互联网环境下供应链定价与退货策略研究

何茵楠，李方虎

（淮南师范学院 经济与管理学院，安徽 淮南 232038）

在数据信息化时代，网络操作的便捷使得更多的零售商开始在网络平台上建立起自己的虚拟店铺。这对于零售商而言，减少了门面成本，对于消费者而言，减少了时间成本，更多的消费者也倾向于在网络上消费。但是，网络在带给人们方便的同时，也由于其信息传递的局限性，使消费者对产品的真实体验滞后于购买决策，进而产生退货现象。大量的退货又会增加厂商的退货成本。

一般而言，随着时间成本的增加，产品价值在不断减少。因此消费者在网络购买商品时，考虑购买商品的行为受到产品价格和退货价格的影响，即低价格高退货补偿会刺激消费者的购买倾向。当消费者实际采取退货行为时，退货价格起到很重要的作用，为此假定在排除其他一些影响因素的情况下，退货数量为退货价格的函数。由此产生一个新的问题：互联网环境下，制造商和零售商如何制定相应的定价与退货策略，才能吸引消费者、控制退货成本，并使得自己的收益最大化。

新产品通常会面临市场带来的不确定性，大多企业都会通过预售来获得市场的需求信息。王宣涛等人研究发现，在消费者损失厌恶的前提下，当退货价格低于某一特定值时，零售商可以从退货策略中获得更优的收益［1］。退货一定会产生退货运费，而退货运费由谁承担是目前面临的最大问题。赵晓敏研究发现，为了实现利润的最大化，零售商应该根据退货商品的缺陷比例选择退货策略［2］。退货渠道有全渠道退货和同渠道退货。赵菊等人研究了不同渠道下退货的博弈模型，结果表明，全渠道退货策略下，最优定价会随着消费者的退货损失而减少，若退货成本较小时，全渠道的退货策略会加大消费者的需求［3］。Li等人将产品质量融入其中，针对线上营销商的定价以及退货和质量之间的关系，研究并分析出了联合决策模型。研究还发现，直销模式下的最优销售价格、质量方针和退货策略是相互补充的关系［4］。对于定制化的产品，曾诚发现定制成本高的产品，只有采取更严格的退货策略才能保证利润［5］。在跨渠道退货的双渠道闭环供应链的研究方面，潘文军等人利用Stackelberg博弈和Nash均衡博弈理论，分析了集中决策与分散决策对顶尖与利润分配的影响［6］。在预售的前提下如何进行退货和定价方面，王道平等人研究发现，在预售退货不再出售和退货再次出售的条件下，预售价格的高低都存在退货补偿价格的临界范围［7］。从消费者退货角度出发，代梦茹等人对集中决策和由零售商主导的博弈两种模式进行了研究，结果表明提高退货价格会引起批发价格以及需求数量的增加［8］。在双渠道零售商定价方面，刘健针对线上和线下的零售商分别建立利润模型，在以利润最大化为目标的基础上求解了零售商的最优定价策略。文章综合考虑消费者策略行为、风险偏好和市场竞争等影响产品市场价格的因素，探讨了企业对于易逝性产品的定价策略［9］。

综上所述，学术界基于不同的角度对供应链的订货和退货策略已有较多成果，但仍然存在一些不足之处：第一，在消费者退货研究中，现有文献常常关注产品质量缺陷所引发的退货问题，而对于互联网环境下无质量缺陷产品的定价与退货的研究还不够；第二，现有研究常常基于某一特定的定价与退货策略展开探讨，而对多种策略多种定价及其之间内在联系的研究则较少。本文基于多种不同的定价与退货策略，就互联网环境下供应链的定价与退货策略进行了针对性研究。

一、互联网环境下供应链基本模型

（一）研究假设及参数说明

本研究主要针对在互联网环境下，当供应链中同时存在制造商和零售商时，由于销售渠道的局限性，消费者对所购产品不满意进而将产品退还给零售商，同时零售商对退货进行处理的情况。在研究过程中制造商与网络零售商均以追求利润最大化为自身的策略定位。在模型建立过程中，我们假定：

c：表示制造商生产单位产品的成本。

w：表示制造商的批发价格。

s：表示消费者退回产品的残值及季后零售商未销售的产品剩余单位残值。

r：表示零售商退还给消费者的退货价格，且满足0＜r＜p。

∏ik：表示k模式下在供应链环节上处理商是i的收益模型。

其中k∈{R,S,K}，R表示分散式决策下的无协调模型，S表示协调策略下收益共享模型，K表示协调策略下的销售奖励—惩罚模型。i∈{M1,R1}，M1表示制造商，R1表示零售商。

1.需求函数

根据对现有文献中广泛应用的类似函数进行分析，我们可以将影响消费者需求或市场需求D的因素归结为产品售价p与退货价格r，即D=f（r，p），并且参照参考文献［5］的研究，可以建立典型的线性需求函数：D=α-βp+γr。

其中α，β，γ＞0，

α：表示受非价格因素影响的市场需求。

β：表示需求对售价的敏感度参数。

γ：表示需求对退货价格的敏感度参数。

2.退货函数

我们假定在消费者不受产品质量影响的情况下，退货量R与产品的退货价格r呈正相关关系，即可建立线性退货函数模型：R=a+br，

其中a，b＞0,a表示受非退货价格影响的产品退货数量。

b表示顾客对产品退货价格的敏感度参数。

在研究过程中，针对需求函数我们知道售价对顾客需求的影响程度远大于退货价格对其的影响程度，所以β＞γ；同时，为了使研究有意义，我们假定βb＞γ2，且有p＞w＞c＞s。

（二）分散式决策下供应链定价与退货模型（R模型）

在该模式下，我们假定零售商在决策方面对产品的退货价格拥有独立权，并且在退货处理方面可自行决策。根据决策的先决条件可知，产品的批发价格w首先由制造商确定，其次零售商根据批发价进行产品售价p与退货价格r的定制，且厂商之间不进行任何协调行为。

将［wR，（pR，rR）］带入公式，在此模式下厂商的最佳利润和供应链总利润分别是：

（三）集中式决策下供应链联合决策模型

在集中式决策中，我们可以假定制造商和零售商为统一的整体，双方经过探讨共同确定产品的销售价格和退货价格。其中，双方将供应链的总体利润作为各自所要实现的决策目标。模型表达如下：

将集中式联合决策同分散单独决策进行比较，联合决策下的供应链总体利润要大于分散决策非协调模式下的利润。同时零售商还可以在提高退货价格的同时降低产品售价，以此扩大自己的市场需求从而提高自身的销售收入。虽然在退货价格提高的影响下会带动消费者退货数量的提高，但是退货量提升为厂商带来的损失远低于需求增加带来的利润提升，为此供应链整体利润实现上升。

二、互联网环境下供应链协调模型

（一）基于收益共享合约的供应链协调模型（S模型）

在分散式决策的基础上引入S模型（收益共享合约），即制造商和零售商共同分享销售收入，并且分担一定的退货损失。在S模式中，我们假设制造商分享—分担θ比例的收入与损失，同时网络零售商承担（1-θ）比例的收入分享与损失承担（其中θ为商家约定的分享与分担比例，且θ∈（0,1），则制造商和零售商的利润函数表达式分别为：

供应链总体利润为：∏S=（p-c）（a-βp+γr）-（r-s）（a+br）

命题三：在收益共享合约的协调决策下，当制造商确定的批发价满足w=（1-θ）c时，且收益共享比例时，S模式下的供应链整体可以实现协调［4］。

因此，在S模型下，制造商通过制定低于成本的批发价格给零售商并且承担一定的退货成本，可以在一定程度上激励零售商制定较为宽松的定价与退货政策，从而分享由此带来的增加收益。在这种协调模式下，制造商和零售商的利润都获得了相应的提升。但是需要指出的是，此模型下，制造商给零售商的批发价低于成本价，一定程度上有倾销迹象，在大规模倾销情况下，很容易导致制造商被起诉，即引起法律诉讼。

（二）基于销售奖励—惩罚合约的供应链协调模型（K模型）

在分散式决策的基础上引入K模型（销售奖励—惩罚合约），即供应商为零售商设定一定的销售数量L与退货数量T，当零售商的销售数量达到L之后，对超过部分的收入进行一定的奖励，若数量未达到L将会进行一定的惩罚（即对超过部分单位产品给予奖励，未达到的部分单位产品给予处罚）；当零售商收到的退货数量小于目标值时，对于所产生的差额数进行一定的奖励，当退货量高于目标值时对多出部分则进行惩罚（即对差额的部分单位产品给予μ元的激励，超出部分的单位产品给予μ元的惩罚。本文假定D=a-βp+γr为零售商实际发生的产品的销售数量，r=a+br为零售商处理的消费者实际退货的产品数量，L、T分别代表制造商针对自身的产品库存情况及外部消费者环境的影响为零售商确定的目标销售量和特定退货数量。此外，在此模式下，假定制造商批发给零售商的价格确定。由此可以建立以下方程：

供应链总体利润为：∏K=（p-c）（a-βp+γr）-（r-s）（a+br）

命题四：在销售奖励—惩罚合约的协调决策下，当制造商确定的批发价为wK时，且目标销量L满足

时，K模式下的供应链整体可以实现协调［4］。

因此，在K模型下，制造商通过制定确定的批发价格对零售商进行销售奖惩时，可以一定程度上激励零售商制定较为宽松的定价与退货政策以提高销售量，从而享受因奖励带来的销售收入。在这种协调模式下，制造商和零售商的利润都获得了相应的提升。但是在此模型下需要同时确定wk和L的取值，在协调方面对于制造商和零售商存在一定的挑战。

基于以上分析，在三种分散决策模型的比较中可以发现，当各决策模型中制造商和供应商取得最优化利润时，三种模型之间的供应链总体利润可以进行比较。比较结果为：即两种协调决策模型都可以达到分散决策下非协调模型的优化。同时，要达到K模式的优化必须确定目标销量及批发价格的大小，且在L的一定取值范围内，可以获得双方利润的总体提升；而S模式的优化只需确定收益共享的比例。所以就谈判的角度来说，S模型要优于K模型，即K模式下的供应链协调环节比较繁琐。但是从法律角度来讲，S模式容易引起法律诉讼而K模型不易造成这样的顾虑。

三、算例分析

（一）需求的价格敏感度参数β对厂商利润变化的影响

假定参数α=1 500，γ=5，α=100，b=4，c=8，s=5，同时β在［6,12］区间内变化。

由图1和图2可以看出，随着β的增加，双方利润均在减少，即需求对价格的敏感度参数β与厂商利润存在负相关关系。消费者对产品的销售价格越敏感，制造商和零售商获得的利润则越小。但是综合来看，S模式要优于R模式下的决策。

图1 β的变化对M1获取收益的影响

图2 β的变化对R1获取收益的影响

（二）需求的退货价格敏感度参数γ对厂商利润变化的影响

假定参数α=1 500，β=7，α=100，b=4，c=8，s=5，同时γ在［2,5］区间内变化。

由图3和图4可以看出，随着γ的增加，双方利润均在增加，即需求对退货价格的敏感度参数γ与厂商利润存在正相关关系。消费者需求对产品的退货价格越敏感，制造商和零售商获得的利润则越大。但是无论γ的取值为多少，S模式下厂商的利润要远大于R模式。

图3 γ的变化对M1获取收益的影响

图4 γ的变化对R1获取收益的影响

（三）退货量的退货价格敏感度参数b对厂商利润变化的影响

假定参数α=1 500，β=7，γ=5，a=100，c=8，s=5，同时在［3,6］区间内变化。

由图5和图6可以看出，退货量的退货价格敏感度参数b与厂商利润存在负相关关系，即消费者对产品的退货价格越敏感，其产生的退货就会越多，因而制造商和零售商获得的利润就会越少。从图中可以看出，两种模式下的利润变化趋势大致相同，所以协调模式下的厂商利润要大于独立决策下的分散决策。

图5 b的变化对M1获取收益的影响

图6 b的变化对R1获取收益的影响

（四）三种分散决策下的模型比较

给定以下参数：α=1 500，β=7，γ=5，a=100，c=8，s=5，此时假定在K模式下制造商确定的批发价wK=68。在三种模式中，将假设数值带入其中，由此，我们可以得到在获得最优情况下的各变量取值（见表1）。

表1 三种模式获得供应链协调及最优化的情况

其中，根据D=α-βp+γr，R=a+br，带入上表所求的解，可以得出三种不同模式下市场需求与退货数量的变化（见图7）。

图7 三种模式下的市场需求与退货数量

如图7所示，在S模式和K模式的协调下，零售商采取的宽松退货政策与定价策略在使退货数量增加的同时，市场需求也相应增加，且市场需求增加的趋势要大于退货数量增加的趋势。根据顾客的心理需求，这两种模式的定价更易被顾客接受与消费，相应实现了消费者的效用，因此可以使厂商与消费者实现双赢。因此，在这种情况下，我们有理由选择这两种使供应链整体协调的模式。

将上述算例带入计算厂商之间的利润，当目标销量L=940件时，可以得出如图8所示的结果。

图8 三种模式下的供应链体系上的利润

根据图8可以发现S模式和K模式下供应链整体及厂商的利润均要优于R模式。同时，S模式和K模式在对供应链整体协调方面具有等价性。

五、结 语

根据对所建立模型及数值算例的分析，可以发现，售价的降低以及退货价格的提升可以更好地刺激消费者的市场需求。虽然随着退货价格的提升消费者的退货也会随之增加，但由此带来的退货成本却远小于其刺激市场需求所带来的收益。因此我们可以认为，在采取“收益共享”与“销售奖励—惩罚”两种协调决策时，都可以达到供应链整体收益的协调，因此建议在两级供应链协调决策过程中，厂家可以通过沟通确定“收益共享”比例或者制定“销售奖励—惩罚”制度以共同实现各自利润收益的最大化，并实现供应链整体利润的提升。

对敏感性的分析发现，敏感性参数的变化对协调决策与单独决策下厂商利润的影响走势大致相同。并且根据敏感度参数与利润存在的关系，厂商可以根据产品特点和消费者群体需求更好地进行市场定位以争取更高的利润。但是，无论在何种变化下，协调决策总是优于单独决策。

在协调决策讨论环节，文章分别建立了S模式和K模式，研究发现两者均可实现供应链协调。并且，研究还发现S模式和K模式各有优缺点。S模式的优点在于只要确定一个参数θ，供应链契约随之决定，在实际谈判中简单易行；而K模式需要同时决定两个参数wK与L，谈判相对较为复杂。S模式的缺陷是容易引起法律诉讼问题，而K模式却可以避免这陷点。

为了实现双赢局面，本文主要对由零售商和制造商进行分散式独立决策的R模式和集中决策下由零售商和制造商进行谈判协调决策的S模式和K模式等三种模式下的退货与定价策略进行了分析，研究结果为实现供应链整体的利润提升和供应链的协调提供了理论依据。