C2C賣家差異化定價(jià)策略對(duì)網(wǎng)店收益和信譽(yù)的影響

陳洋　周綠林　杜建國

摘要：基于刺激反應(yīng)理論構(gòu)建了C2C市場(chǎng)中消費(fèi)者購買決策模型，使用多主體建模方法，利用Repast Simphony平臺(tái)和JAVA開發(fā)語言進(jìn)行仿真，研究了網(wǎng)店采用不同的定價(jià)策略對(duì)網(wǎng)店收益和信譽(yù)的影響。結(jié)果表明，高信譽(yù)值對(duì)價(jià)格產(chǎn)生溢出效應(yīng)，揭示了C2C市場(chǎng)中信譽(yù)炒作和價(jià)格戰(zhàn)等現(xiàn)象的成因。

關(guān)鍵詞：C2C賣家；差異化定價(jià)策略；購買決策；收益；信譽(yù)

中圖分類號(hào)：F724.6文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1001-8409（2014）09-0114-05

Influences of C2C Seller Differential Pricing Strategy

on Web Store Profit and Reputation

CHEN Yanga， b， ZHOU Lvlina， DU Jianguoa，b

（a .School of Management； b. Computational Experiment Center for Social Science， Jiangsu University，Zhenjiang 212013）

Abstract： This paper builds a consumer purchasing decision model of C2C market based on stimulusresponse theory， and uses repast symphony platform and JAVA programming language to simulate based on the multiagent modeling method， investigates the influences of differential pricing strategies on web store profit and reputation. The results show that the high reputation has a spillover effect on the price， reveal the causes of credit speculation and price war phenomenon in C2C market.

Key words： C2C seller； differential pricing strategy； purchasing decision； profit； reputation

引言

國際金融危機(jī)以來，電子商務(wù)在我國轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式中的作用愈加受到重視，C2C電子商務(wù)已成為人們生活中一種重要的消費(fèi)方式。在C2C交易過程中存在著一個(gè)普遍現(xiàn)象：C2C網(wǎng)店間提供的產(chǎn)品和服務(wù)具有高度的相似性，消費(fèi)者面臨如何做出購買決策的困境；搜索成本的降低和豐富的信息卻又大大增加了消費(fèi)者決策時(shí)的靈活性與復(fù)雜性。對(duì)于C2C賣家而言，在不斷成熟的網(wǎng)絡(luò)零售市場(chǎng)和平臺(tái)化交易模式背景下，理清交易中消費(fèi)者購買決策的關(guān)鍵要素，并制定正確的競(jìng)爭策略顯得至關(guān)重要。

關(guān)于C2C電子商務(wù)，現(xiàn)有研究除了相對(duì)注重從信譽(yù)、信號(hào)機(jī)制等方面探討C2C市場(chǎng)的有效性之外[1～3]，還主要集中在以下兩方面：一是側(cè)重于研究C2C平臺(tái)自身競(jìng)爭策略和網(wǎng)站競(jìng)爭力的提升。Schlosser等提出增加網(wǎng)上商店視覺效果設(shè)計(jì)的投資可以提高消費(fèi)者的信任意圖和在線購買意愿[4]；劉文云等在對(duì)我國C2C網(wǎng)站內(nèi)外部影響因素進(jìn)行SWOT分析的基礎(chǔ)上，運(yùn)用AHP方法識(shí)別了影響我國C2C網(wǎng)站發(fā)展的關(guān)鍵因素[5]；二是將營銷理論應(yīng)用于電子商務(wù)，探討網(wǎng)絡(luò)環(huán)境下消費(fèi)者購買行為決策特征。Ye等基于ebay和淘寶數(shù)據(jù)，應(yīng)用對(duì)數(shù)線性回歸模型研究了產(chǎn)品歷史銷售記錄對(duì)消費(fèi)者購買行為的影響，指出消費(fèi)者在進(jìn)行購買決策時(shí)會(huì)向其他買家學(xué)習(xí)[6]；Chan等研究發(fā)現(xiàn)，消費(fèi)者通常會(huì)在多個(gè)網(wǎng)店之間對(duì)目標(biāo)產(chǎn)品價(jià)格進(jìn)行比較，并認(rèn)定網(wǎng)店產(chǎn)品價(jià)格是決定瀏覽者能否成為購買者的關(guān)鍵要素[7]；胡海清等利用淘寶網(wǎng)交易數(shù)據(jù)，應(yīng)用Smart PLS模型，驗(yàn)證了信息豐富度、聲譽(yù)、采購成本、線上渠道模式、產(chǎn)品類型等對(duì)消費(fèi)者購買行為的影響[8]?？傮w而言，現(xiàn)有研究對(duì)C2C賣家競(jìng)爭策略的關(guān)注較少，并相對(duì)忽視了C2C市場(chǎng)競(jìng)爭環(huán)境對(duì)賣家策略選擇的影響。薛有志等提出成本領(lǐng)先、信譽(yù)領(lǐng)先等五種戰(zhàn)略能夠給C2C賣家?guī)砀嗍找鎇9]。然而與傳統(tǒng)企業(yè)不同，C2C賣家實(shí)施產(chǎn)品差異化競(jìng)爭策略的渠道非常有限，價(jià)格策略往往是其應(yīng)對(duì)競(jìng)爭的主要手段，但在相關(guān)研究中缺乏對(duì)消費(fèi)者購買決策過程的系統(tǒng)考慮。Wang等通過eBay的拍賣數(shù)據(jù)探討了存在拍賣參與成本時(shí)，賣家如何在拍賣和固定價(jià)格策略間進(jìn)行選擇[10]；Dasgupta等將消費(fèi)者分為比較購物者和非比較購物者區(qū)別定價(jià)。對(duì)于比較購物者，基于一個(gè)模型優(yōu)化算法，利用一組加權(quán)的歷史價(jià)格和盈利數(shù)據(jù)，通過非線性回歸確定產(chǎn)品價(jià)格，最大限度地提高賣家的收益；而對(duì)非比較購物者采用更高的產(chǎn)品定價(jià)[11]。

對(duì)銷售同一產(chǎn)品的C2C賣家而言，產(chǎn)品的價(jià)格和銷量都是離散的，網(wǎng)店的信譽(yù)也不同，其面對(duì)的消費(fèi)者特征各異，具有不同消費(fèi)心理和決策過程。因此，本文以C2C賣家及其價(jià)格策略為研究對(duì)象，并系統(tǒng)考慮消費(fèi)者購買決策過程，探討在這樣一個(gè)復(fù)雜的、動(dòng)態(tài)的C2C環(huán)境下，C2C賣家的差異化定價(jià)策略究竟對(duì)產(chǎn)品的銷售、網(wǎng)店的收益和信譽(yù)產(chǎn)生什么樣的影響。鑒于目前大多數(shù)學(xué)者對(duì)消費(fèi)者購買行為的研究主要采取的是博弈、實(shí)證和理論分析等方法[12]，然而在C2C市場(chǎng)中主體的決策形成是一個(gè)復(fù)雜的認(rèn)知過程，多元主體的異質(zhì)性、決策時(shí)的心理過程以及主體間的交互行為和動(dòng)態(tài)的市場(chǎng)環(huán)境等系統(tǒng)特征難以單純用定性或者定量的方法描述，本文通過多元主體的計(jì)算機(jī)建模方法來研究C2C市場(chǎng)，綜合考慮市場(chǎng)中各個(gè)主體的異質(zhì)性、非線性及其相互之間的交互機(jī)制，檢驗(yàn)C2C賣家競(jìng)爭策略選擇的有效性，從而更深刻地揭示C2C市場(chǎng)的動(dòng)態(tài)演化過程。endprint

1消費(fèi)者購買決策規(guī)則分析

1.1消費(fèi)者購買決策模型

行為心理學(xué)創(chuàng)始人Watson提出了“刺激-反應(yīng)”模型，指出人類的復(fù)雜行為可以被分為兩部分：刺激和反應(yīng)。行為是對(duì)刺激的反應(yīng)，刺激來自兩方面：身體內(nèi)部的刺激和體外環(huán)境的刺激，而反應(yīng)總是隨著刺激呈現(xiàn)。以Lutz等為代表的主觀情境學(xué)派認(rèn)為消費(fèi)者通過情境刺激產(chǎn)生對(duì)環(huán)境的反應(yīng)。因此本文認(rèn)為，由于C2C交易中的信息不對(duì)稱，消費(fèi)者通常會(huì)利用與產(chǎn)品相關(guān)的外部信號(hào)作為購買決策參考，從而使在線情境刺激對(duì)消費(fèi)者的購買決策行為產(chǎn)生影響。在線情境刺激主要來自C2C網(wǎng)店信息，從內(nèi)容和形式兩個(gè)維度劃分。內(nèi)容上包括網(wǎng)店信息和產(chǎn)品信息，形式上主要指信息豐富程度[8]。本文構(gòu)建的基于刺激反應(yīng)理論的消費(fèi)者購買決策模型如圖1所示。

信息豐富度影響消費(fèi)者對(duì)產(chǎn)品和渠道等的認(rèn)知。然而由于網(wǎng)絡(luò)環(huán)境下信息的透明性以及網(wǎng)店之間的相互模仿，C2C賣家向客戶傳遞豐富信息的成本很低，期望依靠信息的豐富度來影響消費(fèi)者購買行為的策略幾乎失去作用。Chen的研究將信息豐富度作為感知有用性的前變量，研究顯示信息豐富度對(duì)消費(fèi)者感知有用性的影響不顯著[13]，因此本文未考慮信息豐富度對(duì)消費(fèi)者購買決策的影響。

1.2C2C市場(chǎng)消費(fèi)者購買決策行為建模

根據(jù)本文構(gòu)建的消費(fèi)者購買決策模型及其分析，C2C市場(chǎng)消費(fèi)者購買決策行為受以下因素影響。

1.2.1產(chǎn)品信息

主要指產(chǎn)品價(jià)格、質(zhì)量和銷量。

（1）產(chǎn)品價(jià)格：價(jià)格敏感度是消費(fèi)者主體個(gè)性特征中的一種，每個(gè)網(wǎng)店j在t時(shí)刻所標(biāo)注的產(chǎn)品價(jià)格Ptj能根據(jù)每個(gè)消費(fèi)者i的價(jià)格敏感度特質(zhì)引起一個(gè)Stij值（i=1，…，N；j=1，…，M）。根據(jù)Kim的價(jià)格敏感度分布模型，一個(gè)產(chǎn)品的價(jià)格越低，其所引起的價(jià)格敏感度就越低，即這個(gè)產(chǎn)品對(duì)消費(fèi)者購買動(dòng)機(jī)形成的阻礙越小[14]。價(jià)格敏感度是t時(shí)刻產(chǎn)品實(shí)際價(jià)格Ptj與消費(fèi)者心理期望價(jià)格Pte之差的冪函數(shù)，即：Stij=-αPtj-Pte+Ki。其中參數(shù)α>1，Ki是與消費(fèi)者i社會(huì)地位、經(jīng)濟(jì)狀況相關(guān)的負(fù)常數(shù)。Pte是t時(shí)刻消費(fèi)者對(duì)該產(chǎn)品的期望價(jià)格，期望價(jià)格很難得到，一般使用市場(chǎng)上同類產(chǎn)品的平均價(jià)格代替，即：Pte=1MMj=1Ptj。因此消費(fèi)者動(dòng)機(jī)函數(shù)中由產(chǎn)品價(jià)格產(chǎn)生的效用：

u′1ij=Stij×Ptj=（-αPtj-Pte+Ki）×Ptj（1）

（2）產(chǎn)品質(zhì)量：由于網(wǎng)絡(luò)的虛擬性、產(chǎn)品質(zhì)量評(píng)價(jià)的主觀性以及網(wǎng)絡(luò)主體的多樣性等原因造成產(chǎn)品質(zhì)量信息的不對(duì)稱性比傳統(tǒng)市場(chǎng)更加嚴(yán)重。營銷學(xué)的研究結(jié)果不斷表明消費(fèi)者往往會(huì)利用價(jià)格來推斷產(chǎn)品質(zhì)量和效用。因此產(chǎn)品價(jià)格在消費(fèi)者的購買決策中實(shí)際發(fā)揮著兩種效用，一方面較高的價(jià)格會(huì)降低消費(fèi)者的購買動(dòng)機(jī)；另一方面消費(fèi)者會(huì)從較高的價(jià)格形成較高的產(chǎn)品質(zhì)量感知，從而增加消費(fèi)者的購買動(dòng)機(jī)。

除了考慮消費(fèi)者從價(jià)格推斷產(chǎn)品質(zhì)量信息這一行為規(guī)則之外，消費(fèi)者在決策制定中通常還依賴參考價(jià)格。即消費(fèi)者在購買決策時(shí)，不僅受到絕對(duì)價(jià)格的影響，而且還將產(chǎn)品的價(jià)格與其他價(jià)格相比較，形成所謂的參考價(jià)格。借鑒Ding等的研究[15]并綜合上述兩種消費(fèi)者行為規(guī)則，假定：

ut2ij=eβi（ptij-γi）（2）

式（2）充分考慮了消費(fèi)者的異質(zhì)性，每個(gè)消費(fèi)者都有各自βi和γi值。其中βi是信息系數(shù)，指消費(fèi)者i從產(chǎn)品價(jià)格推斷質(zhì)量信息的程度。βi的值受到多種因素的影響，如消費(fèi)者是否經(jīng)歷過低價(jià)購買到偽劣產(chǎn)品的事件、消費(fèi)的頻次等[15]；γi是消費(fèi)者i對(duì)產(chǎn)品的參考價(jià)格。參考價(jià)格有多種形式：過去價(jià)格、保留價(jià)格等。

（3）產(chǎn)品銷量：由于C2C市場(chǎng)中消費(fèi)者和賣家間存在物理距離，消費(fèi)者在購買前不能接觸到產(chǎn)品和賣家，通常會(huì)選擇跟隨其他買家以降低風(fēng)險(xiǎn)。例如在從眾心理的暗示下，淘寶平臺(tái)提供的產(chǎn)品30天內(nèi)銷售記錄已經(jīng)成為消費(fèi)者選擇賣家和制定購買決策的重要影響變量[6]；而且月銷量越大，消費(fèi)者從眾效用明顯，但邊際效用遞減。因此假定由產(chǎn)品銷量產(chǎn)生的消費(fèi)者效用：

ut3ij=lg（1+Mtj）（3）

其中Mtj為t時(shí)刻網(wǎng)店j某產(chǎn)品的月銷量。

1.2.2網(wǎng)店信息

網(wǎng)店信譽(yù)是對(duì)網(wǎng)店以往交易的累積評(píng)價(jià)結(jié)果，能反映網(wǎng)店總體信用及服務(wù)水平，具有較強(qiáng)的代表性。信譽(yù)機(jī)制在目前的C2C交易環(huán)境下是賣家獲取消費(fèi)者信任的重要機(jī)制。賣家信譽(yù)的高低對(duì)能否成功銷售有顯著影響。根據(jù)李維安等的研究結(jié)論，當(dāng)賣家的信用分?jǐn)?shù)達(dá)到一定程度后，信用值增加銷量的作用呈邊際遞減的趨勢(shì)[3]，假定：

ut4ij=lg（1+Rtj）（4）

其中Rtj指t時(shí)刻網(wǎng)店j的信譽(yù)值。對(duì)Rtj的計(jì)算，借鑒淘寶網(wǎng)店信譽(yù)評(píng)價(jià)機(jī)制：交易完成后，如獲好評(píng)網(wǎng)店信譽(yù)增1；如獲差評(píng)則信譽(yù)減1。

綜上，本文將t時(shí)刻消費(fèi)者i在網(wǎng)店j選擇某產(chǎn)品的購買決策動(dòng)機(jī)函數(shù)定義為：

Utij=ut1ij+ut2ij+ut3ij+ut4ij=（-αPtj-Pte+Ki）×Ptj+eβi（ptij-γi）+lg（1+Mtj）+lg（1+Rtj）（5）

2C2C賣家定價(jià)策略分析

網(wǎng)絡(luò)環(huán)境中調(diào)整產(chǎn)品價(jià)格所產(chǎn)生的成本很低，使得C2C賣家根據(jù)市場(chǎng)的需求及時(shí)調(diào)整產(chǎn)品價(jià)格成為可能。以往的研究已經(jīng)確定了一些適用于網(wǎng)絡(luò)市場(chǎng)的定價(jià)策略。Kannan等提出了一個(gè)電子商務(wù)動(dòng)態(tài)定價(jià)策略的分類，包含三種類別：標(biāo)價(jià)策略、拍賣定價(jià)策略、捆綁定價(jià)策略。標(biāo)價(jià)策略包括動(dòng)態(tài)定價(jià)和電子優(yōu)惠券的使用[16]。本文重點(diǎn)關(guān)注其中的動(dòng)態(tài)定價(jià)策略。DiMicco等集中研究了兩種賣家定價(jià)策略：目標(biāo)導(dǎo)向策略（goal-directed，GD）和追隨者策略（derivative follower，DF）[17]。Deck等研究了電子市場(chǎng)中的三種定價(jià)策略：降價(jià)策略、保持低價(jià)策略和觸發(fā)定價(jià)策略[18]。本文中C2C賣家的動(dòng)態(tài)定價(jià)策略選取GD策略和保持低價(jià)策略（low-price matching，LPM），兩種策略的定價(jià)規(guī)則如下。endprint

2.1GD策略

GD策略試圖在銷售周期的最后一天完成銷售任務(wù)，而不是在銷售周期結(jié)束前，并以此為目標(biāo)來調(diào)整產(chǎn)品價(jià)格。對(duì)于同一種產(chǎn)品，不同消費(fèi)者往往具有不同的支付意愿。GD策略在銷量低時(shí)降低價(jià)格，銷量高時(shí)提高價(jià)格，通過在市場(chǎng)中調(diào)整其銷售節(jié)奏，達(dá)到每天將產(chǎn)品銷售給愿意支付更高價(jià)格的買家，定價(jià)過程如下：

Pt=P0+P0×tn=1gn-exptexpt×st（6）

expt=t×rd（7）

st=d2×（d-t）（8）

其中P0是指產(chǎn)品銷售周期內(nèi)的初始價(jià)格；Pt是銷售期內(nèi)第t天的產(chǎn)品銷售價(jià)格；gn是銷售周期內(nèi)截至第n天時(shí)的產(chǎn)品銷量；expt是指截至第t天時(shí)產(chǎn)品的期望銷量；r是賣家的目標(biāo)銷量；d是銷售周期；st為賣家期末價(jià)格調(diào)節(jié)幅度。

2.2LPM策略

LPM策略是指將產(chǎn)品價(jià)格設(shè)置為當(dāng)前市場(chǎng)下現(xiàn)有產(chǎn)品價(jià)格中的最低價(jià)。信息技術(shù)使得各個(gè)網(wǎng)店的產(chǎn)品價(jià)格高度透明，C2C賣家為了應(yīng)對(duì)激烈的市場(chǎng)競(jìng)爭，常常采用低價(jià)策略吸引消費(fèi)者。

3C2C賣家差異化定價(jià)策略對(duì)網(wǎng)店收益和信譽(yù)影響過程仿真

3.1實(shí)驗(yàn)環(huán)境及參數(shù)設(shè)置

本文在對(duì)消費(fèi)者購買決策規(guī)則及C2C賣家定價(jià)策略分析的基礎(chǔ)上，使用Repast平臺(tái)和JAVA語言對(duì)消費(fèi)者和C2C賣家進(jìn)行主體建模，通過構(gòu)建不同的實(shí)驗(yàn)情景，揭示不同的定價(jià)策略對(duì)網(wǎng)店收益及信譽(yù)的影響。

為了簡化虛擬市場(chǎng)模擬的復(fù)雜性，本實(shí)驗(yàn)用消費(fèi)者的收入代表其社會(huì)經(jīng)濟(jì)學(xué)屬性。根據(jù)CNNIC公布的2012年《中國網(wǎng)絡(luò)購物市場(chǎng)研究報(bào)告》數(shù)據(jù)，設(shè)定消費(fèi)者月收入服從正態(tài)分布：μ=3500，σ=450。消費(fèi)者的價(jià)格敏感度在主體收入的基礎(chǔ)上受到K的影響。為了達(dá)到模型的優(yōu)化，α的值經(jīng)過重復(fù)的測(cè)試和調(diào)整。γ是指消費(fèi)者對(duì)產(chǎn)品的保留價(jià)格，即消費(fèi)者愿意支付的最大價(jià)格。采用GD策略的賣家，每個(gè)周期產(chǎn)品目標(biāo)銷售量為600。各網(wǎng)店的產(chǎn)品初始銷量均置為0。表1列出了變量和參數(shù)的取值范圍及分布。

表1變量和參數(shù)的取值范圍及分布變量

參數(shù)說明取值范圍分布K-1000～0與收入成比例αα>1取決于訓(xùn)練和測(cè)試γ保留價(jià)格與收入成正比β信息系數(shù)0～1隨機(jī)均勻分布c產(chǎn)品成本600R01使用GD策略的網(wǎng)店初始信譽(yù)取決于實(shí)驗(yàn)需要R02使用LPM策略的網(wǎng)店初始信譽(yù)取決于實(shí)驗(yàn)需要3.2實(shí)驗(yàn)過程及結(jié)果分析

假設(shè)每天有50位消費(fèi)者進(jìn)入虛擬市場(chǎng)，均為一次性購買。如果市場(chǎng)上的產(chǎn)品售價(jià)超出該消費(fèi)者的保留價(jià)格，則放棄購買；當(dāng)產(chǎn)品價(jià)格在消費(fèi)者的保留價(jià)格范圍內(nèi)，則消費(fèi)者按照效用最大化的原則，選擇C2C賣家。在基于前文描述的信譽(yù)機(jī)制的計(jì)算規(guī)則上，考慮到C2C賣家可能存在一定概率銷售偽劣商品，以及服務(wù)上的不足致使買家不滿意等狀況引發(fā)消費(fèi)者的差評(píng)，導(dǎo)致信譽(yù)值降低，設(shè)此概率為3%～5%內(nèi)的隨機(jī)值。實(shí)驗(yàn)運(yùn)行3個(gè)仿真周期，每個(gè)周期30天。

當(dāng)R01≤R02時(shí)，實(shí)驗(yàn)表明，采取LPM策略的網(wǎng)店收益和信譽(yù)始終優(yōu)于采取GD策略的網(wǎng)店。這就可以理解為采取GD策略的網(wǎng)店信譽(yù)不占優(yōu)，且在產(chǎn)品初始銷量相同的情境下，消費(fèi)者為什么會(huì)涌向產(chǎn)品售價(jià)更低的網(wǎng)店。本文重點(diǎn)關(guān)注R01>R02的情形。當(dāng)R01>R02時(shí)，實(shí)驗(yàn)表明，采取兩種不同定價(jià)策略的網(wǎng)店收益及信譽(yù)具有相似的演化趨勢(shì)，此處設(shè)R01=600，R02=200。

通過圖2可以看出，初始信譽(yù)值高的網(wǎng)店采用GD策略時(shí)，初期的產(chǎn)品銷售利潤遠(yuǎn)高于初始信譽(yù)值低的采用LPM策略的網(wǎng)店，但隨著網(wǎng)店信譽(yù)優(yōu)勢(shì)的減弱（如圖3），產(chǎn)品銷售下降。尤其是當(dāng)兩個(gè)網(wǎng)店的信譽(yù)值均衡后，采取LPM策略的賣家獲取了較大的產(chǎn)品銷售利潤并最終超過了采取GD策略的賣家。

實(shí)驗(yàn)結(jié)果首先表明，高信譽(yù)值將產(chǎn)生價(jià)格溢出效應(yīng)。高信譽(yù)值的賣家通常意味著更高的可信任度、更準(zhǔn)確的產(chǎn)品描述和更好的服務(wù)，因此消費(fèi)者為了降低購物風(fēng)險(xiǎn)而常常選擇高信譽(yù)值的賣家進(jìn)行溢價(jià)支付。因而高信譽(yù)的賣家可以對(duì)產(chǎn)品制定較高的價(jià)格，實(shí)現(xiàn)收益最大化。

其次，實(shí)驗(yàn)結(jié)果從另一個(gè)角度解釋了在C2C市場(chǎng)上賣家為何如此重視網(wǎng)店的信譽(yù)值。如有些網(wǎng)店的經(jīng)營策略中鼓勵(lì)消費(fèi)者給好評(píng)，對(duì)給予好評(píng)的消費(fèi)者進(jìn)行現(xiàn)金返利，有的賣家甚至通過信譽(yù)炒作的方式，達(dá)到提高網(wǎng)店信用的目的。而C2C賣家為提高網(wǎng)店信譽(yù)所花費(fèi)的成本與網(wǎng)店獲得較高的信譽(yù)值后所帶來的溢出效益相比顯得非常有限。

最后，實(shí)驗(yàn)結(jié)果揭示了C2C市場(chǎng)上為何很多賣家傾向于執(zhí)行低價(jià)策略，解釋了電子商務(wù)環(huán)境中經(jīng)常出現(xiàn)的賣家之間打“價(jià)格戰(zhàn)“的現(xiàn)象。對(duì)于高信譽(yù)值的賣家固然可以利用自身信譽(yù)的優(yōu)勢(shì)，采取GD策略，在市場(chǎng)初期獲得較高的收益，但由于網(wǎng)絡(luò)競(jìng)爭的透明性和買家理性消費(fèi)的不斷增強(qiáng)，采取LPM策略從網(wǎng)店的長期盈利來看也具有一定的優(yōu)勢(shì)。從圖4可以看出，在第一個(gè)仿真周期，采取GD策略的初始高信譽(yù)值賣家的產(chǎn)品月銷售利潤遠(yuǎn)高于采取LPM策略的初始低信譽(yù)值賣家，但當(dāng)運(yùn)行到第二個(gè)仿真周期時(shí)，兩者之間的產(chǎn)品月銷售利潤出現(xiàn)了波動(dòng)（如圖5），采取LPM策略的賣家盈利逼近了采取GD策略的賣家。雖然總體的產(chǎn)品銷售利潤仍然是采取GD策略的賣家占優(yōu)勢(shì)，但將本實(shí)驗(yàn)運(yùn)行至第三個(gè)仿真周期時(shí)，采取LPM策略的低初始信譽(yù)值的網(wǎng)店盈利超出了采取GD策略的高初始信譽(yù)值的網(wǎng)店。因此對(duì)于后者來說制定價(jià)格策略時(shí)，必須深刻理解消費(fèi)者網(wǎng)絡(luò)購買決策過程的影響因素，考慮到自身信譽(yù)與市場(chǎng)上其他銷售相同產(chǎn)品網(wǎng)店間信譽(yù)的差距，合理利用自身信譽(yù)優(yōu)勢(shì)獲取最大化效益，并適時(shí)調(diào)整定價(jià)策略。

4結(jié)論

C2C市場(chǎng)是一個(gè)多主體參與的復(fù)雜系統(tǒng)，主體的異質(zhì)性、消費(fèi)者決策時(shí)的心理過程以及主體間的交互行為和動(dòng)態(tài)的市場(chǎng)環(huán)境等系統(tǒng)特征難以單純用定性或者定量的方法描述，通過基于多元主體的計(jì)算機(jī)仿真來研究C2C市場(chǎng)，可以克服傳統(tǒng)方法在精度和模型上的局限性，綜合考慮市場(chǎng)中各個(gè)主體的異質(zhì)性、非線性及其相互之間的交互機(jī)制，檢驗(yàn)C2C賣家行為決策的有效性。本文基于刺激反應(yīng)理論構(gòu)建了C2C市場(chǎng)中消費(fèi)者購買決策模型，系統(tǒng)考慮消費(fèi)者購買決策過程，從刻畫消費(fèi)者內(nèi)在決策心理過程出發(fā)，通過多主體建模方法構(gòu)造實(shí)驗(yàn)情景，研究了網(wǎng)店采用不同的定價(jià)策略對(duì)網(wǎng)店收益和信譽(yù)的影響。結(jié)果表明，高信譽(yù)值將產(chǎn)生價(jià)格溢出效應(yīng)，解釋了C2C市場(chǎng)中的一些現(xiàn)象，如C2C賣家為何如此重視網(wǎng)店信譽(yù)，C2C賣家為何常傾向使用低價(jià)策略，從而導(dǎo)致賣家間的價(jià)格戰(zhàn)頻發(fā)。同時(shí)本文的研究對(duì)C2C賣家理清其網(wǎng)店及產(chǎn)品因素中的有效市場(chǎng)信號(hào)以及行為決策的優(yōu)化提供了一定的理論指導(dǎo)。endprint

本文也存在一定的局限和不足。如在模擬的精確度上有待進(jìn)一步提高，為了降低模型的復(fù)雜度，用收入代替了主體的所有社會(huì)經(jīng)濟(jì)屬性；關(guān)于消費(fèi)者信息系數(shù)β的設(shè)定也僅考慮了網(wǎng)購頻次的影響，這在一定程度上降低了消費(fèi)者的保真度。在未來的研究中要增加同一市場(chǎng)中使用不同定價(jià)策略的賣家數(shù)量，結(jié)合不同的參數(shù)設(shè)置（如信譽(yù)、銷量等）研究這些策略在應(yīng)用于不同產(chǎn)品（如易逝品和耐用品）時(shí)，對(duì)網(wǎng)店收益和信譽(yù)的影響，并考慮提高主體的智能性和自適應(yīng)性，進(jìn)一步深化多主體建模方法在消費(fèi)行為領(lǐng)域的應(yīng)用。

參考文獻(xiàn)：

[1]Livingston J. How Valuable is a Good Reputation？A Sample Selection Model of Internet Auctions[J]. Review of Economics and Statistics，2005，87（3）：453-465.

[2]肖俊極，劉玲.C2C網(wǎng)上交易中信號(hào)機(jī)制的有效性分析[J].中國管理科學(xué)，2012，20（1）：161-170.

[3]李維安，吳德勝，徐皓.網(wǎng)上交易中的聲譽(yù)機(jī)制—來自淘寶網(wǎng)的證據(jù)[J].南開管理評(píng)論，2007，5：1-17.

[4]Schlosser A E， White T， Lloyd S M. Converting Web Site Visitors into Buyers：How Web Site Investment Increases Consumer Trusting Beliefs and Online Purchase Intentions[J]. Journal of Marketing，2006，70（4）：133-148.

[5]劉文云，韓曉紅.我國C2C電子商務(wù)網(wǎng)站競(jìng)爭戰(zhàn)略研究[J].圖書情報(bào)工作，2010，54（22）：126-130.

[6]Ye Q，et al. Learning from other Buyers：The Effect of Purchase History Records in Online Marketplaces[EB/OL].http：//dx.doi.org/10.1016/j.dss，2012-11-7.

[7]Chan C， Cheng C， Hsien W. Pricing and Promotion Strategies of an Online Shop Based on Customer Segmentation and Multiple Objective Decision Making[J]. Expert Systems with Applications， 2011，38（12）：14585–14591.

[8]胡海清，嚴(yán)建援，許壘.信息豐富度采購成本線上渠道模式對(duì)購買行為的影響研究[J].管理評(píng)論，2012，24（05）：80-88.

[9]薛有志，郭勇峰.C2C電子商務(wù)賣家的競(jìng)爭戰(zhàn)略研究：基于淘寶網(wǎng)的分析[J].南開管理評(píng)論，2012，15（5）：129-140.

[10]Wang X，Montgomery A，Srinivasan K. When Auction Meets Fixed Price：A Theoretical and Empirical Examination of Buy-it-now Auctions[J]. Quantitative Marketing and Economics，2008，6（4） ：339-370.

[11]Dasgupta P， Melliar-Smith P. Dynamic Consumer Profiling and Tiered Pricing Using Software Agents[J]. Electronic Commerce Research， 2003，3：277–296.

[12]王崇，趙金樓.電子商務(wù)下消費(fèi)者購買行為偏好的量化研究[J].軟科學(xué)，2011，8：134-138.

[13]Chen L D. Consumer Acceptance of Virtual Stores：A Theoretical Model and Critical Success Factors for Virtual Stores[D]. University of Memphis， Doctoral Dissertation，2000.

[14]Kim B， Blattberg R， Rossi P. Modeling the Distribution of Price Sensitivity and Implications for Optimal Retail Pricing[J]. Journal of Business and Economic Statistics， 1995， 13（3）：291–303.

[15]Ding M， Ross Jr W， Rao V. Price as an Indicator of Quality：Implications for Utility and Demand Functions[J]. Journal of Retailing，2010，86 （1）：69–84.

[16]Kannan P， Kopalle P. Dynamic Pricing on the Internet：Importance and Implications for Consumer Behavior[J]. International Journal of ElectronicCommerce，2001，5（3）：63–83.

[17]DiMicco J， Maes P， Greenwald A. Learning Curve：A Simulation-Based Approach to Dynamic Pricing[J]. Electronic Commerce Research，2003，3：245–276.

[18]Deck C， Wilson B. Automated Pricing Rules in Electronic Posted Offer Markets[J]. Economic Inquiry，2003，41（2）：208–223.

（責(zé)任編輯：王惠萍）endprint

本文也存在一定的局限和不足。如在模擬的精確度上有待進(jìn)一步提高，為了降低模型的復(fù)雜度，用收入代替了主體的所有社會(huì)經(jīng)濟(jì)屬性；關(guān)于消費(fèi)者信息系數(shù)β的設(shè)定也僅考慮了網(wǎng)購頻次的影響，這在一定程度上降低了消費(fèi)者的保真度。在未來的研究中要增加同一市場(chǎng)中使用不同定價(jià)策略的賣家數(shù)量，結(jié)合不同的參數(shù)設(shè)置（如信譽(yù)、銷量等）研究這些策略在應(yīng)用于不同產(chǎn)品（如易逝品和耐用品）時(shí)，對(duì)網(wǎng)店收益和信譽(yù)的影響，并考慮提高主體的智能性和自適應(yīng)性，進(jìn)一步深化多主體建模方法在消費(fèi)行為領(lǐng)域的應(yīng)用。

參考文獻(xiàn)：

[1]Livingston J. How Valuable is a Good Reputation？A Sample Selection Model of Internet Auctions[J]. Review of Economics and Statistics，2005，87（3）：453-465.

[2]肖俊極，劉玲.C2C網(wǎng)上交易中信號(hào)機(jī)制的有效性分析[J].中國管理科學(xué)，2012，20（1）：161-170.

[3]李維安，吳德勝，徐皓.網(wǎng)上交易中的聲譽(yù)機(jī)制—來自淘寶網(wǎng)的證據(jù)[J].南開管理評(píng)論，2007，5：1-17.

[4]Schlosser A E， White T， Lloyd S M. Converting Web Site Visitors into Buyers：How Web Site Investment Increases Consumer Trusting Beliefs and Online Purchase Intentions[J]. Journal of Marketing，2006，70（4）：133-148.

[5]劉文云，韓曉紅.我國C2C電子商務(wù)網(wǎng)站競(jìng)爭戰(zhàn)略研究[J].圖書情報(bào)工作，2010，54（22）：126-130.

[6]Ye Q，et al. Learning from other Buyers：The Effect of Purchase History Records in Online Marketplaces[EB/OL].http：//dx.doi.org/10.1016/j.dss，2012-11-7.

[7]Chan C， Cheng C， Hsien W. Pricing and Promotion Strategies of an Online Shop Based on Customer Segmentation and Multiple Objective Decision Making[J]. Expert Systems with Applications， 2011，38（12）：14585–14591.

[8]胡海清，嚴(yán)建援，許壘.信息豐富度采購成本線上渠道模式對(duì)購買行為的影響研究[J].管理評(píng)論，2012，24（05）：80-88.

[9]薛有志，郭勇峰.C2C電子商務(wù)賣家的競(jìng)爭戰(zhàn)略研究：基于淘寶網(wǎng)的分析[J].南開管理評(píng)論，2012，15（5）：129-140.

[10]Wang X，Montgomery A，Srinivasan K. When Auction Meets Fixed Price：A Theoretical and Empirical Examination of Buy-it-now Auctions[J]. Quantitative Marketing and Economics，2008，6（4） ：339-370.

[11]Dasgupta P， Melliar-Smith P. Dynamic Consumer Profiling and Tiered Pricing Using Software Agents[J]. Electronic Commerce Research， 2003，3：277–296.

[12]王崇，趙金樓.電子商務(wù)下消費(fèi)者購買行為偏好的量化研究[J].軟科學(xué)，2011，8：134-138.

[13]Chen L D. Consumer Acceptance of Virtual Stores：A Theoretical Model and Critical Success Factors for Virtual Stores[D]. University of Memphis， Doctoral Dissertation，2000.

[14]Kim B， Blattberg R， Rossi P. Modeling the Distribution of Price Sensitivity and Implications for Optimal Retail Pricing[J]. Journal of Business and Economic Statistics， 1995， 13（3）：291–303.

[15]Ding M， Ross Jr W， Rao V. Price as an Indicator of Quality：Implications for Utility and Demand Functions[J]. Journal of Retailing，2010，86 （1）：69–84.

[16]Kannan P， Kopalle P. Dynamic Pricing on the Internet：Importance and Implications for Consumer Behavior[J]. International Journal of ElectronicCommerce，2001，5（3）：63–83.

[17]DiMicco J， Maes P， Greenwald A. Learning Curve：A Simulation-Based Approach to Dynamic Pricing[J]. Electronic Commerce Research，2003，3：245–276.

[18]Deck C， Wilson B. Automated Pricing Rules in Electronic Posted Offer Markets[J]. Economic Inquiry，2003，41（2）：208–223.

（責(zé)任編輯：王惠萍）endprint

本文也存在一定的局限和不足。如在模擬的精確度上有待進(jìn)一步提高，為了降低模型的復(fù)雜度，用收入代替了主體的所有社會(huì)經(jīng)濟(jì)屬性；關(guān)于消費(fèi)者信息系數(shù)β的設(shè)定也僅考慮了網(wǎng)購頻次的影響，這在一定程度上降低了消費(fèi)者的保真度。在未來的研究中要增加同一市場(chǎng)中使用不同定價(jià)策略的賣家數(shù)量，結(jié)合不同的參數(shù)設(shè)置（如信譽(yù)、銷量等）研究這些策略在應(yīng)用于不同產(chǎn)品（如易逝品和耐用品）時(shí)，對(duì)網(wǎng)店收益和信譽(yù)的影響，并考慮提高主體的智能性和自適應(yīng)性，進(jìn)一步深化多主體建模方法在消費(fèi)行為領(lǐng)域的應(yīng)用。

參考文獻(xiàn)：

[1]Livingston J. How Valuable is a Good Reputation？A Sample Selection Model of Internet Auctions[J]. Review of Economics and Statistics，2005，87（3）：453-465.

[2]肖俊極，劉玲.C2C網(wǎng)上交易中信號(hào)機(jī)制的有效性分析[J].中國管理科學(xué)，2012，20（1）：161-170.

[3]李維安，吳德勝，徐皓.網(wǎng)上交易中的聲譽(yù)機(jī)制—來自淘寶網(wǎng)的證據(jù)[J].南開管理評(píng)論，2007，5：1-17.

[4]Schlosser A E， White T， Lloyd S M. Converting Web Site Visitors into Buyers：How Web Site Investment Increases Consumer Trusting Beliefs and Online Purchase Intentions[J]. Journal of Marketing，2006，70（4）：133-148.

[5]劉文云，韓曉紅.我國C2C電子商務(wù)網(wǎng)站競(jìng)爭戰(zhàn)略研究[J].圖書情報(bào)工作，2010，54（22）：126-130.

[6]Ye Q，et al. Learning from other Buyers：The Effect of Purchase History Records in Online Marketplaces[EB/OL].http：//dx.doi.org/10.1016/j.dss，2012-11-7.

[7]Chan C， Cheng C， Hsien W. Pricing and Promotion Strategies of an Online Shop Based on Customer Segmentation and Multiple Objective Decision Making[J]. Expert Systems with Applications， 2011，38（12）：14585–14591.

[8]胡海清，嚴(yán)建援，許壘.信息豐富度采購成本線上渠道模式對(duì)購買行為的影響研究[J].管理評(píng)論，2012，24（05）：80-88.

[9]薛有志，郭勇峰.C2C電子商務(wù)賣家的競(jìng)爭戰(zhàn)略研究：基于淘寶網(wǎng)的分析[J].南開管理評(píng)論，2012，15（5）：129-140.

[10]Wang X，Montgomery A，Srinivasan K. When Auction Meets Fixed Price：A Theoretical and Empirical Examination of Buy-it-now Auctions[J]. Quantitative Marketing and Economics，2008，6（4） ：339-370.

[11]Dasgupta P， Melliar-Smith P. Dynamic Consumer Profiling and Tiered Pricing Using Software Agents[J]. Electronic Commerce Research， 2003，3：277–296.

[12]王崇，趙金樓.電子商務(wù)下消費(fèi)者購買行為偏好的量化研究[J].軟科學(xué)，2011，8：134-138.

[13]Chen L D. Consumer Acceptance of Virtual Stores：A Theoretical Model and Critical Success Factors for Virtual Stores[D]. University of Memphis， Doctoral Dissertation，2000.

[14]Kim B， Blattberg R， Rossi P. Modeling the Distribution of Price Sensitivity and Implications for Optimal Retail Pricing[J]. Journal of Business and Economic Statistics， 1995， 13（3）：291–303.

[15]Ding M， Ross Jr W， Rao V. Price as an Indicator of Quality：Implications for Utility and Demand Functions[J]. Journal of Retailing，2010，86 （1）：69–84.

[16]Kannan P， Kopalle P. Dynamic Pricing on the Internet：Importance and Implications for Consumer Behavior[J]. International Journal of ElectronicCommerce，2001，5（3）：63–83.

[17]DiMicco J， Maes P， Greenwald A. Learning Curve：A Simulation-Based Approach to Dynamic Pricing[J]. Electronic Commerce Research，2003，3：245–276.

[18]Deck C， Wilson B. Automated Pricing Rules in Electronic Posted Offer Markets[J]. Economic Inquiry，2003，41（2）：208–223.

（責(zé)任編輯：王惠萍）endprint