考虑反展厅效应的竞争性双渠道定价决策研究

摘 要：研究考虑反展厅现象的家居行业的双渠道定价决策和服务努力问题，构建集中决策和分散决策两种博弈模型，比较分析了反展厅效应和市场份额对制造商和零售商影响。研究表明：反展厅效应很强或很弱，利于集中决策模式下的供应链总利润;反展厅效应加剧了分散决策模式下双方的价格竞争;当制造商和零售商的市场份额存在较大差异，集中决策模式下的供应链总利润更大;在分散决策下，当市场份额均处于较低水平时，制造商和零售商均能获得更大利润;在集中决策模式下的总利润大于分散决策模式下两方利润之和。

关 键 词：反展厅现象;渠道竞争;Stackelberg博弈;定价决策

DOI：10.16315/j.stm.2021.02.010

中图分类号： F224

文献标志码： A

Pricing decision of dual-channel competition in presence

of webrooming effect

YUAN Wen-wen

（Business School， Ningbo University， Ningbo 315211， China）

Abstract：Considering the dual-channel pricing decision and service effort problem of webrooming phenomenon in the household industry， we analyze the influence of the webrooming effect and market share on manufacturers and retailers respectively under centralized and decentralized decision game models. The research shows that when the webrooming effect is strong or weak， it is beneficial to the total profit of the supply chain under the centralized decision model. The webrooming effect intensifies the price competition between the two parties under the decentralized decision model. When there is a big gap between the market share of the manufacturer and the retailer， the profit of the supply chain under the centralized decision model is larger. Under the decentralized decision model， the manufacturers and retailers gain more profits when their market shares are at a lower level. The profit under the centralized decision model is greater than the sum of the two parties' profits under the decentralized decision model.

Keywords：webrooming; dual-channel competition; Stackelberg game; pricing decision

收稿日期： 2020-12-30

作者简介： 袁雯雯（1996—），女，硕士研究生.

中国消费者正在以惊人的速度全方位拥抱数字化，零售电商用户渗透率达到50%[1]。高度数字化的消费者获取了大量的信息，进化为更为精明和成熟的消费者。目前，越来越多成熟的消费者选择线上和线下渠道相互结合的方式进行购物，消费者产生的展厅行为（showrooming behaviors）和反展厅行为（webrooming behaviors）对渠道产生了影响[2]。在家居零售业中，消费者的反展厅行为尤其明显，消费者首先在线上平台搜索产品信息（尺寸、类型、颜色、价格等）并找到所需的产品，然后到实体商店中再次确认产品信息并最终完成购买[3-5]。例如，美国家居电商Wayfair通过统计发现在公司的网站访客中，有99%的消费者并不购买任何产品。大多数访客借助Wayfair网站信息，与自己心仪商品进行研究和对比，查看产品图片和价格，最终选择在线下实体店购买。消费者的反展厅行为造成线上和线下渠道冲突，加剧渠道竞争，不利于供应链有效运营;因此，本文研究在反展厅效应下，线下渠道对于线上渠道决策的影响，即考虑由制造商付出的服务努力对线下零售商的反展厅效应对于制造商和零售商的定价、利润和需求等的影响。

目前，学者们更多关注消费者的展厅行为而很少关注反展厅行为对零售商的影响。研究更多关注消费者的展厅行为和反展厅行为对线上和线下双渠道零售商的定價、质量、竞争策略、服务策略等产生影响。渠道零售商如何应对展厅效应和反展厅效应带来的影响成为了双渠道供应链零售商关注问题。Jing[6]研究发现展厅效应加剧了线上、线下渠道的竞争，降低了利润;降低消费者的搜索成本可能会加剧展厅现象，降低传统零售商中间搜索成本的利润。刘晓峰[7]利用豪泰林模型构建只有实体零售商提供服务，网络零售商不提供服务的线上和线下两类零售商效用函数，研究表明消费者渠道转化行为会对线下实体零售商造成负面影响。马德青[8]认为展厅行为会挫伤实体店提供服务的积极性，降低品牌商誉，从而损害制造商和实体店的利润水平;而消费者的这种搭便车行为会提高电商平台利润，但由于参考质量效应的存在，其提升空间有限。Li等[9]探究了展厅效应下的展示信息对线上和线下零售商定价决策的影响，认为展厅行为可能对拥有线下商店的制造商有利，而不利于在线零售商。当示范信息水平为中等时，制造商最好选择不示范策略，而在线零售商将选择非展厅策略。相反，Basak等[10]研究认为传统零售商和线上零售商的利润随展厅效应增强而减少，进一步发现较低水平的展厅效应对两个零售商都有利。从消费者角度考虑，展厅效应有利于降低销售价格。刘灿等[11]认为展厅效应的增强不仅不会诱导制造商降低线上价格和抑制零售商提供服务的积极性，还能缩小渠道间价差，进而减少由价格竞争导致的需求转移。Kuksov等[12]研究表明当制造商和零售商存在内生的契约，消费者的展厅行为会增加B&M零售商的利润。Mehra等[13]探究线下实体零售商采用价格匹配策略应对展厅效应，结果表明零售商采用价格比配策略能比消费者展厅行为能有利于消费者的决策。

以上大部分都是关于展厅效应和消费者展厅行为的研究，采用实证和建模等方法研究展厅效应对制造商和零售商的定价决策、服务努力、需求和利润等的影响，以及产品的质量，信息披露等策略影响。小部分研究采用实证方法分析消费者行为特征对反展厅效应的作用，包括消费者在购物过程中的反展厅行为，探究了消费者受到正面的在线评论和接触动机的影响。研究结果表明线上搜索与线下购买相结合，可以改善消费者在选择前变量（即购买意向）、选择后变量（即搜索过程满意度和选择信心）上的购买体验。此外，阅读网上顾客的正面评价会影响选择信心，以及在实体店收到评价时研究中考虑的所有变量。全渠道消费者的展厅和反展厅行为对社交媒体上用户自创内容创造意愿有正向影响。刘金荣等[14]等通过效用函数分别构建单一网络渠道和“网络+实体”渠道下零售商开设展厅（showrooms）的模型，结果表明单一网络渠道下，网络渠道价格固定时，开设showrooms可使市场总需求增加，总利润在展厅运营成本较低时增加; “网络+实体”渠道下，开设Showrooms可使总需求和总利润均在展厅运营成本较低及网络退货率和网购不便利成本较高时增加。Sun等[15]进一步研究探讨网络零售商在面对消费者反展厅行为时，是否会引入虚拟展厅的渠道策略;研究表明消费者的反展厅行为的频繁程度取决于浏览网页的麻烦成本高低，在消费者对旅行成本敏感度较低的情况下，网络零售商引入网络展厅是有利的。孙朝苑等[16]研究了以制造商为渠道领导，开通线上直销渠道给线下传统零售商带来定价和服务的竞争。

目前，对于制造商（线上渠道）如何应对消费者反展厅行为带来的反展厅效应，如何制定自己的努力、定价决策以及制造商和零售商（线下渠道）在什么情况下，能够有效应对反展厅效应的相关研究文献较少;因此，在上述研究的基础上，本文研究的重点是考虑由1个拥有线上直销渠道的制造商和1个线下销售渠道的零售商组成的双渠道供应链，构建Stackelberg博弈模型，分别讨论制造商和零售商集中决策和分散决策下，存在反展厅效应的制造商和零售商最优定价、服务决策以及利润情况。

1 问题描述

考虑由1个拥有线上直销渠道的制造商和1个线下销售渠道的零售商组成的双渠道供应链，如图1所示。构建Stackelberg博弈模型，制造商为渠道领导，零售商为追随者。决策顺序为首先，制造商拥有线上销售平台，以销售价格pm将产品直接销售给消费者，并以批发价格w将产品卖给线下的零售商。然后零售商以销售价格pr将产品销售给消费者。为了应对线下零售商的挑戰，制造商的线上渠道服务努力为s，服务努力主要包括线上零售商为了获得线上产品评价信息而向消费者付出的相关努力，以及线上获取售后信息平台建设的投入等[17]。不失一般性，假设制造商服务努力s与服务努力成本C（s），满足以下关系[18-19]：C（s）/s>0，2C（s）/s2>0，C（s）=s2/2。假设制造商提供的服务努力促进线上渠道需求，由于消费者反展厅效应，线下渠道的需求也会部分受到线上服务努力影响进而促进需求，即反展厅效应消费者通过线上渠道了解分析完产品信息后转移到线下零售渠道购买。由此，得到制造商线上渠道、线下零售商渠道的需求分别为

dm=εa-bpm+cpr+βs，（1）

dr=（1-ε）a-bpr+cpm+（1-β）s。（2）

式中：ε表示制造商线上渠道的占有市场的份额，0<ε<1，1-ε表示零售商线下渠道的占有市场的份额，a表示产品的总体市场规模;b表示需求对自身价格的敏感系数，b>0;c表示需求对竞争方价格的敏感系数;β表示服务努力的y有效比率;1-β表示由制造商线上服务努力对零售商线上渠道需求的“反展厅效应”;（1-β）s表示受到线上服务努力对线下零售商增加需求，即反展厅效应下，从线上服务努力对线下渠道的需求增长。下标m和r分别表示制造商和零售商，上标C，D分别表示集中决策下、分散决策下的场景。为了使得研究具有现实意义，假设满足pm>w，pr>w。同时，制造商和零售商的利润函数分别为

同时，为了便于分析，假定制造商生产单位产品的总成本（包括固定成本和变动成本）为零[20]。

2 模型求解与分析

考虑制造商与线下零售商双渠道竞争的Stackelberg博弈模型，其中制造商是渠道领导者，零售商是追随者，并探究集中决策（模型C）和分散决策（模型D）下的制造商和零售商的最优决策，比较模型C与模型D中的最优解。

2.1 集中决策模型（模型C）

集中决策是指制造商和零售商作为决策整体，共同决策。在集中决策模型下，假设供应链系统以总体利润最大化为目标进行决策，供应链系统共同决定线上零售价pm和线上服务水平s，以及线下零售价格pr。由式（3）和式（4）得到供应链系统的利润函数为

定理1 在满足4b2-2b-4c2>0，b>c>0条件下，集中决策下，双渠道供应链中制造商和零售商的最优决策分别为

其中：β（1-β）+2c=M;（1-β）2-2b=N。

证明 利用Hessian矩阵证明，一阶导数下求得的pmC，prC，sC为最优解。首先，对Π（pr，pm，s）关于pr，pm，s求二阶偏导，得到如下的Hessian矩阵表达式：

易知，2Π/pr2=-2b<0，即b>0;4b2-4c2=4（b2-c2）>0，得到b-c>0;-4b2+4cβ（1-β）-[-2b（1-β）2-4c2-2bβ2]=-4b2+4cβ（1-β）+2b（1-β）2+4c2+2bβ2的正负情况难以直接判断，因此针对β展开讨论。令f（β）=-4b2+4cβ

（1-β）+2b（1-β）2+4c2+2bβ2，然后对函数f（β）求一阶导，得到f′（β）=4c（1-2β）-4b（1-β）+4bβ=4（c-b）（1-2β），由于b-c>0。基于上述情况，讨论（1-2β）的情况，当1-2β<0，即β（1/2，1]时，f′（β）>0，函数单调递增，那么要求f（1）=-4b2+4c2+2b<0;当1-2β≥0即β（0，1/2]，

f′（β）<0，函数单调递减，那么要求f（0）=-4b2+2b+4c2<0。因此，当-4b2+2b+4c2<0时，

Hessian矩阵H为负定矩阵，在G（p*r，p*m，s*）点处，利润函数存在最优值。

通过上述分析可以看出，由于集中决策下系统利润函数较为复杂。利润函数Π（pr，pm，s）可能存在多种解，影响解的因素主要有需求对价格的敏感系数b，需求对竞争方价格的敏感系数c，制造商服务努力的效率β。证毕。

2.2 分散决策模型（模型D）

在分散决策模型中，假定制造商和零售商都以各自利润最大化为目标进行决策。根据Stackelberg博弈，制造商为领导者，零售商为追随者。决策顺序为首先制造商制定产品的批发价w、线上渠道零售价pm和线上服务水平s;然后根据制造商的决策，零售商制定其线下渠道零售价格pr。其中，制造商和零售商的利润函数分别为

定理2 当满足2（-b2+c2）+b×（b+c）/（3b-c）<0，b>c>0条件;且β（L1，L2）∩[0，1]存在时，分散式决策下，双渠道供应链中制造商和零售商的最优定价决策分别为：

其中，（1-β）c+βb=E;b2-c2=F。

证明 首先对式（7）求一阶导得到pr，将求得的pr代入到式（6）中。对式（8）关于pm，w，s求导。其次，对求得的一阶导，关于pm，w，s再求导。得到Hessian矩阵H如下，

因为，（-2b2+c2）/b<0，得到c2<2b2，即c<2b;2b2-2c2>0，即c

设函数f（β）=2（-b2+c2）+2β×（1-β）c+bβ2+（b2+c2）×（1-β）2/2b。对函

数f（β）求一阶导，得到f′（β）=-（b-c）2/b+（2b-c）2×β/b，进一步讨论f′（β）的大小。计算得到函数f（β）在β（0，（b-c）/（3b-c）]单调递减，在β（（b-c）/（3b-c），+SymboleB@）单调递增。要使得Hessian矩阵要负定，则需要限定β的范围。β=（b-c）/（3b-c）是函數f（β）的极小值点，且f（（b-c）/（3b-c））=2（-b2+

c2）+b×（b+c）/（3b-c）<0。设L1、L2是f（β）=0时的两个解，

L1（-SymboleB@，（b-c）/（3b-c）），L2（（b-c）/（3b-c），+SymboleB@）。最后，当β（L1，L2）∩[0，1]存在，则满足Hessian矩阵负定，那么分散渠道下的定价是唯一最优解，反之，则不存在唯一最优解。证毕。

3 数据仿真与分析

由于模型设计时引入了多个变量和常量，难以直接进行比较，因此通过数据仿真方法分析研究不同决策场景下最优决策情况，探究反展厅效应和市场份额对制造商和线下零售商的影响。

3.1 反展厅效应的影响

3.1.1 集中决策的反展厅效应分析

为了直观地揭示集中决策模型中反展厅效应与决策变量pr，pm，s以及供应链利润的关系。在满足定理1限制条件下，赋值ε=0.5，a=10，b=0.6，c=0.1，取β在[0，1]间变化，采用Excel数值计算的方法得到数据，如表1所示。根据定理1通过Matlab绘制关系图，如图2、图3、图4和图5所示。

由表1和图2可知，集中决策下反展厅效应分别对制造商和零售商定价的影响。参数β从0到1表示反展厅效应由强到弱变化;当β=0.5（虚线）时，是中轴线，表示制造商和零售商价格这两条线关于中轴线对称。

随反展厅效应减弱，零售商价格降低，随着展厅效应减弱，零售商价格提高。在区域一内，零售商价格高于制造商价格;在区域二内，制造商价格高于零售商。随着反展厅效应从强到弱变化，零售商和制造商的定价决策进行了反转。这说明在集中决策下，制造商和零售商的定价是互补的。当β=0.5时，对消费者最有利。

由表1和图3可知，集中决策下反展厅效应分别对制造商和零售商需求的影响。参数β从0到1表示反展厅效应由强到弱变化;当β=0.5（虚线）时，是中轴线，表示制造商和零售商需求线关于中轴线对称。

由图2可知随着β增大，制造商价格提高，其需求也随之增大。这说明当反展厅效应减弱（即消费者无法利用反展厅行为来帮助决策），那么制造商的线上服务努力促进线上渠道需求。相对地，线下零售商由于无法提供像线上渠道同等服务努力，在反展厅效应变弱过程中，其定价和需求都下降了。随着β减少，零售商价格提高，其需求也随之增大。这说明当反展厅效应增强（即消费者利用反展厅行为来帮助决策），那么制造商的线上服务努力促进线下零售商的需求，提高线下零售商的定价。

由表1和图4可知，集中决策下反展厅效应分别对制造商服务努力的影响。由表1和图5可知，集中决策下反展厅效应供应链总利润的影响。当β由中心向两边增加或减少，服务努力增加，供应链总利润增加。这说明对供应链整体来说，反展厅效应很强或很弱都有利于整体利润，反而，当反展厅效应很适中最不利于集中决策下的总利润。原因是当β=0.5时，制造商和零售商制定相同低水平定价，拥有相同低水平需求，另外制造商投入最低水平的服务努力，综合造成总利润最低。

通过以上分析可以看出，在集中决策下，反展厅效应很强或很弱对供应链整体绩效有利，反而当反展厅效应处于适中水平时，最不利于整体决策和利润;因此，当制造商和零售商识别出消费者的反展厅效应很强时，制造商和零售商选择适合的定价，制定最优的服务努力，以获得最大利润。

3.1.2 分散决策的反展厅效应分析

为了揭示分散决策模型中反展厅效应与决策变量的关系，赋值ε=0.5，a=10，b=0.6，c=0.1，取β在[0，1]间变化，通过Excel计算数据，如表2所示。通过变动参数β，分析β与决策变量（pr，pm，s，w），利润函数（Πm，Πr）以及需求函数（dm，dr）之间的关系。通过数据分析发现，只有当β的取值在阈值[0.464，0.546]内，决策变量才有意义。根据定理2，采用Matlab仿真方法，绘制关系图，如图6、图7、图8、图9和图10所示。

由表2和图6可知，分散决策下，反展厅效应分别对制造商和零售商定价的影响。由图7、图8、图9和图10可知分散决策下，反展厅效应分别对制造商和零售商需求，制造商服务努力和批发定价以及制造商和零售商利润的影响。在阈值内，随着反展厅效应减弱，零售商价格变动幅度不明显，制造商的价格明显增加，这说明反展厅效应对制造商的影响更明显，即制造商对反展厅效应的更具调节性。与集中决策不同，随反展厅效应减弱，制造商和零售商的需求都减少了，制造商的需求减弱更剧烈。分散决策下，制造商和零售商的需求和价格符合供求关系，价格越高，需求越少，反之亦然。零售商价格普遍高于制造商的价格。随反展厅效应减弱，制造商减少服务努力投入，同时提高批发价格。零售商的利润呈线性下降，制造商的利润呈抛物线状——先增后减，在某个范围内，制造商的利润超过零售商的利润，但是普遍情况下，零售商的利润高于制造商。在分散决策下，对制造商而言，应采用合理定价和服务策略，调整反展厅效应，使其处在中间水平。较高的反展厅效应和较低的反展厅效应都不利于制造商利润。对零售商而言，较低水平的反展厅效应对其利润更有利，但是零售商对反展厅效应的调节没有明显优势。

比较集中决策和分散决策，可以发现反展厅效应对分散决策的影响更大，反展厅效应对制造商影响强于零售商。随着反展厅效应的减弱，集中决策下的制造商和零售商的最优价格变化程度强于分散决策。分散决策下，反展厅效应加剧了双方的价格竞争。从制造商角度，分散决策不利于制造商有效运营线上渠道。应对反展厅效应的最佳策略是采用集中决策，联合线下零售商，共同决策。从零售商角度，虽然反展厅效应对其负面影响弱于制造商，但是相较于集中决策，零售商和制造商的总利润明显减少。因此从零售商和制造商角度，集中决策明显优于分散决策。例如传统实体零售商宜家家居也战略性地增设了线上渠道，帮助线下零售商销售，促进整体利润，帮助应对家居行业的反展厅效应。

3.2 市场份额的影响

3.2.1 集中决策下市场份额的影响

为了直观理解集中决策模型中市场份额ε对制造商和零售商的影响，本文采用数值仿真的方法进行分析，赋值a=10，b=0.6，c=0.1，β=0.5，取ε在[0，1]间变化，通过Excel计算得数据，如表3所示。通过变动参数ε，观察分析ε与决策变量（pr，pm，s），需求函数（dm，dr） 以及供应链利润的关系。根据定理1，采用Matlab仿真方法，绘制关系图，如图11、图12和图13。

由表3和图11可知集中决策下市场份额分别对制造商和零售商定价的影响。由图12、图13集中决策下市场份额对制造商和零售商需求和供应链总利润的影响。可知，参数ε从0到1表示制造商市场份额逐渐增大;当ε=0.5（虚线）时，是中轴线，表示制造商和零售商价格关于中轴线对称。随着制造商市场份额的增加和零售商市场份额的减少，制造商的服务努力不随市场份额的增大而改变，制造商价格增加同時需求增加，零售商价格和需求都均匀地下降。区域1内，零售商价格高于制造商，零售商需求大于制造商需求;区域2内，制造商价格高于零售商，制造商需求大于零售商;因此，在集中决策下，当制造商和零售商的市场占有率存在较大差异，这种情况下供应链采取差异化定价，供应链总利润更大。相反，当制造商和零售商的市场占有率相接近时，供应链的线上线下定价相接近，供应链利润较小。为供应链总体利润最大化，当制造商和零售商市场份额相接近时，应该采用不同服务努力策略，提高或者降低线上需求，使得线上线下市场份额出现较大差异，来保障供应链总利润最大。

3.2.2 分散决策下市场份额的影响

为了直观理解集中决策模型中市场份额ε与制造商和零售商的决策变量pr，pm，s等之间的关系。赋值a=10，b=0.6，c=0.1，β=0.5，，取ε在[0，1]间变化，通过Excel计算得数据，如表4所示，通过变动参数β，分析β与决策变量（pr，pm，s，w），利润函数（Πm，Πr）以及需求函数（dm，dr）之间的关系。最后，数据分析发现，只有当ε的取值在阈值[0，0.682]内，决策变量才有意义。根据定理2，采用Matlab仿真的方法，绘制关系图，如图14、图15、图16和图17所示。

由图14和表4可知分散决策下市场份额分别对制造商和零售商定价的影响。由图15，图16，图17可知分散决策下市场份额与需求、服务努力和利润的关系。在分散决策下，市场份额存在阈值限制，当制造商市场份额超过阈值范围，制造商利润为负，无法进行有效运营。在阈值范围内，随着制造商市场份额的增大和零售商市场份额的减少，制造商服务努力呈线性增加;制造商和零售商的价格都增加，且零售商定价高于线上制造商定价;制造商和零售商的需求均增加了，且制造商的需求增度更大。制造商的价格和需求的增幅更大，这表明制造商受市场份额影响更明显。站在各自利润角度，可以发现制造商的利润呈现出先增大后减少的趋势，零售商利润为线性缓慢增加;在区域1内，制造商利润大于零售商;在区域2内出现反转，零售商利润高于制造商。当制造商市场份额很大时，反而制造商的利润不如其在市场份额占比小这种情况下的利润。其原因可能是：在高市场份额情况下，制造商需要投入更大的服务努力，进而增加了成本;在分散决策下，制造商采用“高定价、高需求、高成本”的策略，在高市场份额情况下不占优势;因此，在分散决策下，制造商应该采用合理的定价和服务策略，来控制自身的市场份额处于相对低水平，进而制造商利润处于较高水平。对零售商而言，当制造商的市场份额处于较高水平时，其能获得更高的利润。零售商也采取合理定价策略，保证自身的市场份额处于相对低水平，进而获得更高利润。

比较集中决策和分散决策模式下，市场份额对制造商和零售商的影响。可以得出以下几点结论：从总体利润看，集中决策更占优势。从消费者角度，也是集中决策更有利;分散决策加剧了制造商和零售商之间的竞争;集中决策不改变整体市场规模大小。换句话说，集中决策限制了总体市场的发展，没有潜在消费者会进入市场。

4 结论

本文针对家居行业存在的反展厅效应对线上和线下零售商产生影响。本文分别构建了制造商为Stackelberg领导下的制造商开设线上渠道与线下零售商渠道的双渠道竞争，讨论了在集中决策和分散决策下制造商和零售商各自的最优定价决策，求得最优需求、服务努力、批发价格和利润。本文分析了反展厅效应和市场份额对供应链系统的影响，并提出相对应的管理策略。本文的研究得到以下几点重要结论：一是集中决策下，反展厅效应很强或很弱都有利于供应链总利润，当反展厅效应很适中最不利于集中决策下的总利润;因此，当制造商和零售商识别出消费者的反展厅效应处于较高和较低水平时，制造商和零售商选择适合的定价，制定最优的服务努力，以获得最大利润。消费者的反展厅效应处于中间水平时，制造商应该改变服务努力和定价策略调整反展厅效应，使反展厅效应处于较高或较低水平，进而提高供应链总体利潤。二是分散决策不利于制造商有效运营线上渠道。反展厅效应加剧了双方的价格竞争。应对反展厅效应的最佳策略是采用集中决策，联合线下零售商，共同决策，或者增设线下零售店。三是在集中决策下，当制造商和零售商的市场占有率存在较大差异，这种情况下供应链采取差异化定价，供应链总利润更大;当制造商和零售商的市场占有率相接近时，应该采用不同服务努力策略，提高或者降低线上需求，使得线上线下市场份额出现较大差异，来保障供应链总利润最大。四是在分散决策下，制造商应该采用合理的定价和服务策略，来控制自身的市场份额处于相对低水平，进而制造商利润处于较高水平。对零售商而言，零售商也采取合理定价策略，保证自身的市场份额处于相对低水平，进而获得更高利润。五是从供应链利润最大化角度，集中决策普遍优于分散决策，但是集中决策不利于市场的发展。本文提出如下建议：线下传统的家居零售商可以开通线上销售渠道。在集中或者分散决策下，传统线下家居企业可以制定有效的定价策略。结论表明集中决策模式不仅有利于线下零售商提高整体利润，而且能帮助零售商更好的拥抱全渠道。

参考文献：

[1] 阿里研究院.数据生产力崛起：新动能+新治理[R].杭州：阿里研究院，2020：24

[2] ARORA S，SAHNEY S.Webrooming behaviour：a conceptual framework[J].International Journal of Retail & Distribution Management，2017，45（7）：762.

[3] FLAVIAN C，GURREA R，ORUS C.Choice confidence in the webrooming purchase process：The impact of online positive reviews and the motivation to touch[J].Journal of Consumer Behaviour，2016，15（5）：459.

[4] FLAVIAN C，GURREA R，ORUS C.Combining channels to make smart purchases：The role of webrooming and showrooming[J].Journal of Retailing and Consumer Services，2020，52：1.

[5] KANG J Y M.Showrooming，webrooming， and user-generated content creation in the omnichannel era[J].Journal of Internet Commerce，2018，17（2）：145.

[6] JING B.Showrooming and webrooming：information externalities between online and offline sellers[J].Marketing Science，2018，37（3）：469.

[7] 刘晓峰.基于消费者转换行为的线上线下产品定价策略研究[J].管理科学，2016，29（2）：93.

[8] 马德青，胡劲松.消费者展厅行为和参考质量效应对O2O供应链动态运营策略的影响[J].中国管理科学，2020：1.

[9] LI Y，LI B，ZHENG W，et al.Reveal or hide？Impact of demonstration on pricing decisions considering showrooming behavior[J].Omega，2020：102329.

[10] BASAK，S，BASU P，AVITTATHUR B，et al.A game theoretic analysis of multichannel retail in the context of “showrooming”[J].Decision Support Systems，2017，103：34.

[11] 刘灿，但斌，张旭梅，等.存在展厅效应的双渠道供应链协调策略研究[J].计算机集成制造系统，2018，24（4）：1017.

[12] KUKSOV D，LIAO C.When showrooming increases retailer profit[J].Journal of Marketing Research，2018，55（4）：459.

[13] MEHRA A，KUMAR S，RAJU J S.Competitive Strategies for Brick-and-Mortar Stores to Counter“Showrooming”[J].Management Science，2018，64（7）：3076.

[14] 刘金荣，徐琪.全渠道零售下“showrooms”对需求分布、定价和收益的影响研究[J].中国管理科学，2019，27（12）：88.

[15] SUN Y，WANG Z，HAN X.Supply chain channel strategies for online retailers：Whether to introduce web showrooms？[J].Transportation Research，2020，144：102.

[16] 孫朝苑，乔英英.服务竞争下的双渠道供应链定价策略研究[J].科技与管理，2016，18（5）：17.

[17] LI G，Li L，SUN J.Pricing and service effort strategy in a dual-channel supply chain with showrooming effect [J].Transportation Research Part E：Logistics and Transportation Review，2019，126：32.

[18] YAO D Q，LIU J J.Competitive pricing of mixed retail and e-tail distribution channels[J].Omega，2005，33（3）：235.

[19] 张柯檬，李贵萍.考虑保鲜努力水平影响的生鲜电商定价与订货策略[J].科技与管理，2020，22（3）：103.

[20] TELSER L G.Why should manufacturers want fair trade II[J].Journal of Law & Economics，1990，33（2）：409.

[编辑：厉艳飞]

n?b= N ??? ??2 ='font-family：宋体; mso-bidi-font-family：宋体'>

[15] SUN Y，WANG Z，HAN X.Supply chain channel strategies for online retailers：Whether to introduce web showrooms？[J].Transportation Research，2020，144：102.

[16] 孙朝苑，乔英英.服务竞争下的双渠道供应链定价策略研究[J].科技与管理，2016，18（5）：17.

[17] LI G，Li L，SUN J.Pricing and service effort strategy in a dual-channel supply chain with showrooming effect [J].Transportation Research Part E：Logistics and Transportation Review，2019，126：32.

[18] YAO D Q，LIU J J.Competitive pricing of mixed retail and e-tail distribution channels[J].Omega，2005，33（3）：235.

[19] 张柯檬，李贵萍.考虑保鲜努力水平影响的生鲜电商定价与订货策略[J].科技与管理，2020，22（3）：103.

[20] TELSER L G.Why should manufacturers want fair trade II[J].Journal of Law & Economics，1990，33（2）：409.

[编辑：厉艳飞]