俞裕兰,杨靛青
(1.福建商学院国际经贸学院,福建福州,350012;2.福州大学经济与管理学院,福建福州,350000)
据商务部最新统计资料显示,跨境电商在全球范围内呈现快速发展势头,跨境电商的贸易价值额占全球贸易的35%。2018年,中国跨境电商零售总额已高达1347亿元,同比增长50%。在经济全球化和数字经济迅猛发展的背景下,跨境电商经历了B2B到B2C,物流形态囊括集装箱和小包裹,跨境电商已进入第二轮革命浪潮。伴随着国际贸易不断发展,传统外贸企业也相应进行转型,而互联网技术就成为了贸易转型的动能,“互联网+外贸”孕育出了跨境电商这一贸易新模式。发展跨境电商等贸易新业态是推动外贸高质量发展的重要举措。我国已经发展出了具备一定规模的跨境电商平台网站,比如亚马逊、E-bay、wish等。但是,跨境电商平台行业也面临着卖方选品困难、目标群体识别不准确和消费者偏好无法精确预测等问题,买方则担心跨境电商诚信体系不健全等相关问题,这些都给跨境电商发展带来诸多困难与挑战。以亚马逊网站为例,作为目前国内品类最齐全的跨境电商平台,虽然该网站提供了一个综合跨境电商平台,建立了匹配双方可以发布各自需求信息的操作界面,但是仍存在着一些问题,例如可供卖方与跨境买方选择的项目信息不足、指标粗略分类、无法精确为买家推荐相关企业信息和为商家提供适合的项目信息等,造成匹配面临针对性、准确性不足与匹配成功率不高等问题。解决这一问题,可以通过设计适合跨境电商平台的用于准确匹配平台上买卖双方需求信息的决策模型,平台通过合适的算法为交易双方匹配各自合适的需求,提高交易的成功率,提升跨境平台服务质量,促进跨境电商行业高质量发展。[1]
近些年来,匹配参与者的心理行为对匹配结果的影响开始引起双边匹配理论学者们的重视。李铭洋和樊治平针对双边匹配问题,基于失望理论构建了稳定匹配的多目标优化模型。[2]李铭洋等针对双边匹配中评价值为序值型的问题,提出了一种可以转化匹配数量的决策分析方法。[3]乐琦和樊治平针对序值匹配问题,通过考虑主体的期望值,提出了以基于累积前景理论的匹配分析方法,经过选取期望值作为参照点,构建损益矩阵,然后求解优化模型。[4]陈希等针对匹配双方心理期望与感知的双边匹配决策问题,提出了一种多属性匹配决策方法。[5]万树平和李登峰考虑到投资问题的模糊性与市场经济的不确定性,构建了具有不同类型信息的风险投资者与融资者双向选择的基于TODIM的多指标双边匹配决策方法。[6]梁海明和姜艳萍根据中介的特点,将中介态度分为服务型、折中型和牟利型三种,以最大化交易价格、匹配对价值和达成度等作为目标,分别建立了基于三种中介的买卖双边匹配模型。[7]张亚杰等针对双边匹配决策问题,提出了一种考虑双边主体心理行为的决策分析方法。[8]综上研究,虽然国内外学者在理论方面和应用方面都取得了丰硕的研究成果,但是针对跨境电商供求双边匹配问题的研究仍然较少。本文通过考虑匹配者心理行为与跨境电商平台收益,结合前景理论和证据推理方法,建立跨境电商交易商供求双边匹配多目标决策模型,旨在得到更为科学合理的匹配结果,为跨境电商平台科学决策提供依据,促进跨境电商供求行业健康发展。
记跨境平台上供应商的所有评价指标为集合U={u1,u2,…,uk,…,uh},其中uk为跨境电商供应商第k个评价指标,对应于u的评价指标权重为,其中为uk的权重,且满足;记跨境电商供应商的所有评价指标的集合U=U1⋃U2⋃U3,U1为指标评价值类型是实数的评价指标集、U2为指标评价值类型是区间数的评价指标集合、U3为指标评价值类型是语言评价的评价指标集合。由于不同评价指标之间有效益型和成本型的区别,设分别表示Ui中的效益型、成本型评价指标集合,且。如表1所示,其中U1、U2、U3、U5、U6、U7为效益型评价指标,U4、U8为成本型评价指标。
表1 跨境电商供应商的评价指标体系
根据上文构建的跨境电商供应商评价指标体系,使用不同类型指标评价值的表示方法,设跨境电商采购商Ai对跨境电商供应商的指标评价值矩阵为:
其中,Suk={s0,s1,…,suk}为关于评价指标uk的语言评价集。
根据上文构建的跨境电商的评价指标体系,使用不同类型指标评价值表示方法,设跨境电商供应商Bj对跨境电商采购商的指标评价值矩阵为:
为了消除效益型和成本型评价指标的差异对决策结果的影响,首先必须将各个指标的评价信息进行归一化处理,如归一化
经过指标类型之间的转化和规范化处理后的指标评价值,保留了语言变量值的不确定性,消除了成本型和效益型指标评价值之间的差异,经过规范化的区间数对于每个指标评价值都是越大越好。
众所周知,匹配过程中匹配双方都是信息不对称的,需要依赖于跨境电商平台帮助收集信息并帮助匹配。鉴于跨境电商平台作为市场经济中独立运行的具有趋利性的企业,跨境电商平台需要在保证匹配成功率的基础上,尽可能地提高自身的收益,因此跨境电商平台在匹配工作中需要权衡好匹配成功率与自身的收益。本文在此基础上充分考虑了跨境电商平台的收益因素,使双边匹配多目标优化模型更具有现实意义。
表2 跨境电商采购商的评价指标体系
设Ai与Bj形成匹配对后,跨境电商平台所获得的收益为φij(i=1,2,…,m;j=1,2,…,n),其中φij≥0;若Ai与Bj不形成匹配对,则φij=0。本文强调跨境电商平台在双边匹配过程中的主导作用,由跨境电商平台负责收集跨境电商卖方与买方商家关于另一方的指标评价值,运用文中提出的双边匹配决策方法完成匹配的工作。跨境电商平台是按匹配的成功率来收取收益的,这意味着跨境电商平台在进行匹配工作时,不仅需要考虑自己如何能获得更多的收益,还需要考虑双边匹配双方的感知效用,因为感知效用是决定匹配方案能否得到匹配双方认同的决定性因素。因此,本文构建的双边匹配多目标优化模型是最大化匹配双方的感知效用以及最大化中介收益,约束条件是对匹配情境的限制。假设一个跨境电商Ai最多可与τi个跨境电商供应商匹配,一个跨境电商供应商Bj最多与ζj个跨境电商匹配;βij=1表示跨境电商Ai与跨境电商供应商Bj匹配,βij=0表示跨境电商Ai与跨境电商供应商Bj未匹配。
根据获得的综合满意度,匹配决策者可采用以下方法进行决策:乐观决策,悲观决策,折中决策。其中表示匹配决策者在匹配决策中采用的匹配主体Ai、Bj综合满意度。综合满意度越大,说明匹配主体对匹配结果越满意。
于是,可将包含跨境电商平台的跨境电商与跨境电商供应商的双边匹配多目标优化模型构建如下:
其中,τi与ζj的不同取值将产生不同的匹配情境:
(1)当τi=1且ζj=1时,跨境电商采购商最多与一个跨境电商供应商形成匹配,跨境电商供应商最多与一个跨境电商采购商形成匹配;
(2)当τi=1且ζj>1时,跨境电商采购商最多与一个跨境电商供应商形成匹配,跨境电商供应商可与多个跨境电商采购商形成匹配;
(3)当τi=1且ζj>1时,跨境电商供应商最多与一个跨境电商采购商形成匹配,跨境电商采购商可与多个跨境电商供应商形成匹配;
(4)当τi>1且ζj>1时,跨境电商采购商可与多个跨境电商供应商形成匹配,跨境电商供应商可与多个跨境电商采购商形成匹配。其中,一对一匹配、一对多匹配和多对一匹配都是多对多匹配的特殊形式。
通过构建包含跨境电商平台的跨境电商供求双边匹配多目标优化模型,从匹配双方综合满意度最大化与跨境电商平台收益最大化角度出发,采用隶属函数的加权和方法将上述双边匹配多目标优化模型转换为单目标优化模型进行求解。使用隶属函数的加权和方法,设为和式(9)所构成的单目标优化模型的目标函数最大值;同理,为和式(9)所构成的单目标优化模型的目标函数最小值;则式(6)-(9)可转换为如下单目标优化模型进行求解:
其中,ϖ1为目标函数Z1的重要程度,0≤ϖ1≤1;ϖ2为目标函数Z2的重要程度,0≤ϖ2≤1;κ为目标函数Z3的重要程度,0≤κ≤1,ϖ1+ϖ2+κ=1;上式(10)(11)构成了线性规划模型,可利用单纯形法进行求解。
在亚马逊、E-bay、wish跨境电商平台,收集了多家跨境电商和跨境电商供应商的需求信息,在经过粗略筛选之后,跨境电商平台确定了3个跨境电商A1、A2、A3和4个跨境电商供应商B1、B2、B3、B4参与匹配。跨境电商平台以网站推送的形式向各跨境电商采购商与跨境电商供应商发放问卷,问卷中包含了匹配一方对另一方进行评价所需要的评价指标以及指标评价值类型的说明,跨境电商供应商指标包含:交易规模(u1)、资质认证指标(u2)、商业诚信(u3)、服务报价/万元(u4)、产品质量(u5)、服务质量(u6)、通关速度(u7)、供货周期(u8),跨境电商采购商指标包含:交易规模资质认证指标商业诚信价格指标、流程性指标。跨境电商平台将收集到的各方指标评价值进行汇总,开始匹配工作,并将最优匹配结果推送给参与匹配的各方。本案例关于匹配过程中的各种参数取值说明如下:
(1)跨境电商平台考虑到本次匹配为一对一匹配,因此设置情境约束条件中的参数i=1,j=1。
(2)跨境电商采购商评价指标权重分别为ωAu'=(0.25,0.10,0.15,0.40,0.10),跨境电商供应商评价指标权重分别为ωBu=(0.15,0.05,0.10,0.30,0.15,0.10,0.10,0.05)。
(3)经过跨境电商采购商、跨境电商供应商和跨境电商平台的三边讨论过后,决定在使用隶属函数的加权和方法求解双边匹配多目标优化模型时,设置目标函数Z1的重要程度ϖ1=0.4,目标函数Z2的重要程度ϖ2=0.4,目标函数Z3的重要程度κ=0.2,其中0≤ϖ1≤1、0≤ϖ2≤1、0≤κ≤1,ϖ1+ϖ2+κ=1。
本案例将在最后对案例中的各种参数的不同取值对最优匹配结果造成的影响进行分析。
步骤1:计算出跨境电商采购商Ai和跨境电商供应商Bj的直接相互的期望水平信息和实际感知的评价指标值,根据所算出的Ai对Bj和Bj对A2的期望水平信息和实际感知评价指标值,寻找最佳的跨境电商供应商与跨境采购商的配对组合。
为了寻找最佳的跨境电商供应商与跨境采购商的配对组合,将不同评价指标下多种形式的期望水平信息和实际感知属性值进行规范化处理,通过区间数减法运算分别计算出各评价指标的前景值,利用式归一化评价指标对前景值归一化处理,利用式跨境电商供应商的综合前景值得到匹配主体Ai对Bj的综合前景值,同理可得匹配主体Bj对Ai的综合前景值,如表3、表4所示。
表3 Ai对Bj的综合前景值
表4 Bj对Ai的综合前景值
步骤2:求解跨境电商平台收益。
若成功配对,跨境电商平台收取的费用如表5所示,然后将跨境电商平台收益进行加权平均规范化处理,如表6所示。
表5 跨境电商平台收益表
表6 跨境电商平台收益规范化表
步骤3:根据对待不确定信息采用悲观、折中、乐观决策态度建立优化模型,对不同决策态度的综合前景值进行加权平均处理。
(1)悲观决策态度(见表7、表8)
表7 Ai对Bj的规范化综合前景值(悲观)
表8 Bj对Ai的规范化综合前景值(悲观)
(2)折中决策态度(见表9、表10)
表9 Ai对Bj的规范化综合前景值(折中)
表10 Bj对Ai的规范化综合前景值(折中)
(3)乐观决策态度(见表11、表12)
表11 Ai对Bj的规范化综合前景值(乐观)
表12 Bj对Ai的规范化综合前景值(乐观)
步骤4:求解最终匹配结果。
根据式(10)(11),利用单纯形法可求解出跨境电商采购商与跨境电商供应商的最优匹配结果:当采用悲观决策态度时,β12=β24=β33=1,其余βij=0(i=1,2,3;j=1,2,3,4),即跨境电商采购A1与跨境电商供应商B2匹配、跨境电商采购A2与跨境电商供应商B4匹配、跨境电商采购A3与跨境电商供应商B3匹配,其余不匹配;当采用折中决策态度时,β14=β22=β33=1,其余βij=0(i=1,2,3;j=1,2,3,4),即跨境电商采购商A1与跨境电商供应商B4匹配、跨境电商采购商A2与跨境电商供应商B2匹配、跨境电商采购商A3与跨境电商供应商B3匹配,其余不匹配;当采用乐观决策态度时,β14=β22=β33=1 ,其余βij=0(i=1,2,3;j=1,2,3,4),即跨境电商采购商A1与跨境电商供应商B4匹配、跨境电商采购商A2与跨境电商供应商B2匹配、跨境电商采购商A3与跨境电商供应商B3匹配,其余不匹配。
从求解的最终匹配结果可以看出,当跨境电商供求的匹配主体的决策态度不同时,最终匹配结果也不尽相同。乐观决策法即匹配主体总是对客观情况的发生持有乐观态度,它的决策原则是从每一个匹配主体中找出最有利的效益值,即最大的综合前景值,然后在这些最有利的效益值中,选取效益最大的方案作为决策方案。悲观决策法则相反,它的决策原则是从每一个匹配主体中找出最小的综合前景值。折中决策法则是将每一个匹配主体的最大和最小的综合前景值相加求平均值。笔者考虑匹配主体采用悲观、折中和乐观决策三种决策态度能更好地区分对待不确定性信息决策时匹配主体不同的心理行为,在有限的双边匹配信息中,跨境电商采购商与跨境电商供应商可以尽可能地选择符合本方心理行为特征的匹配方,这使得跨境电商供求双边匹配多目标优化模型的匹配结果更具合理性与准确性。
综上以前景理论和证据推理作为主要工具,结合决策理论和优化理论,对跨境电商平台感知匹配主体即跨境电商采购商与跨境电商供应商心理行为的双边匹配决策问题进行建模和方法研究。首先基于前景理论计算出跨境电商采购商与跨境电商供应商的前景值,这考虑了跨境电商采购商与跨境电商供应商的参照依赖和损失规避的心理行为,能有效地反映匹配双方的心理行为及感受。然后,通过证据推理融合前景值,证据推理方法解决了证据理论中的悖论问题并可以有效地对若干个不确定的子问题进行融合。最后,根据对待不确定信息采用悲观、折中、乐观决策态度确定跨境电商与跨境电商供应商的综合前景值和跨境电商平台收益建立跨境电商供求双边匹配多目标优化模型。该模型同时兼顾了跨境电商采购商与跨境电商供应商的实际需求、心理行为、跨境电商平台的利益,旨在提供更具效率、准确性、稳定性的跨境电商供求双边匹配决策方法,有利于促进跨境电商行业健康发展。