电商平台主导下的供应链推广策略研究

闵 杰，汪亚香，欧 剑，曹宗宏

1.安徽建筑大学 数理学院，合肥 230601 2.安徽建筑大学 经济与管理学院，合肥 230601

随着电商近20年的快速发展，传统的销售模式以及实体的零售商面临巨大的挑战，各种第三方电商平台应运而生。尤其是在这次疫情中，人们足不出户避免疫情扩散，平台在人民生活中发挥了巨大的作用，满足了顾客的消费需求。中国互联网络信息中心（CNNIC）的第45次统计报告指出，截止到2020年3月，我国网络购物用户规模达到7.1亿，较2018年底增长16.4%，这说明平台发展是具有潜力的。现在的电商平台不只是向消费者提供商品信息，它还为入驻的商家提供广告推广、网站建设、运营管理、物流配送、售后等服务。电商平台把上游的制造商和下游的零售商、物流公司、消费者连成一条链，即电商供应链。简而言之，电商供应链指借助互联网技术来进行供应链管理，充分发挥上下游资源整合、成员协调，使各方收益最大化的链条。平台的类型多种多样，国外的电商平台有亚马逊、eBay、考拉海购等，国内的有天猫、京东、苏宁易购等。这些电商平台凭借便捷的营销方式吸引了越来越多的小型制造商纷纷入驻销售产品。如今国内的电商市场早已被几家大型电商平台（如淘宝、京东等）占据大部分份额，在与多数小型制造商结成链条时，电商平台处于优势地位，对供应链成员决策有至关重要的影响。例如，2019年由于某外卖平台凭借其优势地位擅自提升佣金使得很多商家退出；某平台依仗自身主导地位擅自对小型商家的广告推广提高收费。因此，研究电商平台主导下的零售供应链有着现实的意义和背景。那么平台如何促进销售来获取更多的佣金呢?这就离不开平台的广告推广。伴随互联网的发展，电子商务平台供应链日益成为学术界研究的重要领域。

1 文献综述

目前，虽然研究电商平台供应链较少，但在国内外已经有了一些成果。李雷等[1]研究了电商平台在互联网背景下的运营策略。Zhang等[2]研究了关于供应商、电商平台、第三方物流和需求方组成的供应链，以决策变量为产品价格和一定投资下的最大供应量，需求为价格随机变量的期望值，建立了电子商务下供应链的利润函数，并证明了供应链利润最大化的存在性。Wang等[3]探讨了电商平台在充当零售商和第三方中介下的双渠道供应链结构模型，并得到均衡结果。结果表明，两种结构都能增加消费者剩余和社会福利。当平台充当电子零售商时，制造商和传统零售商可以形成“双赢”的局面；然而，当平台充当第三方中介时，由于存在制造商在平台上直接销售产品，必然会损害传统零售商的利益。Han等[4]主要研究了电子商务平台所采用的混合经营模式下制造商和电子零售商的定价和讨价还价策略。Xiang等[5]考虑由一个制造商、零售商和一个互联网平台组成的闭环供应链中的动态合作策略。文悦等[6]探讨了电商平台充当零售商的角色销售产品与制造商的双渠道销售间的渠道竞争问题。Zhen等[7]研究了资本约束下制造商通过零售商和第三方平台销售产品，并可能通过向第三方平台（3PF）、零售商（RF）或银行（BF）借款来寻求融资策略，通过比较不同融资策略下的利润，考察第三方平台或零售商作为贷款提供者和渠道参与者的双重角色对双渠道运营管理的影响，并研究制造商的融资策略选择。Qin等[8]分析了物流服务共享战略和经济影响，分析表明，当第三方物流服务水平和市场潜力较低时，物流服务共享将导致平台和卖方的双赢局面；当第三方物流服务水平或市场潜力很大时，则会导致平台和卖方的双输局面；而当第三方物流服务水平和市场潜力处于中部地区时，可以实现双赢。白世贞等[9]构建了由制造商和平台组成的二级供应链博弈模型，探讨了平台在促销努力水平影响需求的情况下，供应链的定价与协调问题。

关于供应链广告推广方面，在过去20年中，多数对于合作广告的研究是从单一供应商和分销商的简单渠道到多个供应商和分销商的复杂渠道[10]。谭健等[11]讨论了广告影响需求和回收率的情况下，不同的回收方式对制造商与零售商的影响并且设计了相应的协调策略。Chaab等[12]讨论了在相对一般的消费者需求函数的情况下，制造商与零售商广告合作与定价的供应链协调问题。Lu等[13]考虑了参考价格效应下垄断企业的联合定价和广告问题。Xie等[14]讨论了集中与分散的双渠道闭环供应链的契约协调问题，针对回收率波动的特点，考虑回收率与回收收益分成率之间的关系，建立了一种收益分享机制，通过对集中决策和制造商主导的分散决策进行比较，得出了最优的线上、线下零售价格，批发价格和广告投入。Mokhlelesian等[15]研究了由一个主导零售商和多个竞争厂商组成的两阶段供应链，生产多个易逝品和替代品的定价与广告合作协调问题，目的是确定定价和合作广告决策支出，以及制造商的生产量或零售商的购买量，以满足所有成员的效用。Zhou等[16]考虑了需求是随机变量，探讨制造商通过风险规避零售商销售产品的两级供应链中广告合作和订购问题。Zhang等[17]研究了单一制造商和两个非对称零售商（一个主导零售商、一个弱零售商）组成的供应链，制造商为弱势零售商制定批发价格，并投入广告来提高商誉，而两个零售商通过各自的零售价格来竞争市场需求，探讨无联盟情形和联盟情形两种市场结构，观察制造商和弱势零售商之间的联盟能否使主导零售商受益。王玉燕等[18]根据广告承担主体的不同构建了四种承担广告的决策模型来进行比较分析，得出最优的决策。Noh等[19]建立了制造商和零售商分别主导以及集中决策模型，其中需求对广告和零售价格敏感，最后提出了最佳生产率、生产批量、缺货水平、广告费用和零售价格。Gupta等[20]分析了在不确定条件下，一个制造商、一个供应商和一个零售商组成的三级供应链，发现当制造商在三级供应链中担任领导者时，制造商投入最少的质量努力，而零售商则投入最少的广告；供应商的单位价格受渠道领导的制约，而零售价格受领导地位的影响较小。王继光等[21]研究了制造商与零售商组成的二级供应链中关于绿色广告的决策问题。Talezadeh等[22]研究了需求函数参数模糊情况下闭环供应链的定价和逆向渠道选择问题。Wang等[23]研究了在公平关切的条件下，电商供应链系统的最优决策问题。刘妍等[24]探讨了强势电商平台与弱势零售商间的博弈问题。

综合上述的研究，无论是针对第三方平台参与的电商供应链研究，还是涉及广告策略的研究，大部分都只把电商平台当作一种外部的环境，并未将其作为供应链中的一员来考虑，而且以往探讨广告策略往往集中在制造商与零售商之间。随着如今电商平台的快速发展，平台在供应链中的作用日益明显，电商平台通过为所有入驻平台的制造商提供代运营、仓储、售后支付及快捷的商品搜索引擎等服务吸引消费者，提高市场潜在需求。同时，平台对某些产品进行推广，对提高消费者需求有着显著的刺激作用。例如每年京东与天猫在“618狂欢节”“双十一”“年货节”等促销日都会弹出各种广告，吸引消费者的眼球，广告推广力度大的商品一般都会获得更突出的销售量和销售业绩。本文创新之处主要是将电商平台作为供应链的主导成员纳入供应链模型，电商平台不仅为制造商提供销售服务，为了获得更多的佣金还为制造商提供广告推广。本文研究了在集中和分散决策的佣金策略下的制造商产品定价及平台服务、推广水平，分析了推广效率变化对平台服务水平及制造商产品价格的影响，设计了“推广成本分摊”策略使供应链的利润能够实现帕累托改进。

2 模型说明

本文考虑由单一的制造商与单一的第三方电商平台构成的电商供应链。制造商通过电商平台向消费者销售产品，而平台为制造商提供销售服务和一定强度的广告推广。第三方电商平台按照销售额的一定比例向制造商收取佣金。模型结构如图1所示。

图1 电商供应链模型结构图Fig.1 Structure of e-commerce supply chain model

制造商通过电商平台进行销售，提供给平台产品信息，电商平台则向消费者发布销售信息及广告推广，消费者支付款项给平台，平台扣除佣金后回款给制造商，制造商将商品发货给消费者。这里为了计算的简便性，没有考虑制造商入驻电商平台时的费用，即固定技术服务费。

模型符号说明如下：

c：制造商的生产成本。

p：单位产品销售价格。

θ：电商平台收取的佣金比例(0＜θ＜1)。

s：电商平台提供的销售服务水平，服务成本随着服务水平的增加而增加。借鉴文献[25]的假设，平台服务成本函数为

v：电商平台的广告推广投入水平，借鉴文献[26]的假设，广告推广成本为c(v)=ωv2。

q：产品的市场需求量，q=b-p+βs+γv（b为市场的基本需求量，β为服务水平的需求弹性，γ为广告推广水平的需求弹性，且b,β,γ＞0）。

πm：制造商利润。

πe：电商平台的利润。

π：电商供应链的利润。

R：推广效率，且当ω不变时，推广水平需求弹性越大，推广效率也越大；当γ不变时，推广成本系数越小，推广效率也越大。

为了保证供应链系统利润大于0，假设4kω＞2ωβ2+kγ2。

3 佣金策略下的模型建立及比较

3.1 电商供应链分散决策模型

在电商供应链分散决策中，假设电商平台处在优势地位即作为领导者，而制造商则作为跟随者。比如天猫、京东、亚马逊等电商平台对于入驻平台的普通制造商就处于优势地位，在供应链中掌握主导权。在这类的链条中，第三方电商平台先决策自己的服务水平以及广告推广水平，接着制造商再决策自己的产品销售价格，销售完成后平台获取一定比例的佣金。这就构成了电商平台主导、制造商跟随的Stackelberg博弈模型。

3.2 电商供应链集中决策模型

在集中决策的情况下，制造商和第三方电商平台一起决定电商供应链的相关决策，把电商供应链系统利润最大化作为目标。

经过计算可得π(p,s,v)的Hessian矩阵：

证明显然-2＜0，由3.1节可得2k＞β2，此处二阶主子式大于0，又因为3.1节已知4kω-2ωβ2-kγ2＞0，所以2ωβ2+kγ2-4kω＜0，满足三阶Hessian矩阵负定的条件，所以存在最优的价格、服务及推广水平使得电商供应链利润最大。

然后，对式（3）中的p、s、v分别求偏导，令其为0，组成方程组求解，得出集中决策下的最优广告推广水平、最优的服务水平以及最优的价格分别如下：

3.3 模型比较

对分散决策和集中决策下制造商的最优定价进行比较，可以得出结论1：分散决策时的产品最优定价随着佣金率的增加而提高，且存在阈值，当佣金率低于θ*1时，p*＜p**；当佣金率高于θ1*时，p*＞p**。

从第一个结论可知，佣金率越高，分散决策下的产品价格越高。因为在分散决策下，低的佣金率意味着平台向制造商收取的佣金费较少，降低了制造商的成本，制造商则可通过低价吸引消费者；反之，高的佣金率使制造商的成本增加，为了保证自己的利润就相应提高产品价格，把佣金增加的成本加到产品上。

对分散决策和集中决策下电商平台的最优服务水平及推广水平进行对比，得出结论2：分散决策下的最优服务与推广水平随着佣金率的增加而增加，且存在阈值，当佣金率低于时，s*＜s**,v*＜v**；当佣金率高于时，s*＞s**,v*＞v**。

从第二个结论可知，佣金率越高，分散决策下的电商平台服务水平与推广水平越高。因为在分散决策下，低佣金率使电商平台的利润较低，平台不会提供过高的服务与推广水平，而高佣金率使平台能够获得较高的利润，这时平台有动力投入较多的成本到服务与推广中，从而使产品获得较高的服务与推广水平。

4 推广成本分摊策略

在电商供应链中，为了提高供应链总体的利润，可以通过“推广成本分摊”来协调系统。设λ为电商平台承担的推广成本比例，制造商则承担剩余推广成本，此时他们的利润函数如下。

电商平台的利润函数为：

制造商的利润函数为：

经过与3.1节一样的计算思路可以得到分摊推广成本下分散决策的平台与制造商最优利润如下所示：

这里B=4λkω-θγ2k-2λθβ2ω。

为了使得在成本分摊契约下平台与制造商的利润大于无分摊推广水平下各自的利润，因此分摊比例应该满足以下不等式：

经过证明，存在λ*∈(0,1)使得当分摊比例λ＜λ*时供应链系统可以实现协调，制造商和零售平台实现帕累托改进。

5 数值分析

首先，研究佣金率θ对分散决策和集中决策模式下最优价格、服务水平及推广水平的影响。假设b=100,β=1,γ=2,k=3,ω=5,c=5，令θ在[0,1]内变化，得到数值结果，如图2~图4所示。

图2 最优价格对比Fig.2 Optimal price comparison

图4 最优推广水平对比Fig.4 Comparison of optimal promotion levels

从图2~图4中可以看出，集中决策下的最优价格、服务水平及推广水平与佣金率无关。从图2中可知，当佣金率低于时，分散决策下的价格较低，平台向制造商收取的佣金较少，制造商的成本较低，制造商可以制定较低的产品价格促进销售；当佣金率高于时，较高的佣金率增加了制造商成本，为了赚取利润，制造商会提高产品价格。

从图3和图4中可以看出，当佣金率低于时，分散决策时的服务水平与推广水平都较低，这是由于佣金率低，直接导致了电商平台的利润减少，平台自然不会过多地投入资金提高服务与推广水平，此时服务与推广水平较低；当佣金率高于时，高的佣金率使平台有更大的动力提升服务与推广水平，此时服务与推广水平较高。

图3 最优服务水平对比Fig.3 Comparison of optimal service levels

平台佣金对产品价格和服务水平的影响在各种电商供应链中都十分显著。例如，某外卖平台佣金上升事件，强势的平台提高了盈利水平，其外卖配送服务水平与广告推广水平都得以提升，但诸多商家入不敷出，不得不提高价格，使得消费者直呼“吃不起”。显然这不利于供应链系统长期运营。因此，平台需要制定一个较为合理的佣金率。

其次，比较分散决策与“推广成本分摊协调”下各供应链成员的利润，且将这两种模型下的总利润与集中决策下的总利润进行对比，得到数值算例结果，如图5~图7所示。

图5 总利润对比Fig.5 Comparison of total profits

从图5可看出，集中决策下供应链总利润与佣金率无关，且始终高于两种分散决策下的系统总利润，因为互相合作可以最大化系统整体利润。从图5、图6中可以看出，在分散决策下的电商平台利润、供应链利润都随着佣金率的增加而上升，这是由于佣金率增加，平台向制造商所收取的费用增加，平台利润上升。而由图7易见，佣金率增加使得制造商成本上升，制造商利润随着佣金率增加而减少。另外，由图6可以发现，相较于无成本分摊的分散决策模式，在任何佣金率下推广成本分摊都使得电商平台利润有所提高。但是由图5和图7可以发现，当佣金率低于一定阈值时，成本分摊下的制造商利润始终高于无成本分摊下的利润；而当佣金率过高时，成本分摊反而会降低制造商利润。这是因为成本分担可以协调供应链成员的利润，而过高的佣金率已经充分补偿了平台的推广成本，此时如果进一步让制造商分担推广成本，则会损害制造商的利益，进而降低供应链总利润。这与现实是相互吻合的。

图6 电商平台利润对比Fig.6 Comparison of e-commerce platform profits

图7 制造商利润对比Fig.7 Comparison of manufacturer profits

通过成本分担方式来协调商家与平台的利益在电商供应链中并不鲜见。比如，某平台与数百家小型制造商合作发出“厂直优品”策略，实行“拼团购买”，共同协调，使商家和平台的收益增加，从而优化了整个电商供应链的利润。这说明实现供应链成员的“双赢”需要平台和商家加强合作。

最后，探讨电商供应链中制造商的产品价格和电商平台服务水平随着第三方电商平台的推广效率(R)变化的影响。假设b=100,β=1,k=3,c=5,θ=0.2,R∈(0,1)，得出数值结果如图8、图9所示。

图8 最优价格与推广效率的关系Fig.8 Relationship between optimal price and promotion efficiency

从图8中可以看到，随着电商平台推广效率的提高，分散决策与集中决策下的制造商的最优产品价格都相应提高，但集中决策下产品价格对推广效率提升的反应更加灵敏。这是由于推广效率提高意味推广水平的需求弹性系数增大，此时潜在市场需求上升，制造商可以提高自身的产品。

从图9中可以看到，随着电商平台的推广效率逐渐增加，分散决策与集中决策下的最优服务水平也都相应提高，这是因为平台在推广效率上的提高使得平台的推广成本降低，从而可以在服务上投入更多成本，即提高服务水平。

图9 最优服务与推广效率的关系Fig.9 Relationship between optimal service and promotion efficiency

事实上，电商平台基于互联网技术的高效推广能力是其核心竞争力之一。譬如众所周知的“双十一”购物狂欢节，节前各种“搭楼”“组队”“喂猫”等获取金币的营销方式将推广效率发挥到极致，使平台分分钟突破百亿。因此，平台要积极挖掘推广效率的价值。

6 结束语

本文构建单一的电商平台与单一的制造商组成的电商供应链系统，讨论了处于领导地位的电商平台与跟随地位的制造商在集中决策与分散决策下最优的产品价格、平台服务水平以及推广水平；对比了分散决策与协调策略下的供应链成员利润，也将两种模型结构下的总利润与集中决策下的总利润进行了比较；研究了最优的产品价格与服务水平随着推广效率增加的变化趋势。可以得到：当佣金率不高时，分散决策下的最优产品定价、服务和推广水平都低于集中决策下的最优决策；分散决策下系统总利润低于集中决策下的总利润，实行“推广成本分摊”策略可以使得制造商与电商平台利润增加，实现供应链成员利润的帕累托改进；随着推广效率上升，平台的推广水平会提高，两种决策模式下的电商平台服务水平与制造商产品价格也都上升，从而使消费者享受更好的服务待遇，承担更高的价格。

从以上结论可以得出如下管理启示：（1）信息技术的发展促进了网络平台的繁荣，某些大型电子商务平台很容易在供应链系统中占据主导地位，这时，电商平台可能出于对利益的追逐而损害制造商的利益，如收取过高的佣金来增加自身的利润。这就需要通过国家的行业发展规划、相关的法律法规来进行调控，对平台收取的佣金要限制合理的范围，对不遵守规则、破坏行业健康发展的平台，要有严厉的惩罚机制。（2）要想实现供应链成员利益最大化、成本最小化，电商平台与制造商加强合作与沟通是最好的实现方式。处在互联网时代占据优势地位的电商平台眼光要放得长远，积极谋求与制造商合作，这有利于促进电商供应链协调稳定的发展，实现双方的互利共赢。（3）电商平台要积极地提高互联网推广效率，充分发挥推广效率所带来的效益，刺激消费者需求，这不仅使得制造商能够制定更高的产品价格，而且能够使平台的推广成本降低，从而可以将这部分资金转移到提高服务水平。这样既有利于提高消费者服务体验，又增加了制造商利润。若平台的推广效率低下，消费者不能及时了解平台的活动、产品促销力度，此时消费者市场不能被充分地挖掘，长此以往，最终损害的不只是制造商的利益，平台本身的销量减少，所赚取的佣金收入也相应地降低，自然不能实现利益最大化。

本文只是讨论了单一制造商和单一电商平台之间的纵向博弈，没有考虑平台上具有竞争关系的多个制造商之间的横向博弈。因此，研究由多个制造商和第三方电商平台或者自营电商平台组成的电商供应链是下一步研究方向。