展厅现象下考虑利他行为的O2O供应链动态运营策略

马德青 胡劲松

(青岛大学商学院)

1 研究背景

在以顾客为中心的全渠道营销时代，以消费者行为作为切入点来探讨企业营销战略，是O2O供应链在当代商业环境下所必备的能力之一。展厅现象，即消费者在线下实体店进行产品体验、评估以确定最适合自己的产品，借助各类电子设备，通过网络比价转而向售价更低的线上电商平台发生实际购买，已是近年来O2O供应链运营中一个普遍存在的问题[1,2]。消费者的此种搭便车行为不仅挫伤了实体店的积极性，更是损害了其盈利能力，实体零售巨头们(如沃尔玛、百思买、玩具反斗城等)都深受其害[3]。这也引发了业界和学界对展厅现象的研究，以及“反展厅”应对策略的探讨[4～6]。

展厅现象伴随着零售渠道的多元化而日益显著，消费者通过区分每个销售渠道的特性来寻求其购买产品的最佳选择[7,8]。有关展厅现象的研究主要集中于近十几年，主流研究普遍认为，展厅现象对实体店及供应链有害[1,2]。 JING[9]针对这种情况，提出了5种反展厅现象的举措：独家产品、增加消费者搜索成本、实体店独立开设网店、实体店放宽退货政策及价格匹配策略。但这些短期策略在某种程度上加剧了线上线下的竞争，降低了消费需求。BELL等[10]也指出，实体店盲目开辟线上零售渠道这种拆东墙补西墙的短期策略，不仅额外增加了运营成本，也使线上线下零售商产生两败俱伤的局面。一方面，现有对展厅现象的探讨专注于线上线下的短期运营策略和价格竞争，忽略了企业运营的长期动态性、复杂性，更忽视了非价格因素对企业盈利能力的影响，如产品质量及线上线下零售企业间的服务竞争[11]；另一方面，现有研究多集中于讨论实体店和电商平台间零售环节的竞争，而忽视了生产端——制造商在供应链和多零售渠道竞争中的重要作用[12]。此外，多渠道零售不仅会带来消费者的展厅现象，直接在线上平台购买产品的消费者，由于信息的不对称，往往会根据品牌商誉和过往经验等因素对产品质量进行预估，即参考质量。若收到产品的实际质量高于参考质量，则会增强其对该品牌产品的购买需求；反之，则降低购买需求，这被称为参考质量效应[13,14]，而这在现有O2O供应链的研究中常常被忽视。

新的信息化时代也需要以新的营销手段、新的合作关系来应对新的营销问题：体验营销作为线下实体店应对线上渠道冲击的一种主要营销手段，从消费者的感官、情感、思考、行动、关联5个方面，重新定义、设计营销的思考方式，突破传统上“理性消费者”的假设，强调与消费者的沟通，并触动其内在的情感和情绪，加强其对品牌的认同感，提升实体店品牌溢价能力[15,16]。正如实体咖啡店行业的翘楚企业星巴克，凭借着其独有的体验营销技术，用自身的品牌文化感染着消费者，牢牢占据着咖啡行业的龙头地位[17]。而互联网风潮带来的消费者数字生活空间普及以及信息量的爆炸式增长，推动了大数据营销的诞生，电商平台企业通过数据分析获取到质量更高的用户信息，更加准确地理解和预测客户需求，精准定位顾客，从而展开个性化大数据营销[18,19]。

此外，新型的营销手段也离不开所销售产品的良好质量基础[20]，制造商、实体店、电商平台构成的O2O供应链系统中，各节点企业的合作关系往往能够更好地发挥营销的杠杆作用，这也是近年来利他行为研究的主要动机之一[21]。事实上，利他行为展现了供应链企业间的合作意愿[22]，在实际运营的过程中屡见不鲜。如IBM公司成立“中国渠道大学”，与渠道伙伴分享最新的技术和管理经验；联想协助其渠道服务商腾创科技进行融资等。BASSI等[23]发现，委托代理模型中的决策者收益与其利他偏好程度正相关，可见，利他行为作为一种正向社会属性，往往能够有效提升供应链整体绩效。SHI等[24]研究发现，制造商的利他偏好对双渠道供应链的定价策略有显著影响，且一方的利他程度加深有助于提高对方收益。石岿然等[25]揭示了利他行为在供应链管理中存在的必要性和适度性,并标明利他行为对于促进企业间合作具有积极意义。

更值得指出的是，展厅现象伴随着多渠道零售而产生由来已久，因此，O2O供应链企业运作层和营销层各自制定决策，综合考虑眼前利益和长远利益，以动态提升品牌商誉[12]，促进企业间利他合作以应对展厅现象也非一蹴而就，其内在和外在动态特性的存在，使得传统博弈理论无法有效地刻画企业间的运营过程，有必要借助微分博弈理论，纳入时间因素，来动态考量企业的战术制定和战略合作关系调整问题[26]。结合上述分析可知，新技术引领下，以消费者展厅现象和参考质量行为为切入点，以线下体验营销和线上大数据营销为背景，考虑运作层(制造商)和多渠道营销层(实体店、电商平台)间的利他行为的O2O供应链管理，具有重要的研究意义。为此，本研究拟以动态视角，同时考虑线下实体店和线上电商平台的服务竞争，探讨消费端的参考质量效应和展厅现象对O2O供应链各节点企业决策和绩效的影响，以分散决策和集中决策模式作为参考，进一步分析运作层和多渠道营销层的利他行为偏好，以达成合作的有效性。

2 模型描述与相关假设

本研究考虑由一个制造商、两个独立零售商(线下实体店、线上电商平台)构成的动态O2O供应链系统，其中，制造商负责生产某类特定品牌的产品，并确定产品质量水平q(t)，以批发价格w批发给两个渠道零售商，同时借助线下实体店和线上电商平台进行产品销售。此类产品的一个特点是，具有一定的品牌知名度，但消费者往往需要经过在实体店切实感触到产品后，才会决定是否购买。如消费者购买某品牌的衣服或鞋时，通常会在实体店进行试穿后，才能确定真正适合自己的产品；某类新的电子产品的发布，消费者在试用后，才能判断是否符合自己的要求[1，2]。但购买前的体验也不一定是必须的，消费者也可以基于自己以往的购物经验、对品牌的认识以及各类推送等进行判断，选择在线上平台直接下单[4]。购买此类产品既可以借助线下渠道，也可以使用线上渠道。基于产品的这种特点，两个零售渠道各自借助自身优势进行产品营销，具体表现为：线下实体店以可以直接接触消费者的优势，制定体验营销服务s(t)，即通过看、听、用、参与的手段，全面刺激和调动消费者的感官、情感、思考、行动、联想等感性因素，激发消费者对品牌的认同感，促进其消费转化率[15，16]。如培训专业的一线销售人员为顾客讲解产品功能，设定特定场景营造购物氛围等。而线上电商平台借助其成本低、数据源广、推送便捷、不受地域限制等特点，面向消费群体采用大数据营销服务B(t)，即借助互联网大数据的优势，根据消费者在线搜索、购买记录等信息，描绘、预测、分析、指引消费者行为，精准、个性化地推送营销信息，从而促进消费者的购买转换比例[18，19]。三者的博弈过程见图1。

值得指出的是，实体店销售产品的零售价格p1往往高于电商平台销售同类产品制定的价格p2。其原因在于，一方面，实体店的运营成本远高于电商平台；另一方面，FLAVIAN等[4]的研究也表明，体验营销能够提升消费者的品牌认同感，为产品带来品牌溢价效应，而且注重体验的顾客往往更看重产品销售过程中的服务而非价格，因此也具有更低的价格敏感性[15]。此外，对于某类特定品牌的产品，其价格的制定主要依据市场和技术因素，在一定时间内不会有较明显改变[11]。由此，基于以上认知和本研究具体背景，假定w、p1、p2均为常数，并满足w

进一步地，由于部分倾向于售前体验产品而又因各种因素(如缺货、地域限制、价格敏感等)选择体验产品后转而向售价更低的线上平台购买产品，展厅现象由此产生[5,6]。由于展厅现象的存在，使O2O供应链的消费市场需求构成较为复杂，为描述清晰，其具体构成见图2。

假设消费者中有χ比例的人在购买产品前会光顾实体店进行体验，其中，λ比例的人由于品牌的良好商誉和实体店的优良服务对产品有较好体验；又因对价格敏感度较低而选择在实体店进行产品购买，而1-λ比例的人在实体店得到产品的质量、试穿体验等信息，并由于线上的低廉价格最终在电商平台处购买商品，即消费者产生了展厅现象；而另外1-χ比例的消费群体由于前文提到的种种原因，会选择直接在电商平台处购买产品。由此，可将实体店实际需求、展厅现象带来的需求，以及直接在电商平台购买的需求分别表示为

D

R

(

t

)=

χλ

[

a

-

b

1

p

1

+

ρs

(

t

)+

θG

(

t

)] ；

(1a)

DS(t)=χ(1-λ)[a-b2p2+θG(t)] ；

(1b)

DO(t)=(1-χ)[a-b2p2+γ(q(t)-

Rq(t))+μB(t)+θG(t)] 。

(1c)

实体店的需求构成式(1a)中，b1为消费者对实体店产品价格的敏感度；ρ为线下体验营销服务对其需求的影响系数；θ为品牌商誉G(t)对需求的影响，并假定品牌商誉在各个渠道的影响相同。产生展厅现象的消费者需求式(1b)，主要受线上价格p2以及品牌商誉的影响，由于产生展厅现象的消费者往往追求低价的产品，其对价格较为敏感，假定其敏感系数b2>b1。直接在电商平台购物的消费需求式(1c)，不仅受价格和商誉的影响，还受到大数据营销的激励，其影响系数为μ；此外，为更好地刻画线上线下渠道消费者行为特点，引入参考质量效应这一消费者购买过程普遍存在的行为，γ>0表示参考质量效应对需求的影响。由于直接在线上购物的消费者不能提前感知产品质量，通常在购买前会依据品牌商誉对质量产生预期[13,14]，则参考质量水平为

Rq(t)=ξG(t) ,

(2)

式中，ξ>0为参考质量与品牌商誉的关联度，人们往往假定具有高品牌商誉的产品有着相应高的质量水平，如果所得产品实际质量高于参考质量，则会相应增强消费市场的总需求；相反，若实际质量达不到预期，则会相应减少需求。将式(2)代入式(1c)，整理可得

DO(t)=(1-χ)[a-b2p2+γq(t)+μB(t)+φG(t)] ，

(3)

式中，φ=θ-γξ。根据零售市场的需求构成，假设制造商按订单生产不会产生库存，则其面临的总市场需求为

D(t)=DR(t)+DS(t)+DO(t)=a-χλb1p1-

(1-χλ)b2p2+(1-χ)γq(t)+λχρs(t)+

(1-χ)μB(t)+ΦG(t) ,

(4)

式中，Φ=θ-(1-χ)γξ。本研究探讨的O2O供应链的动态性体现在：制造商、实体店、电商平台的决策会对品牌商誉变化产生直接影响，借助修正的ARROW-NERLOVE模型[27]，将商誉变化的动力学方程描述为

(5)

式中包含了消费者参考质量效应对商誉的影响α(q(t)-Rq(t))[14]，实体店体验营销增强消费者品牌认同感的影响βs(t)[4]，大数据营销服务促进消费者品牌认知的影响εB(t)[28]，以及由于消费者对品牌遗忘以及其他平台竞争导致的品牌商誉衰减-σG(t)[14,28]，其中，α、β、ε、σ均大于0，分别表示对应的影响系数。进一步将式(2)代入式(5)，则

(6)

式中，δ=αξ+σ。根据上述假设，t时刻制造商、实体店以及电商平台的利润分别表示为

πM(t)=wD(t)-kMw2(t)/2 ；

(7a)

πR(t)=(p1-w)DR(t)-kRs2(t)/2 ；

(7b)

πO(t)=(p2-w)(DS(t)+DO(t))-kOB2(t)/2 ，

(7c)

式中，O2O供应链中企业的各自成本均满足经济学一般凸性假设[29]，分别表示为kMq2(t)/2，kRs2(t)/2和kOB2(t)/2，kM、kR、kO均大于0，分别为其成本系数。假设企业经营期为无限期，并以贴现率r进行贴现。

3 模型分析

基于前述假设，下面分别构建集中决策、分散决策以及成员利他决策下的微分博弈模型，得到3种决策模式下的企业最优策略以及品牌商誉和企业利润(效用)，奠定下文分析成员利他行为和消费者展厅行为对供应链决策和绩效影响的基础，从而获得展厅行为影响下企业相应的管理学启示。为模型表述清晰，用上标C、N、A分别表示3种决策模式。

3.1 集中决策模式(模型C)

证明借助贝尔曼连续型动态规划理论即可求解[26]。

由命题1可知，线上或线下零售渠道定价的提高，使企业联盟运营的边际收益提升，激励了联盟企业相应提高产品质量水平和线上线下零售渠道的服务水平，全面提升品牌商誉，使消费者获得高价高商誉的产品和服务，奠定品牌在消费者心目中的形象。kM、kM、kO的增加会损害企业联盟各个节点的策略制定动力，可见，寻求合理降低成本、合理分配渠道资源、提升运营效率的方法，始终是供应链联盟的运营问题之一。作为影响品牌商誉和线上渠道直接需求的重要影响因素之一，当消费者的参考质量效应对品牌商誉的影响加大(即α较大)，其对生产环节的产品质量水平要求更高；随着γ增大，线上渠道要提升大数据营销服务水平以减缓参考质量效应的不利影响，同时，为保证线下渠道的盈利，也需相应提升线下体验营销服务，促进全渠道零售的盈利能力。

3.2 分散决策(模型N)

分散决策模式下，制造商、实体店和电商平台进行独立经营，在一定的批发价格、线上线下零售价格下，同时分别制定质量水平、体验营销服务以及大数据营销服务策略。三者的博弈关系为Nash非合作微分博弈。

证明推导过程类似于命题1，二者区别之处在于，分散决策模式下需分别列出三者HJB方程，在此不再详述。

由命题2可知，制造商产品批发价格提高会激励制造商提高产品质量水平，而实体店和电商平台则会降低各自服务水平，以应对额外提高的批发成本。线上线下零售价格的变动，不会制约制造商的质量水平策略，只会相应影响渠道服务水平，并表现出正相关关系。与集中决策模式不同的是，直接在电商平台购买产品的消费者的主要判断依据是产品参考质量，因此当γ增大时，消费者参考质量效应增强，在制造商质量的保证下，电商平台可减少大数据营销投入，以避免不必要的浪费。值得关注的是，当消费者对参考质量的判断对品牌商誉的依赖增强，即ξ增大时，制造商、实体店和电商平台都会降低各自策略水平。其原因在于，当ξ较大，各企业的盲目投入会营造出品牌商誉繁荣假象，混淆消费者的判断，过高预期产品质量，反而不利于企业保持持续盈利能力。随着实体店到访比例χ的提高，电商平台的大数据营销服务会随之降低，以避免不必要的投资浪费，而实体店会加大体验营销服务以留住到访客户，增加消费转化率。由于实体店的体验营销服务对于品牌商誉建设有极为重要的贡献，也是制造商总需求产生的原因之一，制造商可适量降低产品质量投入，借助实体店给消费者带来最直观的品牌感受。展厅现象对质量水平不产生影响，而随展厅现象(1-λ)增强，实体店的服务水平受挫，而电商平台会提高大数据营销水平以抢占更多客户群体。可见，依据外部环境适度决定企业各自的策略制定，是维持品牌稳定、赢得消费者信赖并获得持久盈利能力的关键。

3.3 利他决策模式(模型A)

借鉴文献[24]中对成员利他行为的一般假设，将成员i的利他效用函数构建为Ui(t)=πi(t)+φiπj(t)，i,j∈{M,R},i≠j。这种利他行为表明：企业在进行决策时，不仅追求自身利益，也关心交易方的利益，并以两者利益作为自身运营的目标，这种利他行为的存在源于供应链成员间的合作，企业试图通过对交易方表现出利他偏好以激励其策略制定，从而进一步提升品牌商誉，提升自身效益的同时创造企业双方的双赢。假设φi∈[0，1]，即为保证企业正常运营，对交易方利益的关注不会超过自身。在本研究探讨的制造商、实体店、电商平台构成的O2O供应链中，制造商借助实体店和电商平台两种渠道进行产品销售，线上线下各自独具特色的服务，都是提高品牌商誉、提升制造商总市场需求的关键，因此，制造商分别对实体店和电商平台产生利他行为，其系数分别为φMR、φMO；与此同时，实体店和电商平台的销售基础都是制造商的产品质量，为保证产品质量基础为后续营销服务提供保障，实体店和电商平台分别对制造商体现利他偏好，其系数分别为φR、φO。此外，由于线上线下渠道间不存在交易而表现为服务竞争关系，不考虑实体店和电商平台间的利他行为。以微分博弈的形式探讨O2O供应链3个主体间的利他行为，也是本研究的创新点之一。此时，三者间的微分博弈模型为

(8)

由命题3可知，成本系数ki，i∈{M,R,O}、参考质量与品牌商誉的关联系数ξ、品牌商誉衰减系数σ，以及各影响商誉变化的系数α、β、ε对企业最优决策的影响，在利他决策模式下呈现出与分散决策模式类似的规律。但当成员间采取利他决策模式时，运作层中的制造商考虑到利他合作关系，其产品质量水平策略要随实体店和电商平台的零售价格增加而提升，而不再仅以自身利益为考量。而多渠道零售层的成员决策规律与分散决策模式没有较大差异。由此可见，在O2O供应链的利他合作关系中，生产端——制造商在其中的地位举足轻重。此外，分析命题3中各企业决策可知，其决策水平均受到各自利他程度的影响，为突出消费者展厅现象下利他行为对企业决策的影响，下面进一步对比有/无展厅现象时利他决策模式下的企业策略。

推论1有/无展厅现象时，利他决策模式下的企业最优决策对比见表1。

表1 利他决策模式下有/无展厅现象的最优决策对比

4 对比分析

基于前文的构模求解结果，下面进一步对比3种决策模式下的企业最优决策水平、品牌商誉和消费者参考质量水平，并以分散决策和集中决策下的结果为基准，分析利他决策模式对企业绩效的影响。

命题43种决策模式下，制造商最优质量水平大小关系为qC≥qA≥qN，实体店的最优体验营销服务水平大小关系为sC≥sA≥sN，电商平台的最优大数据营销服务水平大小关系为sC≥sA≥sN。

分析可知，①qC=qA成立的条件为φMO=1且φMR=1，即制造商对实体店和电商平台同时持有完全利他态度时，制造商在利他决策模式下的产品质量水平才会达到集中决策模式水平，而其他情况下，产品质量水平都在集中决策模式下最高。②qA=qN成立的条件为φMO=0且φMR=0，即制造商对实体店和电商平台均不抱有利他行为而持完全自利态度，而其他情况下，利他决策模式下的质量水平均优于分散决策模式。③sC=sA成立的条件为φR=1，sA=sN成立的条件为φR=0，实体店的体验营销服务水平在3种决策模式下的大小，取决于实体店对制造商的利他程度。④电商平台在3种决策模式下的大数据营销服务水平大小，取决于电商平台对制造商的利他态度。当φO=1，即电商平台具有完全利他态度时，其服务水平达到集中决策模式；而当φO=0，即电商平台无利他行为时，其服务水平与分散决策模式下的无异；此外，利他决策模式下的大数据营销服务水平均高于分散决策模式。

命题5表明，集中决策模式下的产品品牌商誉最高，相比于分散决策模式，成员利他决策可提高产品品牌商誉。由命题4～命题6中的规律可知，利他决策模式下的品牌商誉有可能达到集中决策模式情形，其成立的条件是φMO=φMR=φR=φO=1，即制造商和实体店、电商平台间相互持完全利他态度。这表明，当O2O供应链运作层和营销层成员在制定决策时，将对方利益与自身利益同等看待，完全利他的局面才可达成，供应链才能在分散运营的方式上达到集中运营的效果。由此可见，面对展厅现象的不利影响，利他合作模式既可规避集中决策的难以实现性，又可以发挥其优势，在实践可行的状态下有效实现应对展厅现象的策略。

5 数值算例

下面进一步借助数值算例验证前文结论，并揭示展厅现象对供应链绩效的影响，以及展厅现象和消费者参考质量效应下的契约协调有效性。参考文献[14,28]并结合实际情况，设置如下基本参数：a=100;b1=0.8;b2=1;ρ=1;θ=1;γ=1;μ=1;kM=1.5;kR=2;kO=1;α=1;β=1;ε=1;σ=0.7;ξ=0.8。

5.1 线上线下零售价格对企业利润的影响

实体店和电商平台不同零售价格组合下的制造商、实体店、电商平台和供应链总利润，以及渠道成员中等利他态度下的效用情况见表2。

表2 不同零售价格下的企业利润

由表2可知：对于制造商而言，当展厅现象一定时，无论供应链采取分散决策还是利他决策，其利润总随着零售价格p1、p2的提高而降低。当实体店/电商平台零售价格一定时，另一方(电商平台/实体店)降低定价会增加制造商利润，且差价越大制造商获利空间越大，但实体店零售价格p1的提高总能提高制造商利他效用。对实体店而言，在考虑到消费者参考质量效应的情况下，线上线下同价不一定是实体店应对展厅现象的有效措施。而适当地提高线下零售价格，同时相应提升实体店服务品质，使价格敏感度较低的消费群体体验到更高的体验服务质量，加强其对品牌的好感度，可以提升该群体对于产品的支付意愿，从而使实体店以相对高于电商平台的价格打造线上线下购物差异，提升自身品牌溢价能力以应对展厅现象，获得更高利润。综合来看，当实体店/电商平台零售价格一定时，另一零售方(电商平台/实体店)的提价策略能够缓解展厅现象对供应链整体的负面影响，有效提高供应链利润和整体效用。当线上线下定价一定时，相较于分散决策模式，供应链上下游间的利他决策模式，不仅能使实体店应对展厅现象以提升自身盈利能力，而且能使制造商自身利润、电商平台利润乃至供应链总利润均实现帕累托改进并提高各自效用。

5.2 展厅现象对企业绩效的影响

当在利他程度一定时，展厅现象强度(1-λ)逐渐增大对企业利润水平和利他效用的影响情况见表3。

由表3可知：展厅现象突出时，制造商和实体店的利润都受到损失，且实体店蒙受损失最为明显，尤其是光顾实体店的消费群体都发生展厅现象时，即1-λ=1，实体店利润将骤降为零，效用也急降。反观电商平台，其盈利能力和效用均随展厅现象的增强而提高，但始终有限，因此，3种决策模式下的供应链总利润,都会随着展厅现象加剧而受到损失，其中分散决策下的利润损失最为明显。这表明，展厅现象加剧了消费者的搭便车行为，不仅极大地损害了实体店绩效，且电商平台由于消费者参考质量效应的存在拉动需求能力有限，在一定程度上也损害了制造商利润，最终导致整个供应链的绩效受损。但相比于分散决策模式，利他决策模式能够有效减缓展厅现象对制造商、实体店以及供应链整体绩效的负面影响，对分散决策模式下的绩效进行帕累托改进，且展厅现象越明显，其改进效果就越好。

表3 不同展厅现象强度下的企业利润和效用(中等利他)

5.3 展厅现象对消费者所获产品质量/服务性价比的影响

展厅现象作为消费者的一种购物行为，不仅影响着企业的决策和绩效，也会反过来对消费者本身产生影响(见图3)，具体表现为：①线下消费者所获产品质量性价比在集中、利他决策模式下，均随展厅现象增强而降低，而在分散决策模式下不受影响(见图3(a))；②无论企业决策模式如何，线下消费者所得体验营销服务性价比均随展厅现象加剧而降低，这是因为实体店的购物转化率受到展厅现象的不利影响，大量无效服务未能挽留住价格敏感度低的展厅现象群体，因而服务积极性受挫(见图3(b))；③虽然产生展厅现象的消费者直接转向线上渠道购买，但线上消费者实际所获产品质量性价比除了在分散决策模式下不受影响，在其他决策模式下均会降低(见图3(c))；④大数据营销服务性价比也不例外，在3种决策模式下均会随展厅现象增强而降低(见图3(d))。原因在于展厅现象增强促进了电商平台消费需求，短视的电商平台会选择控制大数据营销服务，降低营销成本，搭实体店展示产品的便车。可见，消费者展厅行为的存在不仅阻碍着供应链的发展，也最终使得自身所获产品质量、服务性价比降低。

5.4 利他行为对企业决策和绩效的影响

利他行为对企业决策和绩效的影响见图4。由图4(a)～(c)可知，企业决策的制定主要受到自身利他行为的影响。具体表现为：①制造商的产品质量水平随其对实体店/电商平台的利他程度φMR/φMO增大而提升，且φMR的改变对质量水平影响更为突出；②实体店的线下体验营销服务水平和电商平台的线上大数据营销水平，均随其自身对制造商的利他程度加深而增大。可见，对O2O供应链其他成员展现的利他行为也能有效激励自身提升和改进策略水平，为消费者提供质量更好、线上线下服务水平都更高的产品。此外，由于品牌商誉的建立与消费者参考质量水平的形成，直接或间接地受到供应链成员决策的动态影响，进一步由图4(d)～(f)可知，品牌商誉的稳态大小受到供应链全渠道成员利他行为的影响。具体表现为：品牌商誉稳态随制造商对实体店/电商平台的利他程度φMR/φMO、实体店对制造商的利他程度φR、电商平台对制造商的利他程度φO的增大而增大，且由于消费者参考质量水平的判断依据于品牌商誉，也与之呈现出相似规律。可见，O2O供应链其他成员展现的利他行为，不仅能激励自身的决策，更能维持和提升品牌商誉，从而在消费者心中留下良好的品牌形象，促进品牌的长久发展。

图4 利他行为对企业决策和绩效的影

表4 不同利他程度下的企业利润和效用

不同利他程度下的企业利润和效用见表4。由表4可知：当O2O供应链其他方持中等利他态度，制造商对实体店或电商平台的利他程度提高，均能提升对方成员、供应链总的利润水平以及全渠道的利他效用，但对自身利润的提升有限，甚至还在一定程度上会有损害；实体店对制造商的利他态度，能够提升制造商、电商平台和供应链的总利润水平及全渠道的利他效用，但会损害自身效益；电商平台对制造商的利他行为，也会提升制造商、实体店和供应链总利润水平及全渠道的利他效用，但于自身不利。再将各利他决策模式下的绩效与分散和集中决策下的作比较可知，当全渠道成员持最低利他态度时，即φi=0(i=MR,MO,R,O)，利他决策与分散决策无异；而当全渠道成员持完全利他态度时，即φi=1(i=MR,MO,R,O)，利他决策模式下成员乃至供应链利润水平可达集中决策情形。但就整个供应链所获效用而言，任意一方的利他行为都会带来整个渠道的效用提升，甚至远超集中决策模式。可见，利他决策模式不仅能够有效提升供应链利润水平，还能带来集中决策模式所无法带来的效用，使成员在保持分散决策的独立经营状态下，主动积极参与全渠道合作，带来更高的满足感，因而能产生更大的社会福利。

6 结论

本研究以消费者购买过程的展厅现象和参考质量效应为切入点，构建了由一个制造商、两个独立零售商(线下实体店、线上电商平台)构成的动态O2O供应链系统，借助微分博弈理论，对比分析消费者行为对于集中决策、分散决策、利他决策3种决策模式下，O2O供应链中制造商质量水平策略、实体店体验营销服务和电商平台大数据营销服务竞争策略以及企业绩效的影响，并进一步借助数值算例，分析了价格因素、展厅现象强度、企业间利他程度对企业决策、绩效以及消费者的影响，得出如下主要结论。

(1)3种决策模式下，展厅现象均会影响O2O供应链企业的策略制定和绩效水平。具体体现在：随消费者展厅现象增强，制造商的产品质量水平下降、实体店的体验营销服务水平下降、电商平台大数据营销服务水平提高，品牌商誉降低，市场总需求量减少，制造商和实体店的利润均蒙受损失，电商平台的利润会有所提升，但由于消费者参考质量行为的存在，其提升空间有限，导致O2O供应链总利润受损，不仅如此，线上和线下渠道购买产品的消费者所获产品的质量、服务性价比均随其展厅现象增强而降低。

(2)纳入消费者展厅现象的影响并以分散决策和集中决策下的企业决策和绩效作为参考，可以发现，O2O供应链运作层(制造商)和多渠道营销层(实体店、电商平台)间的利他行为，能充分改进分散决策模式所固有的双重边际效应，不仅会使企业自身提高决策积极性，也会提升品牌商誉，使供应链整体利润水平得以提升，还能惠及消费者，使其获得更高的产品性价比。

(3)考虑到消费者展厅现象对O2O供应链企业乃至消费者自身的不利影响，结合本研究分析过程，总结出应对展厅现象的两类方法：①战术上，在保证制造商产品质量的基础上，保持实体店销售同类产品高于电商平台的价格策略，以高价格标示专柜品质，提升其品牌溢价能力，突出其直接面对顾客的营销特性，发挥体验营销职能，同时激发电商平台大数据营销服务的积极性；②战略上，以利他决策作为O2O供应链运作层(制造商)和多渠道零售层(实体店、电商平台)间纵向深入合作的行为手段，全方面提升供应链绩效，达成全渠道共赢。