獨(dú)家交易對平臺內(nèi)經(jīng)營者銷量的影響研究
——來自互聯(lián)網(wǎng)外賣平臺的實(shí)證證據(jù)*

周依仿，駱品亮

（復(fù)旦大學(xué) 管理學(xué)院，上海 200433）

一、引言

互聯(lián)網(wǎng)技術(shù)的成熟與普及推動著平臺經(jīng)濟(jì)的飛速發(fā)展，雙邊平臺成為越來越重要的前沿?zé)狳c(diǎn)。平臺經(jīng)濟(jì)具有典型的雙邊市場屬性，其區(qū)別于傳統(tǒng)單邊市場的最大特點(diǎn)是存在交叉網(wǎng)絡(luò)外部性（cross-group externalities），即一邊用戶的規(guī)模影響另一邊用戶的效用，反之亦然（Rochet 和Tirole，2003）。這一特征使得用戶規(guī)模較大的平臺往往占據(jù)優(yōu)勢（駱品亮等，2010），故用戶規(guī)模是平臺發(fā)展的關(guān)鍵。此外，平臺差異性越小，多歸屬的用戶越多（王志宏和傅長濤，2019）。為了爭奪用戶，平臺試圖通過各種手段搶占市場份額，獨(dú)家交易就是互聯(lián)網(wǎng)平臺常采用的手段之一。獨(dú)家交易在互聯(lián)網(wǎng)平臺中常表現(xiàn)為“二選一”，本文所研究的獨(dú)家交易主要指“二選一”行為，它是指互聯(lián)網(wǎng)平臺要求平臺內(nèi)經(jīng)營者只能在本平臺提供商品或服務(wù)，而不能同時入駐同類對手平臺進(jìn)行交易，以此搶奪雙邊用戶資源（王嶺和廖文軍，2021）。而外賣平臺是獨(dú)家交易的典型應(yīng)用場景，美團(tuán)外賣和餓了么平臺作為外賣市場兩大寡頭，截至2020 年第一季度二者已包攬外賣市場份額94.2%，其中美團(tuán)外賣交易額占比高達(dá)67.3%①數(shù)據(jù)來源《2020 年Q1 中國外賣行業(yè)發(fā)展分析報告》，Trustdata 網(wǎng)站，http：//www.itrustdata.com/#publish。。高市場支配地位下，過去幾年中外賣平臺強(qiáng)迫商家“二選一”的報道屢見不鮮，如2019 年8 月西安市曝出某外賣平臺要求商家簽訂獨(dú)家協(xié)議，商家若不獨(dú)家，則會被提高費(fèi)率或縮小配送范圍，甚至關(guān)店②詳細(xì)信息請參見：https：//www.12315wq.com/html/wq/2019/wqdt_0802/92414.html。?；ヂ?lián)網(wǎng)平臺的獨(dú)家交易行為越發(fā)受到國家反壟斷執(zhí)法機(jī)構(gòu)的密切關(guān)注。2021 年2 月7 日，《國務(wù)院反壟斷委員會關(guān)于平臺經(jīng)濟(jì)領(lǐng)域的反壟斷指南》正式頒布，其中指出了分析是否構(gòu)成限定交易需要考慮“二選一”及獨(dú)家交易等因素，而是否對平臺內(nèi)經(jīng)營者產(chǎn)生損害是考察是否構(gòu)成限定交易的重要方面。受制于雙邊平臺交叉網(wǎng)絡(luò)外部性和較高的競爭動態(tài)性等因素，識別和判定互聯(lián)網(wǎng)平臺獨(dú)家交易的競爭效果成為一大挑戰(zhàn)。

2021 年4 月26 日，市場監(jiān)管總局對美團(tuán)在中國境內(nèi)網(wǎng)絡(luò)餐飲外賣平臺市場進(jìn)行的“二選一”等涉嫌壟斷行為立案調(diào)查，同年10 月8 日對該“二選一”行為處以34 億元的罰款，針對美團(tuán)外賣“二選一”反壟斷審查的靴子暫時落地③此前，還有針對阿里巴巴和食派士的兩起“二選一”處罰案件。。然而獨(dú)家交易的影響較為復(fù)雜，對于獨(dú)家交易的研究也遠(yuǎn)未停止，其經(jīng)濟(jì)效應(yīng)至今沒有統(tǒng)一的定論，影響具有兩面性：可能的積極影響在于，獨(dú)家交易有助于緩解搭便車行為，降低成本并保護(hù)平臺專用性投資，還有助于提升平臺投資水平，最終提高市場效率（Evans，2013；Vasconcelos，2015）；消極影響在于平臺獨(dú)家交易可能會限制、排擠競爭對手，損害其利益。還可能弱化平臺內(nèi)經(jīng)營者的競爭，損害消費(fèi)者利益，甚至可能導(dǎo)致市場分割，損害資源配置效率（Doganoglu 和Wright，2010；唐要家和楊越，2020）。本研究試圖從理論和實(shí)證上說明獨(dú)家交易的影響，并考慮其影響的異質(zhì)性。

本研究的創(chuàng)新和貢獻(xiàn)在于：一是從平臺內(nèi)經(jīng)營者（商家）視角切入，在理論模型中引入了平臺賦能效果和品牌異質(zhì)性的影響，分析二者在平臺獨(dú)家交易影響商家銷量中的作用。雙邊平臺中專門針對商家用戶的研究較少，聚焦于這一重要群體，豐富了相關(guān)的理論和實(shí)證研究。二是國內(nèi)對獨(dú)家交易的實(shí)證檢驗(yàn)比較匱乏，運(yùn)用2019 年西部某重要城市X 市的外賣平臺數(shù)據(jù)，給出了獨(dú)家交易對商家影響的估計，豐富了該領(lǐng)域的實(shí)踐證據(jù)，并發(fā)現(xiàn)獨(dú)家交易通過渠道效應(yīng)降低了商家的總銷量，為學(xué)界關(guān)于獨(dú)家交易經(jīng)濟(jì)效應(yīng)的爭議提供了新的洞察。三是將商家獨(dú)家交易后銷量變化的影響機(jī)制分解為渠道效應(yīng)和用戶轉(zhuǎn)移效應(yīng)（平臺間和平臺內(nèi)），從理論上比較分析各機(jī)制對銷量變化的影響，并在實(shí)證中進(jìn)行檢驗(yàn)，研究發(fā)現(xiàn)從銷量促進(jìn)的角度而言，平臺并沒有有效賦能商家，故已有理論研究中關(guān)于平臺獨(dú)家交易的辯護(hù)理由“提升平臺投資水平”在本研究情境中沒有得到支持。這一結(jié)果對反壟規(guī)制具有參考意義。四是運(yùn)用三重差分模型探究獨(dú)家交易的品牌異質(zhì)性影響，發(fā)現(xiàn)品牌商家受獨(dú)家交易的負(fù)面影響更大，為監(jiān)管部門提供了保護(hù)重點(diǎn)的方向。

二、理論模型與研究假設(shè)

（一）文獻(xiàn)回顧

從理論角度分析獨(dú)家交易對社會福利影響的文獻(xiàn)已有很多，但尚未形成統(tǒng)一共識。由于雙邊平臺具有交叉網(wǎng)絡(luò)外部性等的特點(diǎn)，加上隱蔽性強(qiáng)、質(zhì)量差異和消費(fèi)者異質(zhì)性等因素影響，考察雙邊平臺獨(dú)家交易變得更加困難（喬岳和楊錫，2021）。部分學(xué)者認(rèn)為平臺獨(dú)家交易有利于提升平臺投資水平，提高市場效率和社會福利，如Armstrong 和Wright（2007）對雙邊平臺競爭瓶頸下的獨(dú)家交易進(jìn)行研究，發(fā)現(xiàn)在交叉網(wǎng)絡(luò)外部性作用下，支配平臺的獨(dú)家交易協(xié)議會使處于劣勢的競爭平臺被排擠出市場，但這一結(jié)果是有效率的。Evans（2013）指出獨(dú)家交易協(xié)議有助于降低需求的不確定性，促使平臺增加投資，還可能促進(jìn)實(shí)現(xiàn)間接網(wǎng)絡(luò)效應(yīng)、促進(jìn)平臺的自然壟斷及解決用戶預(yù)期與協(xié)調(diào)問題。Vasconcelos（2015）指出非對稱雙邊市場的獨(dú)家交易通過提高平臺間接網(wǎng)絡(luò)效應(yīng)和競爭力提升社會福利，若禁止低于邊際成本的定價可能損害有效率的排他行為。

另一些學(xué)者認(rèn)為獨(dú)家交易會損害競爭，降低社會福利。如Halaburda 和Yehezkel（2013）認(rèn)為排他交易損害社會福利且使市場化水平發(fā)生扭曲。唐要家和楊越（2020）認(rèn)為支配平臺實(shí)施獨(dú)占交易協(xié)議會消除“平臺多屬”，嚴(yán)重?fù)p害市場競爭、創(chuàng)新及社會總福利。楊春德和劉睿嵐（2010）對互聯(lián)網(wǎng)即時聊天平臺研究發(fā)現(xiàn)，當(dāng)平臺無互聯(lián)時，用戶多歸屬時企業(yè)的定價及利潤高于單歸屬時的情況。駱品亮和翁智澄等（2022）對平臺獨(dú)家交易福利效果的文獻(xiàn)進(jìn)行了扼要的梳理與評價，并考慮了平臺內(nèi)典型企業(yè)的歸屬問題，指出當(dāng)對手平臺實(shí)行獨(dú)家而己方平臺不獨(dú)家時，己方平臺利潤最低，且雙平臺均實(shí)施獨(dú)家時平臺總利潤小于均不獨(dú)家的情形。還有一些學(xué)者認(rèn)為獨(dú)家交易協(xié)議對社會福利的影響效應(yīng)是不確定的，需視情況分析。周天一等（2019）發(fā)現(xiàn)當(dāng)平臺邊際成本和交叉網(wǎng)絡(luò)外部性參數(shù)較大時，排他交易才能增加社會福利。Jeitschko 和Tremblay（2020）認(rèn)為平臺獨(dú)家交易提高了商家利潤卻降低了消費(fèi)者福利，使得社會總福利的影響不確定，在不同假設(shè)條件下，獨(dú)家交易可能增加也可能損害社會總福利。李相辰和李凱（2021）從平臺與商家談判博弈的視角進(jìn)行理論分析，指出獨(dú)家戰(zhàn)略合作協(xié)議不會損害市場競爭，而強(qiáng)制性獨(dú)家交易會弱化平臺間競爭并降低商家的利潤。高潔等（2014）針對消費(fèi)者對廣告的不同偏好類型，分析了獨(dú)家交易對社會福利的不同影響。葉明（2014）從法律角度分析認(rèn)為，基于獨(dú)家交易對競爭的雙重效應(yīng)，應(yīng)適用合理原則開展違法性認(rèn)定，綜合多重因素平衡積極與消極影響，再判斷是否違法并追究反壟斷法律責(zé)任。

因此，理論研究方面尚未形成對獨(dú)家交易經(jīng)濟(jì)效應(yīng)的一致結(jié)論，而實(shí)證研究方面對此的檢驗(yàn)不多，國外部分學(xué)者比如Prieger 和Hu（2012）以第六代美國視頻游戲市場為研究對象，發(fā)現(xiàn)當(dāng)獨(dú)家交易的軟件質(zhì)量較低或?qū)οM(fèi)者價值不高時，平臺獨(dú)家交易的反競爭效果有限，且可能促進(jìn)新興平臺的快速成長。Lee（2011）發(fā)現(xiàn)最大平臺上熱門游戲的集中導(dǎo)致了其主導(dǎo)地位的產(chǎn)生，而獨(dú)家交易行為會加劇這種市場集中。進(jìn)一步地，Lee（2013）繼續(xù)對該視頻游戲市場展開實(shí)證分析，發(fā)現(xiàn)獨(dú)家交易有利于新平臺的進(jìn)入，因?yàn)榻躬?dú)家交易時，高質(zhì)量軟件會優(yōu)先選擇更具競爭力的在位者，而使得小的平臺難以進(jìn)入市場。

除了社會福利影響的研究之外，還有部分文獻(xiàn)分析了平臺上商家的效用和用戶的轉(zhuǎn)移，比如王嶺和廖文軍（2021）通過數(shù)值模擬發(fā)現(xiàn)“二選一”后商家效用呈現(xiàn)不規(guī)則的變化趨勢。喬岳和楊錫（2021）指出為了爭奪用戶，平臺在實(shí)施獨(dú)家交易后投入增加，短期內(nèi)有助于商家銷量的提升，但這種投入對商家是邊際報酬遞減的。因此商家福利和銷量會逐漸下降。Weeds（2016）分析了兩家電視平臺動態(tài)競爭的情況，其中一家為垂直整合運(yùn)營商，垂直整合運(yùn)營平臺將具有較高吸引力的內(nèi)容進(jìn)行獨(dú)家時，將獲得平臺市場份額長期上的優(yōu)勢，并彌補(bǔ)由于獨(dú)家后優(yōu)質(zhì)內(nèi)容銷售渠道減少帶來的短期銷售損失。用戶的轉(zhuǎn)移方面，Shao（2016）發(fā)現(xiàn)當(dāng)消費(fèi)者給商家?guī)淼慕徊婢W(wǎng)絡(luò)外部性差異較大時，商家接受與平臺的獨(dú)家交易有助于消費(fèi)者規(guī)模的增加，從而提高資源配置效率。張謙等（2019）以“免費(fèi)”商業(yè)模式下的電商平臺為研究對象，指出賣方側(cè)交叉網(wǎng)絡(luò)外部性強(qiáng)度較高時，單平臺實(shí)施排他能使賣方側(cè)數(shù)量增加，這一競爭優(yōu)勢通過交叉網(wǎng)絡(luò)外部性傳導(dǎo)于買方側(cè)，使得買方發(fā)生轉(zhuǎn)移，從而該平臺買方側(cè)數(shù)量也增加。

此外，還有文獻(xiàn)考慮了產(chǎn)品質(zhì)量對獨(dú)家交易的影響，Prieger 和Hu（2012）發(fā)現(xiàn)當(dāng)視頻游戲平臺獨(dú)家交易的軟件質(zhì)量較低或?qū)οM(fèi)者價值不高時，平臺獨(dú)家交易的反競爭效果有限。Weeds（2016）研究表明存在轉(zhuǎn)換成本時，廣播電視平臺獨(dú)家優(yōu)質(zhì)電視節(jié)目，可以幫助平臺獲得市場份額的優(yōu)勢并長期獲益?？梢?，產(chǎn)品質(zhì)量會影響?yīng)毤医灰椎男Ч?。而品牌商家和非品牌商家在產(chǎn)品質(zhì)量上可能存在差異，品牌商家的產(chǎn)品質(zhì)量往往更高且更穩(wěn)定，故考慮品牌對獨(dú)家交易的異質(zhì)性影響是有價值的。此外，品牌商家在用戶忠誠度上往往較高，擁有相對穩(wěn)定的消費(fèi)者群體，相比非品牌商家而言議價能力更強(qiáng)。曲創(chuàng)（2019）認(rèn)為大品牌商家的客戶忠誠度高，即使離開平臺，銷量也不會受很大的影響，平臺與大牌商家簽獨(dú)家協(xié)議不具優(yōu)勢。

綜上可以發(fā)現(xiàn)：首先，現(xiàn)有文獻(xiàn)對獨(dú)家交易的經(jīng)濟(jì)效應(yīng)尚未達(dá)成共識，且相關(guān)實(shí)證研究較為缺乏，本研究通過理論模型和實(shí)證分析結(jié)合，揭示了獨(dú)家交易的影響機(jī)制，并補(bǔ)充了平臺獨(dú)家交易后果的實(shí)踐證據(jù)。其次，已有研究更多關(guān)注于消費(fèi)者福利和社會總福利，對于雙邊平臺的另一側(cè)用戶（商家用戶）關(guān)注相對較少，本文聚焦于商家這一重要群體，豐富了獨(dú)家交易的研究范圍。再次，以往研究較少考察品牌的異質(zhì)性影響，而本研究考慮了品牌與非品牌商家對消費(fèi)者網(wǎng)絡(luò)外部性的不同，探究了是否為品牌對獨(dú)家后商家銷量的影響，使研究結(jié)果更具實(shí)踐意義。最后，現(xiàn)有文獻(xiàn)較多考慮的是獨(dú)家交易對平臺投資水平的影響，而缺乏專門針對獨(dú)家的商家定向進(jìn)行流量支持、賦能的研究，本研究引入平臺賦能效果這一因素，以考慮商家獲取用戶能力的提升對獨(dú)家交易后果的影響。

（二）理論模型與分析

1.模型背景及設(shè)定

以Armstrong 和Wright（2007）、唐要家和楊越（2020）的模型為基礎(chǔ)，與之不同的是，一是主要考慮的是商家在強(qiáng)制性的獨(dú)家交易前后的銷量變化，并將其分解為渠道效應(yīng)和用戶轉(zhuǎn)移效應(yīng)；二是引入了平臺賦能效果影響因素，并考慮商家對消費(fèi)者網(wǎng)絡(luò)外部性的品牌異質(zhì)性，以探究其對獨(dú)家后銷量變化的影響，使得模型更貼近現(xiàn)實(shí)情況。

銷量對線上消費(fèi)者的注意力和產(chǎn)品選擇都有著正向影響（萬曉榆等，2018），且直接影響商家的績效。因此銷量對于商家而言十分重要。為研究互聯(lián)網(wǎng)外賣平臺獨(dú)家交易對平臺內(nèi)經(jīng)營者銷量的影響，可以從單平臺銷量和總銷量兩個方面來看，其中單平臺銷量表示商家在實(shí)施獨(dú)家協(xié)議的平臺上的銷量（本研究實(shí)證中指外賣平臺G），總銷量是指商家在雙寡頭平臺上的銷量之和（若商家被獨(dú)家，則獨(dú)家后總銷量即等于單平臺銷量）。若商家獨(dú)家后總銷量相比非獨(dú)家商家下降，可以再進(jìn)一步考察其單平臺銷量是上升還是下降。用兩個變量衡量獨(dú)家交易的影響，可以幫助挖掘更為微觀、深層次的結(jié)論。

在前述基礎(chǔ)上，構(gòu)建雙寡頭平臺的二階段博弈模型，并使用Hotelling 模型分析平臺實(shí)施獨(dú)家交易前后消費(fèi)者的歸屬變化情況，即兩平臺的消費(fèi)者數(shù)量。在第一階段，平臺上的商家數(shù)量一致，平臺主要靠價格（對消費(fèi)者的收費(fèi)）來競爭消費(fèi)者。在第二階段，平臺則通過簽訂強(qiáng)制性的獨(dú)家交易協(xié)議搶奪消費(fèi)者，求解出均衡狀態(tài)下兩平臺的收費(fèi)及消費(fèi)者數(shù)量。再借鑒Hagiu 和Wright（2015）對企業(yè)客戶數(shù)的設(shè)定方法，假定商家的需求函數(shù)，以得出商家的銷量。其中，為刻畫平臺對獨(dú)家商家的賦能效果，引入系數(shù)δ分析平臺對獨(dú)家商家可能的流量支持、服務(wù)優(yōu)化等給商家?guī)淼膶?shí)際效益。由此可以比較分析獨(dú)家前后商家的銷量變化。最后為研究品牌異質(zhì)性，考慮了商家是否為品牌對消費(fèi)者的網(wǎng)絡(luò)外部性不同，從而得到品牌與非品牌銷量變化的差異。

假設(shè)存在兩個雙寡頭外賣平臺M和E分別位于線段兩端，其上各有數(shù)量的商家。消費(fèi)者總數(shù)標(biāo)準(zhǔn)化為1，且均勻分布在Hotelling 線上。平臺對消費(fèi)者而言存在橫向差異，消費(fèi)者的單位交通成本為tB，記使用平臺j的消費(fèi)者數(shù)量為。互聯(lián)網(wǎng)外賣平臺具有雙邊性特征，消費(fèi)者數(shù)量會影響商家的效用，假設(shè)消費(fèi)者對商家的交叉網(wǎng)絡(luò)外部性為αS。此外，由于外賣平臺服務(wù)時效要求高且存在地域限制，其服務(wù)半徑和內(nèi)容相比傳統(tǒng)電商平臺更小，故消費(fèi)者的選擇是有限的，當(dāng)越多符合消費(fèi)者偏好的商家上線平臺時，消費(fèi)者越愿意加入該平臺，且品牌與非品牌商家對消費(fèi)者的效用不同，故平臺上商家數(shù)量的變化，尤其是品牌商家數(shù)量的變化可以引起消費(fèi)者數(shù)量的變化。由此假設(shè)商家群體對消費(fèi)者的交叉網(wǎng)絡(luò)外部性為αBi(i=0，1)，i=1 代表品牌，且品牌商家?guī)淼木W(wǎng)絡(luò)外部性更大，即αB1＞αB0。當(dāng)不考慮品牌影響時，令αBi=αB即可。

此外，消費(fèi)者單次消費(fèi)只能在一個平臺上完成，故假設(shè)消費(fèi)者是單歸屬的，tB＞αBi。消費(fèi)者對平臺的選擇取決于平臺上商家的數(shù)量及商家是否為品牌帶來的效用差距。而平臺對商家無差異，商家選擇平臺的交通成本tS=0，其效用取決于平臺上的消費(fèi)者數(shù)量。只要效用非負(fù)商家就愿意加入平臺，第一階段不存在獨(dú)家交易時，全部商家多歸屬，且數(shù)量為1，。此外，假設(shè)兩平臺對消費(fèi)者的基本效用相同，記為V。兩平臺對消費(fèi)者的定價為，該定價可理解為平臺的起送費(fèi)、配送費(fèi)等費(fèi)用和運(yùn)營成本的綜合；記平臺對商家的交易抽傭?yàn)門j，傭金大小與品牌無關(guān)。為簡化模型，忽略商家抽傭之外的邊際成本。假設(shè)平臺向B端提供服務(wù)的成本為0，向S端提供服務(wù)的成本為fS。

2.不存在獨(dú)家交易時的均衡分析

首先分析第一階段的均衡狀態(tài)，兩平臺上消費(fèi)者的效用可以表示為

因tS=0，商家從平臺M、E上獲得的效用為參考唐要家和楊越（2020）的假設(shè)，對商家而言，只要效用不低于0 就愿意加入平臺，令大于等于0，則TM=TE=αS。

由于重點(diǎn)考察的是商家在獨(dú)家交易前后的銷量變化，參考Hagiu 和Wright（2015）對企業(yè)客戶數(shù)的設(shè)定方法，假設(shè)平臺j上典型商家的需求函數(shù)為其中，代表商家在平臺j的基本用戶數(shù)，Pj為平臺j上商家對消費(fèi)者的餐飲定價，m衡量的是價格對商家銷量的影響參數(shù)。于是平臺j上典型商家的利潤函數(shù)為πj=(Pj-Tj)SinSalej。如前文所述，商家利潤不低于0 就愿意在平臺上銷售，故餐飲定價Pj=Tj。

將Pj，Tj代入商家的需求函數(shù)（單平臺銷量）得：；商家總需求函數(shù)（總銷量）為：TotSale=SinSaleM+SinSaleE=1-2mαS。

3.獨(dú)家交易后的均衡分析

在第二階段，考慮γ∈[0，1]比例的商家被平臺M強(qiáng)制要求簽訂獨(dú)家交易協(xié)議，商家只能選擇接受該協(xié)議，單歸屬平臺M，或者拒絕該協(xié)議，被下架而單歸屬平臺E。由于兩個平臺的消費(fèi)者數(shù)量初始時是一致的，接受獨(dú)家可能得到平臺M更多支持，且平臺M的消費(fèi)者數(shù)量可能隨著商家的獨(dú)家而增加，所以商家會被迫選擇接受獨(dú)家協(xié)議。其余商家仍為多歸屬。此時，平臺M的商家數(shù)量仍為，平臺E的商家（亦為多歸屬商家）數(shù)量為。平臺j對多歸屬商家的抽傭?yàn)門j′，平臺M對被獨(dú)家商家的抽傭?yàn)門MD，假設(shè)TMD為外生且TMD＜TM′。平臺服務(wù)獨(dú)家商家的成本為。為簡化模型，不考慮消費(fèi)者的跨平臺轉(zhuǎn)移成本。

平臺M和E上消費(fèi)者的效用為（面臨的商家為品牌商家時，i取1，否則取0④比較是否品牌對獨(dú)家的影響時，為簡化問題，比較當(dāng)所有商家均為品牌或非品牌商家時，消費(fèi)者的分布情況。）：

非獨(dú)家商家從平臺j上獲得的效用為，求得Tj′=αS。而對于被獨(dú)家商家的效用，引入?yún)?shù)δi（i=0，1）代表平臺M針對獨(dú)家商家的賦能效果，如流量扶持、算法推薦、服務(wù)優(yōu)化等給商家?guī)淼膶?shí)際效益，有利于獨(dú)家商家獲取平臺內(nèi)的消費(fèi)者轉(zhuǎn)移。在考慮品牌的差異時，δ1代表平臺M針對品牌商家的賦能效果，δ0則代表非品牌商家，二者均大于0（不考慮品牌差異時，令獨(dú)家商家δi=δ＞0）。此時，獨(dú)家商家的效用可以表示為

此時平臺利潤為

4.實(shí)施獨(dú)家前后商家銷量對比分析

將商家銷量的變化情況總結(jié)為表1。

觀察表1，可以將獨(dú)家交易對商家銷量水平的影響分解為兩類主要路徑（圖1）：一是渠道效應(yīng)，是指獨(dú)家交易后，商家被迫損失其原有的其他銷售渠道，被限制在單一平臺銷售，故而不可避免地?fù)p失一定比例的消費(fèi)者，導(dǎo)致總銷量可能因此受損；二是用戶轉(zhuǎn)移效應(yīng)，可將其細(xì)分為平臺間轉(zhuǎn)移和平臺內(nèi)轉(zhuǎn)移。平臺間用戶轉(zhuǎn)移效應(yīng)是指平臺上獨(dú)家的商家使得平臺對消費(fèi)者的吸引力變大，商家在獨(dú)家交易后能吸引部分消費(fèi)者在平臺間遷移，跟隨商家至新平臺繼續(xù)消費(fèi)。而平臺內(nèi)轉(zhuǎn)移效應(yīng)是指商家獨(dú)家后，由于平臺對獨(dú)家商家賦能，使得平臺內(nèi)部消費(fèi)者在不同商家之間轉(zhuǎn)移。以下具體分析獨(dú)家交易對商家銷量的影響機(jī)制。

表1 在實(shí)施獨(dú)家前后商家銷量對比

（1）不考慮品牌對獨(dú)家交易后銷量的影響。當(dāng)不考慮品牌的影響時，不考慮下標(biāo)i，令αBi=αB，δi=δ。被獨(dú)家的商家總銷量變化ΔTotSale可以分解為三項(xiàng)：

圖1 獨(dú)家交易對商家銷量的影響機(jī)制

同理分析被獨(dú)家的商家單平臺銷量變化ΔSinSale：第一項(xiàng)為平臺間轉(zhuǎn)移效應(yīng)，代表由于平臺獨(dú)家導(dǎo)致平臺新增的消費(fèi)者帶來的商家銷量增加；第二項(xiàng)為平臺內(nèi)轉(zhuǎn)移效應(yīng)，代表由于平臺流量扶持帶來的銷量增加。故獨(dú)家交易通過平臺間和平臺內(nèi)轉(zhuǎn)移效應(yīng)提升商家的單平臺銷量。分析ΔSinSale可以發(fā)現(xiàn)，當(dāng)δ，、γ和αB越大時，獨(dú)家后單平臺銷量提升越高，反之則反。

綜上，可以得到關(guān)于獨(dú)家交易影響商家銷量的命題：

實(shí)施獨(dú)家交易后，商家總銷量通過渠道效應(yīng)降低，而通過平臺內(nèi)用戶轉(zhuǎn)移效應(yīng)上升。當(dāng)δ＞，平臺賦能效果達(dá)到一定程度時，商家獨(dú)家交易后總銷量上升，否則總銷量下降（1a）；

實(shí)施獨(dú)家交易后，商家單平臺銷量通過平臺間和平臺內(nèi)用戶轉(zhuǎn)移效應(yīng)提升，δ、γ和αB越大時，提升幅度越大（1b）。

（2）考慮商家是否為品牌對獨(dú)家交易后銷量的影響。當(dāng)商家為品牌商家時，令所有下標(biāo)i=1；非品牌商家時，令i=0。可以比較品牌與非品牌商家在獨(dú)家交易前后銷量差異。

總銷量上差異為

單平臺銷量上差異為

綜上，可以提出命題：

渠道效應(yīng)和平臺間用戶轉(zhuǎn)移的凈效應(yīng)給品牌商家?guī)礓N量優(yōu)勢，再將平臺內(nèi)用戶轉(zhuǎn)移納入考慮，當(dāng)δ1＞即平臺給品牌的賦能效果差異高于某一值時，品牌商家獨(dú)家后總銷量上升，反之則反（2a）；

平臺間轉(zhuǎn)移效應(yīng)給品牌商家?guī)韱纹脚_銷量優(yōu)勢，再將平臺內(nèi)用戶轉(zhuǎn)移納入考慮，當(dāng)δ1＞，品牌商家獨(dú)家后單平臺銷量上升，反之則反（2b）。

（三）研究假設(shè)

1.獨(dú)家交易對平臺內(nèi)經(jīng)營者銷量的影響

前文提出了獨(dú)家交易對商家銷量影響的主要機(jī)制：渠道效應(yīng)和用戶轉(zhuǎn)移效應(yīng)（包括平臺間和平臺內(nèi)）。結(jié)合命題1a 和1b，商家在與平臺簽訂獨(dú)家交易協(xié)議后，其總銷量首先會受到渠道效應(yīng)影響從而可能大幅降低，然而平臺間和平臺內(nèi)的用戶轉(zhuǎn)移效應(yīng)可能在一定程度上提升商家的單平臺銷量，對沖一部分渠道效應(yīng)的負(fù)面影響。而由于在本研究的外賣平臺情境中，觀察到的平臺對商家的賦能效果有限，故可能不會完全抵消渠道效應(yīng)。因此，提出假設(shè)：

當(dāng)控制其他因素時，獨(dú)家交易通過渠道效應(yīng)降低商家的總銷量水平（H1a）；

當(dāng)控制其他因素時，獨(dú)家交易通過用戶轉(zhuǎn)移效應(yīng)增加商家的單平臺銷量水平（H1b）。

2.品牌對獨(dú)家交易影響的調(diào)節(jié)作用

進(jìn)一步地，對于外賣平臺上獨(dú)家交易對品牌和非品牌商家的影響，由命題2a 和2b 可知，品牌通過平臺間用戶轉(zhuǎn)移獲得總銷量和單平臺銷量優(yōu)勢。再考慮平臺內(nèi)用戶轉(zhuǎn)移時，當(dāng)品牌與非品牌商家的平臺賦能效果差異滿足時，品牌商家總銷量和單平臺銷量的減少更低。該不等式對品牌的賦能效果優(yōu)勢要求不高，當(dāng)δ1＞δ0時，不等式必定滿足。由于平臺給獨(dú)家的品牌商家的服務(wù)和支持可能使品牌獲得更大的優(yōu)勢，賦能效果可能更好，故我們猜想這一條件更可能滿足。因此，提出假設(shè)：

品牌商家獨(dú)家后通過渠道效應(yīng)和平臺間用戶轉(zhuǎn)移的凈效應(yīng)獲得銷量優(yōu)勢，總銷量的降低少于非品牌商家（H2a）；

品牌增強(qiáng)獨(dú)家交易的用戶轉(zhuǎn)移效應(yīng)，品牌商家獨(dú)家后單平臺銷量的增加高于非品牌商家（H2b）。

三、實(shí)證研究設(shè)計

（一）樣本選擇與數(shù)據(jù)來源

為了對研究假設(shè)進(jìn)行檢驗(yàn)，利用準(zhǔn)自然實(shí)驗(yàn)進(jìn)行實(shí)證分析。2019 年8 月西部某重要城市X（后文簡稱X市）曝出互聯(lián)網(wǎng)外賣平臺G 要求商家簽訂獨(dú)家協(xié)議事件，商家只能上架平臺G，否則會被提高費(fèi)率或設(shè)置高額起送費(fèi)，甚至關(guān)店。這一事件為解決獨(dú)家交易的內(nèi)生性問題提供了良好的準(zhǔn)自然實(shí)驗(yàn)⑤2019 年媒體曝光了多地外賣平臺“二選一”的行為，包括西安、南京、成都、紹興、?？凇⒘?、揚(yáng)州和長治、西寧等城市，這些城市大多屬于新一線城市和二三四線城市，本文選取本部某重要城市X 市作為研究對象有一定合理性。。而由于商家是否被獨(dú)家并非完全外生，為處理獨(dú)家交易的自選擇效應(yīng)，采用傾向得分匹配（propensity score matching，PSM），從評分、分店數(shù)、最低起送費(fèi)和是否品牌等多個指標(biāo)對簽訂獨(dú)家交易的內(nèi)生性問題進(jìn)行控制。

通過PSM 處理，為每一個簽訂獨(dú)家協(xié)議的商家挑選可供比較的、未簽訂獨(dú)家協(xié)議的配對商家，前者稱為處理組（treated group），后者稱為對照組（comparison group）。通過對比配對的處理組和對照組在實(shí)施獨(dú)家協(xié)議前后商家的銷量變化，來識別獨(dú)家協(xié)議簽訂的作用效果。這一銷量變化不僅包含處理組和對照組商家之間銷量差異，還考慮了商家在獨(dú)家前后由于其他因素（比如經(jīng)濟(jì)或社會環(huán)境等）帶來的銷量差異，這種方法即為雙重差分模型（difference in difference，DID）。

外賣平臺G 和平臺H 是X 市互聯(lián)網(wǎng)外賣行業(yè)的主要平臺，采用2019 年4 月和8 月兩大平臺兩期的數(shù)據(jù)（后文將2019 年4 月稱為第一期，2019 年8 月為第二期，并以在兩期之間發(fā)生了獨(dú)家交易的商家為處理組），共獲取兩個平臺兩期所有美食類外賣商家數(shù)據(jù)共5 萬多條，數(shù)據(jù)來源于網(wǎng)上抓?、拮ト》椒楸闅vX 市所有商圈，根據(jù)每個商圈坐標(biāo)進(jìn)行方圓多公里的全覆蓋，最后去除重復(fù)值予以匯總。。其中，每個商家的每個分店均為一條數(shù)據(jù)，為簡化樣本，數(shù)據(jù)整理過程中將商家的各個分店數(shù)據(jù)進(jìn)行了合并。再對樣本進(jìn)行必要的剔除⑦剔除的樣本包括：第一期單歸屬的商家；第一期未上線，第二期才上線平臺的新商家；第一期雙歸屬，第二期下線雙平臺或單歸屬H 平臺的商家。此外，由于H 平臺的部分指標(biāo)不夠齊全，因此不考慮第二期單歸屬H 平臺的商家數(shù)據(jù)。，僅留下第一期多歸屬雙平臺，第二期單歸屬G 平臺或多歸屬雙平臺的數(shù)據(jù)，重點(diǎn)考察初期多歸屬商家在第二期單歸屬G 平臺后與仍多歸屬雙平臺的商家之間的銷量差異。再剔除評分為空值的數(shù)據(jù)，最終得到有效數(shù)據(jù)為4112 條，共2056 家商家第一期為多歸屬，第二期為單歸屬G 平臺或多歸屬，其中被獨(dú)家（第二期為單歸屬G 平臺）的有143 家。

對于處理組的界定，將第一期多歸屬，第二期變?yōu)閱螝w屬G 平臺的商家近似視為簽訂了獨(dú)家交易，并將其作為主要研究對象，這樣處理的原因是：①該時期獨(dú)家交易的控訴主要來自G 平臺的商家，選擇被G 平臺要求獨(dú)家的商家作為處理組是合理的；②剔除了第一期單歸屬的或第一期未上線、到第二期才上線平臺的商家，僅保守考察了第一期雙歸屬兩平臺、并在第二期仍雙歸屬或單歸屬G 平臺的商家，商家從雙歸屬轉(zhuǎn)變?yōu)閱螝w屬可近似視為簽訂了獨(dú)家協(xié)議。

（二）模型設(shè)定與變量定義

通過雙重差分模型和傾向得分匹配法（PSM-DID）對研究假設(shè)進(jìn)行檢驗(yàn)。由于獨(dú)家協(xié)議簽訂對象的選擇可能不是隨機(jī)的，具備一定實(shí)力的非大型品牌商家更可能被要求簽訂獨(dú)家（曲創(chuàng)，2019）。因此為緩解內(nèi)生性問題，采用Rosenbaum 和Rubin（1985）提出的PSM 法對樣本進(jìn)行匹配。進(jìn)行PSM 時，處理組為第一期多歸屬、第二期變?yōu)閱螝w屬的商家，對照組為兩期均為多歸屬的商家，為每個發(fā)生了獨(dú)家交易的商家進(jìn)行匹配。匹配變量包括商家的評分、商家的分店數(shù)、最低起送費(fèi)和商家是否為品牌等。將處理組虛擬變量對匹配變量進(jìn)行Logit 回歸，計算出傾向得分P值，并依據(jù)處理組和對照組P值的相近度，采用最近鄰方法進(jìn)行1∶1 匹配，刪除未匹配上的商家，進(jìn)而對匹配成功的商家做進(jìn)一步的雙重差分估計。通過PSM 方法，為獨(dú)家交易的處理組中的商家i，挑選出具有可比性的、未獨(dú)家交易的對照組中的商家j，使其可觀測變量盡可能相似，從而商家i和商家j是否獨(dú)家的概率相近，進(jìn)而幫助解決獨(dú)家交易處理組和對照組不完全具備共同趨勢帶來的估計不一致問題。

對經(jīng)過PSM 處理后的處理組商家，令虛擬變量Treated=1，對于經(jīng)過PSM 處理后的對照組商家，令Treated=0。另設(shè)置時間虛擬變量T，簽訂獨(dú)家協(xié)議前令T=0（第一期數(shù)據(jù)），簽訂獨(dú)家協(xié)議后令T=1（第二期數(shù)據(jù)）。

為檢驗(yàn)假設(shè)H1a，建立如下雙重差分模型：

其中：TotSaleit為商家i在第t期的雙平臺總銷量（若商家i單歸屬則其總銷量等于單平臺銷量）；β1和β2為估計系數(shù)；β3為獨(dú)家交易對商家總銷量的凈影響。為了控制企業(yè)可能影響商家銷量的因素，加入了相應(yīng)的控制變量Xit，參考盧向華和馮越（2009）、萬興和楊晶（2017）對控制變量的選取，選取的指標(biāo)包括評分（Ratingit）、分店數(shù)（ShopNumit）、起送費(fèi)（MinDelivit）、是否品牌（Brandit）、均價（Priceit）、配送費(fèi)（DelivFeeit）、配送方式（DelivModeit）、配送時段（DelivPeriit）等；λ為相應(yīng)的估計系數(shù)；εit是隨機(jī)誤差項(xiàng)。采用混合截面回歸，并使用聚類穩(wěn)健標(biāo)準(zhǔn)誤。模型中相關(guān)變量的定義見表2。

表2 變量定義

由式（13）可知，對于對照組商家（Treatedi=0），獨(dú)家交易前后商家的總銷量水平分別為β0、β0+β2，對照組在獨(dú)家前后總銷量差異為diff0=β2；對于處理組商家（Treatedi=1），獨(dú)家交易前后商家的總銷量水平分別為β0+β1、β0+β1+β2+β3，處理組獨(dú)家前后總銷量差異為diff1=β2+β3，于是獨(dú)家交易對商家總銷量的凈影響為DID=diff1-diff0=β3。

為驗(yàn)證假設(shè)H1b，將模型（13）中的被解釋變量替換為單平臺銷量SinSaleit。同樣地，建立回歸模型（14），以考察獨(dú)家對商家單平臺上的銷量的影響。

同樣地，獨(dú)家交易對商家單平臺銷量的凈影響仍為β3。

（三）描述性統(tǒng)計

表3 展示了主要變量的描述性統(tǒng)計結(jié)果。其中TotSaleit和SinSaleit為被解釋變量，最大值與最小值之間均存在較大差異，解釋空間大。各解釋變量和控制變量之間差異也較大，對處理組和對照組商家進(jìn)行傾向得分匹配有必要加入適當(dāng)?shù)目刂谱兞俊?/p>

表3 描述性統(tǒng)計結(jié)果

四、實(shí)證結(jié)果與分析

（一）獨(dú)家交易對商家銷量的影響

表4 展示了傾向值匹配后的結(jié)果。根據(jù)Rosenbaum 和Rubin（1985）的研究，匹配后標(biāo)準(zhǔn)偏差絕對值應(yīng)小于20%從而達(dá)到匹配效果。本研究匹配后的結(jié)果標(biāo)準(zhǔn)偏誤下降明顯，且均遠(yuǎn)小于20%。其中，評分的標(biāo)準(zhǔn)誤降低了82.4%，分店數(shù)量降低了99.3%，起送費(fèi)降低7.6%，是否品牌降低了59%。因此實(shí)驗(yàn)組和對照組在經(jīng)過匹配后的變量特征較為接近，均值差異不再顯著，通過了平衡性檢驗(yàn)。故匹配過程為獨(dú)家交易的商家找到了與之盡可能相似的未獨(dú)家的對照組商家，樣本選擇不會影響回歸結(jié)果，可以展開接下來進(jìn)一步的實(shí)證檢驗(yàn)。

表4 傾向值匹配結(jié)果

模型（13）和模型（14）的雙重差分檢驗(yàn)結(jié)果見表5 的（1）列、（2）列。其中（1）列結(jié)果表明，獨(dú)家交易對商家總銷量的凈效應(yīng)為-0.295，且在1%的水平下顯著，表明實(shí)施獨(dú)家交易的商家在獨(dú)家后總銷量相比非獨(dú)家的商家發(fā)生了顯著的下降，下降幅度約為25.5%（e-0.295-1），這一結(jié)果的主要原因來自于商家銷售渠道的減少。

表5中（2）列結(jié)果表明，僅比較單平臺銷量時，獨(dú)家交易的凈效應(yīng)為0.054。換言之，原本在兩平臺同時銷售的商家，在和G 平臺獨(dú)家交易之后單平臺銷量相比控制組平均提升了約5.5%（e0.054-1），可以視為用戶轉(zhuǎn)移效應(yīng)的體現(xiàn)。具體而言，用戶轉(zhuǎn)移效應(yīng)可能包含兩個方面：一是平臺內(nèi)部轉(zhuǎn)移，商家獨(dú)家交易后平臺對其的流量支持或投入的增加可能新增了獨(dú)家平臺上消費(fèi)者對于該商家的消費(fèi)（Jeitschko 和Tremblay，2020）；二是平臺間的轉(zhuǎn)移，獨(dú)家交易可能引流了部分忠誠消費(fèi)者從另一平臺轉(zhuǎn)移到商家獨(dú)家的平臺，從而增加商家的單平臺銷量。平臺內(nèi)轉(zhuǎn)移和平臺間轉(zhuǎn)移均有利于商家單平臺銷量的增加。然而該凈效應(yīng)系數(shù)并不顯著，這可能有以下兩點(diǎn)原因：一方面簽訂獨(dú)家交易時平臺提供給商家諸如流量或費(fèi)率的優(yōu)惠不足，且效果對于不同商家可能存在明顯異質(zhì)性，故而商家獨(dú)家交易后的銷量上升幅度不大并存在較大方差；另一方面由于用戶存在轉(zhuǎn)移成本、對原平臺的黏性等原因，實(shí)施獨(dú)家交易并沒有使原來另一個平臺上商家的消費(fèi)者轉(zhuǎn)移到該商家獨(dú)家的平臺上來，短期的跨平臺用戶轉(zhuǎn)移效應(yīng)不明顯。這也意味著，平臺沒有為簽訂獨(dú)家交易的商家提供顯著的賦能作用，沒有幫助獨(dú)家的商家顯著提高在該平臺上的銷量。

表5 獨(dú)家交易對商家銷量的影響

綜上，還可以大致估計出獨(dú)家交易對商家總銷量的影響，可以拆解為兩部分，首先是損失了另一家平臺銷售渠道的渠道效應(yīng)導(dǎo)致總銷量下降約31%（25.5%+5.5%），而獨(dú)家后的單平臺銷量彌補(bǔ)了約5.5%，合計總銷量最終凈下降約25.5%。由此可見，在估計期間內(nèi)，用戶轉(zhuǎn)移效應(yīng)在統(tǒng)計意義上不顯著，且在經(jīng)濟(jì)意義上量級僅約為渠道效應(yīng)的六分之一。這一估計結(jié)果與現(xiàn)實(shí)觀察是相符的，截至2019 年第二季度，外賣平臺G交易額占比約65.1%⑧數(shù)據(jù)來源《2019 年上半年中國外賣行業(yè)發(fā)展分析報告》，Trustdata 網(wǎng)站，http：//www.itrustdata.com/#publish。，按交易額算，與G 平臺獨(dú)家后商家銷售渠道減少了34.9%，與本文中估計的31%相近。因此，簽訂獨(dú)家協(xié)議使得商家的總銷量顯著下降，而單平臺銷量沒有統(tǒng)計意義上的提高，故平臺沒有在銷量提升上為獨(dú)家交易的商家提供真正有效的增值服務(wù)?？傮w而言，獨(dú)家交易損害了商家的利益?？偨Y(jié)以上分析，假設(shè)H1a 得證，即獨(dú)家交易通過渠道效應(yīng)降低商家總銷量；而假設(shè)H1b 沒有得到支持，用戶轉(zhuǎn)移效應(yīng)統(tǒng)計上不顯著。

（二）品牌的調(diào)節(jié)效應(yīng)

前文分析表明，獨(dú)家交易對商家銷量的凈影響包含渠道效應(yīng)和用戶轉(zhuǎn)移效應(yīng)，獨(dú)家交易通過渠道效應(yīng)降低商家總銷量；而用戶轉(zhuǎn)移效應(yīng)則并不顯著，對單平臺銷量提升在經(jīng)濟(jì)意義上量級偏小。

為了進(jìn)一步檢驗(yàn)品牌的異質(zhì)性影響，在式（13）和式（14）中分別加入獨(dú)家交易凈效應(yīng)和品牌虛擬變量的交互項(xiàng)Treatedi×Tit×Brandi，構(gòu)建三重差分模型進(jìn)行實(shí)證檢驗(yàn)，模型如式（15）和式（16）所示。

表6 展示了回歸結(jié)果。其中（1）列表明，當(dāng)因變量為總銷量TotSaleit時，在雙重交互項(xiàng)Treatedi×Tit系數(shù)仍顯著為負(fù)的情況下，三重交互 項(xiàng)Treatedi×Tit×Brandi的系數(shù)在1%的水平顯著為負(fù)，為-1.504。這表明獨(dú)家交易后，品牌商家總銷量的下降比非品牌更多，與假設(shè)H2a 不一致。這說明命題2a 的條件沒有得到滿足，此時δ1＜δ0，即平臺對品牌商家的賦能效果弱于非品牌商家，平臺內(nèi)用戶轉(zhuǎn)移給品牌商家?guī)砹虽N量劣勢。這可能是由于品牌本身具備一定的知名度，在原本流量尚可的情況下，獨(dú)家后平臺給予的流量曝光等支持帶來的銷量提升（平臺內(nèi)用戶轉(zhuǎn)移）有限。而非品牌商家流量本身更加稀缺，平臺對獨(dú)家商家的流量支持作用對于非品牌而言效果可能相對更好，使得非品牌商家平臺內(nèi)用戶轉(zhuǎn)移大于品牌商家，導(dǎo)致命題2a 的條件不成立。從平臺間用戶轉(zhuǎn)移來看，由于實(shí)際中轉(zhuǎn)移成本的存在，品牌商家平臺間用戶轉(zhuǎn)移的相對優(yōu)勢微弱，這可能是因?yàn)槿纾ㄇ鷦?chuàng)，2019）考慮的大牌商家，其議價能力強(qiáng)于本文所探討的品牌餐飲商家，外賣餐飲市場相比于服裝、電器等其他市場集中度更低，品牌議價能力和品牌忠誠度更弱，使得品牌商家的平臺間用戶轉(zhuǎn)移優(yōu)勢不明顯。綜上原因?qū)е陆Y(jié)論與假設(shè)不一致，故品牌商家獨(dú)家后總銷量的下降高于非品牌商家。

表6 品牌異質(zhì)性影響的三重差分估計結(jié)果

同樣地，當(dāng)因變量為單平臺銷量SinSaleit時，雙重交互項(xiàng)Treatedi×Tit系數(shù)仍不顯著，三重交互項(xiàng)Treatedi×Tit×Brandi的 系數(shù)在1%的 水 平顯著為負(fù)，表明與非品牌比，品牌商家獨(dú)家交易對單平臺銷量的影響更不利，與假設(shè)H2b 相反，這可能是因?yàn)槠放粕碳业钠脚_內(nèi)用戶轉(zhuǎn)移效應(yīng)小于非品牌商家，流量對于非品牌商家更稀缺；而品牌商家平臺間的用戶轉(zhuǎn)移優(yōu)勢無法彌補(bǔ)這一差距。因此從單平臺銷量來看，品牌商家獨(dú)家后的銷量下降高于非品牌商家，品牌削弱了平臺內(nèi)用戶轉(zhuǎn)移。

考慮到品牌受到更大負(fù)面影響可能是由于品牌商家獨(dú)家后進(jìn)行了提價或提高了起送費(fèi)或配送費(fèi)（或非品牌商家獨(dú)家后進(jìn)行了降價或降低起送費(fèi)、配送費(fèi)）。為排除這些因素影響，將模型（15）或模型（16）中因變量分別改為均價、起送費(fèi)和配送費(fèi)，模型右邊刪除對應(yīng)控制變量（比如將均價作為因變量時，模型右邊刪除均價這一控制變量）?；貧w結(jié)果見表7?？梢园l(fā)現(xiàn)，在（1）列和（3）列中，三重交互項(xiàng)Treatedi×Tit×Brandi系數(shù)均不顯著，表明品牌商家獨(dú)家后均價和配送費(fèi)并沒有顯著異于非品牌商家，故可以排除均價和配送費(fèi)導(dǎo)致品牌相比非品牌受到更大負(fù)面影響。（2）列中，三重交互項(xiàng)Treatedi×Tit×Brandi系數(shù)顯著為負(fù)，表明品牌商家獨(dú)家后起送費(fèi)相對降低，而起送費(fèi)降低對銷量是正面作用，故不能解釋品牌相比非品牌受到更大負(fù)面影響這一結(jié)果。因此，上述分析支持了本研究在前兩段中對于渠道效應(yīng)和用戶轉(zhuǎn)移效應(yīng)機(jī)制的分析。

表7 商家是否品牌對價格、起送費(fèi)和配送費(fèi)的影響

（三）穩(wěn)健性分析

1.更換獨(dú)家交易變量

對于假設(shè)H1a 和假設(shè)H1b，改變獨(dú)家交易變量的衡量方法，放松對是否獨(dú)家交易的判斷標(biāo)準(zhǔn)，并采用橫截面回歸的方法進(jìn)行穩(wěn)健性檢驗(yàn)。前文中對于是否獨(dú)家交易的判斷是考察由第一期雙歸屬兩平臺變成第二期單歸屬外賣平臺G，但這一做法比較保守，可能會遺漏兩個時期均為單歸屬的商家。因此此處放松對是否獨(dú)家的判斷標(biāo)準(zhǔn)，使用2019 年4 月和8 月的數(shù)據(jù)，若商家雙歸屬兩平臺則將其認(rèn)定為非獨(dú)家交易商家，記為Single=0，若單歸屬某一平臺則認(rèn)定為簽訂了獨(dú)家協(xié)議，記為Single=1。單歸屬情況下仍僅研究單歸屬外賣平臺G 的商家。刪除多歸屬的商家和H 平臺的商家數(shù)據(jù)，以及均價和評分為空值的數(shù)據(jù)，共得到有效數(shù)據(jù)11376 條。以是否單歸屬變量Single作為核心解釋變量，TotSale和SinSale分別為因變量，進(jìn)行普通橫截面回歸，并采用穩(wěn)健標(biāo)準(zhǔn)誤。得到的回歸結(jié)果見表8。

從表8 中可知，Single的系數(shù)均顯著為負(fù)，（2）列中Single系數(shù)為-0.750，且在1%的水平上顯著，表明單歸屬的商家總銷量低于雙歸屬商家。（4）列中Single系數(shù)顯著為負(fù)，為-0.238，表明單歸屬的商家單平臺銷量仍低于雙歸屬商家，但絕對值遠(yuǎn)小于（2）列中的-0.750 的絕對值，這與前文PSM-DID 方法下單平臺銷量比較不顯著有輕微差異，這一差異可能是由第一、二期均為單歸屬的商家?guī)淼模馕吨L期單歸屬的商家受到獨(dú)家交易的負(fù)面影響可能更大。

表8 是否單歸屬對商家銷量的影響

2.品牌異質(zhì)性的分組回歸

對于假設(shè)H2a 和假設(shè)H2b，采用分組回歸的方法驗(yàn)證前文結(jié)論的穩(wěn)健性。在此仍使用主回歸中對于獨(dú)家交易更為嚴(yán)格的識別方法，即第一期雙歸屬，第二期變?yōu)閱螝w屬G 平臺的商家即和G 平臺簽訂了獨(dú)家協(xié)議，并采用與主回歸同樣的數(shù)據(jù)樣本進(jìn)行分析，使用混合截面回歸及聚類穩(wěn)健標(biāo)準(zhǔn)誤，結(jié)果見表9。（1）列和（2）列的因變量為雙平臺總銷量，雙重交互項(xiàng)系數(shù)均顯著為負(fù)，其中品牌商家系數(shù)為-1.063，其絕對值大于非品牌商家系數(shù)-0.216 的絕對值，說明品牌商家的總銷量受獨(dú)家交易的負(fù)面影響比非品牌更大，和前文三重差分模型的估計結(jié)果是一致的。（3）列和（4）列的因變量為單平臺銷量，品牌商家雙重交互項(xiàng)系數(shù)為-1.165，且在1%的水平上顯著，非品牌商家的雙重交互項(xiàng)系數(shù)為0.110，但不顯著。和前文的結(jié)果基本一致。

表9 獨(dú)家交易品牌異質(zhì)性的分組回歸

（四）進(jìn)一步分析

1.起送費(fèi)的調(diào)節(jié)作用

對獨(dú)家交易效果的調(diào)節(jié)作用進(jìn)行進(jìn)一步研究，將式（15）和式（16）中的Brandi分別換成MinDelivit和Delivfeeit，構(gòu)建模型如式（17）和式（18）（當(dāng)Delivfeeit為調(diào)節(jié)變量時，將其中的MinDelivit替換成Delivfeeit即可）所示。

回歸結(jié)果見表10。（1）和（2）列分別是因變量為TotSaleit和SinSaleit時的結(jié)果，其中雙重交互項(xiàng)系數(shù)不顯著，MinDelivit的系數(shù)均顯著為負(fù)，說明提高起送費(fèi)會降低商家的銷量水平。（1）列中，三重交互項(xiàng)Treatedi×Tit×MinDelivit的系數(shù)在10%的顯著性水平下為正，表明起送費(fèi)削弱了獨(dú)家交易的負(fù)面影響。起送費(fèi)高的商家，獨(dú)家交易對總銷量的降低作用更小?？赡苁且?yàn)槠鹚唾M(fèi)高本身對總銷量是負(fù)面作用，弱化了獨(dú)家交易的負(fù)面影響。這一結(jié)論與現(xiàn)實(shí)是契合的，X 市外賣平臺G 強(qiáng)制商家簽訂獨(dú)家協(xié)議的重要手段之一就是更改商家的起送費(fèi)。因此起送費(fèi)高的商家簽訂獨(dú)家交易后總銷量變化情況優(yōu)于起送費(fèi)低的商家。

表10 起送費(fèi)的調(diào)節(jié)機(jī)制檢驗(yàn)

2.配送費(fèi)的調(diào)節(jié)作用

將式（17）和式（18）中的MinDelivit替換成Delivfeeit，進(jìn)一步探究配送費(fèi)的對獨(dú)家交易后果的調(diào)節(jié)作用，回歸結(jié)果見表11。三重交互項(xiàng)Treatedi×Tit×Delivfeeit的系數(shù)不顯著，表明配送費(fèi)對于獨(dú)家交易影響后果不具有顯著的調(diào)節(jié)作用。

表11 配送費(fèi)的調(diào)節(jié)機(jī)制檢驗(yàn)

3.平臺勢力的調(diào)節(jié)作用

考慮到平臺勢力也可能影響?yīng)毤医灰椎淖饔眯Ч?，而?dāng)前的獨(dú)家交易認(rèn)定方法及兩期的數(shù)據(jù)無法支持平臺勢力變化對獨(dú)家交易的調(diào)節(jié)作用分析。因此使用穩(wěn)健性分析中的獨(dú)家交易定義方法，放松對是否獨(dú)家的判斷標(biāo)準(zhǔn)，使得兩期均有獨(dú)家交易變量的數(shù)據(jù)，平臺勢力的調(diào)節(jié)作用分析將得以實(shí)現(xiàn)。⑨前文對于獨(dú)家交易的判斷方法是由雙歸屬轉(zhuǎn)變?yōu)閱螝w屬，故該方法沒有考慮第一期的獨(dú)家交易行為。由于在第二期（2019 年8 月），媒體曝光了X 市外賣平臺G 強(qiáng)迫平臺“二選一”的行為，這可能對G 平臺帶來聲譽(yù)、勢力乃至用戶喜好度等方面的負(fù)面影響。將原始數(shù)據(jù)進(jìn)行簡單統(tǒng)計可以發(fā)現(xiàn)，第一期中G 平臺共有15629 條數(shù)據(jù)（包括各分店數(shù)據(jù)），而第二期時共12781 條數(shù)據(jù)，減少了18.22%，表明G 平臺在第二期的勢力可能有所下降。因此以時間變量t代表平臺的勢力變化，t=0 表示第一期，平臺勢力強(qiáng)；t=1 表示第二期，平臺勢力相對更弱。然后將t作為獨(dú)家交易影響的調(diào)節(jié)變量，回歸結(jié)果見表12。結(jié)果發(fā)現(xiàn)，雙重交互項(xiàng)Singleit×tit的系數(shù)均顯著為正，表明平臺勢力變?nèi)跸魅趿霜?dú)家交易對商家銷量的負(fù)面影響。

五、研究結(jié)論及啟示

（一）研究結(jié)論

首先構(gòu)建理論模型分析獨(dú)家交易前后商家的銷量變化，并分解其作用機(jī)制。再利用PSM-DID 設(shè)計，以2019 年X 市外賣平臺的數(shù)據(jù)為例，分析互聯(lián)網(wǎng)平臺獨(dú)家交易對商家銷量的影響。研究發(fā)現(xiàn)：①平臺獨(dú)家交易通過渠道效應(yīng)降低商家總銷量，即實(shí)施獨(dú)家交易的商家在獨(dú)家后由于銷售渠道減少，總銷量相比非獨(dú)家商家最終顯著下降了約25.5%。而對單平臺銷量而言，獨(dú)家交易的影響則不顯著，獨(dú)家交易的商家沒有出現(xiàn)顯著的用戶轉(zhuǎn)移效應(yīng)，說明平臺沒有在銷量上為獨(dú)家交易的商家發(fā)揮顯著的賦能效果，平臺獨(dú)家交易總體上損害了商家利益。②對獨(dú)家交易影響的品牌異質(zhì)性分析表明，品牌商家受獨(dú)家交易的負(fù)面影響更大，品牌削弱了平臺內(nèi)用戶轉(zhuǎn)移。也反映出外賣平臺流量主要由平臺控制，品牌自帶流量不顯著，用戶忠誠度不高。③調(diào)節(jié)效應(yīng)的進(jìn)一步分析表明起送費(fèi)削弱了獨(dú)家交易的負(fù)面影響，配送費(fèi)對于獨(dú)家交易影響的后果則不具有顯著的調(diào)節(jié)作用。此外，平臺勢力降低也會削弱獨(dú)家交易的負(fù)面影響。

（二）啟示與建議

第一，本研究結(jié)果支持了市場監(jiān)管總局對美團(tuán)的反壟斷處罰，應(yīng)防范和禁止平臺強(qiáng)迫商家“二選一”的行為，鼓勵平臺通過增值服務(wù)的投資提高商家和消費(fèi)者的黏性。已有文獻(xiàn)中平臺進(jìn)行獨(dú)家交易的重要辯護(hù)理由之一是保護(hù)專用性投資、提高平臺投入，但本研究并沒有發(fā)現(xiàn)平臺對商家存在顯著的賦能效果。具體而言，商家獨(dú)家后沒有出現(xiàn)明顯的用戶轉(zhuǎn)移效應(yīng)，平臺并未提供有效的能提升獨(dú)家商家銷量的增值服務(wù)。因此就銷量提升而言，平臺這一辯護(hù)理由在本研究情境中沒有得到支持。平臺競爭力的提高應(yīng)更多轉(zhuǎn)向增值服務(wù)的投資，為商家?guī)碚嬲馁x能作用，比如優(yōu)化配送系統(tǒng)、提高平臺服務(wù)便捷性、根據(jù)消費(fèi)者偏好提供菜品的個性化推薦與定制、建立高效便捷的反饋系統(tǒng)以實(shí)現(xiàn)平臺與商家和消費(fèi)者的共贏等。

第二，應(yīng)加強(qiáng)對品牌商家的保護(hù)，保障其發(fā)展及創(chuàng)新動力。本研究發(fā)現(xiàn)品牌商家從獨(dú)家交易中受到的負(fù)面影響比非品牌商家更大，消費(fèi)者對外賣商家品牌的忠誠度較低，消費(fèi)決策首先是選擇平臺。這可能是因?yàn)橥赓u餐飲行業(yè)競爭激烈、集中度和進(jìn)入壁壘相對較低等特點(diǎn)，導(dǎo)致品牌商家在面對平臺的獨(dú)家協(xié)議要求時同樣缺乏議價能力，這對于品牌商家的發(fā)展是極為不利的，可能會損害其發(fā)展積極性和創(chuàng)新的動力。而平臺對流量具有控制權(quán)，品牌難以從流量邊際增加中獲得好處，也反映出平臺對增值服務(wù)投資的不足。外賣餐飲行業(yè)是關(guān)系民生的重要服務(wù)業(yè)之一，扶持商家的品牌化和標(biāo)準(zhǔn)化發(fā)展、培育更多優(yōu)質(zhì)品牌企業(yè)，是促進(jìn)消費(fèi)、打通國內(nèi)大循環(huán)的重要手段。因此需保障品牌商家的發(fā)展，使其獲得更具激勵性的成長空間。

第三，防范平臺勢力過大帶來的商家利益的更大損害，引導(dǎo)市場有序競合。首先，互聯(lián)網(wǎng)平臺具有交叉網(wǎng)絡(luò)外部性的特點(diǎn)，當(dāng)獲取足夠用戶后很容易積累規(guī)模優(yōu)勢并壯大勢力。而平臺勢力越大，獨(dú)家交易給平臺帶來的負(fù)面影響越大。且長期簽訂獨(dú)家交易的商家，受到的損失程度可能更高，故對美團(tuán)外賣平臺的“二選一”行為的反壟斷規(guī)制正逢其時。其次，在市場準(zhǔn)入上，鼓勵優(yōu)質(zhì)平臺進(jìn)入市場，重視具有創(chuàng)新活力的、規(guī)范的平臺的發(fā)展，通過轉(zhuǎn)移支付或稅收補(bǔ)貼等形式提高平臺的市場容量。最后，培育和鼓勵平臺間的兼容性，正向引導(dǎo)平臺企業(yè)的有序競爭與合作，提高整個行業(yè)的活力與創(chuàng)新動力。

（三）貢獻(xiàn)與不足

本研究的理論貢獻(xiàn)在于：首先，已有研究尚未對獨(dú)家交易的經(jīng)濟(jì)效應(yīng)達(dá)成共識，且相關(guān)實(shí)證研究缺乏，本研究利用理論模型分析并通過2019 年X 市外賣平臺數(shù)據(jù)探究獨(dú)家交易對商家的影響，豐富了該領(lǐng)域的研究。其次，已有研究對獨(dú)家交易后商家的銷量變化缺乏清晰的機(jī)制，本研究將影響機(jī)制分解為渠道效應(yīng)和用戶轉(zhuǎn)移效應(yīng)（平臺間和平臺內(nèi)），并比較不同效應(yīng)的影響，從而得出最終的效益變化情況。此外，本研究在Hotelling 模型框架基礎(chǔ)上，引入了品牌異質(zhì)性和平臺賦能效果兩個因素，并分析其對渠道效應(yīng)和用戶轉(zhuǎn)移效應(yīng)的影響，以往的研究更多的是考慮獨(dú)家交易對平臺投資水平的影響，鮮有針對獨(dú)家的商家定向流量支持、賦能的研究，也鮮有考察品牌異質(zhì)性對獨(dú)家交易后果的影響，本研究彌補(bǔ)了這方面的研究，充實(shí)了獨(dú)家交易經(jīng)濟(jì)效應(yīng)的理論及實(shí)踐。

本研究還存在如下不足：一是由于平臺與商家簽訂獨(dú)家交易協(xié)議具有隱蔽性，難以直接獲取數(shù)據(jù)。因此基于X 市的平臺商家數(shù)據(jù)對獨(dú)家交易行為進(jìn)行了近似的仍為合理的估計。二是分析了互聯(lián)網(wǎng)外賣平臺獨(dú)家交易協(xié)議對平臺內(nèi)經(jīng)營者的影響，但由于數(shù)據(jù)的局限性，沒有分析獨(dú)家交易對平臺或消費(fèi)者的影響，對商家的分析則以銷量的刻畫為主，難以更綜合、全面地考察獨(dú)家交易對總體社會福利的影響。盡管如此，目前理論分析對獨(dú)家交易中消費(fèi)者和社會福利影響的研究已有較多，但并未對此達(dá)成一致，本研究為獨(dú)家交易對商家的影響提供了理論和實(shí)證研究補(bǔ)充。

未來進(jìn)一步的研究方向可以從兩個維度拓展：一是考慮不同性質(zhì)的平臺，如電商平臺、內(nèi)容平臺和互聯(lián)網(wǎng)金融平臺等，平臺業(yè)務(wù)的差異性可能導(dǎo)致獨(dú)占交易的影響存在異質(zhì)性；二是進(jìn)一步考慮平臺的多方參與者，從實(shí)證上研究平臺、消費(fèi)者乃至競爭對手平臺的福利效果。