酒店与在线旅游代理商主从博弈客房定价策略研究

演克武　莫晓琳

摘    要：移动商务背景下，在线旅游代理（OTA）发展迅速，这些第三方服务平台以其方便、快捷和可选性强等特点，逐渐改变着酒店客房的预订模式。酒店和在线旅游代理（OTA）合作方式符合斯坦伯格博弈模型中主从双方独立决策的特点。通过构建一个酒店与单一OTA在零售和代销两种销售模式下主从博弈定价决策模型，得出酒店和OTA利益博弈过程中，整体系统最优价格只与市场的最大需求量和客房价格敏感系数有关的结论。实证得出：代销合作博弈中系统的总收益大于零售非合作博弈的总收益。

关键词：客房定价策略;在线旅游代理（OTA）;主从博弈

中图分类号：C934                文献标识码：A                 文章编号：2095-7394（2021）01-0034-05

随着旅游电子商务的快速发展和智能移动端消费习惯的形成，旅游在线交易的市场规模不断扩大。据前瞻产业研究院《中国在线旅游行业市场前景预测与投资分析报告》显示，从2015年到2019年，国内在线旅游市场交易规模整体增长，在线旅游市场交易规模从2015年4 737.7亿元增至2019年10 866.5亿元，同比增速虽然放缓，但是由于交易规模基数变大，其效益还是不容忽视。2020年，由于全球新冠疫情影响，市场交易规模萎缩，预估交易规模腰斩。具体见图1。众多交易平台中，携程、去哪儿、阿里旅行三大在线OTA企业仍然属于头部企业[1]。

酒店在线交易中，除过通过酒店内部在线预订和交易平台外，有很大一部分是通过OTA第三方平台预订和交易。酒店和OTA实际合作方式有主要有两种：一种是代销佣金模式，即顾客通过OTA预定客房，OTA在顾客成功入住后从房价中按照一定的比例扣除佣金;另一种模式是零售模式，即酒店将其客房以低于其挂牌房价的批发价预售给OTA，OTA再通过自己的销售渠道将客房零售给在线顾客，OTA通过赚取客房零售价与批发价之间的差额获得收益。两种模式中，代销佣金模式价格由酒店方决定，OTA不参与价格的制定与调整。净价零售模式中，OTA作为套利的一方，必然会根据市场状态动态调整客房价格，这给酒店客房价格体系带来了巨大的挑战。净价零售模式下，酒店对于与OTA的合作持矛盾态度：与之合作则必须承受一定的利润让渡，特别是对客房市场价格的不可控;不合作则可能在旅游电子商务背景下失去大量的在线市场份额，降低竞争力。面对日渐激烈的酒店竞争环境和酒店客房价值易逝特性，大部分酒店将一将部分房源预留给OTA销售，通过低售价、高入住率的策略获得稳定但相对较低的收益;另一部分客房控制在酒店自身的手中，以较高价格待售给那些能给酒店带来更多收益的客户。在和OTA企业的博弈过程中，酒店应该怎样主导自己客房价格，统筹客房数量的分配，属于一个典型的主从Stackelberg博弈问题。

目前，针对酒店和OTA客房定价策略的理论研究主要集中在三个方向：第一，对收益管理竞争定价决策问题的研究。结合酒店客房、手机等价值易逝类产品特点，对收益管理过程中企业和顾客之间定价主导权的机理进行了研究[2-3]。第二，关于酒店与OTA合作经营过程中定价主体的研究。例如，以OTA为定价的主导方，研究OTA和酒店合作过程中客房批发价的最优叫价策略，为OTA和酒店共同经营旅游产品套餐提供建议[4];以酒店方为定价的主导方，研究酒店和OTA合作情况下的最优定价策略[5-7]，即存在Nash 均衡点集的本质连通区[8]。第三，关于酒店与OTA合作过程中的价格冲突研究。鉴于OTA和酒店的不同盈利模式，OTA提供的房价往往比酒店官方网站的价格更优惠，从而造成酒店自身价格体系与OTA在线价格体系的冲突与紊乱。调节和缓和酒店与OTA之间的这种价格冲突与矛盾就成为专家学者研究的主题[9-11]。本文在上述研究的基础上，应用Stackelberg博弈模型[12-14]，以酒店和OTA分别作为博弈的主导方（主方）和跟随方（从方），构建博弈模型，对酒店和OTA在零售与代售两种模式下的收益状况进行了对比实证研究。

一、酒店与OTA旅游企业之间的主从Stackelberg模型

（一）假设条件

Stackelberg博弈的各方均以追求自身利益最大化为目标，是具有独立决策权的决策者。本文研究一个酒店与一个OTA企业之间关于价格与客房批发量之间的博弈关系。酒店确定客房批发价，OTA企业确定零售价。本文给定四个假设条件：第一，市场实际需求符合一般需求分布函数，即需求量是零售价格的单减函数;第二，从经济人假设出发，酒店和OTA企业都追求自身经济利益最大化，都有自己的决策权，并且所有的决策成员都是风险中性的;第三，仅考虑单一客房定价，不考虑替代产品以及价格随着时间变化而出现的变动;第四，不考虑客房库存。

（二）定价决策过程

定价决策过程如下：酒店先给出OTA企业的产品批发价格，OTA企业根据自己获得的批发价，从实现自身利益最优出发，确定零售价。由于需求满足需求函数，因而此零售价下对应的市场需求量便能确定，OTA企业再将需求量信息反馈给酒店，最后酒店确定一个对其最优的批发价格。这样的重复动态博弈过程称为Stackelberg主从博弈，酒店作为博弈中的主导者，OTA为跟随者，酒店能观察到OTA企业的决策行为，在博弈中處于有利地位。但酒店并不能完全控制OTA企业的决策行为，OTA企业也追求自身利益最大化。

（三）决策模型

对于酒店和OTA企业之间的决策过程可采用双层规划来建模，其中模型参数及变量说明如下。

酒店配给OTA企业的客房数量为[q];酒店提供客房服务的边际成本为[c0];酒店给OTA企业的客房批发价（wholesale price）为[pw];OTA企业的零售价格（retail price）为[pr]。

OTA企业对应的市场需求量：[D=D（pr）]，由于需求量是零售价格的单减函数，那么[D=D（pr）=D0-kpr（k>0）]。其中，[D0]是市场的最大需求量;[k]是价格敏感系数，即市场需求与价格之间的相关系数。

基本约束条件为：

酒店的最大供应量限制：[qqOTA]。其中，[qOTA]为酒店预留给在线销售渠道最大客房数量。

酒店批发价格限制：[pwpwpw]。其中，[pw]和[pw]分别对应酒店给OTA的最低和最高批发价格。OTA企业的零售价格应该高于酒店客房批发价格：[pr>pw]。本文中假定零售价是在批发价的基础上调整，是批发价的倍数比，即[pr=λpw]，其中[λ>1]。

酒店为了保持与OTA企业的合作关系，酒店应保证对OTA企业给予最低客房配额[q]，即：[qq]。

不考虑酒店在博弈系统外自己销售的客房数量，酒店配给OTA的客房数量等于市场需求量，即[q=D（pr）]。

1.零售模式下单体酒店和一个OTA企业之间Stackelberg非合作博弈模型

零售模式下，酒店和OTA之间的合作是酒店为主导，OTA企业为跟随的一个动态非合作博弈情况。这种情况下酒店按照一定的批发价提供给OTA旅游企业一些客房，交由OTA平台按照零售模式销售。OTA以零售价和批发价之间的差距获取利润，不向酒店收取佣金。这种情形下的Stackelberg最优解为均衡解。

此时的[pr′]或[pw′]不但是可使酒店和OTA组成的供应系统总利润最大化的价格，也是酒店和OTA雙方利益最大化的价格方案。但是，由于两者之间都作为理性的经济人，在合作条件发生变化后，都会因追求自身利益最大化而退出合作，从而伤害合作方的利益。

二、算例分析

假设酒店A（虚拟）和OTA企业B（虚拟）之间有客房合作关系。2017年当地市场需求量[D=30 000-50×p]， 即[k=50、D0=30 000]，酒店销售一间客房的边际成本[c0=30元/间]，佣金比例系数[μ=10%]。

在零售非合作博弈过程中，根据公式（9）和公式（10），酒店A批发价格为315元/房晚，OTA企业B会将零售价定会为457.5元/房晚。带入公式（5）和公式（6），酒店A的收益为2 030 625元，OTA企业B的利润为1 015 312.5，其总收益为3 045 937.5元。

在代销合作博弈中，根据公式（14），如果酒店和OTA能将零售价协商为315元，根据公式（13），总收益可以达到4 061 250元，远大于非合作博弈情况下的总收益3 045 937.5元。这样就给酒店和OTA企业留下了充足的利润分享空间。

三、结论

（一）零售和代销模式下，酒店与OTA系统总利润都只受零售价影响，与批发价无关

在零售非合作博弈中，酒店和OTA的共同利益是公式（5）和公式（6）相加，得到系统利润之和[maxΦ=（pr-c0）（D0-kpr）]，在代销合作博弈下酒店与OTA利益之和如公式（13）形式方面一致。虽然两种情形下总利润形式一致，但是因为两种情形下的零售价格不一致，所以实际的总利润会不相同。但是，两种情形下的总利润都与批发价[pw]无关，但都与零售价有关。

（二）代销佣金模式中，系统最优合作价格与佣金系数无关

如公式（14）所示，系统利润最大时的最优合作价格是[pr′=pw′=D0+kc02k]，与佣金系数[μ]无关。所以，酒店与OTA代销合作过程中，确定合理的零售价不但使酒店收益最大，OTA旅游企业获利也会最大，其中系统最优零售价[D0+kc02k]是酒店和OTA双方合作博弈中利益最大化的一个重要参照。但是，如果酒店和OTA企业任何一方单边变化价格，则系统的总体利润将受到影响。

（三）代销合作博弈中系统的总收益大于零售非合作博弈系统的总收益

代销合作博弈系统中，由于零售价和批发价都由酒店来定，OTA只是收取佣金，所有具有定价权的酒店完全可以将零售价定的高一些。零售非合作博弈中，酒店制定批发价，OTA企业制定零售价，因为两者相互牵制，所有OTA的零售价不会制定得过高（有时候甚至会低于批发价），这样导致代销合作时的零售价一般会大于零售非合作时的零售价。根据[maxΦ代销合作-maxΦ零售非合作=（pr代销-c0）（D0-kpr代销）-]

[（pr零售-c0）（D0-kpr零售）0]，所以，代销合作博弈中系统的总收益要大于零售非合作博弈系统的总收益。

四、研究展望

本文主要讨论了一个酒店与单一OTA在零售和代销两种销售模式下主从博弈定价的决策模型。但是，现实的定价博弈决策过程中，一般会是多个酒店和多个OTA之间的博弈，他们之间的博弈过程会更加复杂，未来对这种复杂博弈决策的研究会更加接近定价决策工作实际。

参考文献：

[1] 艾瑞咨询. 2016年中国在线旅游市场交易规模突破6000亿[EB/OL].（2017-01-06 ）[2020-10-11].http：//www.askci.com/news/hlw/20170106/14270386629.shtml.

[2] 杨慧，周晶.收益管理竞争定价的决策机理分析[J].南京理工大学学报，2008，21（1）：50-54.

[3] 郭昆健，高赐威，林国营，等.现货市场环境下售电商激励型需求响应优化策略[J].电力系统自动化，2020（15）：28-35.

[4] DONG Y， LING L，GUO X. Travel package modeling： optimal bidding strategy of tour operator to cooperative hotels[J]. Asia Pacific Journal of Tourism  Research， 2014，19（12）：1417-1440.

[5] GUO X， LING L， DONG Y， et al. Cooperation contract in tourism supply chains： the optimal pricing strategy of hotels for cooperative third party strategic websites[J]. Annals of Tourism Research， 2013（41）：20-41.

[6] LING L， GUO X，YANG C. Opening the online marketplace： an examination of hotel pricing and travel agency online distribution of rooms[J]. Tourism Management， 2014，45（12）：234-243.

[7] MYUNG E， LI L，BAI B. Managing the distribution channel relationship with e-wholesalers： hotel operators perspective[J]. Journal of Hospitality Marketing & Management， 2009，18（8）：811-828.

[8] 蔡江华，贾文生，刘露萍.一类主从博弈Nash 均衡点的存在性和稳定性[J].江西师范大学学报（自然科学版），2019（5）：277-281.

[9] MOROSAN C，JEONG M. Usersperceptions of two types of hotel reservation Web sites[J]. International Journal of Hospitality Management， 2008，27（2）：284-292.

[10] LAW R， CHAN I，GOH C.Where to find the lowest hotel room rates on the Internet？ the case of Hong Kong[J]. International Journal of Contemporary Hospitality Management ，2007，19（6）：495-506.

[11] XU L，HE P， HUA Z.A new form for a hotel to collaborate with a third-party web： setting online-exclusive-rooms[J].Asia Pacific Journal of Tourism research. 2014，20（6）：1-21.

[12] 劉志勇.Stackelberg搏弈特征的供应链均衡模型及协调研究[D].黑龙江：哈尔滨工业大学，2005.

[13]杨帆，赵静，刘伟玉.渠道竞争与品牌竞争共存时的Stackelberg定价博弈分析[J].天津工业大学学报， 2014（2）：70-75

[14] 戚湧，徐凤.基于演化博弈的互联网协调治理[J].南京理工大学学报，2016，40（6）：752-758.

责任编辑    徐    晶

Abstract： Under the background of mobile commerce，online travel agency （OTA） has developed rapidly. These third-party service platforms have gradually changed the booking mode of hotel rooms due to their features such as convenience， speed，and multiform options. The hotel and online travel agency （OTA） cooperation method is consistent with the characteristics of independent decision-making between the leader and the follower in the Stackelberg game. By constructing a Steinberger game pricing model for a hotel and a single OTA under the retail sales and agency sales model， we conclude that the optimal price of the overall system only matches the markets maximum demand and room price sensitivity coefficient during the game between the hotel and the OTA. The empirical results show that the total system revenue in the agency cooperation game is greater than the total revenue of retail non-cooperative game.

Key words： room pricing strategy; online  travel agency （OTA）; Stackelberg game