基于收益共享契约的网络零售联合促销策略研究

姜 璇，程相惠，李沿海

基于收益共享契约的网络零售联合促销策略研究

姜 璇1,2，程相惠1，李沿海3

（1.中南财经政法大学工商管理学院，湖北 武汉 430073；2.中南财经政法大学运营管理与系统工程研究所，湖北 武汉 430073; 3.暨南大学 管理学院，广东 广州 510632）

网络零售业造节促销已成常态，优化网络零售平台（简称平台商）和销售商联合促销策略是一项值得深入研究的课题。本文基于收益共享契约，利用不同的博弈模型刻画入驻销售商和平台商之间三种不同的促销模式，包括由其中一方率先发起促销的模式和二者同时发起促销的模式，研究不同模式下销售商和平台商的最优促销策略。研究结论表明，在三种促销模式下，二者的最优促销策略均随着商品佣金费率的增长依次呈现三种不同的形式：从仅由销售商提供促销到联合促销再到仅由平台商提供促销。当且仅当佣金费率和商品的日常售价高于一定阈值时，销售商和平台商才会有动机开展联合促销。研究还发现，销售商和平台商在各自率先发起的联合促销模式下具备先动优势。销售商（平台商）率先发起的联合促销将更有利于对佣金费率较低（高）的商品实施。当销售商和平台商同时独立发起促销时，供应链整体促销力度最大，供应链的整体利润也最高。

网络零售;促销;收益共享;最优策略

0 引言

中国商务部发布数据显示2016年中国网络零售交易额达5.16万亿元人民币，同比增长26.2%，网络零售已成为带动中国零售业增长的主要动力。在网络零售业迅猛发展的背后，离不开各大网络零售平台上销售商和网络零售平台商造节营销的努力，如“双十一购物狂欢节”、“国货节”、“年中盛典”、“超级粉丝节”、“家电狂欢周”、“出游季”、“开学季”等。其中，天猫平台在2009年11月11日创办的双十一购物狂欢节，已发展成为全网盛典，在2016年11月11日，天猫全天交易额超1207亿元，占全网当日交易额68.2%。网络零售平台上这些五花八门的购物节均是由销售商和平台商精心制造的促销计划，旨在刺激顾客消费，增加各方利润。网络零售平台商和销售商的关系一般建立在收益共享契约上[1-2]，例如亚马逊、天猫、京东等平台均会向入驻本平台的销售商根据平台上实现的交易额收取一定比率的佣金，不同类型的商品，收取的佣金费率不一样，天猫的佣金费率在0.5%-5%之间。本文基于收益共享契约研究网络零售平台商和入驻销售商在联合促销时如何制定最优的促销策略。

不同的网络零售平台或者平台上不同类型的商品所拥有的潜在顾客规模是不一样的，例如，GFK市场研究公司报告中显示2016年京东平台销售额在3C领域线上市场占比已经超过50%，易观国际市场分析报告中显示天猫平台2016年第一季度线上服装服饰品类市场份额为68%，而京东仅占8.2%。在网络零售平台上众多的促销活动中，销售商和网络零售平台商发起促销的模式大致可以分为三类：由网络零售平台商率先发起，销售商选择是否加入促销，例如天猫平台发起的“双十一”大型促销活动，京东发起的“6.18”店庆促销节等；由销售商率先发起，平台商选择是否加入促销，例如一些时令商品的销售开展促销活动时，平台商会根据销售情况，决策是否提供特定种类商品的代金券等；促销活动中无明显的先行发起方，初期二者同时独立作出促销决策。在这三类模式下，网络零售平台的各类促销活动中往往会出现三种促销形式，包括仅由销售商提供促销(例如店铺内的各类优惠活动)，仅由网络零售平台商提供促销(例如平台提供的各类代金券等)，或二者联合促销。本文拟回答的研究问题为：（1）网络零售平台商和销售商开展促销活动时，什么时候应该单边提供促销，什么时候应该联合促销？（2）在每种策略下，销售商和平台商应该如何制定最优折扣,会受到哪些因素的影响？（3）联合促销时，不同的促销发起模式将如何影响销售商、网络零售平台商及供应链整体促销力度和最终利润？（4）结合平台自身的特点，对不同类型的商品，应该如何制定最优的联合促销策略？

与本文研究相关的文献可以分为三个方面，首先是关于供应链上相关主体开展促销的研究。Gerstner通过研究一个由制造商和零售商组成的二阶段供应链，发现制造商将会从向顾客提供优惠券的促销活动中受益，即使最终所有顾客都会兑现优惠券[3]。Aydin和Porteus比较分析了制造商提供折扣促销和零售商提供折扣促销情形下的供应链绩效，研究发现一般情形下制造商提供的折扣促销将优于零售商的促销[4]。Arcelus等在单周期报童模型的基础上，考虑了优惠券的随机兑现率研究了销售商的定价和优惠券折扣制定规则[5]。Demirag等研究了存在竞争情形下，零售商提供消费者折扣的动机[6]。Geng和Mallik在顾客需求随机的情形下，利用多阶段博弈模型研究了制造商和零售商联合制定邮寄返利形式的优惠促销活动时的最优决策[7]。Yang等比较分析了折扣促销和每日低价两种促销情形下，零售商如何通过联合优化订货批量和折扣力度最大化利润[8]。上述研究均是关于由制造商和零售商组成的二阶段传统供应链上的促销活动，零售商和制造商间往往基于批发价合同，和本文研究的对象——基于收益共享契约的网络零售平台商和销售商研究不同。

第二个方面是关于供应链收益共享合同的研究。Cachon和Lariviere基于由一个供应商和零售商组成的报童模型，分析了收益共享合同对供应链协调的作用，并将收益共享合同和其他契约形式作比较，分析了其优势和劣势[9]。Giannoccaro和 Pontrandolfo基于供应商、制造商和零售商组成的三阶段的供应链分析了收益共享契约对供应链协调发挥的作用[10]。Yao等引入了零售商竞争的因素，研究了基于一个制造商和两个零售商的供应链中收益共享合同对供应链绩效的影响[11]。Ha和Tong研究了基于收益共享合同的服务供应链，在需求不确定下，一个销售商面对报童模型问题，将服务能力外包给一个供应商，探讨了在同时博弈和序惯博弈下，销售商对库存的选择和供应商对服务努力水平的决策[12]。胡本勇和陈旭研究了由一个销售商和两个制造商组成的供应链中，考虑双产品和收益共享合同以及批发价两种合同形式下的销售商决策一致性和供应链合作问题[13]。上述研究均系统探讨了收益共享合同下供应链成员的库存和定价决策，分析了收益共享合同对供应链协调的作用，但是并未研究基于收益共享合同的供应链在促销机制下成员的最优决策。

第三个方面是关于网络零售的研究。Jiang等首次分析了平台商亚马逊自营商品和入驻商家商品销售之间的竞争问题。作者探讨了亚马逊平台上的入驻商家是否应该选择减少商品的库存量或者降低服务水平来抵御亚马逊通过后台数据对畅销商品的发掘，从而侵入该商品销售市场[14]。Muthers和Wilsmer研究了一个占有市场垄断地位的平台商和销售商之间不同的费率体系，尝试寻找一个恰当的费率来避免引起销售商入驻率低的问题[2]。Abhishek等将线上平台的竞争和线上渠道的销售对线下渠道的影响因素纳入考虑，研究了平台商对商品销售模式的选择是开放式运营还是转售模式[1]。在网络零售促销方面，不少学者围绕网络团购展开了研究[15-19]。上述这些研究缺乏关注销售商和网络零售发起联合促销的相关问题以及佣金费率对网络零售平台商和销售商促销决策的影响。

与现有文献不同，本文的研究贡献在于在网络零售背景下，用收益共享契约描述网络零售平台商和销售商之间的利益关系，利用三种博弈模型刻画由销售商和网络零售平台商发起的三种不同的促销模式，重点探讨联合促销情形下二者的最优策略。后续论文将有四个部分组成，第一个部分进行模型的描述，第二部分具体建模和求解，第三个部分重点探讨联合促销情形下，销售商和网络零售平台商的促销门槛、促销力度和最终利润，第四个部分对研究进行总结。

1 模型描述

图1 网络零售平台运营结构

Figure 1 Operation structure of online retail platforms

网络零售促销活动种类较多，本文按促销活动发起方进行分类，促销模式大致分为三类：（1）促销活动中无明显的先行发起方，初期销售商和网络零售平台商均同时独立作出是否促销的决策；（2）由销售商率先发起促销，平台商选择是否跟随；（3）由平台商率先发起促销，销售商选择是否加入。文献中在描述供应链成员定价等决策过程时，经常用到Nash博弈和Stackelberg博弈模型来刻画渠道结构或成员间的决策顺序[7,22-24]。本文将利用Nash博弈模型来模拟第一类促销模式，即销售商和平台商在初期同时独立作出促销的决策；利用由销售商领导的Stackelberg博弈模型来模拟销售商率先发起促销，平台商观测到销售商的行为后选择是否跟随促销的场景；利用平台商领导的Stackelberg博弈模型模拟由平台商率先发起促销，销售商观测到平台商的行为后选择是否加入促销的场景。

在后文中，本文将首先探讨销售商和平台商提供折扣的动机，接着分析在不同的促销模式下二者最优的促销策略以及相关影响因素，最后重点比较分析在各类促销模式下二者联合促销时，销售商和平台商利润的变化。

2 建模及求解

2.1 系统促销的动机

当商品的日常销售价格维持不变，若由销售商和网络零售平台商组成的供应链系统不提供任何折扣，系统的利润可以直接表示为：

2.2 基于Nash博弈的最优促销策略分析

基于Nash博弈模型的促销指代的一类促销活动的特点是该活动中没有发起促销活动的先行方，销售商和平台商同时独立决定是否要提供优惠券等促销策略。基于前文中销售商的利润函数式(1)式，销售商的优化问题如下：

在销售商的优化问题(6)中，有三个约束条件，首先销售商的决策变量优惠额度需要满足非负的条件，其次销售商和平台商制定的优惠额度引发的需求需要满足非负的条件，最后销售商在制定优惠额度的基础上需保证单位商品利润非负。

基于平台商的利润函数式(2)式，平台商的优化问题如下：

在平台商的优化问题(7)中，也有三个类似的约束条件，首先平台商的决策变量优惠额度需要满足非负的条件，其次销售商和平台商制定的优惠额度引发的需求需要满足非负的条件，最后平台商在制定优惠额度的基础上需保证单位商品交易带来的佣金非负。

根据Nash博弈的特点，为求得Nash均衡解，需联立(6)式和(7)式求解，又根据最优解的性质可知，最优解一定不会出现在需求函数非负以及单位利润非负的边界条件上，因此联立求解条件可以化简为如下优化问题：

图2 Nash博弈下销售商和平台商反应函数曲线

Figure 2 Response function curves of sellers and platform vendors in Nash game

图3 Nash博弈下销售商和平台商的最优促销策略区域

Figure 3 Optimal promotion strategy regions of sellers and platform providers in Nash game

从图3和命题3可以看出，当佣金费率较低时，由于平台商从销售商的每笔交易中获得的收入很少，其没有动机为消费者提供优惠折扣，而较低的佣金费率使得销售商更乐意为消费者消费进行补贴，提高消费者的剩余价值；当佣金费率增长到中等水平时，销售商和平台商都有动机展开促销，刺激消费者消费，增加自身收入；当佣金费率继续增长到较高水平时，销售商需要从每笔交易中分割较大一部分收入给平台商，若其继续提供优惠折扣只会削弱自身利益，因此销售商不会再开展促销活动，而此时平台商能从每笔交易中获得较为丰厚的收入，将有动机为消费者提供消费补贴，刺激消费者消费，扩大网络零售平台的交易量。

2.3 基于Stackelberg博弈的最优促销策略分析

2.3.1 由销售商领导的Stackelberg博弈促销分析

在由销售商领导的Stackelberg博弈中，销售商率先发起促销，平台商观测到销售商的促销决策后，作出自身的决策。整个博弈过程分为两阶段，第一阶段销售商决定促销的力度，第二阶段平台商观测到销售商的决策后，决定是否参与促销以及促销的力度。Stackelberg模型假设信息是完全的，在求解该二阶段博弈模型时，通常采用逆向求解法，首先对平台商的决策问题展开分析。基于平台商的利润函数式(2)，平台商对销售商的决策作出的反应方程为：

命题4说明，若商品日常销售价格较高，销售商将有动机率先提供优惠折扣，反之将不会率先促销。平台商在观察到销售商的促销决策后，若其享受的佣金费率较高，平台商也将加入促销行列中为顾客提供额外的折扣优惠，反之，平台商不会为顾客提供促销活动。图4描述了销售商和平台商的最优决策区域随参数变化的分布。

图4中销售商和平台商最优策略的区域分布和图3类似，若销售商先给顾客提供一个非零的优惠折扣，平台商观察到销售商决策后采取行动，当佣金费率较低时，平台商不会跟随销售商提供折扣，随着佣金费率的增长，平台商开始和销售商联合开展促销，当佣金费率进一步增长时，销售商率先发起促销将对自身不利，因此销售商不会提供促销活动，然而平台商有较高的佣金费率收益，为了刺激顾客在平台上消费，平台商将单独为消费者提供优惠活动。从图中还可看出，若销售商要率先发起促销，前提条件是商品的日常交易价格较高。商品的日常销售价格对销售商促销决策的影响强于对平台商。

图4 销售商领导的Stackelberg博弈下最优促销策略区域

Figure 4 Optimal strategy regions under Stackelberg game led by retailers

2.3.2 由平台商领导的Stackelberg博弈促销分析

在由平台商领导的Stackelberg博弈中，平台商率先发起促销，销售商观测到平台商的促销决策后，作出自身的决策。整个博弈过程分为两阶段，第一阶段平台商决定促销的力度，第二阶段销售商观测到平台商的决策后，决定是否参与促销以及促销的力度。在求解该二阶段博弈模型时，通常采用逆向求解法，首先对销售商的决策问题展开分析。基于销售商的利润函数式(1)，销售商对平台商的决策作出的反应方程为：

图5 平台商领导的Stackelberg博弈下最优促销策略区域

Figure 5 Optimal strategy regions under Stackelberg game led by platform vendors

命题5说明，当且仅当佣金费率较高时，平台商才会有动机率先主动发起促销。销售商在观察到平台商的促销决策后，若商品的日常销售价格较高，销售商将为顾客提供折扣优惠，反之销售商不会为顾客提供额外的优惠活动。随着佣金费率的降低，平台商不会率先发起促销，销售商将单独提供折扣优惠活动以刺激销售。图5描述了销售商和平台商的最优决策区域随参数变化的分布。

综合命题3-5可以看出无论是销售商和平台商其中一方率先发起促销，还是二者同时独立作出促销决策，当佣金费率较低时，平台商不会开展促销活动；随着佣金费率增长到中等水平，平台商将加入到促销中，此时若商品的日常售价较高，销售商将和平台商联合开展促销活动，若商品的日常售价较低或佣金费率进一步增长到较高水平，销售商将不再提供促销折扣，仅由平台商开展促销。佣金费率和商品的日常售价对销售商和平台商的促销策略均有直接的影响。

3 联合促销策略比较分析

本节在§2中建模和求解基础上，将比较分析基于Nash博弈和Stackelberg博弈的三种促销模式下的最优联合促销策略中，销售商和平台商的联合促销门槛、联合促销力度，以及销售商、平台商和供应链整体的利润。

3.1 联合促销门槛分析

基于命题3-5可知，在三种促销模式下，若要实现销售商和平台商联合促销，佣金费率需要分别高于一个门槛值，否则，平台商将没有动机提供优惠折扣，仅销售商独立开展促销。本小节将探讨佣金费率门槛值受哪些因素影响，并比较分析在三种不同的促销模式下佣金费率门槛值的大小关系。

命题6网络零售平台商提供促销的佣金费率门槛值是网络零售平台潜在市场规模的增函数，市场规模越大，平台提供促销的佣金费率门槛越高。

现实生活中，不同类型的网络零售平台上或者是同一网络零售平台上不同类型的商品，所面对的潜在市场规模是不一样的，例如，天猫平台在服饰领域的潜在市场规模要比在3C领域的市场规模更大，而京东刚好相反。直觉上网络零售平台商对不同类型的商品提供促销的动机是不一样的，例如，为了刺激销量，平台商应该将更倾向于对长尾商品而非畅销商品进行促销。因此，命题6是符合直觉的，即平台商对畅销商品进行促销的门槛更高。现实生活中平台商之所以会乐于开展全平台广泛促销的活动，跟平台往往会对不同类型商品设置不同的佣金费率有关，一般平台上的长尾商品佣金费率较低，畅销商品的佣金费率较高，例如，天猫对服饰类商品的佣金费率为5%，对食品及医药保健品销售的佣金费率在2%-3%，对3C类商品佣金费率为2%，对服务类商品的佣金费率仅为0.2%-0.5%等。当这些佣金费率均高于促销的门槛值时，平台商将有动机开展全平台广范围的促销活动。

命题3-5已证明在三种不同的促销模式下，销售商和平台商的最优促销策略随着商品佣金费率的增长划分成了三种不同的方式，包括从仅由销售商提供促销到联合促销再到仅由平台商提供促销。命题7说明销售商率先发起促销的方式将更有利于联合平台商实现对佣金费率较低的商品进行联合促销，而平台商率先发起促销的方式将更有利于联合销售商对佣金费率较高的商品进行联合促销。

3.2 联合促销力度分析

3.2.1 促销力度随参数的变化

基于命题3-5，探讨在三种博弈情形下，销售商和平台商联合促销时，促销力度的大小受佣金费率和商品日常售价的影响。图6中的六个子图按列分别展示了Nash博弈、销售商主导的Stackelberg博弈以及平台商主导的Stackelberg博弈三种情形下，最优联合策略随参数的变化趋势图。

图6 三种博弈情形下销售商和平台商促销力度随参数变化趋势

Figure 6 Trends of promotional intensities of sellers and platform vendors in three game situations with parameters

命题8说明无论在哪种促销模式下，当销售商和平台商联合促销时，随着佣金费率的增长，销售商的折扣力度降低，平台商的优惠力度升高；商品的日常销售价格越高，销售商愿意提供的促销力度越大。

命题8还指出联合促销时，平台商的促销力度与商品的日常销售价格无关，这点在日常生活中比较常见，人们在大型的联合促销活动中，往往会发现平台商提供的优惠券/代金券很多情形下都是跨店铺通用类型，与具体的商品价格无关。

3.2.2 促销力度大小比较

命题9 在三种促销模式下，当销售商和网络零售平台商联合促销时，

证明：在三种博弈情形下，当销售商和平台商采用最优联合促销策略时：

命题9说明对消费者而言，由网络零售平台商率先发起的联合促销带给消费者的整体优惠力度要大于由销售商率先发起的联合促销，而这两种促销模式均没有二者同时独立决策发起的联合促销力度大。对销售商和平台商而言，自身提供的最优的联合促销力度在自身率先发起促销的模式下要低于其他模式的促销力度，而在由对方率先发起联合促销模式下，自身提供的最优促销力度要高于其他模式。

3.3 联合促销利润分析

将命题3-5中销售商和平台商联合促销时的最优决策代入(1)式和(2)式中，分别可以求出在三种不同的博弈情形下，销售商和平台商联合促销的最优利润，由此可以求出相应的供应链的的最优利润，结果如表1所示。

表1 三种促销模式下联合促销时不同主体的利润

命题10 在三种促销模式下的最优联合促销策略中，销售商和网络零售平台商的最终利润都与商品日常销售的价格无关，在由销售商领导的Stackelberg博弈下(即销售商率先发起的联合促销)，二者的利润还与佣金费率无关。

在三种博弈模式下的最优联合促销策略中，销售商和网络零售平台商制定的最优促销决策能够使商品最终的交易价格达到最优，因此二者的最终利润不会受到商品原日常售价的影响，而仅与市场规模、商品成本、消费者价格敏感度和平台的佣金费率有关。在由销售商发起的联合促销下，销售商能利用先动优势，通过制定最优的促销决策最大化自身的利润使其不受佣金费率的影响，同时使得平台商仅能获得最小的利润，因此在这种博弈情形下，二者的利润均与佣金费率无关，仅与市场规模、商品成本和消费者价格敏感度相关。

命题11纵向比较销售商和网络零售平台商分别在三种博弈模式下个体利润大的小关系，有：

表2不同博弈情形下销售商和平台商的利润纵向比较

Table 2 Vertical comparison of the profits of sellers and platform vendors in different game situations

证明：三种博弈模式下供应链利润比较：

销售商利润比较：

平台商的利润比较：

表3 不同博弈情形下供应链、销售商、平台商利润横向比较

综合命题7、命题9-12，可以看出销售商和平台商在Stackelberg博弈下具备先动优势，一方在率先发起促销时，若另一方也跟随促销，率先发起促销的一方将在联合促销中以较低的折扣收获较高的利润，而同时导致另一方提供较高的折扣却只能获取较低的利润。另外，对平台商而言，先动优势也会使得自身提供折扣需要满足的佣金费率门槛值更高，以此通过较高的佣金费率保证了较高的利润。

4 结论

本文研究了收益共享合同下销售商和网络零售平台商的最优促销策略。本文考虑了三种促销模式：由销售商率先发起促销，平台商决定是否加入的模式；由平台商率先发起促销，销售商决定是否加入的模式；由销售商和平台商均同时独立决策是否发起促销的模式。在这三种模式下，本文分别研究了最优的促销策略，包括三种形式，仅销售商发起促销，仅平台商发起促销以及二者联合促销，探讨了最优促销策略将受哪些参数的影响以及如何变化。论文重点比较分析了销售商和网络零售平台商联合促销时，在三种促销模式下二者的促销力度和最终利润的大小关系，促销力度受参数影响如何变化，以及供应链整体的促销力度和利润的大小关系等。除此之外，本文还探讨了针对不同类型的商品，该如何设置促销策略。研究结论表明，在三种促销模式下，销售商和平台商的最优促销策略受到商品的日常销售价格和佣金费率的影响呈现出三种形式，随着佣金费率的升高，最优促销策略均依次呈现出从仅由销售商单独开展促销变化为二者联合促销再变化为仅由平台商独立开展促销，当且仅当佣金费率和商品的日常售价高于一定阈值时，销售商和平台商才会开展联合促销。平台商对畅销商品提供促销的门槛更高。当销售商和平台商联合开展促销时，平台商的最优促销力度仅与佣金费率有关，而与商品的日常销售价格无关。在比较三种不同的促销模式时发现，销售商和平台商在各自率先发起的联合促销模式下具备先动优势，即一方在率先发起促销时，若另一方也跟随促销，率先发起促销的一方将在联合促销中以较低的折扣收获较高的利润，而同时导致另一方提供较高的折扣却只能获取较低的利润。销售商率先发起促销的方式将更有利于联合平台商实现对佣金费率较低的商品进行联合促销，而平台商率先发起促销的方式将更有利于联合销售商对佣金费率较高的商品进行联合促销。对消费者而言，当销售商和平台商同时独立作出联合促销决策时，可以享受最大的供应链整体促销力度，此时供应链的整体利润也最高。

本文研究结论为网络零售平台商和销售商开展促销活动提供了科学的决策依据。论文的不足之处在于仅考虑了网络零售平台上单个销售商的运营情景，未来可以引入竞争因素，考虑多个销售商的运营情景。

[1] Abhishek V, Jerath K, Zhang Z J. Agency selling or reselling? Channel structures in electronic retailing[J]. Management Science, 2015, 62(8): 2259-2280.

[2] Muthers J, Wismer S. Why do platforms charge proportional fees? Commitment and seller participation[R]. Germany, Würzburg: University of Würzburg, 2013: 1-28.

[3] Gerstner E, Hess J D. Who benefits from large rebates: manufacturer, retailer or consumer? [J]. Economics Letters, 1991, 36(1): 5-8.

[4] Aydin G, Porteus E L. Manufacturer-to-retailer versus manufacturer -to-consumer rebates in a supply chain[A]. In: Agrawal N, Smith SA. Retail supply chain management[C]. USA: Springer, 2008. 237-270.

[5] Arcelus F J, Kumar S, Srinivasan G. Pricing and rebate policies for the newsvendor problem in the presence of a stochastic redemption rate[J]. International Journal of Production Economics, 2007, 107(2): 467- 482.

[6] Demirag O C, Keskinocak P, Swann J. Customer rebates and retailer incentives in the presence of competition and price discrimination[J]. European Journal of Operational Research, 2011, 215(1): 268-280.

[7] Geng Q, Mallik S. Joint Mail‐In Rebate Decisions in Supply Chains Under Demand Uncertainty[J]. Production and Operations Management, 2011, 20(4): 587-602.

[8] Yang S, Liao Y, Shi C V, et al. Joint optimization of ordering and promotional strategies for retailers: Rebates vs. EDLP[J]. Computers & Industrial Engineering, 2015, 90: 46-53.

[9] Cachon G P, Lariviere M. Supply chain coordination with revenue- sharing contracts: Strengths and limitations[J]. Management Science, 2005, 51(1): 30-44.

[10] Giannoccaro I, Pontrandolfo P. Supply chain coordination by revenue sharing contract[J]. International Journal of Production Economics, 2004, 89(2):131-139.

[11] Yao Z, Leung SCH, Lai K K. Manufacturer’s revenue-sharing contract and retail competition[J]. European Journal of Operational Research, 2008, 186(2): 637-651.

[12] Ha A Y, Tong S. Revenue sharing contracts in a supply chain with uncontactable actions[J]. Naval Research Logistics (NRL), 2008, 55(5):419-431.

[13] 胡本勇, 陈旭. 基于收益共享合约的策略一致性与供应链合作研究[J]. 管理工程学报, 2017, 31(2): 91-100.

Hu B Y, Chen X. Policies consistency and supply chain coordination under revenue sharing contract[J]. Journal of Industrial Engineering and Engineering, 2017, 31(2): 91-100.

[14] Jiang B, Jerath K, Srinivasan K. Firm strategies in the “mid tail” of platform-based retailing[J]. Marketing Science, 2011, 30(5): 757-775.

[15] Jing X, Xie J. Group Buying: A New Mechanism for Selling Through Social Interactions[J]. Management Science, 2011, 57(8): 1354-1372.

[16] Hu M, Shi M, Wu J. Simultaneous vs. sequential group-buying mechanisms[J]. Management Science, 2013, 59(12): 2805-2822.

[17] Subramanian U, Rao R C. Leveraging Experienced Consumers to Attract New Consumers: An Equilibrium Analysis of Displaying Deal Sales by Daily Deal Websites[J]. Management Science, 2016, 62(12): 3555-3575.

[18] Edelman B, Jaffe S, Kominers S D. To groupon or not to groupon: The profitability of deep discounts[J]. Marketing Letters, 2016, 27(1): 39-53.

[19] Deng S, Jiang X, Li Y. Optimal price and maximum deal size on group-buying websites for sellers with finite capacity[J]. International Journal of Production Research, 2017, forthcoming.

[20] Lin Z. Price promotion with reference price effects in supply chain[J]. Transportation Research Part E: Logistics and Transportation Review, 2016, 85: 52-68.

[21] Demirag O C. Performance of weather-conditional rebates under different risk preferences[J]. Omega, 2013, 41(6):1053-1067.

[22] Choi S C. Price competition in a channel structure with a common retailer[J]. Marketing Science, 1991, 10(4): 271-296.

[23] Lee E, Staelin R. Vertical strategic interaction: Implications for channel pricing strategy[J]. Marketing Science, 1997, 16(3):185-207.

[24] 许明辉, 于刚, 张汉勤. 具备提供服务的供应链博弈分析[J]. 管理科学学报, 2006, 9(2):18-27.

Xu M H, Yu G, Zhang H Q, Game analysis in a supply chain with service provision[J]. Journal of Management Sciences in China, 2006, 9(2):18-27.

Optimal joint rebate strategy of online retail platform under revenue sharing contract

JIANG Xuan1,2, CHENG Xianghui1, LI Yanhai3

（1. School of Business Administration, Zhongnan University of Economics and Law, Wuhan 430073, China;2.Institute of Operation Management and Systems Engineering, Zhongnan University of Economics and Law, Wuhan 430073, China;3. School of Management, Jinan University, Guangzhou 510632, China)

In recent years, it’s prevalent for the online retail platform (referred to platform hereafter) to hold large-scale sales promotion events. There are three types of sales promotion among all the promotional activities online. The first one is the platform that leads to initiate the promotion. The second is the seller that leads to initiate the promotion. The third is that no one leads the promotion, i.e., the seller and the platform make decisions on promotional strategies independently as well as simultaneously. In each type of promotion, three strategies may appear, including only the seller offering a rebate, only the platform offering a rebate, or both of them offering a joint rebate. In each deal on the platform, the sellers always need to pay the commissions to the platform operator, which is a fix proportion of retail transactions. The commission rate is a long-term decision made by the platform after repeated practice in the operation, and different platforms or different products on the same platform may have different commission rates.

This paper focuses on the instant rebate, which means the rebate set by the seller, and the platform is directly reduced from the original price of the product in each deal. This paper utilizes the revenue sharing contract to imitate the benefits relationship between the seller and the platform, where the only income of the platform is the commission provided by the seller. Nash game and Stackelberg games are used to model three different sales promotion types, and several specific case analyses are used to assist the verification. This paper addresses the following research problems: (1) What are the optimal promotion strategies for the seller and the platform? The unilateral promotion or the bilateral promotion (2) How do the parameters influence the optimal promotion strategies of the seller and the platform? (3) How do the different sales promotion types affect the promotion strength and the final profit in a joint rebate? (4) How to set optimal joint promotion strategies for different products, considering the characteristics of the platform?

This paper shows that, under all the three different types of sales promotion, the optimal strategy of the seller and the platform varies from the seller-only rebate to joint rebate and finally to the platform-only rebate as the commission rate increasing. The joint rebate promotion exists only if the value of the commission rate as well as the normal price of the product is higher than a certain threshold. Moreover, the commission fee threshold of the top sellers is higher than that of the long-tail merchandise. When the seller and the platform initiate a joint rebate, the seller’s optimal promotion strength is decreasing in commission rate and increase in the original price of the product. Meanwhile, the platform’s optimal promotion strength is only related to the commission rate but not the original price of the product. This paper compares three different types of sales promotion and finds that the seller and the platform have the first-mover advantage when they lead to initiate the joint rebate promotion, where the leader can gain a higher profit with a lower optimal rebate value. The seller-leading (the platform-leading) promotion is more superior for stimulating joint promotion rebates on the products with the low (high) commission rates. Consumers will obtain the biggest rebate when the seller and the platform make promotion decisions simultaneously. Meanwhile, the supply chain also will achieve the highest profit compared with the other types of promotion.

Online retail; Sales promotion; Revenue sharing; Optimal strategy

2017-08-17

2019-09-09

F274

A

1004-6062(2020)03-0122-012

10.13587/j.cnki.jieem.2020.03.013

2017-08-17

2019-09-09

国家自然科学基金资助项目（71602189，71672192）；中央高校基本科研业务费专项资金资助（2722019PY011）

姜璇（1987—），女，湖北恩施人；中南财经政法大学讲师，硕士生导师，博士；主要从事供应链与物流管理，生产运作管理，市场营销-生产运作交叉课题研究。

Funded Project: Supported by the National Natural Science Foundation of China (71602189, 71672192) and the Fundamental Research Funds for the Central Universities (2722019PY011)

中文编辑：杜 健；英文编辑：Charlie C. Chen