“互联网+”手机回收模式缘何绩效不彰？
——基于mABM的演化博弈仿真分析

李春发，王学敏，来茜茜，薛楠楠

(天津理工大学管理学院，天津 300384)

0 引言

十九大报告提出“推进互联网、大数据、人工智能和实体经济深度融合”。“互联网+”战略的实施为中国传统行业转型升级提供了新渠道和新机遇。2013年以来，随着中国传统行业大规模、高速度地向“互联网+”模式改造、深化和创新，新制造、新零售和新消费已广泛融入人们的生活[1]。以“互联网+”为主导的新零售实现了边际效益递增，较传统零售业资产收益率平均“加”出24%的提升[2]，阿里巴巴、京东商城等取得了巨大成功。与此形成鲜明对比的是，逆向回收行业“互联网+”模式变革后的运营绩效却欠佳，智能手机回收这一新兴独特且市场规模巨大行业的情况尤为突出。2017年，中国弃用手机高达5亿台[3]，回收率却不足1%，且“互联网+”模式仅占其45%[4]。占“互联网+”回收市场份额半壁江山的“爱回收”平台当年手机回收量仅1500万台[5]，而现今人均闲置的2-3台弃用手机却面临“送不出、扔不掉、不愿卖”的尴尬境遇。“互联网+”手机回收模式运营难以为继，与巨量弃用手机长期闲置成为当前极为矛盾的经济现象。弃用手机长期闲置、随意性处置更造成了巨大资源浪费和严峻环境污染问题。因此，探知“互联网+”手机回收模式为何未能如新零售一样业绩突显的主要影响因素，并揭示导致模式绩效不佳的经济缘由，对促进模式健康发展和手机有效回收具有重要现实意义。

传统手机回收模式是以回收点散落分布于居民区、商贩流动于大街小巷为主要特征[6]，手机回收定价不透明、交易实施极困难、信息安全无保障，且处置欠规范、难监管。而“互联网+”手机回收模式突破了交易时空限制、打破了回收信息壁垒和规范了处理处置监管，发展前景广阔。该模式涉及消费者、回收(平台)商和处理商等众多直接利益相关者，零售商、政府等众多间接利益相关者和各种复杂利益关系[7]，其绩效欠佳缘由揭示极其困难。而消费者作为手机回收的缘起，其回收意愿影响因素自然成为研究重点。Tan[8]等调查佛山市民手机回收意愿影响因素，发现回收价格远低于消费者期望值是手机回收率低的主要因素。Zhou[9]等基于TPB理论研究北京市民网络手机回收意愿，指出消费者对信息泄露损失的极度敏感性导致消费者畏惧手机回收。此外，对中国北京、西安和台州等市民网络回收态度与行为研究表明：考虑即时交易的便捷性，消费者较倾向将手机卖给回收商贩[10-12]。同时，消费者的年龄阶段、收入水平和教育程度是影响发达地区手机回收的主要因素，而欠发达地区的消费者更关注回收价格与交易便捷度等[8,10,13]。上述研究均采用实证方法，从消费者视角分析“互联网+”手机回收模式绩效不彰的原因，为本文总结回收绩效的影响因素提供了参考，但实证研究无法揭示导致绩效不佳的内在经济机理。就回收商而言，研究主要关注政策干预、手机定价和渠道选择等。高颖楠[14]等从中国现存回收体系的缺陷阐述手机回收绩效不彰的原因。刘慧慧[15]引入政府补贴机制，研究正规和非正规双回收渠道，结果表明过高的政府补贴反而会抑制总回收量。王玉燕[16]研究公平关切视角下，E-闭环供应链的销售回收，发现公平关切对回收服务、价格水平有相反方向的变动，从而影响回收绩效。冯章伟[17]和朱晓东[18]等构建了逆向供应链间价格竞争的回收渠道选择模型，分析不同模式下平台回收价格对消费者回收意愿的影响。此外，Wang[19]等基于Logistic模型和库存模型，探讨制约手机回收的主要因素涉及信息安全性、体系健全性和技术成熟性等。上述研究均在利益相关者完全理性下，构建静态数学模型分析绩效不彰的缘由，但未能真实反映手机实际回收中，有限理性参与者的策略动态演化过程，从而未能较好地在有限理性视角下阐述“互联网+”手机回收模式绩效不彰的经济缘由。

鉴于实证研究的假设验证性和完全理性假设下静态数学模型的局限性，本文通过构建演化博弈模型，揭示影响“互联网+”手机回收模式运营绩效不彰的内在经济机理。演化博弈[20]是以参与人有限理性为假设前提，研究群体的演化稳定策略，并将传统博弈分析框架与动态学习过程有机结合。许民利[21]利用演化博弈揭示WEEE回收合作的演化机理。李杰[22]等利用演化博弈理论探讨微观层面下社会化媒体虚假口碑信息的控制策略。柴瑞瑞[23]等通过构建暴恐事件的演化博弈模型，分析政府管控恐怖组织的策略选择问题。演化博弈理论在决策分析中得到了广泛应用。

本文针对“互联网+”手机回收模式中，有限理性消费者和回收商间的手机回收策略演化对回收模式绩效的影响，构建相应的演化博弈模型，探讨博弈双方策略演化稳定性，进而揭示回收绩效不彰的经济缘由，并通过对模式的mABM建模仿真，模拟消费者和回收商的策略演化过程，验证结论的正确性和有效性，为提升“互联网+”手机回收模式绩效，破解手机回收困局提供理论指导和可操作性措施。

1 问题描述与模型构建

在对各种“互联网+”手机回收模式的结构、流程和运营的共同特征进行分析的基础上，构建演化博弈模型分析回收绩效不彰的原因。在“互联网+”手机回收模式中，消费者和回收商是关键利益相关者，且他们之间的策略选择和收益相互依存。消费者回收手机的目的在于获取弃用手机残值，同时获得社会与环境保护效益，但价格不透明、信息不安全和交易不便捷等将影响其回收意愿。而实行更透明的回收价格、提供更便捷的回收服务、开发更安全的信息技术，回收商需投入更高的建设和维护成本，但过高的成本投入将减少回收商的总体收益，降低其回收绩效。回收商和消费者两个群体之间构成一个互动的、既冲突又相容的利益博弈关系。有限理性消费者在回收过程中将根据群体内的收益状况向高收益策略演化，而回收商将根据消费者的策略选择与自身收益状况，动态调整平台服务投入与策略选择。“互联网+”手机回收是一个各利益相关者相互学习、策略动态调整的演化过程。因此，利用演化博弈理论分析“互联网+”手机回收模式能充分反映现实回收过程，科学揭示回收绩效不彰的因果机理。

1.1 模型假设与收益矩阵

在“互联网+”手机回收模式中，考虑消费者(Consumers)和回收商(Enterprises)两个群体的回收策略演化博弈过程。设他们的策略空间均为S={S1=积极回收，S2=消极回收}。根据对回收模式的描述和分析，影响其运营绩效主要涉及价格透明度、消费者环保效益、信息泄露损失、交易便捷性、政府补贴和运营成本等。下面对回收模式运营绩效影响因素、假设条件等进行说明和定量描述。

1)价格透明度[6][24]是手机回收价格与回收商处理弃用手机所获收益之比。设回收商处理弃用手机获得收益为p，价格透明度为α∈[0,1]，回收商回收手机价格为αp，则消费者和回收商采取S1策略的手机收益分别为αp和(1-α)p；2)消费者环保效益是指弃用手机有效回收后，避免了环境污染、减少了资源浪费等带来的环保收益。设e为环保效益值，消费者环保认知度为β∈[0,1]，则消费者采取S1策略的环保收益为βe；3)信息泄露损失是指消费者手机信息泄露造成的损失。设l为损失值，γ为信息泄露概率，则消费者采取S1策略的损失为γl；4)交易便捷性是指回收交易程序简单、快捷和方便。设c为手机回收交易成本支出，消费者承担交易费用比例为θ∈[0,1]，则消费者采取S1策略的交易费用支出为θc，回收商承担(1-θ)c；5)设回收一台手机政府给予的补贴为b，消费者获得比例为λ，则消费者和回收商的补贴收益分别为λb和(1-λ)b；6)设回收模式固定运营成本为f。

根据上述说明，可确定不同策略下消费者和回收商的收益值。

1)若消费者和回收商均采取“积极回收”策略，则他们的收益值分别为αp+βe+λb-γl-θc和(1-α)p+(1-λ)b-(1-θ)c-f。

2)若消费者和回收商分别采取“积极回收”和“消极回收”策略，根据现实情况及文献[8]、[13]和[24]，当消费者收入水平、教育程度与环保认知度等较高时，消费者将无偿捐献弃用手机，此时β=1，消费者和回收商收益值分别为e+λb-θc-γl和p+(1-λ)b-(1-θ)c-f。消费者的“无偿捐献”和“正常回收”均属“积极回收”策略。

3)若消费者采取“消极回收”策略，由于消费者是回收过程的起点源，无论回收商采取何种策略，均无法实现回收交易，则消费者和回收商的收益值分别为-βe和-f。

综上，可得如表1所示的消费者和回收商的手机回收博弈收益矩阵。

表1 消费者和回收商的手机回收博弈收益矩阵Tab.1 The payoff matrix of consumers and recycling platforms

1.2 回收模式演化博弈模型

(1)

(2)

(3)

(4)

(5)

(6)

(7)

回收商采取S1策略的复制动态方程为

(8)

由式(4)和式(8)可得，“互联网+”手机回收模式利益主体演化博弈的复制动态方程组为

(9)

式(9)刻画了“互联网+”手机回收模式消费者和回收商策略选择的动态博弈演化机理。据此，下面研究在非对称视角下消费者和回收商各自回收策略的演化稳定性，以及在对称视角下的回收模式绩效不彰的经济缘由。显然，在式(9)中，不包含回收商的固定运营成本，回收商回收策略演化与固定成本f无关，这也说明了目前各种“互联网+”手机回收模式绩效欠佳的现实。

2 非对称视角下的回收演化博弈分析

由微分方程稳定性理论可知，复制动态方程稳定点是其零点处一阶导数小于零的点，即需满足

(10)

根据式(10)，从非对称视角分析回收模式运行的演化稳定性，并解释“互联网+”手机回收模式绩效不彰的经济缘由，提出相应的对策建议。

2.1 消费者视角下的演化稳定性分析

根据式(10)，下面讨论局部演化稳定策略。

图1 消费者的复制动态相位图Fig.1 Diagram of consumers’replicated dynamic

2.2 回收商视角下的演化稳定性分析

下面根据回收商选择S1策略的复制动态方程，分析其策略演化稳定性。

当x=0时，FE(y)≡0，所有y(y∈[0,1])均处于均衡状态。

图2 回收商的复制动态相位图Fig.2 Diagram of enterprises’ replicated dynamic

根据上述分析可知，消费者主要关注环保收益、政府补贴与回收价格收益之和是否大于信息泄露损失与回收交易成本之和。而环保宣传的加强、回收价格透明度的提升和政府补贴份额的提高，以及安全便捷回收服务水平的改善将有效促进消费者采取“积极回收”策略。但上述行为与服务的实施必然引起回收商回收成本的增加和收益的减小，使得回收商采取“消极回收”策略。该矛盾造成消费者和回收商均趋向于采取“消极回收”策略，从而导致“互联网+”手机回收模式绩效不彰。

3 对称视角下的回收演化博弈分析

上面从非对称视角讨论了“互联网+”手机回收模式的演化稳定策略，并给出了模式运行绩效不佳的经济解释。下面从对称视角研究整体不确定情况下的演化稳定策略。

3.1 对称视角下的演化稳定性分析

下面根据Friedman[25]提出的方法讨论演化稳定性。通过复制动态方程组(9)的Jacobi矩阵判定局部演化稳定策略(Evolutionary Stable Strategy，ESS)。显然，式(9)的Jacobi矩阵为

(11)

演化稳定策略要求detJ>0且trJ<0。为此，按如下四种情形分别讨论回收模式的演化稳定性。

情形1：当2βe+λb>γl+θc时，演化稳定策略为E2(1,0)，演化稳定性结果如表2所示。

由表2可知，当消费者的环保、政府补贴收益之和较信息泄露损失、回收交易成本之和大时，消费者将采取“积极回收”策略。即消费者有较高的环保认知度、获得满意的政府补贴份额，使得2βe+λb值较大。此时，消费者往往将采取无偿捐献的“积极回收”策略，而回收商若采取“消极回收”策略反而可获得更大收益。该情形是最理想的演化状态。但目前消费者具有的环保认知度不高、获得的政府补贴偏少(或无)，且具有较强的费用损失敏感度，情形1的条件难以满足，从而造成“互联网+”手机回收模式绩效不彰。因此，加强手机回收环保宣传、提高消费者补贴金额，促进消费者无偿捐献弃用手机，同时回收商强化安全、快捷和便利的回收服务，这样将有效提升回收模式绩效。

情形2：当min{αp+λb+2βe,e+λb+βe}>γl+θc时，演化稳定策略为E2(1,0)，演化稳定性结果如表3所示。

由表3可知，当消费者价格收益、补贴收益与环保收益的2β倍之和大于费用损失之和，或者环保收益的1+β倍与大于费用损失之和时，消费者将采取“积极回收”策略。情形2放宽了情形1的条件。在消费者环保效益认知度不高，且对信息泄露损失与交易便捷度费用极度敏感的情况下，价格透明度、府补贴份额成为影响消费者、回收商回收策略选择的关键因素。价格透明度高、消费者获得的政府补贴份额大将促进消费者采取“积极回收”策略，而这将影响回收商收益，使其趋向于采取“消极回收”策略。这说明价格透明度、政府补贴分配是夹在消费者和回收商间的矛盾体，是回收模式绩效不彰的关键影响因素。因此，制订合理透明的回收定价和政府补贴份额分配机制能有效改善回收模式绩效。

表2 情形1局部演化定性分析Tab.2 The evolutionary stable strategy of case 1

注：表中平衡点当x，y为零时，是指x→0+，y→0+，下同。

表3 情形2局部演化稳定性分析Tab.3 The evolutionary stable strategy of case 2

情形3：当αp+2βe+λb>γl+θc>e+βe+λb时，演化稳定策略为E1(0,0)，演化稳定性结果如表4所示。

由表4可知，当γl+θc>e+βe+λb时，消费者回收手机信息泄露损失、回收交易成本之和较其它各项收益之和大，消费者将趋向于采取“消极回收”策略；而当αp+2βe+λb>γl+θc时，回收价格透明度、消费者政府补贴份额和安全便捷回收服务水平等的提高将使回收商成本增加、收益减少，回收商将趋向于采取“消极回收”策略。当前消费者的环保认知度普遍偏低，情形3的条件容易满足，此时消费者和回收商均趋向于采取“消极回收”策略。在情形3中，信息泄露损失、回收交易成本是消费者采取“积极回收”策略的关键因素，而安全便捷回收服务必然增加回收商成本，从而使其趋向于采取“消极策略”策略。因此，为避免该情形的发生，一方面需提高消费者的环保认知度，以及确保消费者的信息安全；另一方面，政府应从政策和资金上支持并鼓励回收商搭建安全便捷的“互联网+”手机回收渠道和处理平台，从而促进“互联网+”手机回收模式的高效可持续发展。

情形4：当max{αp+λb+2βe,e+βe+λb}<γl+θc时，演化稳定策略为E2(0,0)，演化稳定性结果如表5所示。

表4 情形3局部演化稳定性分析Tab.4 The evolutionary stable strategy of case 3

表5 情形4局部演化稳定性分析Tab.5 The evolutionary stable strategy of case 4

由表5可知，消费者的各项收益之和较信息泄露损失与回收交易成本之和小，消费者必然采取“消极回收”策略。而当回收商回收价格透明度高、安全便捷回收服务水平要求高，但消费者感知获得的政府补贴收益等小于其费用损失时，两者收益均将趋小，他们都将趋向于采取“消极回收”策略，最终使得回收模式运行难以为继。因此，为避免该情形的发生，政府应加强网络基础设施、智能化安全检验回收设施和便捷物流设施等建设，有效化解和减轻回收商回收设施投入成本，同时为消费者提供有效的信息服务，消除其对“互联网”手机回收模式的顾忌，并提高其回收收益，这样才能使得消费者和回收商均采取“积极回收”策略，有效破解回收模式绩效不彰的困局。

根据上述分析可知，信息不安全、交易不便捷和价格不透明是消费者手机回收的痛点，回收商只有设法消除消费者痛点才能促进消费者采取“积极回收”策略，从而改善回收模式绩效；而提供高水平的安全便捷回收服务需要回收商增加成本投入，这将影响回收商收益和采取“积极回收”策略。因此，政府应在加强手机回收宣传和回收监管基础上，提升消费者收益和增加回收商改善回收设施的资助。

3.2 回收模式演化的mABM仿真分析

演化博弈数学模型难以动态直观描述策略演化均衡过程和不同因素参数对策略演化稳定性的影响，而利用多主体建模仿真技术(Multi-Agent-Based Modelling,mABM)可将各种影响因素、各主体(agent)行为规则、相互作用机制等纳入统一的仿真演化模型，通过模拟消费者与回收商间的微观策略博弈互动演化过程和涌现现象[24]，可呈现回收模式宏观层面的绩效变化情况，从而验证演化均衡的有效性与正确性。为此，本文利用Netlogo仿真平台模拟“互联网+”手机回收模式中各主体策略博弈的演化稳定性，再现消费者与回收商的回收策略演化过程，并进一步验证导致回收绩效不彰原因解释的合理性。

在Netlogo仿真软件平台中，构建“互联网+”手机回收模式消费者与回收商博弈的策略演化mABM仿真模型，模型仿真界面如图3所示。设置消费者人数为10 000人，采取S1和S2策略的初始概率均为50%；回收商个数为100家，采取S1和S2策略的初始概率均为50%。设定S1-consume(蓝色)和S2-consumers(红色)表示消费者分别采取S1和S2策略的概率变化曲线，S1-enterprises(绿色)和S2-enterprises(黄色)分别表示回收商分别采取S1和S2策略的概率变化曲线。仿真时可滑动界面矩形条按钮改变参数输入值。设仿真运行时间为35个时间单位，仿真基础参数设置为α=0.3，p=500，λ=0.3，b=50，β=0.2，e=300，γ=0.1，l=1 000，θ=0.4，c=50。下面针对4种情形进行仿真分析。

图3 仿真界面Fig.3 Simulation interface

情形1仿真：取α=0.3，p=500，λ=0.4，b=50，β=0.6，e=300，γ=0.05，l=1 000，θ=0.4，c=50。根据回收模式演化博弈复制动态方程组(9)，将相关参数输入模型，可得如图4所示的动态演化过程仿真结果。由图4可知，λ和β参数增大后，消费者采取“积极回收”策略的概率逐渐接近1，而回收商采取“积极回收”策略的概率逐渐趋向0。验证了情形1理论分析结论的有效性。

情形2仿真：取α=0.8，p=500，λ=0.8，b=50，β=0.2，e=300，γ=0.1，l=1 000，θ=0.4，c=50，可得如图5所示的动态演化过程仿真结果。由图5可知，α和λ值增大后，消费者采取“积极回收”策略的概率逐渐接近1，而回收商采取“积极回收”策略的概率逐渐趋向0。验证了情形2理论分析结论的有效性。

图4 情形1的演化过程仿真结果Fig.4 The simulation result of evolutionary process of case 1

图5 情形2的演化过程仿真结果Fig.5 The simulation result of evolutionary process of case 2

情形3仿真：取α=0.8，p=500，λ=0.9，b=50，β=0.2，e=300，γ=0.4，l=1 000，θ=0.8，c=50，可得如图6所示的动态演化过程仿真结果。由图6可知，α、λ、γ和θ增大后，消费者和回收商采取“积极回收”策略的概率均逐渐接近0。验证了情形3理论分析结论的有效性。

情形4仿真：取α=0.9，p=500，λ=0.9，b=50，β=0.2，e=300，γ=0，l=1 000，θ=0.8，c=50，可得如图7所示的动态演化过程仿真结果。由图7可知，进一步增大α、λ、γ和θ值后，消费者和回收商采取“积极回收”策略的概率均逐渐接近0。验证了情形4理论分析结论的有效性。

图6 情形三的演化过程仿真结果Fig.6 The simulation result of evolutionary process of case 3

图7 情形四的演化过程仿真结果Fig.7 The simulation result of evolutionary process of case 4

3.3 参数分析

由于“互联网+”手机回收模式消费者与回收商博弈的策略演化复杂性，本文通过数值模拟方法分析关键影响因素参数变化对策略演化稳定性的影响。首先通过改变参数的取值，并在Netlogo仿真软件平台进行相应的策略动态演化过程仿真，然后导出运行结果数据，利用Matlab软件绘制策略演化趋势图，并进行策略演化稳定性影响规律分析。下面分析政府补贴b和消费者环保认知度β变化对策略演化稳定性的影响，类似地可进行其它参数变化的影响分析。政府补贴b分别赋值10、50和100，消费者环保认知度β分别赋值0.1、0.2和0.6，可得如图8所示的消费者和回收商策略演化趋势图。

由图8-a可知，当政府补贴份额增大时，消费者趋向于采用“积极回收”策略的演化稳定时间缩短，回收商趋向于采用“消极回收”策略的演化稳定时间加快。由8-b可知，当环保认知度较小时，消费者将趋向于采用“消极回收”策略，而当环保认知度增大时，消费者趋向于采用“积极回收”策略的演化稳定时间缩短，回收商趋势于采取“消极回收”策略的演化稳定时间缩短。当政府补贴份额增大或环保认知度增大时，消费者将往往采取“无偿捐献”弃用手机的“积极回收”策略，回收商收益将增加。上述两参数变化影响分析说明，回收模式绩效欠佳与政府补贴份额、消费者环保认知度较低密切相关。这进一步说明，政府应加强手机回收环保宣传、加大回收补贴份额和增加回收商“互联网+”回收基础设施建设资助力度。因为随着消费者环境意识增强、收入水平提高、回收安全便捷度提升和感知收益增加，以及“互联网+”手机回收模式运营成本投入下降，将使得“无偿捐献”弃用手机成为消费者普遍采取的“积极回收”策略，同时使得针对消费者回收痛点，兼顾经济、环境和社会效益目标成为回收商采取“积极回收”策略的自然选择，从而有效改善“互联网+”手机回收模式运行绩效。

4 结论与展望

“互联网+”手机回收模式作为传统手机回收模式转型升级的基本要求和必然选择，受到业界、学界和政府广泛关注和重视[24]。目前，各种“互联网+”手机回收模式和运营平台不断涌现落地，但模式运营绩效普遍欠佳成为困扰业界的一大难题，模式“叫好不叫座”缘由亟待揭示。本文通过构建“互联网+”手机回收模式演化博弈模型，从非对称视角讨论消费者和回收商采取“积极回收”决策的演化稳定性，根据演化稳定条件探究了模式回收绩效不彰的经济缘由，并从对称视角讨论四种情形下的演化稳定策略(ESS)，根据ESS条件从整体阐述“互联网+”手机回收模式运行绩效不彰的经济机理，并通过构建自底向上的mABM仿真模型，利用Netlogo软件仿真平台模拟“互联网+”手机回收模式中各主体策略博弈的演化稳定性，再现消费者与回收商的回收策略演化过程，验证了结论的有效性。本文研究指出：1)消费者的手机回收环保认知度不高是导致回收绩效不彰的关键因素，政府和回收商应大力加强弃用手机回收环保宣传，提高消费的环保认知度，从而提升回收模式绩效；2)信息不安全、交易不便捷等消费者手机回收痛点，导致了消费者采取“消极回收”策略。若回收商提供安全便捷的回收服务必然会增加其运营成本，减少收益，从而向“消极回收”策略演化，导致回收绩效不彰。政府应提供专项资金，支持回收商开发信息安全技术、搭建快捷安全的回收渠道，从而提升回收绩效；3)价格透明度和政府补贴分配是夹在消费者和回收商间的矛盾体，是回收模式绩效不彰的关键影响因素。制定合理的回收定价与政府补贴份额分配机制能有效改善回收模式绩效。4)回收商固定运营成本投入对消费者策略选择无明显作用，对回收绩效影响甚微。研究结论对提升“互联网+”手机回收平台绩效和弃用手机有效回收具有实际参考价值。

未来可基于消费者行为理论，将年龄、性别和偏好等消费者异质性纳入策略演化博弈模型中，从而更全面、深入和准确研究影响回收模式绩效影响的作用机理。进一步，政府关于“互联网+”手机回收模式出台的相关政策必然引起回收模式绩效变化，考虑政府政策干预作用也是需要深入研究的问题。