考虑退货的定价和订货优化及信息发布美化策略

樊双蛟, 王旭坪

(1. 大连理工大学系统工程研究所, 辽宁 大连 116023；2. 大连工业大学机械工程与自动化学院, 辽宁 大连 116034；3.大连理工大学商学院, 辽宁 盘锦 124221)

1 引言

在线零售区别于传统实体店面经营的一个显著特点是存在大量非质量原因产生的退货。在线购物环境下, 消费者无法接触产品实物, 仅能通过浏览页面的文字、图片、视频介绍和商品评价形成初始感知价值, 从而决定是否购买。而在收到实物后, 由于进一步获取了商品的真实信息, 以及材质、做工、使用感受等购买前缺少的信息, 往往与最初评价产生一定的感知差异, 可能导致对商品最终价值评价降低, 产生退货需求。因此, 商家为了扩大销售、增加利润, 一方面需要对产品信息进行推广并结合有效促销方式促进消费者购买, 另一方面需要制定合理的“无理由退货”政策, 允许顾客退回不满意商品, 并对无缺陷商品进行二次销售。对电子商务环境下退货的研究和恰当表述是进行库存和定价优化以及制定有效产品信息发布策略的关键问题。

在传统的供应链库存和定价优化问题中, 由于退货所占比例小, 研究者往往不关注退货的产生原因和影响因素, 仅用一个固定退货率将退货量表示为需求量的线性函数。如基于这一假设, Kiesmuller和Lean[1]建立了考虑提前期且允许缺货情形下的有限期库存控制模型。Mostard和Teunter[2]研究了包含退货的报童问题, 计算了该条件下的最优订货量。李新军和达庆利[3]建立了随机需求条件下基于退货的单周期供应链模型, 分别推导出集中决策条件下和分散决策条件下的最优性条件以及利润分配机制。李群霞等[4]建立了缺陷品可完全退货的库存控制模型, 假设缺陷率服从均匀分布,确定了使销售利润最大化的最优订货量和合理缺货量。Chen和Bell[5]对于由一个制造商和一个零售商组成的供应链, 提出一种制造商对于最终顾客的退货商品和零售商未销售商品以不同价格进行回购的契约。当研究对象从传统供应链环境转移到电子商务环境时, 部分研究仍是延续了退货率固定的这一假设。如汪峻萍等[6]针对在线销售易逝品的无缺陷退货现象, 建立了两阶段动态规划以描述动态市场环境下网上销售商的两次订购行为, 分别在集中和分散决策条件下, 考虑了供应链的最优订购协调问题。张霖霖和姚忠[7]研究了乘法模式需求条件下的在线零售定价和订货策略。孙军等[8]研究产品生产成本信息对称和不对称时在线零售商的最优采购量问题, 研究表明成本信息不对称时在线零售商的采购量比信息对称时的采购量有所下降, 提出在线零售商可以通过契约菜单对制造商形成有利约束。李建斌和李赟[9]建立了对于一个由垄断制造商和异质偏好消费者组成的在线零售模型, 研究了无理由退货政策盈利能力的影响因素, 提出对低质量水平商品提供策略性补偿的优化策略。

随着在线购物的普及以及网购退货问题的日益突出, 一些学者开始从实证的角度, 分析探讨在线购物退货的产生原因和影响因素。Hess和Mayhew[10]发现顾客退货跟商品价格有关, 价格越高越容易被退货. Lee和Tan[11]研究证明影响消费者感知的因素既来源于产品本身, 也来源于对购物环境及风险的判断。Vohs和Faber[12]提出退货与冲动购买有关, 网络购物的便捷性以及诱发因素的增多使得消费者更易于冲动购物。Lawton[13]的统计分析揭示在美国每年95%以上的退货产品是由消费者自身原因产生。Ofek等[14]研究发现零售商提供充分且准确的产品信息, 可以降低消费者对产品价值感知的不确定性, 减小退货的可能性。王崇等[15]分析了各项成本变量及购物风险对网络购物环境下消费者感知效用的影响, 研究结果表明, 商品质量的提高可以增大消费者感知效用, 而商品价格、购物风险的增大将导致消费者感知效用减小。Wood[16]通过对电子商务环境下的顾客购买行为进行分析发现, 顾客在线购物通常经历了两个分离的决策过程: 通过浏览网页介绍形成初始感知价值, 决定是否购买；通过实物感受产生感知差异, 形成最终价值评价, 决定是否退货。

基于上述实证研究结果, 部分学者在研究网络购物环境下的库存和定价等问题时开始考虑退货量和退货价格以及商品价格的关系。如曹细玉和宁宣熙[17]在考虑退货价格的易逝品供应链协调性研究中, 将退货率表示为m(r)=lrk, 其中l为换算常数,k为退货价格弹性,r为退货价格。翟春娟和李勇建[18]在B2C模式下的在线零售商退货策略研究中, 将退货量表示为退货价格的线性函数. Chen和Bell[19]在加法模式需求下包含退货的定价和库存研究中, 将退货量表示为R(p)=αX+βp(0<α<1,β>0), 其中X表示销量,p表示价格。更多学者则是从感知价值的角度出发研究了顾客的购买和退货行为, 将退货率表示为主观商品效用低于退货所得的概率。基于顾客在购买前对产品感知价值的不确定, Su Xuanming[20]建立了这一条件下全额退款和部分退款时的最优定价和订购策略。申成霖等[21]研究了单周期供应链的协调决策问题, 建立了有服务水平约束的顾客策略性退货模型。Swinney[22]研究了当存在战略顾客时, 快速反应型生产是否有效的问题, 以及退货政策对这一有效性的影响。李勇建等[23]研究了报童零售商的预售策略和无缺陷退货问题。Akcay等[24]研究了当零售商提供退货政策时, 对于退货可以折价再次出售, 且顾客可以在全新商品和折价商品之间进行选择时, 零售商的最优订货量、最优定价和最优折扣价。Hu等[25]研究了退货政策对供应商管理库存有效性的影响。杨光勇和计国君[26]研究了存在战略顾客时, 不再销售、正常再销售与降价再销售退货产品策略如何影响销售商的顾客退货策略设计。Hsiao和Chen[27]研究了在何种条件下不允许退货的政策会给零售商和供应链带来更大利益。黄宗盛等[28]研究了同时拥有实体渠道和网络渠道的双渠道零售商的退货保证策略选择问题, 建立不同策略选择下的利润模型, 求解最优定价并进行比较。文献[20]-[28]都只考虑了顾客对产品的感知价值, 假定其值在购买前后没有变化, 而基于文献[16]同时考虑感知价值和感知差异的退货研究还较少见。Chen Yingju[29]初步探讨了这一条件下的最优销售策略和退货政策。陈灿和刘杰[30]建立了购买前后感知价值不同条件下的期望利润模型, 给出感知价值独立或线性相关情形下最优订货量的解析解, 并通过算例分析了当价格内生时, 消费者感知价值特点对最优定价、订货量和利润的影响。

由于消费者感知价值的主要依据来源于通过网页获取的产品信息, 一些学者从商家信息发布的角度开展相关研究。如Chen Yubo和Xie Jinhong[31]研究了商家提供的产品属性信息与在线评论信息对消费者形成产品感知价值的影响及相互关系, 提出相应的产品评论展示和营销传播策略。Shulman等[32]考虑消费者偏好、消费者对产品属性的不确定性和退货成本等因素, 建立了零售商利润模型, 确定了向消费者提供产品适合信息的最佳条件, 分析其影响因素。张涛等[33]考虑产品价值和退货成本的影响, 从零售商利润和消费者效用的角度研究了零售商在垄断和竞争情形下的产品信息发布决策问题。以上研究均未与订货量和定价的联合优化结合。

基于上述已有研究成果, 本文从顾客购买前形成感知价值和收到实物后产生感知差异的角度出发, 将感知价值和感知差异表示为二维随机变量, 并考虑顾客在促销期不同于日常消费期的行为特点, 对退货率进行解析表述, 构建定价和订货联合决策模型, 在最优定价和订货量的基础上分析了不同美化程度的产品信息发布策略所取得的效果。主要有两点区别于已有研究：

(1)文献[29]考虑了购买前的感知价值和购买后的感知差异, 但假定二者相互独立, 且着眼点在于销售策略和退货政策, 未涉及库存和定价优化问题, 文献[30]则是从购买前后感知价值的角度构建模型, 假定二者相互独立或完全线性相关。本文采用文献[29]的方式, 从感知价值和感知差异角度构建退货率模型, 更符合文献[16]中的退货产生机理, 将感知价值和感知差异表述为二维随机变量, 分析相关系数变化对最优策略和不同美化程度的产品信息发布策略有效性的影响。

(2)上述文献均未考虑顾客在不同销售时期的行为特点, 缺少用构建的退货率模型对实证研究结果和实际现象做出分析解释。统计数据显示, 商品降价促销期退货率可能呈现与日常不同的变化规律, 如近年来“双11”过后出现的高退货率[34], 这与文献[10]中商品价格越高越容易被退货的研究结果相悖。本文从感知价值和感知差异的角度分析产生这一现象的原因是: 一方面由于降价产生的机会成本减少了退货所得, 使顾客在进行退货决策时更加审慎, 另一方面又可能因为降价刺激而冲动购买, 提高了退货概率。考虑顾客在促销期的购买和退货行为与日常销售期有所不同, 对促销期退货率进行了不同于日常销售期的表述, 分析表明这一表述与已有实证研究中商品价格越高退货率越高的结论一致, 同时可较好解释大幅降价促销期过后高退货率的产生原因。

2 问题描述与假设

假定零售商在线销售某种商品, 潜在顾客数量为x, 概率密度函数和分布函数分别为f(x)和F(x)。顾客在购买前通过浏览网页介绍形成的商品感知价值为θ,θ∈(a,b), 顾客在收到商品实物后的感知差异为ε,ε∈(c,d), 则顾客收到产品后的感知价值为v=θ+ε。θ和ε的联合概率密度函数为g(θ,ε)。

商品销售分为日常销售期和促销期, 每个销售周期的潜在顾客分布和价值感知分布相同, 每一销售周期开始前零售商进行采购。商品日常售价为p, 促销期价格折扣为k, 即促销期售价为kp,k∈(0,1). 若顾客对购买商品不满意可以按实际购买价退货, 退货不再进行销售. 商品进价为w, 持货成本系数h, 缺货成本系数g, 未销售及退回商品残值为s, 其中,p>w>s。假定所有订单在销售期初发生, 所有退货在销售期末发生, 仅有未销售商品在销售期内产生持货成本。

3 退货率分析

3.1 日常销售期的退货率分析

在日常销售期, 顾客的购买条件是初始感知价值大于商品售价, 即θ>p, 退货条件是收到实物后的感知价值小于退货所得, 即θ+ε

g(θ,ε)=

(1)

为简化讨论, 合理化假设00, 且a

本节根据上述假定对退货率及信息美化程度的影响进行分析。在数值算例部分, 则将感知价值和感知差异设定为更普遍的二维正态分布, 对本节的结论进行验证, 并进一步分析最优解随信息美化程度和相关系数的变化情况。

命题1 日常销售期的购买率随价格上升而降低, 退货率随价格上升而增加。

证明 购买概率为

(2)

由(2)式可见,b1(p)是关于p的减函数, 即随着价格升高, 购买人数减少。

购买且退货的概率为

(3)

由(3)式可见,r1(p)为常值, 与价格p无关.

r1(p)是指在所有潜在顾客中, 选择购买并最终退货的概率, 而退货率则是指在选择购买的人群中最终退货的概率, 即

(4)

由(4)式知, 退货率是价格p的增函数, 价格越高退货率越大, 这与文献[10]的实证研究结果一致。但通过上述分析能够看到, 产生这一现象的根本原因并不是由于退货人数增加, 而是由于购买人数减少。在日常销售期, 当潜在顾客总数一定时, 选择购买并最终退货的人数是一个与价格无关的常值。

3.2 促销期的退货率分析

与传统店面销售相比, 电商的降价促销信息传播速度快, 范围广, 且顾客便于对其价格进行横向和纵向比较, 促销效应往往更加明显。不同商家通常会在特定时间段, 如各种节庆、“双11”等同时进行打折促销活动, 促销期一般持续时间不长, 促销期过后商品恢复日常售价。顾客在促销期由于受商品降价的影响, 其购买和退货决策与平时相比有所差异。为了更清晰地分析顾客在促销期的购买和退货决策行为, 假定顾客在决定是否购买某商品A时, 有另一备选商品B。A与B的日常售价均为p, 促销价均为kp, 顾客对于A的初始价值感知高于B, 为θ, 则顾客购买商品A的条件是初始感知价值大于商品促销价, 即θ>kp。在收到实物后, 由于对A的感知差异导致最终价值评价下降, 顾客决定退回A重新购买B。由于促销期持续天数短, 再次购买时商品价格已恢复日常售价, 顾客需要比原来购买多支付p-kp的机会成本, 相当于退货所得仅为kp-(p-kp), 因此顾客在促销期的退货条件为θ+ε

命题2 促销期的购买率随价格折扣上升而降低, 且购买率高于日常销售期。

证明 促销期购买概率为

(5)

图1是当p给定时促销期的购买率随k的变化情况, 以及与日常销售期的比较。由式(5)和图1可见,b2(k)是关于k的减函数, 随价格折扣降低, 顾客购买率增加。当价格p给定时,b2(k)>b1(p), 即促销期购买率高于日常销售期, 更多的顾客因为价格刺激选择购买。

图1 购买率分析

命题3 促销期的退货率随价格折扣上升先减后增。当价格折扣低于一定程度时, 退货率高于平时。

证明 促销期购买且退货的概率为

(6)

退货率为

(7)

以下再对日常销售期与促销期退货率进行比较。

图2是当b(p+2c)-(p+c)2>0时,p给定的条件下, 促销期退货率随k的变化情况, 以及与日常销售期的比较。

图2 退货率分析

综合上述分析可以看到, 在降价促销期间, 价格下降幅度大时, 顾客的冲动购买行为占主导, 当价格折扣低于一定程度时, 退货率高于平时。这一分析可以较好解释在大幅降价促销期过后高退货率产生的原因。

3.3 信息发布美化程度对最大利润的影响分析

由于顾客的初始感知价值来源于浏览商品页面获取的信息, 因此, 商家为了促进销售, 在对商品信息进行发布时, 常采取不同程度的美化, 如对产品卖点进行突出宣传、设置特定场景的图片和视频并适当进行调节以增加美感, 片面列举大量好评信息等, 这些信息发布的美化策略可以提高消费者的产品初始感知价值, 增加购买概率。但是过于美化产品信息也可能导致顾客收到实物后的感知差异绝对值增大, 增加退货概率。以下对日常销售期和促销期采取信息美化策略时的最优利润变化情况进行分析比较。用t表示信息发布美化值, 假定顾客对商品实物的最终感知价值总体均值固定, 那么当商家采取信息美化策略使顾客初始感知价值总体均值增加t时, 顾客收到商品实物后感知差异总体均值的绝对值减少t。用μ和σ分别表示初始感知价值的均值和标准差, 当t=0时, 感知差异均值为0, 标准差为σ。则

(8)

(9)

(10)

(11)

命题4 在日常销售期, 当潜在顾客数量确定时, 最大利润随信息发布美化程度的提高先增后降。商品价格和残值越高, 商品进价越低, 可以采用的信息美化程度越高。

证明 假定潜在顾客数量为X, 则日常销售期的最优订货量为b1(p)X, 退货量为r1(p)X, 销售利润为

Π1=(kp-w)b1(p)X-(kp-s)r1(p)X

(12)

将(8)至(11)式代入(2)和(3)式, 再代入(12)式, 求关于t的一阶导数并令其为0, 得

(13)

对(13)式分别求关于p,w,s的偏导数, 得

(14)

(15)

(16)

可知, 取得最大利润的t值随p和s的增大而增大, 随w的增大而减小.

命题5 在促销期, 当潜在顾客数量确定时, 最大利润随信息发布美化程度的提高先增后降, 取得最大利润的美化值大于日常销售期.

证明 假定潜在顾客数量为X, 则促销期的最优订货量为b2(k)X, 退货量为r2(k)X, 销售利润为

Π2=(kp-w)b2(k)X-(kp-s)r2(k)X

(17)

将(8)至(11)式代入(5)和(6)式, 再代入(17)式, 求关于t的一阶导数并令其为0, 得

(18)

式(18)与式(13)相减得

>0

(19)

由(19)式, 取得最大利润的信息发布美化值促销期大于日常销售期。

4 利润模型的建立与求解

本文第3部分从感知价值和感知差异的角度构建了购买率和退货率模型, 分析证明这一表述与已有实证研究一致, 并可较好解释促销期过后退货率激增的现象。以下基于这一表述, 并且不限定感知价值和感知差异的具体分布形式, 建立潜在顾客不确定条件下的利润模型, 对最优订货量和定价进行联合决策。

4.1 日常销售期的利润模型

在日常销售期, 商家的决策对象是商品售价p和订货量q, 决策目标是利润最大化。

利润函数可表示为

Π1(p,q)=

(20)

期望利润为

(21)

命题6 在日常销售期, 当价格给定时, 存在唯一最优订货量。

证明 当p给定时, 对(21)式求q的一阶导数得

(22)

令(22)式为0, 得

(23)

再对(21)式求q的二阶导数为

(24)

可知当q满足(23)式时,E[Π1(p,q)]取得最大值。即

q*=

(25)

由于难以从期望利润的表达式中直接推导出最优定价p的解析解, 在数值算例部分将(25)式代入(21)式, 采用最优化算法求得近似的最优定价p*。则日常销售期最大利润的期望值为E[Π1(p*,q*)]。

4.2 促销期的利润模型

在促销期, 商家的决策对象是商品价格折扣k和订货量qk, 决策目标是使促销期的利润最大化。

促销期利润函数为

Π2(k,qk)=

(26)

期望利润为

(27)

命题7 在促销期, 当价格折扣给定时, 存在唯一最优订货量。

证明 当k给定时, 对(27)式求qk的一阶导数得

(28)

令(28)式为0, 得

(29)

再对(27)式求qk的二阶导数为

(30)

可知当qk满足(29)式时,E[Π2(k,qk)]取得最大值。即

(31)

5 数值算例

在第3部分延续了已有研究中对商品估值服从均匀分布的假设, 并假定感知价值和感知差异服从二维均匀分布。在数值算例部分, 为了研究结论和方法的一般适用性, 考虑感知价值和感知差异服从更为一般的二维正态分布。通过算例达到以下三方面研究目的：(1)在理论分析部分得出最优订货量的解析解, 对最优定价只提出了计算方法, 在算例部分运用这一方法对定价和订货量进行联合优化；(2)在改变感知价值和感知差异为更一般的联合分布情况前提下, 验证理论分析得出的信息发布美化策略；(3)研究感知价值和感知差异的相关系数变化对最优利润和信息发布美化策略的影响。

5.1 定价和订货量联合优化下的最优策略

5.2 初始感知价值变化对最优策略的影响

假定对于5.1中的商品, 商家通过突出产品卖点、美化图片、片面列举大量好评信息等信息发布美化策略提高顾客对商品的初始感知价值, 图3和图4是t值从-2到6时, 日常销售期和促销期的最优策略变化情况, 以及相应的最大期望利润和退货率。其中的t值反映了商家通过美化商品介绍使顾客初始感知价值产生的变化。当t=0时, 感知差异均值为0, 表示商家对商品进行了比较客观和准确的描述。当t>0时, 感知差异均值为负, 表示商家对商品的描述存在一定程度的美化,t值越大表示美化程度越高。t<0则表示由于商家对产品介绍的不够详细准确, 顾客在购买前无法获取到足够商品信息, 导致初始感知价值偏低。

图3 感知价值变化对日常销售期最优策略的影响

图4 感知价值变化对促销期最优策略的影响

由图3图4可见, 在日常销售期, 随着卖家对商品介绍美化程度的提高, 最大期望利润呈现出先升后降的变化规律, 在商家对商品稍作美化时, 最大期望利润取得最大值, 与命题4一致. 在促销期, 随着卖家对商品介绍美化程度的提高, 最大期望利润同样呈现出先升后降的变化规律, 但取得最大利润的t值大于日常销售期, 与命题5一致。日常销售期和促销期的退货率均随初始感知价值提高而上升, 但促销期与日常销售期相比, 退货率变化的敏感程度较低。

以上分析说明, 适当的美化可以略微提高顾客初始感知价值, 刺激购买, 从而获取更多收益。但对商品介绍的过于美化和夸大则会提高顾客收到实物后的感知差异, 大幅增加商品退货率, 反而降低预期收益。在促销期, 由于退货机会成本的存在, 退货率随初始感知价值变化的敏感程度低于日常, 对于商品的宣传推广活动能比平时取得更好效果, 但同样不宜过于夸大。

5.3 相关系数变化对最大利润的影响

对于不同种类的商品, 感知价值和感知差异的构成情况可能不同, 存在不同程度的相关性。文献[29]认为, 初始感知价值主要由通过网页介绍了解到的商品本质属性产生, 而感知差异主要来源于通过试用商品实物体会到的适用性, 二者的形成原因不同, 因此可以认为相互独立。文献[30]考虑了两种极端情况, 当消费者购买前获得的产品相关信息较少时, 其真实感知价值与购买前的感知价值相互独立, 即相关系数为0; 而当购买前对产品有一定的了解时, 购买后的真实感知与购买前的感知具有完全线性相关性, 即相关系数为1。本文认为对于不同商品, 消费者关注的商品信息类别不同, 因此感知价值的构成和感知差异的形成原因也有所不同, 可能存在不同程度的相关性, 用相关系数ρ表示其线性相关程度。

以下分析相关系数变化对最大利润的影响。由于感知价值和感知差异总体反向变化, 分别对相关系数ρ取-0.1, -0.3, -0.5, -0.7, -0.9, 比较t=0时日常销售期和促销期的最大利润变化情况, 如图5所示。

图5 相关系数对预期最大利润的影响

由图5可见, 相关系数影响最大预期利润。在日常消费期和促销期, 最大利润均在中度负相关时(ρ=-0.5)最低。

对ρ=-0.3,ρ=-0.5和ρ=-0.7时, 日常销售期和促销期的预期利润随信息发布美化值t的变化情况做比较, 如图6和图7所示。

图6 日常销售期相关系数对最优美化值的影响

图7 促销期相关系数对最优美化值的影响

由图6和图7可见, 各种相关系数条件下期望利润随美化值t的变化情况均满足命题4和命题5。当相关性加强时, 取得最大预期利润的t*值随之升高, 且当t值大于t*时, 预期利润的下降速率随相关性的加强而减缓, 这说明信息发布的美化策略在感知价值和感知差异的相关系数绝对值较大时能够取得更好效果。这一结论可能有悖于直观感觉, 因为通常认为感知价值与感知差异越相关, 则美化产品信息更可能导致由于感知差异引起的退货倾向。为解释这一问题, 再对ρ=-0.3,ρ=-0.5和ρ=-0.7时, 日常销售期和促销期的退货率随信息发布美化值t的变化情况做比较, 如图8和图9所示。

图8 日常销售期相关系数对退货率的影响

图9 促销期相关系数对退货率的影响

由图8和图9可见, 当相关系数绝对值增大时, 退货率下降。因此, 对于这一相悖的合理解释是：由于相关系数只反映了变量间的线性相关关系, 其绝对值的增大限制了感知差异的变化范围, 避免了感知差异在更大范围内变动从而引起退货可能性的增加。

6 结语

顾客的在线购物行为可以分为购买决策和退货决策两个阶段, 而顾客通过商品介绍形成的感知价值和收到实物后的感知差异则是进行这两个决策的主要依据。本文据此对日常销售期和促销期的顾客购买率和退货率进行了解析表述, 分析表明这一表述与现有的实证研究中商品价格越高退货率越高的结论一致, 并可较好解释大幅降价促销期过后产生高退货率的原因。在此基础上分析了潜在顾客数量确定时, 信息发布美化程度对最大利润的影响。分别建立了商家在日常销售期和促销期的期望利润模型, 推导出最优订货策略的解析解, 并给出最优日常售价、最优促销期价格折扣、日常销售期和促销期最大期望利润的计算方法。通过数值算例验证了感知价值和感知差异服从更为一般的分布形式且潜在顾客数量随机时, 最大利润随信息发布美化程度的变化规律, 研究了二者相关性对美化策略有效性的影响。

通过理论分析和数值算例得出以下主要结论和管理建议：

(1)顾客在促销期的退货同时受到两种反向作用的影响: 由于降价促销冲动购买造成的退货率增加, 由于机会成本导致退货所得减少造成的退货率降低。降价折扣决定了哪一种作用的影响占主导。对于日常售价越高的商品, 冲动购买行为占主导的可能性越大。

(2)从感知价值和感知差异的角度构建电子商务环境下的购买率和退货率模型, 可以较好解释已有实证研究结果和实际现象, 以此为基础进行订货和定价的联合优化更符合实际, 可以为网络零售商提供更好的决策支持。

(3)当商品售价、进价和残值满足一定条件时, 商家采用适当的信息发布美化策略可以在一定程度上提高利润。对价格越高、残值越高且进价越低的商品, 可进行的信息美化程度越高。 在促销期应比日常销售期加强产品信息发布的美化程度。

(4)在同等条件下, 感知价值和感知差异中度线性相关产品的利润低于低度和高度线性相关产品；线性相关程度越高的产品, 越适合采用信息发布美化策略。

本文的局限性在于, 对感知价值和感知差异相关性的探讨仅限于不同程度的线性相关, 对于二者更广泛的相关情形还需进一步探讨。只研究了全款退货以及退货不再销售的退货政策, 对于其他形式的退货政策还需做更深入的比较研究。