电子商务模式下易腐农产品的定价与库存联合决策

张名扬 郭健涛 于欣格

摘 要：随着互联网的高速发展，电子商务平台已经成为越来越多产品的主要销售渠道。新冠肺炎疫情发生以来，人们减少外出，生鲜电商平台订单量激增。生鲜产品由于易腐的特性，其在销售和库存管理等方式上区别于普通产品，因此研究电商平台下易腐农产品的定价与库存联合决策十分必要。本文通过探讨电子商务平台与线下销售的不同，抽象出电子商务平台的特点，考虑网络扩散效应以及在线评论对消费者购买意愿的影响，又结合了农产品易腐的特性，构建了两阶段的需求函数。通过单一定价与动态定价两种策略，分别探讨了定价不受腐败程度影响以及随腐败程度变化的两种模式下零售商的最优决策。数值模拟对比了两种定价方式的优劣，为管理者提供决策建议。

关键词：易腐农产品;电子商务平台;定价与库存管理

中图分类号：F713.365文献标识码：A文章编号：1003 5192（2021）04-0032-06doi：10.11847/fj.40.4.32

Abstract：With the rapid development of the Internet， e commerce platforms have become the main sales channel for more and more products. Since the outbreak of COVID 19， people have reduced going out， and the volume of fresh food e commerce platform has surged. The perishable nature of fresh products makes it different from ordinary products in terms of sales and inventory management. Therefore， it is necessary to study the pricing and inventory decisions of agricultural perishable products on e commerce platforms. By discussing the differences between e commerce platforms and offline sales to abstract characteristics of e commerce platform， a two stage demand function is constructed taking into account the perishable characteristics of agricultural products， the network diffusion effect of e commerce platforms and the influence of online reviews on consumers willingness to purchase. The optimal decisions of retailers under two pricing strategies， fixed pricing and dynamic pricing， are explored separately. Numerical simulation methods are used to compare the advantages and disadvantages of the two pricing strategies， so as to provide managers with recommendations for decision making.

Key words：agricultural perishable products; e commerce platform; pricing and inventory management

1 引言

隨着互联网的高速发展，电子商务平台已经成为越来越多产品的主要销售渠道。农业经济也在“互联网+”的背景下逐渐走向了电子商务的道路。新冠肺炎疫情发生以来，人们减少外出，生鲜电商平台单量激增。易腐农产品，例如瓜果蔬菜等最大的特点就是保质期短。零售商要想赢得消费者的口碑，在行业中能够持续发展就必须保证在产品保鲜期内出售并送达。这样才能获得正向的在线评价，吸引更多的消费者购买，基于疫情催热的农产品电商消费习惯方可持续增长。因此易腐农产品在电商平台的定价以及库存联合决策变得尤为重要。

易腐类生鲜农产品区别于普通产品，具有易腐性，销售周期更短，因此其库存与定价也区别于一般产品。关于易腐农产品供应链的研究中，一部分学者侧重采购策略对零售商的影响，设计合理的契约协调供应链。但斌和陈军[1]用一个指数形式的新鲜度衰减函数， 研究了由一个分销商和一个零售商组成的生鲜农产品供应链协调问题。Cai等[2]考虑分销商在运输过程中的保鲜努力水平对生鲜产品的有效供给、新鲜度及市场需求的影响，以保鲜努力水平为决策变量，研究了分销商与生产商之间的协调问题。Huang等[3]为零售商设计了一种基于订货提前期的价格折扣机制，以降低生鲜农产品在流通渠道中的价值损耗，从而实现供应链协调。姚泽有[4]假设销售努力水平及退货价格与需求及退货具有相关性， 研究了回馈与惩罚策略如何实现易逝品供应链协调的问题。王冲和陈旭[5]针对生鲜农产品在流通中易腐的特性，引入期权合同工具，研究了单周期两阶段供应链协调问题。唐振宇等[6]研究了新鲜度信息不对称和成本信息不对称情况下，生鲜农产品供应链协调的问题。王道平等[7]研究了在产出不确定的情形下农产品供应链的协调问题，并设计了风险分担契约实现供应链的协调。但斌等[8]考虑生鲜农产品具有易损耗的特性，研究了产品价格信息不对称下批发市场运营商与批发商之间的协调问题。吴忠和等[9]针对由1个生产商和n个零售商构成的鲜活农产品供应链，在考虑损耗和新鲜度的影响下，研究收益共享契约如何协调供应链应对突发事件。也有一些学者关注三级农产品供应链的契约协调问题。林略等[10]针对一个供应商 分销商 零售商构成的三级供应链，考虑鲜活农产品损耗和新鲜度的影响，研究了不同决策情形下收益共享契约协调供应链成员的利润分配问题。随后，林略等[11]在变质率为时间线性减函数的假设下，为鲜活农产品设计了时间折扣契约实现供应链的协调。

另一部分关于易腐农产品供应链的研究是从产品定价和库存管理的角度进行的，侧重腐败率等各种因素对消费者需求的影响。大量的文献研究了易腐农产品传统销售渠道的最优定价与订货策略。Ghare和Schrader[12]最早研究了连续变质易腐品的订货策略，开发了一个易腐品的经济订货批量模型。Wee[13]对于该模型进行了扩展，提出变质率服从双参数的weibull概率分布，并影响消费者的需求。Chun[14]对易腐商品的单阶段定价和多阶段定价问题进行了研究。唐磊等[15]考虑消费者购买行为，建立了生鲜食品多阶段动态定价与订货模型，采用基于正负反馈机制的改进蚁群算法对模型进行求解。王婧和陈旭[16]针对生鲜农产品流通中数量和质量的双重损耗，研究了期权合同下单周期两阶段供应链的最优订货策略。张玲红等[17]针对短视和策略消费者，研究了两阶段动态定价和降价时点的易腐产品销售策略问题。李琳和范体军[18]针对生鲜农产品价值损耗对消费需求的影响， 对比分析固定价格策略、动态价格策略和考虑时点降价的定价策略对单周期零售商利润的影响。王磊和但斌[19]构建了零售商对生鲜农产品的定价模型，对零售商的最优定价与最优保鲜投入进行了研究。不同于一种商品的订货策略，邹广峻和傅少川[20]建立了随机需求下多品种连续变质的易腐品的联合补货模型，并采用泰勒展开与差分进化算法对模型进行求解。

随着生鲜农产品电商在中国的兴起，一些学者开始研究易腐农产品在电商平台的定价与订货策略。刘洋和王利艳[21]针对果蔬生鲜类农产品的价值衰减性，分别制定了单一线上、单一线下和O2O双渠道3种运作模式下零售商的最优定价与订货策略。周姝君[22]考虑到生鲜农产品新鲜度对消费者效用的影响，以最大化电商零售商利润为目标分析不同等级农产品的最优定价以及最优定价折扣。

综上可见，传统销售渠道下易腐农产品的定价与订货决策的研究相对成熟，学者开始考虑更多因素对管理者决策的影响。关于电子商务模式下易腐农产品的定价与订货决策的研究近年来也在逐渐增多，但目前没有研究考虑到电商平台特有的在线评论、扩散效应等对农产品销量的影响。因此，本文针对电商平台区别于传统销售的特点，考慮在线评论、扩散效应和歧视价格对消费者需求的正向和负向的影响，研究两阶段销售周期中易腐农产品在单一定价策略和动态定价策略下的最优定价与库存联合决策问题，为农产品电商经营决策提供理论支持。

2 模型建立

2.1 问题描述与符号说明

本研究考虑一种新上市易腐农产品在电商平台的两个销售阶段，第一阶段销售完成后，零售商处理剩余库存，入库新鲜的农产品，继续下一个阶段的售卖。在第一阶段，产品刚刚销售，电商平台没有该农产品的消费记录，消费者没有办法通过宣传图片像线下购买一样直观判断产品的新鲜程度进行购买决策。因此，产品的新鲜程度不会影响该产品第一阶段的需求。假设该易腐农产品第一阶段的需求函数为[23]

动态定价策略下零售商的最优定价与库存决策需要综合考虑动态定价策略对销量的正向和负向的影响：正向影响即动态定价策略可以提高消费者的满意度，从而增加好评率，促进下一阶段的销量;负向影响即第一阶段末和第二阶段初的价格差使消费者感受到价格歧视，降低第二阶段的销量。因为模型较为复杂，最优决策下的解析解十分繁琐，不利于直观的分析。因此本文将通过算例仿真分析，对比在一定参数设置下两种定价策略的最优决策，从而为农产品电商经营提供最佳的管理建议。

3 算例仿真分析

本章通过数值实验的方式来探究农产品腐败率对于零售商最优决策的影响，并通过模拟的结果对两种定价策略对比分析，从而得到零售商的管理启示。设ε服从[0.5，1.5]上的均匀分布，满足2r（z）2+dr（z）/dz>0，a=10000，b=1.5（b2）。其它参数设置如下：农产品成本c=5，农产品的残值h=2，产品的单位缺货成本s=3[24]，网络扩散效应增长率m=0.5，好评率v=0.8，消费者对在线评论的接受度φ=0.5，售价对腐败程度的影响因子k=2，γ=-1（差评率w与腐败率r的关系遵从负指数分布），-β=0.1。设置农产品腐败率r从0.1递增到0.5，间隔为0.1。计算当前参数下电商零售商的最优决策。表1与表2分别记录了单一定价策略与动态定价策略下，零售商的最优定价，最优订货量以及期望利润随农产品腐败率的变化情况。

通过表1，我们发现在单一定价策略下，腐败率r并不影响零售商的最优定价p*，但是会影响最优订货量q*。腐败率越高的农产品，最优订购量越低，零售商可获得的期望利润越少。这是因为对于腐败率较高的农产品，消费者收到的产品与电商网站宣传的产品新鲜度差距较大，消费者的感知价值较低，从而增加了产品的差评率。因此，第二阶段的用户需求降低，零售商的最优订货量也相应减少。

通过表2，我们发现动态定价策略下，随着产品腐败率r的增加，零售商的最优定价p*逐渐增加，而最优订货量q*逐渐减少。因为腐败率较高的农产品，期初的定价也相对较高，与期末的销售价格差距较大，因此歧视价格带来的负面效应随着腐败率的增加而增强，农产品的需求也降低了，零售商的最优订货量也相应降低。此外，虽然较高的腐败率r导致零售商的期望利润降低，但是降低的幅度较小。

综合来看，采用动态定价策略，零售商的销量与获得的利润要明显高于单一定价策略。但是，在实际销售中，动态定价策略对零售商的运营能力要求较高，因为零售商需要实时监控农产品的新鲜程度，从而调节销售价格。同时，动态定价策略对零售商的库存能力要求也同样较高。因此，对于运营能力较强的大型农产品电商，动态定价策略要优于单一定价策略，能够给电商平台带来更多的利润。对于小型农产品电商，单一定价策略更加容易被实现，电商平台在选择销售产品的种类时，可以尽量选择多售卖腐败率低的商品，减少腐败率高的农产品类型，从而最大化利润。

4 结论与启示

本文通过分析易腐农产品电商销售区别于线下销售方式的最大的特点，综合考虑了电商平台上的网络扩散效应，在线评论以及价格歧视对下一阶段的销量的影响，分别建立了零售商在单一定价策略与动态定价策略下的两个阶段的需求函数。并通过求解零售商的最优定价与订货量以最大化期望利润。最后通过求解与数值模拟，我们得到以下管理启示：（1）单一定价策略下，零售商在电商平台上对农产品的定价不受腐败率的影响。农产品的腐败率越高，消费者收到的产品与心理预期差距越大，差评率也会越高，从而影响产品的需求，零售商也会相应降低订货量。（2）动态定价策略下，电商平台上农产品的定价会随着腐败率的升高而增加。较高的腐败率使得农产品在销售初期与末期的价格差较大，因此歧视价格带来的负面效应也会增强，零售商的最优订货量也相应降低。（3）两种定价策略对比发现，对于大型农产品电商，他们有足够强的运营能力支持，能够实时监控农产品的新鲜程度从而调节销售价格，动态定价策略要优于单一定价策略，可以获得更多的利润。而对于小型农产品电商，单一定价策略更加容易实现，选择销售腐败率低的农产品也能够获得可观的利润。

随着生鲜类食品在人们线上消费中的占比提高，越来越多的电商平台开始销售生鲜农产品。电商平台下的易腐农产品的定价与库存问题，在未来存在更多研究和探讨的空间。

（1） 本文只考虑了农产品的自然腐败的情形，没有考虑将零售商在交易与运输过程中的保鲜投入水平作为决策对农产品新鲜程度的影响。

（2） 本文对消费者在线评论的刻画是用参数代替的，之后的研究可以通过数据挖掘的方式将真实的消费者满意度体现在模型中，更能精确地帮助企业决策。

参 考 文 献：

[1]但斌，陈军.基于价值损耗的生鲜农产品供应链协调[J].中国管理科学，2008，16（5）：42 -49.

[2]Cai X， Chen J， Xiao Y， et al.. Optimization and coordination of fresh product supply chains with freshness keeping effort[J]. Production and Operations Management， 2010， 19（3）： 261 278.

[3]Huang Y S， Su W J， Lin Z L. A study on lead time discount coordination for deteriorating products[J]. European Journal of Operational Research， 2011， 215（2）： 358 366.

[4]姚泽有.考虑努力及退货价格因素的易逝品供应链退货政策模型[J].预测，2010，29（6）：48 51，56.

[5]王冲，陈旭.考虑期权合同的生鲜农产品供应链定价和协调[J].预测，2013，32（3）：76 -80.

[6]唐振宇，罗新星，陈晓红.两类信息不对称条件下基于期权的生鲜农产品供应链协调研究[J].预测，2019，38（3）：76 -83.

[7]王道平， 程蕾，李锋.产出不确定的农产品供应链协调问题研究[J].控制与决策，2012，27（6）：881 -885.

[8]但斌，丁松， 伏红勇.信息不对称下销地批发市场的生鲜供应链协调[J].管理科学学报，2013，16（10）：44 54.

[9]吴忠和，陈宏，赵千，等.时间约束下鲜活农产品供应链应急协调契约[J].系统管理学报，2014，23（1）：49 56，61.

[10]林略，杨书萍，但斌.收益共享契约下鲜活农产品三级供应链协调[J].系统工程学报，2010，25（4）：484 -491.

[11]林略，雷晓燕，但斌.基于线性时变需求的鲜活农产品三级供应链协调[J].工业工程，2011，11（4）：46 51.

[12]Ghare P M， Schrader G H. A model for exponentially decaying inventory[J]. Journal of Industrial Engineering， 1963， 14（5）： 238 243.

[13]Wee H M. Deteriorating inventory model with quantity discount， pricing and partial backordering[J]. International Journal of Production Economics， 1999， 59（1 3）： 511 518.

[14]Chun Y H. Optimal pricing and ordering policies for perishable commodities[J]. European Journal of Operational Research， 2003， 144（1）： 68 -82.

[15]唐磊，趙林度，张煜东.生鲜食品多阶段动态定价模型及算法[J].系统管理学报，2010，19（2）：140 146，151.

[16]王婧，陈旭.考虑流通损耗和期权合同的生鲜农产品供应链管理策略研究[J].预测，2011，30（5）：42 -47.

[17]张玲红，尤建新，陈震，等.考虑降价时点的易逝品动态定价机制设计[J].同济大学学报（自然科学版），2013，41（3）：470 -475.

[18]李琳，范体军.零售商主导下生鲜农产品供应链的定价策略对比研究[J].中国管理科学，2015，23（12）：113 123.

[19]王磊，但斌.基于消费者选择行为的生鲜农产品保鲜和定价策略研究[J].管理学报，2014，11（3）：449 -454.

[20]邹广峻，傅少川.随机需求下多品种易腐品的联合补货优化[J].管理科学与工程，2018，（1）：9 19.

[21]刘洋，王利艳.果蔬生鲜类农产品O2O，单一线上，单一线下3种运作模式的定价策略对比研究[J].世界农业，2017，（8）：217 226.

[22]周姝君.基于消费者效用的生鲜电商农产品定价策略研究[D].西安：西安电子科技大学，2019.

[23]Petruzzi N C， Dada M. Pricing and the news vendor problem： a review with extensions[J]. Operations Research， 1999， 47（2）： 175 344.

[24]刘玉霜，张纪会，王丽丽.两种需求模式下报童模型的最优定价 订购联合决策[J].控制与决策，2013，（9）：1419 1422.

[25]杜学美，丁璟妤，谢志鸿，等.在线评论对消费者购买意愿的影响研究[J].管理评论，2016，28（3）：173 183.

[26]林家宝，万俊毅，鲁耀斌.生鲜农产品电子商务消费者信任影响因素分析：以水果为例[J].商业经济与管理，2015，（5）：5 15.

[27]Gao F， Chen J. The role of discount vouchers in market with customer valuation uncertainty[J]. Production and Operations Management， 2015， 24（4）： 665 -679.

[28]Mcgahan R B A M. Bandwagon effects in high technology industries[J]. The Academy of Management Review， 2002， 27（3）： 457 -460.

[29]Oliver R L， Swan J E. Consumer perceptions of interpersonal equity and satisfaction in transactions： a field survey approach[J]. Journal of Marketing， 1989， 53（2）： 21 35.

[30]岳中剛，王晓亚.在线评论与消费者行为的研究进展与趋势展望[J].软科学，2015，29（6）：90 93.

[31]Bass F M. A new product growth for model consumer durables[J]. American Marketing Association， 1969， 15（5）： 215 227.

[32]曾慧，郝辽钢，于贞朋.好评奖励能改变消费者的在线评论吗？——奖励计划在网络口碑中的影响研究[J].管理评论，2018，30（2）：117 126.

[33]Mills E S. Uncertainty and price theory[J]. Quarterly Journal of Economics， 1959， 73（1）： 116 130.

[34]Silver E A， Peterson R. Decision systems for inventory management and production planning[M]. John Wiley & Sons， 1985.