非对称云市场对SaaS的开放策略及价格决策研究

陈富赞 路艾君 徐志寒 李敏强

摘 要：随着云服务提供商对业务模式的不断探索，云市场逐渐成为了其构建云生态、向平台型提供商转型的重要战略措施。云市场具有两种类型：非资源型云市场（RLCM）只提供软件即服务（SaaS）的交易平台业务;资源型云市场（RFCM）在平台业务的基础上，还提供SaaS所需的基础架构（IaaS/PaaS）资源。本文聚焦于两类平台的竞争问题，探究了RFCM对本地部署的SaaS所采用的阻止/许可策略以及两类平台的定价决策问题。研究表明，只有当IaaS/PaaS资源的单位成本足够高且RFCM具有明显价值优势时，许可策略才可能是RFCM的占优策略，并且当RFCM采用许可策略时，RLCM会设置更低的入驻费来应对竞争。本文旨在为不同类型的云市场进行竞争时如何选择最佳的价格及服务差异化策略提供理论依据。

关键词：云服务;云市场;协同供应;平台开放性;竞争

中图分类号：F490.6 文献标识码：A 文章编号：2097-0145（2022）01-0074-08 doi：10.11847/fj.41.1.74

Abstract：To host a cloud marketplace has become a strategic plan of cloud service providers （CSPs） to establish their cloud ecosystems and transform themselves into platform CSPs. The resourceful cloud marketplace （RFCM） offers both trading platform of software services （SaaS） and the required infrastructure （IaaS/PaaS） to independent software vendors （ISVs）， while the resourceless cloud marketplace （RLCM） only offers a trading platform. This paper focuses on the competition between RFCM and RLCM and studies RFCM’s Deter/Allow strategy for ISVs who implement SaaS via either the in-house infrastructure or the IaaS/PaaS of an RFCM. It is demonstrated that RFCM’s dominant strategy is mainly affected by the unit cost of IaaS/PaaS resources and the value difference between the two marketplaces. Moreover， when the RFCM adopts the allow strategy， the RLCM tends to reduce the entry fee in the competition. This paper provides theoretical guidance for competitive platform CSPs to make decisions for pricing and service differentiation strategies.Key words：cloud service; cloud marketplace; collaborative supply; platform openness; competition

1 引言

云计算为企业及个人用户提供了一种高效、便捷的计算资源获取方式。随着云计算理论与技术的日趋成熟，越来越多的用户将其线下计算业务迁移到云端。我国大力倡导发展云计算业务，在2015年国务院出台的《关于积极推进“互联网+”行动的指导意见》（国发〔2015〕40号）以及2020年国家发展改革委和中央网信办制定的《关于推进“上云用数赋智”行动培育新经济发展实施方案》（发改高技〔2020〕552号）中，均指出了云计算在国家重大产业布局以及促进产业转型升级中的重要作用。近年来全球新冠疫情的爆发，更是加快了企业上云的步伐，极大地促进了云服务产业的发展。

根据计算资源的类型不同，云服务可以分为基础架构即服务（Infrastructure as a Service，IaaS）、平台即服务（Platform as a Service，PaaS）和軟件即服务（Software as a Service，SaaS）三种主要服务模式[1，2]。其中IaaS和PaaS都是SaaS不可或缺的开发及运行环境，本文将二者统称为IaaS/PaaS资源。随着云计算市场的不断发展以及竞争的加剧，以阿里云为首的各大云服务提供商（Cloud Service Provider，CSP）开始尝试建立云生态系统并制定云生态战略，推出了一种新的增值业务——云市场。云市场作为云服务的交易平台，允许独立软件供应商（Independent Software Vendor，ISV）将自己的SaaS产品在其中上架销售。

ISV在运营SaaS服务时，需要将其部署于特定的基础架构和平台系统上。实践中，ISV可以采用两种部署方式：（1）本地部署：将SaaS运行在ISV的本地基础架构上;（2）云端部署：将SaaS部署在上游CSP的IaaS/PaaS资源[3]上。根据CSP是否有能力向ISV提供IaaS/PaaS资源，可以将其推出的云市场分为两种不同的类型：一类是由IaaS/PaaS提供商所运营的资源型云市场（Resourceful Cloud Marketplace，RFCM），如阿里云市场、华为云市场等;另一类则是由SaaS提供商所运营的非资源型云市场（Resourceless Cloud Marketplace，RLCM），如用友云市场、金蝶云商城等。

显然，RFCM与RLCM的利润构成有所差异。RLCM的利润构成相对单一：向入驻云市场的ISV收取入驻费。而RFCM的利润由两个方面组成：向入驻云市场的ISV收取入驻费、向ISV售卖IaaS/PaaS资源。面对竞争市场中的ISV和用户，RFCM和RLCM实现上述利润目标可采用的手段也有所不同。通过考察典型企业的策略创新并对产业实践加以总结，发现RFCM可采取的策略更加多元化。除了决策入驻费与资源费以外，RFCM还试图通过管控ISV对SaaS的服务部署方式来实现利润最大化。具体而言，对于想要入驻云市场的本地部署型ISV，RFCM存在两种不同的策略：阻止或许可。其中阻止策略是指对在RFCM云市场中上架的SaaS产品，要求ISV必须将其部署在RFCM的IaaS/PaaS资源上，不允许部署在本地基础架构上的SaaS上架，例如华为云市场就采用了这种严格的阻止策略。而许可策略则是允许ISV将部署在本地基础架构上的SaaS在云市场中上架。产业实践中，阿里云市场采用了这种更温和的许可策略，其市场中上架了部署在本地基础架构上的“e签宝电子合同”产品。

RFCM对于本地部署型ISV采用阻止或许可策略反应了不同的战略发展原则，许可策略意味着该RFCM具有更强的生态优先意图，该策略有助于增加ISV与RFCM之间的合作广度。相较于销售IaaS/PaaS资源的利润收入，RFCM更看重其作为SaaS交易场所的业务功能。这将有助于和RLCM抢夺本地部署型ISV，进而增加入驻费收入以实现利润最大化。若RFCM采用阻止策略，意味着平台只接受使用其所提供的IaaS/PaaS资源进行云端部署的ISV入驻，资源优先的战略意图更明显。阻止策略虽然会损失部分本地部署型ISV，但更有利于增强RFCM与ISV之间的合作深度。与和RLCM抢夺市场相比，RFCM此时更倾向于利用交易平台的特征捆绑ISV所需的基础架构。这有助于促进RFCM通过销售IaaS/PaaS资源实现利润最大化。

由此可见，阻止或许可策略反映出RFCM对其利润构成的侧重点不同，需要RFCM结合自身战略发展定位谨慎选择。而RLCM由于不具备提供IaaS/PaaS资源的能力，没有动机对ISV的SaaS服务部署方式进行管控。因此，在与RFCM的竞争中，RLCM相对被动，需要先观察RFCM采取了阻止或许可策略，进而调整自身的入驻费来与RFCM抢夺ISV。

综上，本文研究聚焦于两个非对称型云市场（即RFCM与RLCM）的竞争场景，针对RFCM对本地部署型ISV所采用的阻止/许可策略以及RLCM的应对措施，重点探讨如下科学问题：（1）当两类云市场进行竞争时，什么市场条件下RFCM会选择对本地部署型ISV采用阻止（或许可）策略？（2）不同策略下，RFCM应如何设置云市场入驻费和IaaS/PaaS资源费？（3）在RFCM采用阻止或许可策略时，RLCM应如何设置最佳的入驻费以应对与RFCM的竞争？

为回答上述问题，本文使用Hotelling模型来刻画RFCM与RLCM的竞争关系，并求解均衡结果。研究表明，RFCM选择阻止/许可策略主要取决于其IaaS/PaaS资源的单位成本和两个云市场之间的价值差异。只有当单位成本足够高且RFCM具有明显价值优势时，许可策略才可能是RFCM的占优策略。此外，研究发现，当RFCM采用许可策略时，RLCM会设置更低的入驻费和RFCM竞争入驻市场的ISV。本研究丰富了云服务生态和平台经济领域的相关理论，同时也为产业实践中云市场的运营提供决策依据。

2 文献述评

本研究与云服务供应系统、平台开放性等领域的研究密切相关。首先，本研究涉及云服务IaaS/PaaS资源与SaaS的协同供应问题[3，4～7]。当SaaS提供商将SaaS部署在上游云服务提供商的IaaS/PaaS上时，SaaS提供商的利润、服务质量不仅受自身因素的影响，同时也受上游IaaS/PaaS资源供给的影响。Tang和Chen[3]考虑了SaaS提供商与IaaS提供商之间的资源租用关系，使用Stackelberg博弈模型求解IaaS提供商和SaaS提供商的联合定价和容量分配问题。Ardagna等[4]分析了云服务系统中的协同供应与SaaS提供商、IaaS提供商的利润最大化问题。Cardellini等[5]重点研究了IaaS提供商向SaaS提供商分配虚拟机资源时，最优的IaaS资源供应与定价策略。Wei和Ling[6]考虑了IaaS/PaaS提供商的技术能力和努力水平对SaaS提供商行为的影响，如何设计最佳合约来协调以网络效应、服务水平和延迟成本为特征的SaaS服務供应链。Wei和Qi[7]考虑了一个IaaS提供商和多个竞争的SaaS提供商组成的云服务供应链，研究了信息不对称条件下云服务供应链与收益共享契约的协调问题。本研究同样考虑了IaaS/PaaS提供商与SaaS提供商（提供SaaS服务的ISV）之间的服务供应关系。但与先前研究不同的是，本文研究同时考虑到了ISV不仅可以购买IaaS/PaaS资源、也可以自建本地基础架构来支持其SaaS服务。

云市场本质上是聚集SaaS提供商和用户的交易平台。本研究中的RFCM对本地部署型ISV所采取的阻止/策略，涉及到平台开放性相关的研究。先前有关平台的研究多集中于电子商务零售平台，包括电子商务平台对第三方卖家的开放性问题[8～11]。Song等[8]研究了在线零售平台对第三方卖家的开放策略，结果表明第三方卖家可能在开放的零售商平台上销售同类产品。Jiang等[9]研究了以亚马逊为代表的零售平台与独立卖家之间的互动战略，分析了平台应如何把控独立卖家可销售的产品种类。Mantin等[10]分析了零售平台允许第三方卖家入驻的原因，即允许第三方卖家入驻平台会给零售平台带来一个新的选择：如果零售平台无法以合理的价格与供应商谈判，其可以让第三方卖家销售替代品。段玉兰等[11]研究了在线销售平台开放性决策对市场规模的影响，发现消费者对服务的敏感程度和对在线零售商产品的偏好等因素均会影响这类平台的开放性决策。

此外，部分学者关注平台之间的竞争与合作问题，就平台对竞争对手平台的独立产品实施开放性策略进行了研究[12～17]。Kim和Tse[12，13]探究了具有知识共享服务的劣势搜索引擎和没有知识共享服务的优势搜索引擎之间的动态竞争与开放（共享）策略。平台的开放性策略还体现在对竞争对手产品的兼容性选择上，选择兼容对方产品意味着平台采用了开放策略。Ander等[14]以Kindle和iPad为例，研究了盈利重点存在差异化的平台对竞争对手独立应用程序的兼容性决策。

Viecens[15]的研究表明独立价值较小的平台总是倾向于兼容竞争对手的应用程序，而它的竞争对手永远不会选择兼容。尚秀芬和陈宏民[16]的研究指出，在竞争的情形下，平台选择开放时的社会总福利总是较封闭时更高，因为平台兼容为一端消费者接入到另一个平台提供了便利，提高了消费者剩余。Li等[17]研究了存在硬件和内容二维差异化的竞争平台的单向兼容性策略，即其中一个平台所有者允许其硬件用户购买竞争对手的内容服务。

可以看出，有关平台开放性的研究中，先前的学者要么关注于自身扮演零售商角色的平台对第三方零售商的开放策略，要么关注于平台对竞争对手平台产品的开放策略。本研究与先前研究的区别在于，我们所关注的RFCM的开放性（阻止/许可）策略不针对ISV提供的SaaS产品，而是针对SaaS产品的服务部署方式。换言之，我们弱化了云市场本身提供SaaS产品的能力视角（该问题与传统零售平台类似，先前学者已进行了充分的研究），而重点关注云市场是否具有出售IaaS/PaaS资源的能力，从而更好地把握云市场区别于传统平台的关键特征。比如，亚马逊等零售平台不具备向平台上的全部第三方卖家提供上游生产原材料的能力，而IaaS/PaaS资源的普适性使得RFCM可以向所有ISV提供部署SaaS时所需的IaaS/PaaS资源。因此，在本研究中，ISV的SaaS产品对云市场本身不具有竞品威胁，但SaaS所采用的部署方式会直接影响到资源型云市场RFCM的盈利情况。这使得本研究对云服务产业实践具有更加独特和针对性的指导意义。

3 问题描述与模型构建

3.1 问题描述

考虑两个竞争的非对称云市场RFCM和RLCM，同时向若干独立软件提供商ISV和用户提供SaaS服务的交易平台。这两个云市场的類型不完全相同，RLCM只作为平台向ISV提供交易场所，RFCM还可以向ISV出售其运行SaaS所需要的IaaS/PaaS资源。ISV在开发部署SaaS时存在两种解决方案：自建本地基础架构或购买RFCM的IaaS/PaaS资源。假设每个ISV只提供一个SaaS产品，并且只能在一个云市场上架。每个SaaS若采用云端部署，只需要一单位的IaaS/PaaS资源。为简化分析过程，在不失一般性的前提下，假设市场中的用户数量足够多，可以保证每个ISV的SaaS均可以在云市场中被购买。

两个平台以利润最大化为目标与对手进行博弈。博弈流程如下：首先，RFCM需要选择对本地部署型ISV使用阻止或许可策略，以便管控ISV的SaaS服务部署方式;然后，RFCM再决策入驻费与IaaS/PaaS资源的价格，以实现入驻费与资源销售费共同组成的总利润最大化。与此同时，RLCM通过决策入驻费与RFCM抢夺用户群，进而实现利润最大化目标。

模型中涉及到的变量符号和相关含义在表1中给出。

3.2 模型构建

3.2.1 ISV效用函数

本研究定义ISV的效用函数由四部分构成：（1）入驻云市场i获得的价值vi。（2）入驻云市场i所需支付的入驻费pi。（3）部署SaaS的成本，本地部署时该项为搭建本地基础架构的费用s，云端部署时该项为RFCM的IaaS/PaaS资源价格prf;且不失一般性，假设s>prf[18]。（4）ISV由于技术偏好对云市场i产生的不匹配成本。

由于技术偏好差异，ISV在选择SaaS的部署方式和云市场时，均会产生不同程度的不匹配成本[18，19]，并影响ISV对两个云市场的选择。本文应用Hotelling模型来刻画ISV对RFCM和RLCM的不匹配成本[14，19]。假设若干ISV均匀分布在长度为1的线段上，RFCM与RLCM分别位于线段的两个端点0和1。位于x点（x∈[0，1]）的ISV对RFCM的不匹配程度为x，对RLCM不匹配程度为1-x。考虑到RFCM同时向ISV提供交易平台和IaaS/PaaS资源两种业务，ISV对RFCM的不匹配程度x由二者共同作用产生。x既反应了ISV对RFCM交易平台功能的不匹配程度，又反应了ISV对RFCM所提供的IaaS/PaaS资源的不匹配程度。特别地，当选择入驻RFCM的ISV将其SaaS服务部署在本地基础架构上时，对RFCM的不匹配程度则只受其交易平台功能的影响。而RLCM由于其不具备提供IaaS/PaaS资源的能力，因此ISV对它的不匹配1-x只体现在其交易平台功能上。ISV对于交易平台和IaaS/PaaS资源具有不同的单位不匹配成本，分别用tm和tr表示。

综上所示，ISV在RFCM阻止或许可策略下可能的选择及其对应的效用函数如表2所示。在阻止或许可策略下，ISV通过比较下述选项，最终选择使自己效用最大的方案。

3.2.2 云市场利润函数

RFCM的利润由入驻费和IaaS/PaaS资源销售费两部分构成，其中资源销售费等于销售收入减去资源成本。Nkef和Nkrf分别表示入驻RFCM的ISV规模以及购买RFCM的IaaS/PaaS资源的ISV规模，c表示RFCM搭建及运行IaaS/PaaS资源的单位成本。因此，RFCM的利润函数如下

由于RLCM不提供IaaS/PaaS资源，其利润只来源于入驻费。Nkel表示入驻RLCM的ISV规模，RLCM的利润函数如下

4 模型求解与分析

针对上述博弈模型，本文采用逆向归纳法求解。在满足以下情况的前提下求解均衡结果：（1）RFCM采用阻止和许可策略会形成不同的市场结构。（2）RFCM和RLCM两个云市场都会有ISV选择入驻。（3）SaaS的两类部署方式（本地部署、云端部署）均会有ISV采用。（4）市场被完全覆盖。针对非对称云市场的竞争和策略选择问题，上述情形具有较好的代表性。为了简化模型求解以便于对均衡结果进行分析，在不失一般性的前提下，将ISV对云市场交易平台功能的不匹配系数tm归一化为1。基于此，本文研究主要参数设定需满足以下假设

基于上述假设，图1展示RFCM采取阻止策略和允许策略时的市场细分情况。

可以看出，此时无论RFCM采用阻止策略或许可策略，对ISV而言，选择③：购买RFCM的IaaS/PaaS资源并入驻RLCM始终不是最优选择。当RFCM选择阻止策略时（图1（a）），此时所有的ISV会选择①或④。当RFCM选择许可策略时（图1（b）），此时市场上存在选择的三类ISV，与阻止策略相比，有部分ISV以本地部署方式进入RFCM。

4.1 阻止策略情形

4.3 RFCM阻止/许可策略选择

通过对表3中两种策略下的均衡利润进行比较，可得到RFCM选择不同策略的市场条件。首先分析RFCM阻止/许可策略下其两部分利润来源（入驻费、资源销售费）的市场规模，以便于为后续探究RFCM的策略选择提供理论依据。

引理1 RFCM两类业务在阻止/许可策略下的市场规模比较

为了更直观地理解引理1，图2分别绘制了入驻RFCM的ISV规模和购买其IaaS/PaaS资源的ISV规模在阻止和许可策略下，随RFCM搭建及运行IaaS/PaaS资源的单位成本c的变化情况。其他参数的取值满足本研究给出的参数假设范围，具体数值如下：vd=0.2，s=1.1，tr=0.6。经检验，满足参数假设范围内的其他取值得到的结果与下图类似。

引理1-（1）表明，相对于阻止策略，许可策略使得购买RFCM IaaS/PaaS资源的ISV数量有所下降。实际上，采用RFCM提供的IaaS/PaaS资源意味着ISV需要承担云端部署SaaS时的技术不匹配成本。采用许可策略意味着RFCM允许了ISV从云端部署到本地部署的转变。因此，与阻止策略相比，许可策略下购买RFCM IaaS/PaaS資源的ISV数量减少了。另外，结合图2（a），可以看出无论是阻止策略还是许可策略，RFCM单位IaaS/PaaS资源成本c的增加均会导致使用RFCM的IaaS/PaaS资源的ISV数量减少。这是由于成本的增加会使得RFCM制定更高的IaaS/PaaS资源价格，从而降低了ISV购买IaaS/PaaS资源的效用。并且这种影响在许可策略下更显著。

当RFCM采用阻止策略时，意味着在与RLCM竞争时，它将损失一部分本地部署型ISV，这些ISV将转移到RLCM的交易平台。而许可策略则最大程度地减弱了ISV由于IaaS/PaaS资源的不匹配对其入驻RFCM的负面影响，有助于RFCM吸引更多的ISV入驻。因此，直觉上RFCM采用阻止策略时入驻其平台的ISV数量会小于许可策略的情形。然而引理1-（2）表明，情况并不总是这样。

如图2（b）所示，当RFCM搭建及运行IaaS/PaaS资源的单位成本c足够高时，情况比较符合常规认知。此时许可策略下入驻RFCM的ISV数量是比阻止策略下更多的。但当c足够小时，我们意外地发现这种看似更严苛的阻止策略反而帮助RFCM争取到了更多的ISV入驻其平台。这是因为IaaS/PaaS资源成本c直接影响了RFCM的IaaS/PaaS资源定价，进而对ISV的部署方式选择产生了影响。低成本使得RFCM制定了较低的IaaS/PaaS资源价格。此时，虽然ISV对IaaS/PaaS资源存在不匹配成本，但由于IaaS/PaaS资源足够便宜，使得ISV进行权衡后愿意忍受这种不匹配。基于此，RFCM的阻止策略通过低价吸引ISV使用云端部署的方式，捆绑了更多ISV入驻平台。

接下来，定理1给出RFCM采用不同策略时对应的市场条件。

定理1 RFCM选择阻止/许可策略的市场条件

为了更直观地理解定理1，图3绘制了RFCM的阻止/许可策略关于外生变量c和vd的均衡解空间。其他参数的取值满足本研究给出的参数假设范围，具体数值如下：s=1.1，tr=0.6。经检验，满足参数假设范围内的其他取值得到的结果与下图类似。

如图3所示，空白区域表示不满足参数假设的无效区域，中部蓝色纯色区域表示阻止策略是RFCM的占优策略，右上角黄色条纹区域表示许可策略是RFCM的占优策略。结合定理1可以看出，当RFCM搭建及运行IaaS/PaaS资源的单位成本c较低时，阻止策略总是占优的策略，可以使RFCM获得更高的利润。如前所述，RFCM的利润来源于入驻费和出售IaaS/PaaS资源这两部分收入。由引理1可知，当c较小时，阻止策略会增加购买RFCM IaaS/PaaS资源的ISV数量，并且选择入驻RFCM的ISV规模也可能多于许可策略情形。此时阻止策略对于RFCM更加有利可图。然而，当c增加到一定程度后，RFCM将不再只依据IaaS/PaaS资源的单位成本c来进行策略选择。此时，选择阻止或许可策略还受到RFCM和RLCM的价值差vd的直接影响。vd代表了RFCM相对RLCM在交易平台功能上的价值优势。当vd较小时，RFCM作为交易平台体现出的优势很弱，甚至为负，这使得当RFCM在与RLCM抢夺ISV时，选择入驻RFCM的ISV数量会减少。同时，RFCM受到其低价值的影响，只能设置一个较低的入驻费。综上，RFCM通过收取入驻费获得的利润很低，此时会更倾向于选择侧重于销售IaaS/PaaS资源来实现利润最大化的阻止策略。然而，随着vd增加，RFCM对于RLCM而言将具有显著的优势，有助于其吸引到大量的ISV入驻RFCM。此时，入驻费在RFCM的利润构成中变得更为重要，RFCM将选择许可策略，以尽可能增加入驻费收入。

4.4 RFCM阻止/许可策略对RLCM的影响

本节以市场中博弈的另一方RLCM为重点进行分析。由于RLCM不具备向ISV提供IaaS/PaaS资源的能力，在面对RFCM针对ISV部署方式采取的阻止/許可策略时，只能被动地通过决策入驻费来进行竞争。本节主要探讨当RLCM会如何决策入驻费，从而实现和RFCM竞争入驻市场的ISV以实现利润最大化。具体而言，本节分析RFCM的阻止/许可策略对RLCM的入驻费、市场份额以及均衡利润的影响。结合表3中RLCM的均衡结果，引理2给出了不同策略下RLCM在入驻费和市场份额上的变化。

引理2 RLCM的入驻费和市场份额在RFCM阻止/许可策略下的变化

引理2-（1）表明，相对于RFCM的阻止策略，许可策略使得两个云市场在交易平台业务上的竞争更加剧烈。因此RLCM需要降低入驻费来抢夺入驻平台的ISV。同时，由于市场完全覆盖，入驻两个云市场的ISV数量呈现出此消彼长的状态。因此，引理2-（2）表明，RLCM上ISV入驻数量的变化与引理1-（2）中RFCM上ISV入驻数量变化相反。基于引理2，定理2关注RLCM作为博弈的被动接收者在面对RFCM的不同策略时，利润会受到怎样的影响。

定理2 RLCM的利润在RFCM阻止/许可策略下的变化：与许可策略相比，RFCM采用阻止策略时，RLCM获得的均衡利润总是更高的。

定理2的结论符合本文研究的预期。由于RLCM不具备提供IaaS/PaaS的能力，其利润来源单一，仅靠收取入驻费维持盈利。而许可策略体现出了RFCM对于入驻平台的ISV数量具有更强的竞争意愿，对RLCM而言意味着更艰难的生存条件。根据引理2可知，许可策略下RLCM需要制定更低的价格来吸引ISV入驻平台。虽然在一定条件下，RFCM采用许可策略可能增加RLCM的市场份额，但过低的价格仍旧使得RLCM在该策略下的利润无法达到阻止策略下对应的利润水平。也就是说，一旦RFCM选择了许可策略，无论RLCM如何调整其入驻费，都无法达到阻止策略下它能够实现的最大化收益。作为竞争双方中较为被动的一方，RLCM更期待RFCM对ISV的部署方式上能够采用更加严格的阻止策略。

5 结论与启示

大量产业实践证明，云市场业务已经成为云服务提供商吸引用户、构建云生态进而实现平台化战略转型的重要手段。本文从云市场是否具备提供IaaS/PaaS资源的能力出发，关注资源型云市场RFCM和非资源型云市场RLCM在面对竞争时的策略选择和价格决策问题。本文应用Hotelling模型，构建了由一个RFCM、一个RLCM和若干ISV及用户组成的云计算市场。考虑到RFCM和RLCM的利润结构差异，分别构建了相应的利润函数，求解了均衡时二者的入驻费和RFCM的IaaS/PaaS资源价格。基于此，进一步分析了RFCM对于本地部署型ISV采用阻止或许可策略所对应的市场条件，以及这两种策略对RFCM和RLCM的竞争所产生的影响。

结果表明，当RFCM搭建及运行IaaS/PaaS资源的单位成本较低时，阻止策略总是占优的，可以使RFCM获得更高的利润。当该单位成本较高时，RFCM需要根据RFCM相对RLCM在交易平台功能上的价值优势来选择策略。当RFCM作为交易平台体现出的优势很弱（甚至为负）时，这使得RFCM在与RLCM竞争时，更倾向于选择侧重于销售IaaS/PaaS资源来实现利润最大化的阻止策略。若RFCM对于RLCM而言，在交易平台功能上具有显著的优势，RFCM将选择许可策略以尽可能增加入驻费收入。此外，研究还发现，对于RLCM而言，若RFCM采取许可策略，RLCM需要制定更低的入驻费来进行竞争。上述发现对于云服务产业实践具有针对性的指导意义，同时也是协同供应、平台经济等理论在云服务领域的具体实践，填补了相关研究空白。

诚然，本文研究依旧存在一定的局限性。比如，本文研究侧重于云市场和ISV之间的交互，弱化了最终用户端对云市场以及ISV的影响。事实上，云市场作为云服务的交易平台，具备平台的典型特征——双边性，即平台上一方用户的增加会促使平台另一方的用户增长。未来的研究可以在考虑云市场双边性的前提下，进一步分析竞争云市场有关的决策行为。

参 考 文 献：

[1] Nan G， Zhang Z， Li M. Optimal pricing for cloud service providers in a competitive setting[J]. International Journal of Production Research， 2019， 57（20）： 6278-6291.

[2] Li B， Kumar S. Should you kill or embrace your competitor： cloud service and competition strategy[J]. Production and Operations Management， 2018， 27（5）： 822-838.

[3] Tang L， Chen H. Joint pricing and capacity planning in the IaaS cloud market[J]. IEEE Transactions on Cloud Computing， 2017， 5（1）： 57-70.

[4] Ardagna D， Panicucci B， Passacantando M. Generalized Nash equilibria for the service provisioning problem in cloud systems[J]. IEEE Transactions on Services Computing， 2013， 6（4）： 429-442.

[5] Cardellini V， Valerio V D， Presti F L. Game-theoretic resource pricing and provisioning strategies in cloud systems[J]. IEEE Transactions on Services Computing， 2020， 13（1）： 86-98.

[6] Wei L， Ling J. Coordination strategy in a SaaS supply chain with network effect and SLA[A]. Proceedings of 12th International Conference on Service Systems and Service Management[C]. Guangzhou， China， IEEE， 2015. 1-6.

[7] Wei L， Qi S. Revenue-sharing contract in a cloud cmputing service supply chain under asymmetric information[J]. Advances in Intelligent Systems & Computing， 2014， 255： 487-497.

[8] Song W， Chen J， Li W. Spillover effect of consumer awareness on Third Parties’ selling strategies and retailers’ Platform openness[J]. Information Systems Research， 2021， 32（1）： 172-193.

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

[10] Mantin B， Krishnan H， Dhar T. The strategic role of third-party marketplaces in retailing[J]. Production and Operations Management， 2014， 23（11）： 1937-1949.

[11] 段玉蘭，王勇，石国强，等.基于市场规模的在线销售平台开放策略研究[J].管理工程学报，2021，35（5）：236-246.

[12] Kim K， Tse E T S. Dynamic search engine competition with a knowledge-sharing service[J]. Decision Support Systems， 2012， 52（2）： 427-437.

[13] Kim K， Tse E T S. Search engine competition with a knowledge-sharing service[J]. Decision Support Systems， 2014， 66： 180-195.

[14] Adner R， Chen J， Zhu F. Frenemies in platform markets： heterogeneous profit foci as drivers of compatibility decisions[J]. Management Science， 2020， 66（6）： 2432-2451.

[15] Viecens F M. Compatibility with firm dominance[J]. Review of Network Economics， 2009， 10（4）： 1-27.

[16] 尚秀芬，陈宏民.双边垄断和竞争平台非对称所有权结构研究[J].系统工程学报，2009，24（4）：127-130.

[17] Li Z， Ho Y C， Nan G， et al.. Agency or resale： effects of a platform-performance investment for frenemy platforms[J]. Decision Support Systems， 2019， 124： 113098.

[18] Ma D， Seidmann A. Analyzing software as a service with per-transaction charges[J]. Information Systems Research， 2015， 26（2）： 360-378.

[19] 马琳，金淳，霍云福，等.基于网络效应的多服务平台包络进入与对策研究[J].系统工程学报，2019，34（6）：18-29.

3720500338239