王 阳 王国庆
(暨南大学管理学院)
线上线下深度融合过程中出现的消费者渠道迁移问题,给零售商和制造商带来极大困扰,主要表现之一就是“线下体验、线上购买”的展厅行为[1]。这种在不同购物阶段选择不同分销渠道的现象,严重挫伤了线下零售商。制造商推荐是引导消费者进行渠道迁移的重要信息工具,即制造商在其官网标注产品购买渠道,将访问其网站的消费者推荐给指定零售商[2]。例如,华为官网展示线下服务点查询列表,富士网站提供在线商铺查询链接,而佳能不仅为到访者展示详尽的线下购买渠道,也无差别地提供天猫商城旗舰店等直销渠道链接。制造商推荐通过管理渠道信息影响消费者购物路径,从而实现消费者分流和渠道平衡。
展厅行为下的制造商推荐策略,是包括消费者、线下零售商和制造商在内的多方博弈关系,尤其在消费者对服务异质性偏好下,零售商的服务努力至关重要。零售商的线下服务努力以提高消费者体验为导向,侧重于对需求有促进作用的柔性营销活动[3,4]。零售商存在3种线下服务努力情形[5]:①零售商可能不投资线下服务,例如,以智能投影仪而闻名的XGimi在京东商城中获得很高知名度,但实体渠道中XGimi的零售商却很少为销售其产品而付出营销努力;②零售商会投资事前服务,例如,手机行业实体店在新品价格发布前花费大量时间和成本进行营销宣传活动;③零售商会投资事后服务,例如,戴尔和联想等线下连锁零售商通常在观察到制造商线上价格后再调整店内服务力度。
本研究旨在分析展厅效应对线下服务水平和双渠道制造商推荐策略的影响,给出不同服务努力情形下制造商最优推荐策略,以期为制造商的渠道管理提供理论参考和决策依据,为零售行业线上线下协同发展提供优化思路。
关于线上推荐的研究已有一定成果,包括零售商推荐、消费者口碑推荐以及信息中介推荐等[6~8],但涉及制造商推荐的研究仍处于起步阶段。GHOSE等[9]指出,制造商会战略性建立推荐服务,以阻止信息中介从推荐中获利。WU等[2]认为,制造商应将消费者推荐给生产成本更低和市场规模更小的零售商,以避免直接渠道冲突。李增禄等[10]强调,零售商的风险偏好、渠道竞争强度和推荐市场规模共同决定制造商推荐策略。郭强等[11]针对制造商官方商城和在线零售商组成的线上零售结构,揭示了零售商广告投入和制造商成本分担对制造商推荐策略的影响。
展厅行为的研究成果有多个方面。展厅行为对绩效的影响方面,KUKSOV等[12]认为当批发合同内生时,消费者的展厅行为会提高零售商的获利能力。JIANG[13]认为,消费者的展厅行为降低了制造商和零售商的利润,加大了不同渠道销售独家产品的可能性。BASAK等[14]发现随着展厅效应的增强,传统零售商和在线零售商的利润都会下降,但消费者则会因市场零售价格的整体下降而获利。展厅行为对决策的影响方面,浦徐进等[15]刻画了消费者搭便车行为对供应链定价和促销策略的影响。PU等[16]证明展厅效应降低了线下零售商销售努力水平。马德青等[1]研究消费者展厅行为和商家利他行为对O2O供应链动态运营策略的影响。曹裕等[17]在随机需求下研究零售商搭便车行为和渠道间缺货替代行为对供应链库存竞争与促销决策的影响。展厅行为的协调机制方面,MEHRA等[18]指出,短期的价格匹配策略和长期的排他性销售都可有效抵抗消费者的展厅行为。金亮等[19]同时考虑展厅行为和交叉销售行为,建立线上零售商和线下零售商之间的委托代理模型,并设计佣金契约。刘灿等[20]设计基于线下需求引导的协调策略,利用展厅效应调节供应链成员的利润分配比例。
本研究还与线下服务努力策略有关。LI等[5]研究展厅效应对双渠道供应链的定价和服务努力的影响,并且考察无服务努力、事前服务努力和事后服务努力的策略差异。曹裕等[21]研究实体店促销的事前服务努力、搭便车行为和线上渠道模式对制造商定价和服务决策的影响。需要指出的是,本研究所探讨的事前或事后服务努力并不是指售前或售后服务,而是指线下零售商的服务决策是在观察到线上渠道价格决策之前还是之后做出的。事前服务努力中服务决策先于线上价格决策,事后服务努力中服务决策后于线上价格决策。有不少文献也将零售商服务努力投资的时机看作制造商是否有领先定价权的结果[3,22,23]。
综上所述,现有研究仅将推荐策略视为扩大市场规模的工具,未考虑推荐策略在渠道价格冲突和渠道引流方面的战略作用,并且研究视角只集中于单一的线上渠道或线下渠道,忽视线上线下渠道间的交互作用,对展厅行为和服务努力等非价格要素的思考不足。因此,刻画消费者展厅行为,在零售商不同服务努力情形中研究双渠道制造商的推荐策略是有必要的。
考虑由一个制造商和一个线下零售商组成的双渠道供应链系统,制造商既开通官方商城进行线上销售,也以批发价格w转售给零售商进行线下销售。制造商和零售商的零售价格分别为pm和pr,双方进行价格和服务竞争。制造商拥有一个官网,吸引寻求产品信息和购买渠道的消费者,并为其提供推荐。
根据双渠道运营的基本特征,对零售商、制造商和消费者提出以下假设。
(1)零售商假设零售商为到访实体店的消费者提供线下服务,帮助消费者更好地了解产品性能并促进市场销售。考虑到零售商在服务努力的投资水平和投资时机上具有一定灵活性,研究3种服务努力情形[5]:以零售商不投资服务努力为基准模型,记为N模型;以零售商投资事前服务努力为E模型;以零售商投资事后服务努力为P模型。与服务类投资的研究一致[16,24,25],假设零售商的服务水平为e,服务成本是服务水平的二次函数为e2/2。由于线上线下产品具有同质性,零售商服务不仅能促进线下需求,还对制造商线上销售产生了展厅效应,即吸引消费者线下体验、线上购买。
(2)制造商假设制造商为访问官网的消费者提供推荐,以引导消费者进行渠道迁移。制造商有3种推荐策略:只推荐线下渠道(记为S策略)、只推荐线上渠道(记为O策略)、同时推荐线上渠道和线下渠道(记为B策略)。用上标ij表示i模型中的推荐策略j,其中i∈{N,E,P},j∈{S,O,B}。
(3)消费者假设消费者对价格和服务敏感,并且可能拥有不同的购物渠道信息源。沿用WU等[2]和李增禄等[10]的研究,依据消费者是否依赖制造商信息将其分为传统消费者和推荐消费者。传统消费者对线上渠道和线下渠道都较为了解,直接前往官方商城或零售商店购买产品而无需借助其他参考信息;推荐消费者对市场中存在的渠道了解较少,更多地依赖于制造商发布的信息进行购买,因此购买前会先访问制造商官网,然后从制造商推荐的销售渠道选择购买。推荐策略直接将推荐消费者引流至被推荐渠道,通过影响价格和服务决策间接引导传统消费者的渠道选择。
传统消费者和推荐消费者都有可能产生线下体验、线上购买的展厅行为。根据对消费者的划分,制造商和零售商的需求由传统市场需求和推荐市场需求两部分组成。一方面,考虑传统市场的消费者需求,参考刘灿等[20]和BASAK等[26]对展厅效应的刻画,假设传统市场中消费者从线下渠道购买所获效用为uTr=v-pr+e,消费者从线上渠道购买所获效用为uTm=θtv-pm+kte。其中,v表示消费者对产品的估值,并且v~U[0,1];θt表示传统消费者对线上渠道的接受度,反映了渠道竞争程度,θt值越高渠道竞争越激烈,满足0<θt<1;kt表示传统市场的展厅效应程度,kt值越大展厅效应越强,满足0
另一方面,推荐市场的消费者需求与制造商推荐策略相关。当制造商只推荐线下渠道时,消费者从线下渠道购买所获效用为uRr=v-pr+e,当uRr>0时,消费者选择线下渠道购买,此时推荐市场中制造商和零售商的需求函数分别为qRm=0,qRr=1-pr+e;当制造商只推荐线上渠道时,消费者从线上渠道购买所获效用为uRm=θrv-pm,当uRm>0时,消费者选择线上渠道购买,此时推荐市场中制造商和零售商的需求函数分别为qRm=1-pm/θr,qRr=0;当制造商同时推荐线下渠道和线上渠道时,与传统市场类似,消费者从线下线上两个渠道购买所获效用分别为uRr=v-pr+e,uRm=θrv-pm+kre,此时推荐市场中制造商和零售商的需求函数分别为qRm=[pr-pm-(1-kr)e]/(1-θr)-(pm-kre)/θr,qRr=1-[pr-pm-(1-kr)e]/(1-θr)。相应地,kr表示推荐市场的展厅效应程度,满足0 综上所述,假设传统市场和推荐市场的规模分别为at和ar,那么制造商和零售商市场总需求分别为qm=atqTm+arqRm,qr=atqTr+arqRr,制造商和零售商利润分别为πm=pmqm+wqr,πr=(pr-w)qr-e2/2。鉴于模型结果的复杂性,参考CAI等[27]的研究,为简化分析并突出主要发现,假设相同的市场规模和对称的展厅效应,即at=ar=1且kt=kr=k,并且假设制造商的推荐策略不改变消费者对线上渠道的接受度,即θt=θr=θ。后文的算例分析中分别放宽以上假设,利用数值模拟检验非对称展厅效应、不同市场规模和差异化渠道竞争对制造商推荐策略的影响。 以零售商不投资线下服务努力作为基准模型,制造商和零售商各自以自身利润最大化为决策目标。供应链博弈顺序为:首先,制造商作为供应链领导者确定产品批发价格w和线上零售价格pm;其次,零售商根据制造商的最优决策确定线下零售价格pr。利用逆向归纳法求解上述博弈过程,得到N模型下制造商不同推荐策略的最优决策和最优利润(见表1)。 表1 N模型中制造商不同推荐策略的均衡结果 制造商作为双渠道供应链决策的领导者,批发价格和线上零售价格在制造商不同推荐策略下保持不变。消费者对线上渠道的接受度越高,制造商和零售商的渠道差异越小,制造商的线上渠道竞争力越高,因此将通过提高线上零售价格获得更高利润。相反,随着消费者对线上渠道接受度的提高,零售商的渠道竞争力相对减弱,即使获得制造商独家推荐,也因双重边际效应无法获得相对优势,因此零售商在任意推荐策略中,都会因线下零售价格的降低、边际利润的减少而受损。 命题1表明,当线下零售商不为销售付出额外的服务努力时,双渠道制造商应将线上线下渠道同时推荐给消费者,即使推荐市场会创造更高强度的市场竞争。零售商不投资线下服务使得消费者的展厅行为对供应链运营决策的影响微乎其微,价格竞争成为决定渠道差异的关键,因此制造商的推荐策略可被视为协调直销渠道和转销渠道价格竞争的机制。而无差别推荐在一定范围内为线上线下渠道创造了积极竞争,有利于制造商同时提高线上销售收益和线下批发收益。 表2 E模型中制造商不同推荐策略的均衡结果 结论2①揭示了事前服务努力中展厅效应对零售商最优线下服务水平的影响。无论制造商采用何种推荐策略,展厅效应的增强抑制了零售商提供高水平线下服务的积极性。虽然制造商会以降低批发价格给予零售商一定优惠,甚至采用推荐策略为线下渠道引流,但消费者展厅行为越强导致零售商的无效服务度越高,制造商的补偿性措施难以覆盖投资损失,因此零售商会降低线下服务水平,以弱化消费者渠道迁移的负面影响。 结论2②说明,制造商推荐策略对零售商服务努力的影响程度具有差异。制造商只推荐线上渠道时线下服务水平最低,这是因为制造商的线上渠道垄断了推荐消费者,推荐市场份额的缺失叠加展厅效应的消费者渠道迁移,最大限度地降低了零售商投资回报率,因此,将推荐消费者全部引流至线上渠道,反而会降低消费者线下体验度和消费者效用,不利于市场规模的扩大。但零售商垄断推荐市场并不必然意味着较高的服务水平,尤其在线上渠道接受度较高时,由于制造商可在零售商实施投资后动态调整批发价格和零售价格,后续可能改变的价格竞争程度使零售商并不会把全部预期收益投入到线下服务建设中。虽然投资有助于拉大与制造商渠道的差距,但展厅效应和制造商后动优势导致投资收效甚微,因此,共享推荐市场反而能中和价格竞争和渠道迁移的不利因素,从而带来更高的服务水平。结论2也从侧面反映出,推荐策略引导的消费者渠道迁移能在一定范围内改善零售商服务投资水平。 消费者愿为线下服务体验支付更高的零售价格,这种支付意愿也随展厅效应部分转移至线上渠道,小幅提高了线上渠道零售价格。不同于推荐策略创造的正向渠道竞争,零售商投资线下服务努力通过创造差异化竞争避免陷入价格战,有利于缓解渠道冲突。 命题2表明,双渠道供应链系统中零售商投资事前服务努力时,制造商的推荐决策受展厅效应和线上渠道接受度共同影响。首先,制造商不会只推荐线上渠道,虽然只推荐线上渠道使制造商既能垄断全体推荐消费者,也能享受展厅效应带来的好处,但只推荐线上渠道导致线下服务水平最低,线下消费者流失和服务水平的降低导致制造商利润水平最低;其次,制造商总会推荐线下渠道,在展厅效应程度较低或线上渠道接受度较高时,制造商才会无差别地同时推荐线上渠道。制造商推荐线下渠道可以视为因展厅效应对零售商服务努力的补偿,利用推荐消费者的增加弥补展厅效应的消费者迁移,这既能保证零售商利润水平,也有助于制造商利润的提高。命题2的结果见图1。 图1 E模型下双渠道制造商最优推荐策略 表3 P模型中制造商不同推荐策略的均衡结果 结论4对于P模型:①任意推荐策略j(j=S,O,B)中,给定其他参数不变,随展厅效应k的增加,服务水平ePj*降低;②不同推荐策略相比较,有ePS*>ePB*>ePO*。 对比结论2和结论4可知:①展厅效应的增强对零售商投资线下服务努力总是不利的。对于零售商而言,在任意一种投资时序下都无法通过提升服务水平来阻止消费者渠道迁移,反而导致大部分投资收益转移至线上渠道,而展厅效应也会削弱制造商推荐补偿力度,因此零售商将降低线下服务水平及时止损。②当零售商投资事后服务努力时,制造商率先决策零售价格和批发价格向零售商释放可信信号,即制造商表明了价格竞争程度和批发优惠力度,这一可信信号使零售商将根据市场总体规模,充分决策事后服务努力投资程度。具体表现为,零售商在推荐市场中的垄断势力越强,线下服务水平越高。总之,为应对展厅效应,制造商提供可信的推荐策略能激励零售商付出更多的服务努力,并且努力水平与推荐程度正相关。 对比结论3和结论5可知,制造商一方面降低批发价格减轻零售商销售成本,另一方面提高线上零售价格缓和渠道竞争。制造商利用先动决策表明了其在维护与零售商双渠道合作关系中的积极态度,展示了为激励零售商投资事后服务努力而做出的对消费者展厅效应的价格机制补偿。但零售商投资事后服务努力却并不一定能提高线下零售价格,因为制造商推荐线上渠道一定程度上削弱了零售商独家推荐优势,因此在服务努力对线上线下需求的促进效果较弱时,零售商会采用低价措施吸引消费者,避免与制造商的直接价格竞争。 命题3说明,零售商放弃线下服务投资的先动决策时序,反而能获得制造商的独家推荐。零售商的后动优势使其可以根据制造商的价格和推荐策略动态调整服务努力投资水平,而制造商在率先放弃低价竞争后将更注重服务质量的提升,因此服务努力投资主导了制造商推荐策略。结合结论4②可知,制造商对零售商的推荐强度越弱,线下服务水平越低,因此制造商将给零售商提供最高强度的推荐,即只推荐线下渠道。 推论1表明,零售商的利润与制造商推荐策略密切相关。具体表现为:零售商垄断推荐市场时利润最高,其次是零售商与制造商竞争推荐市场,最后是零售商未被推荐时利润最低。制造商通过推荐线下渠道引导消费者需求迁移,被推荐的消费者能弥补线下渠道因展厅效应产生的需求损失,因此提高了零售商利润水平,并且零售商在推荐市场的市场势力越强其利润越高。 上述分析对比了推荐策略和服务投资时序对线下零售商服务水平的影响,综合回答了制造商应如何针对服务努力情形和展厅效应制定推荐策略,以及推荐策略是否改善了展厅效应下的零售商收益。 本节主要研究前文结果的稳健性以及模型关键参数的影响,揭示非对称展厅效应、不同市场规模、差异化渠道竞争以及多周期博弈对最优推荐策略的影响。本节的模型推导与基本模型框架类似,限于篇幅省略推导过程。此外,由于均衡解的表达式比较复杂,难以得到直接比较结果,因此,为便于理解和观察,借鉴LI等[5]和BASAK等[26]的分析思路,利用算例分析在可行域范围内直观展示制造商的最优推荐策略。 放宽对传统市场和推荐市场展厅效应的假设限制,引入kt和kr分别刻画传统市场和推荐市场中的非对称展厅效应。展厅效应主要影响零售商服务努力投资情形下的决策,因此针对E模型和P模型,给定不同的线上渠道接受度θ,在可行域范围内研究(kt,kr)组合下的制造商最优推荐策略,算例结果分别见图2和图3。 图2 非对称展厅效应对E模型推荐策略的影响 图3 非对称展厅效应对P模型推荐策略的影响 图2表明,在零售商投资事前服务努力的情形中,任意消费者市场展厅效应的增强都会提高制造商推荐线下渠道的积极性。具体来看,当线上渠道接受度较低时,若传统市场和推荐市场的展厅效应都较低,则B策略最优;否则S策略最优。当线上渠道接受度较高时,若推荐市场的展厅效应较低,则B策略最优;若推荐市场的展厅效应适中,当传统市场的展厅效应高于某一阈值时,B策略最优,当传统市场的展厅效应低于某一阈值时,S策略最优;若推荐市场的展厅效应较高,则S策略最优。 对比图2和命题2的结论可知,无论传统市场和推荐市场的展厅效应是否对称,零售商投资事前服务努力时,O策略并不会成为制造商的最优策略,制造商总有动机推荐线下渠道而获得更高的服务溢出。此外,线上渠道接受度越高,线上销售的竞争力越高,制造商同时推荐线上渠道的可行空间越大,而推荐市场的展厅效应越高,B策略下的服务水平越低,制造商只推荐线下渠道的可能性越高。 图3表明,在零售商投资事后服务努力的情形中,S策略可能不再是制造商的稳定均衡策略。当线上渠道接受度不太高时,S策略是制造商的占优策略;当线上渠道接受度较高时,当且仅当传统市场的展厅效应较高且推荐市场的展厅效应较低时,B策略是占优策略,否则S策略是占优策略。对比图3与命题3的差异性可知,制造商选择B策略的动力来源于两个方面:①线上渠道接受度越高,推荐线上渠道带来的需求增量越大;②推荐市场的展厅效应越低,B策略对零售商服务水平的挤压越低,市场竞争越缓和。但是,多数情形下,零售商在非对称展厅效应中投资事后服务努力,依然能得到制造商的独家推荐。 放宽对传统市场和推荐市场规模的假设限制,针对不同的传统市场规模at和推荐市场规模ar,考察推荐市场相对规模对制造商最优推荐策略的影响。不失一般性,令at=1,ar=r,则r表示推荐市场相对规模,r值越大推荐市场规模越高,满足r>0。当0 图4 相对市场规模对E模型推荐策略的影响 图5 相对市场规模对P模型推荐策略的影响 由图4可知,当展厅效应较低时,若线上渠道接受度较低且推荐市场规模较高,则制造商选择S策略,否则制造商选择B策略;当展厅效应较高时,若线上渠道接受度较低,则制造商选择S策略,若线上渠道接受度适中,则制造商在推荐市场规模较高时选择S策略,在推荐市场规模较低时选择B策略,若线上渠道接受度较高,则制造商选择B策略。 对比图4和命题2的结论可知,在零售商投资事前服务努力的情形中,虽然推荐市场规模、展厅效应和消费者对线上渠道接受度共同决定了制造商对S策略和B策略的取舍,但为了利用服务水平吸引更多消费者,制造商不会在零售商投资事前服务中只推荐线上渠道。在线上渠道接受度不太高时,推荐市场规模越大,由线下服务带来的需求增长越高,因而使得制造商只推荐线下渠道的动机越强。 由图5可知,在零售商投资事后服务努力的情形中,S策略不是制造商的唯一均衡。首先,虽然O策略可能降低线下服务水平,但当推荐市场规模非常小时,垄断推荐市场的消费者带来的利润增量能弥补线下服务水平降低造成的利润损失,因此O策略最优;其次,当推荐市场规模较低时,若展厅效应较低且线上渠道接受度较高,制造商推荐线上渠道既能促进线上销售,也不会过度占有零售商的服务努力投资,因此B策略最优;最后,在零售商投资事后服务努力的多数情形中,S策略仍然是制造商的最优策略。 前文的分析都是基于制造商推荐不改变消费者对线上渠道接受度的假设进行的。事实上,虽然线上消费存在一定风险,导致消费者对线上渠道的接受度往往低于线下渠道,但制造商推荐线上渠道可能增加消费者对线上消费的信任感,这样势必会提高推荐消费者对线上渠道的接受度,改变推荐市场的渠道竞争。基于此,引入θt和θr分别表示传统消费者对线上渠道接受度和推荐消费者对线上渠道接受度,并且假设0<θt<θr<1。该假设表明,在推荐市场中,制造商推荐线上渠道会增加推荐消费者对线上渠道的接受度,但其对线上的渠道接受度仍小于线下渠道,推荐市场中的渠道竞争更加激烈,算例结果分别见图6和图7,其中图7取参数k=0.3,θt=0.3。 图6 差异化渠道竞争对E模型推荐策略的影响 图7 差异化渠道竞争对P模型推荐策略的影响 图6说明,零售商投资事前服务努力中,展厅效应和两个市场的线上渠道接受度共同影响制造商的最优推荐策略。一方面,为利用线下服务吸引更多消费者,制造商不会只推荐线上渠道;另一方面,随着展厅效应的增强,制造商只推荐线下渠道的可能性越高,同时推荐线上渠道和线下渠道的可能性越低。 图7说明,零售商投资事后服务努力中,无论展厅效应和两个市场的线上渠道接受度如何,制造商只推荐线上渠道时的利润最高,只推荐线下渠道时的利润最低。制造商将推荐消费者全部引荐至线下渠道,同时利用领先定价优势向零售商释放合作信号,能最大程度地提高零售商的服务水平。总之,即使在差异化渠道竞争中,零售商不同服务努力情形下制造商的最优推荐策略也具有一定的稳健性。 现实中,制造商还面临是否更改推荐策略的决定。前文分析表明,制造商率先推荐线下渠道能激励零售商提高服务努力水平,然而在零售商服务努力投资完成后,制造商是否会更改推荐策略?为此,考虑将E模型和P模型分别拓展为两期决策模型,博弈顺序为:第一期,首先,制造商确定推荐策略;其次,根据服务努力类型,零售商和制造商进行服务水平、批发价格和零售价格决策;最后,消费者根据推荐策略和自身效用选择渠道购买。第二期,制造商决定是否更改推荐策略,然后消费者根据最新推荐策略和自身效用选择渠道购买。因此,零售商和制造商的市场总需求是第一期需求和第二期需求之和,双方各自以自身两期利润最大化为目标进行决策。用上标ijk表示i模型中的第一期推荐策略j和第二期推荐策略k,其中i∈{N,E,P},j,k∈{S,O,B}。根据数值对比得到命题4和命题5。 命题4表明,当零售商投资事前服务努力时,O策略不会成为任意一期制造商的最优策略,并且在均衡策略下,制造商两期都会选择相同的策略。具体表现为,当线上渠道接受度高于某一阈值时,制造商两期都会选择B策略;当线下渠道接受度低于某一阈值时,制造商两期都会选择S策略。 命题5表明,当零售商投资事后服务努力时,制造商两期都会选择S策略。因此,在零售商的任意服务努力情形下,制造商在展厅效应下利用推荐策略引导消费者需求转移,达到激励零售商服务努力投资的目的后,并不会改变推荐策略。制造商的推荐策略可以视为一种较为稳定的、维系与零售商良好合作的手段。 本研究构建由一个制造商和一个线下零售商组成的双渠道供应链系统,分析不同线下服务努力情形中考虑展厅效应的双渠道制造商最优推荐策略,并探讨展厅效应、服务努力情形和推荐策略对最优决策和利润的影响。研究结论如下:①展厅效应会降低零售商线下服务努力投资,其不受服务努力投资时序的影响。②双渠道制造商不会只推荐线上渠道,将推荐消费者全部迁移至线上渠道,可能使线下渠道受损而降低双渠道制造商利润。当零售商投资事前服务努力时,若展厅效应较高且线上渠道接受度较低,制造商只推荐线下渠道;当零售商投资时候服务努力时,制造商只推荐线下渠道;其余情况下,制造商同时推荐线上和线下渠道最优。③零售商可通过调整服务投资时序获得制造商的独家推荐引流,并且在任意服务努力投资时序中,零售商的利润在制造商只推荐线下渠道时最高,在制造商只推荐线上渠道时最低;对于制造商而言,应积极利用推荐策略应对消费者渠道迁移的展厅行为,充分发挥信息主导优势,缓解展厅效应对线下零售商服务水平和利润的冲击。 本研究还可以从以下几个方面进行拓展:①除推荐策略外,制造商还可以结合统一定价或限制价格等方式应对展厅行为,可进一步对比不同措施的激励性和有效性;②消费者不仅存在 “线下体验、线上购买”的展厅行为,还存在“线上浏览、线下购买”的反展厅行为,未来可考虑展厅行为和反展厅行为共同影响下制造商推荐策略的选择;③针对推荐策略和服务努力的决策,制造商和零售商可能进行长期战略互动,未来可考虑构建无限次重复讨价还价博弈模型。3 制造商推荐策略均衡分析
3.1 无服务努力(N模型)
3.2 事前服务努力(E模型)
3.3 事后服务努力(P模型)
4 算例分析
4.1 非对称展厅效应的影响
4.2 推荐市场相对规模的影响
4.3 差异化渠道竞争的影响
4.4 多周期博弈的影响
5 结语