售企业供应链达不到利润最大化。那么在由零售企业主导的供应链中，就面临着分散决策下如何整合与供应商之间的合作关系问题，从而有效激励供应商参与合作，优化整体供应链利润。

（三）数值仿真分析

命题解释。下文通过数值分析具体对模型求解结果进行演算和推论，以求得出更加有效的结论。通过前面的求解可以得到以下命题：

命题1：集中决策模式下，线上渠道的最优销售价格随着渠道认可度的增加而增加；分散决策模式下，线下渠道和线上渠道的最优销售价格都是随着渠道认可度的增加而增加。随着消费者对渠道的认可，企业会提高对应渠道的价格，以求获得最大化利润，这对于企业采取差异化渠道价格提供了有价值的参考。

命题2：分散决策模式下的批发价格只与网络渠道的消费者认可度有关，并且随着认可度的增加而增加。网络渠道的认可度加剧了供应商与零售商之间的冲突，使得供应商抬高批发价格，导致零售商利润减少，零售企业应当采取一定措施，将网络渠道的认可度维持在一定范围，从而减少供应链成员间的冲突。

命题3：分散决策模式下，供应商利润随着网络渠道认可度的增加而增加，零售商利润则相反，且分散决策模式下供应链总利润要小于集中决策模式。

数值仿真分析。下文通过数值仿真来揭示相关规律，令k1=0.28，k2=0.10，c=0.1，=0.75；且满足pn/θ<[（pm+k2）/]<（pr+k1），且（θ+c）<θ（θ+c+2k2）<θ（θ+c+2k1），0

利用matlab软件模拟供应链利润与消费者网络渠道认可度θ的关系，如图2所示。

通过图2可以看到，集中决策模式下供应链利润要大于分散决策模式，并且其利润之差为分散决策下供应商的利润。分散决策下供应商的利润随着网络渠道认可度的增加而增加，而零售商利润在一定范围内随着渠道认可度的增加而减少，在某一个临界值，随着渠道认可度的增加而增加，集中决策下供应链利润和分散决策下供应链利润先减少后增加，并且随着网络渠道的认可度增加，幅度越来越大。

利用matlab软件模拟供应链利润与消费者移动网络渠道认可度 的关系，如图3所示。在其他参数数值保持不变的情况下，令θ=0.55。

由图3可以看出，供应商利润与移动网络渠道认可度无关，而其他供应链成员利润则随着消费者移动互联网渠道认可度的增加呈现“U”形变化，即在一定范围内先减少后增加。这是由于渠道与渠道之间的“相互吸引”，转移消费者而导致的利润变化，当消费者更多在移动网络渠道购物时，供应链成员利润增加，并且在一定范围内不是一直增加，而是有所减少后再增加，这对于企业实施销售时提供一定指导意义，即要掌握好各个渠道之间的消费者认可度，不一定越高越好。

利用matlab软件模拟供应链利润与消费者移动网络渠道认可度和网络渠道认可度θ的关系的三维关系。在其他参数数值保持不变的情况下，研究和θ对供应链利润造成的影响，以便更直观地研究利润趋势和走向。

由图4可以看出，供应链利润在消费者移动互联网渠道认可度高于网络渠道认可度的情况下要高于其他情况。这表明，适当提高消费者对移动互联网渠道的认可度是有利的，零售企业可以通过微博和微信等社交渠道扩大自身影响力，通过在移动端提高服务水平和物流水平来提高消费者对于移动互联网渠道的认可度。

收益共享优化模型

（一）共享优化模型

分散模式下的供应链利润没有达到最大化，低于集中决策模式，处于供应链主导地位的零售企业为了优化整体供应链效益，有动力去采取一定措施激励供应商继续与其合作。为此，零售企业在销售季节前要求供应商给定一个较低的批发价格w，销售季节结束后将全渠道模式下获得的收益以比例1-λ（0<λ<1）共享给供应商，λ为零售企业供应链收益共享因子，以求实现供应链利润最大化并合理分配。由此可得零售商获得的利润为：

π1s=（λpr-w）Dr+（λpn-w）Dn+（λpm-w）Dm

供应商利润为：

π2s=（w-c）（1-pn/θ）+（1-λ）（prDr+pnDn+pmDm），其中，pr=w+△r，pn=w+△n，pm=w+△m。

那么为了实现整体供应链最优化利润，收益共享下的最优决策应该与集中决策模式下的最优决策保持一致，那么可以得到如下命题：

命题1：若采用收益共享契约来优化供应链利润，不存在契约参数（w，λ）满足条件，实现零售企业供应链全渠道模型的完美协调优化。在这种情况下，采用收益共享契约机制不能使得供应链达到协调优化，但是可以实现供应链成员的共赢。若供应商制定的批发价格较低，则零售商共享给供应商的收益将增加，若供应商给定零售商的批发价格较高，则供应商获得的零售商收益分享较少。同时，零售企业在制定营销战略时，要考虑全渠道模式下线上直销渠道的协调性，使得线上各个渠道之间保持一定的消费者满意度。

命题2：在收益共享契约机制下，存在一个契约参数λ1∈（0，1），使得零售商利潤与无收益共享契约下分散决策的利益相等。

命题3：在收益共享契约机制下，存在一个契约参数λ2∈（0，1），使得供应商利润与无收益共享契约下分散决策的利益相等。

（二）数值仿真分析

为更加直观地观察零售企业供应链中收益共享契约参数对实施全渠道模式的影响，下文通过数值仿真分析对研究结果进行具体形象的展示。令πS*=π1S*+π2S*表示收益共享契约下零售企业供应链总利润，△πi*=πiS*-πiD*（i=1，2），表示实施收益共享契约机制前后零售企业供应链成员相对利润的变化。进一步令k1=0.28，k2=0.10，c=0.10，=0.75，θ=0.55，由此可得，集中决策下零售企业供应链总利润为πC*=0.1094，分散决策下零售企业供应链总利润为πD*=0.0730，其中供应商和零售商利润分别为π2D*=0.0230和π1D*=0.0500。下面具体针对收益共享因子λ的变化进行相关分析，应用matlab作图。

由图5可以看到，随着收益共享参数的增加，批发价格不断增加，甚至当参数较小时，批发价格会低于单位产品生产成本c=0.1，随着收益共享参数的减小，供应商所获得零售商分享的收益就增大，相应就会降低批发价格，以进一步刺激零售商的收益分享。

由图6可以看到，随着收益参数的增加，零售商和供应商的利润不断增加，并存在某一个临界值使得收益共享后的利润要大于收益共享前，收益共享后的供应链总利润也会在某一个临界值大于收益共享前，但收益共享契约不能使供应链达到集中决策时的利润。

由图7可以看出，随着收益共享参数的增加，供应链各成员所增加的利润是关于收益共享参数的增函数，并且与分散决策下的函数图像不同，分散决策下供应链各成员利润会有一定的下降区间，而收益共享下的利润图像则是一直增加，并且在区间[0.8223，1]之间，虽然不能使得供应链达到集中决策下的利润，但可以实现供应链各成员的帕累托改进，从而使得供应商和零售商在此契约机制下实现共赢。收益共享参数的确定还取决于各成员的讨价还价能力，所涉及的收益共享契约机制具有一定柔性。

参考文献：

1.刘丽文.供应链管理思想及其理论和方法的发展过程[J].管理科学学报，2003，6（2）

2.王，张京敏，杜航.零售企业酒类品库存控制策略[J].北京工商大学学报（社会科学版），2010，25（3）

3.佟斌，杨德礼，潘新.零售业供应链企业RFID技术应用决策研究[J].管理学报，2010，7（6）

4.王虹，周晶，孙玉玲.竞争环境下双渠道供应链的决策与协调研究[J].运筹与管理，2011，20（1）