網絡平臺銷售模式中的需求信息分享策略研究

羅春林，毛小兵，田 歆

(1. 中國科學院大學經濟與管理學院, 北京 100190；2. 江西財經大學信息管理學院，江西 南昌 330013；3. 中國科學院虛擬經濟與數據科學研究中心，北京 100190)

網絡平臺銷售模式中的需求信息分享策略研究

羅春林1,2，毛小兵2，田 歆1,3

(1. 中國科學院大學經濟與管理學院, 北京 100190；2. 江西財經大學信息管理學院，江西 南昌 330013；3. 中國科學院虛擬經濟與數據科學研究中心，北京 100190)

研究了兩競爭制造商通過同一網絡平臺銷售產品的需求信息分享問題。已往研究表明，信息分享一定會為參與企業帶來更多的利潤，然而研究發現，在網絡平臺銷售模式下，當平臺提成比例過高而產品生產的規模經濟比較明顯時，分享需求信息卻不一定會為平臺帶來更多的期望利潤。在規模經濟的時候，不獲取信息的制造商可以從競爭制造商獲取信息行為中收獲搭便車效應，而在規模不經濟的時候，不獲取信息的制造商卻須為此付出代價。當平臺的需求信息越準確時，獲取信息帶來的利潤就越多。

信息分享；網絡平臺；競爭；貝葉斯均衡

1 引言

供應鏈管理的一個重要特征是讓參與企業專注于自己的核心業務，充分發揮比較優勢原理的作用，進而提高運營效率。但另一方面，企業之間由于隱私與信任的顧慮、競爭等方面的原因常會保留一些私有信息，造成供應鏈企業之間的信息不對稱，從而降低供應鏈的運行效率。解決企業之間信息不對稱的重要途徑顯然是信息共享，如Lee等[1]研究了二階供應鏈中信息分享的價值，Rached等[2]分析了信息共享的價值及對供應鏈中合作伙伴企業績效的影響，而Khan等[3]和Sabitha等[4]分別在供應鏈可持續發展與需求為一階自回歸情形下研究了信息共享的價值。由于供應鏈的最終目標是服務于客戶的需求，因而需求信息共享無疑是非常重要的，不對稱的需求信息難以實現供給與需求的匹配，給供應鏈企業的生產量選擇與定價造成困難。因此，關于需求信息的分享策略是一個非常值得深入研究的現實問題。

目前，關于需求信息的分享策略研究主要集中在兩個方面：一個是下游的零售商擁有比上游企業更準確的需求預測信息，另一個是上游制造商比零售商有更準確的需求預測信息問題。由于零售商直接面向市場、面向消費者，在銷售的過程中積累了大量的用戶數據，因此，在很多時候，下游零售商比上游企業擁有更多的需求信息，這也是近二十年來的一個熱點研究問題。如Li等[5-6]研究了多個零售商之間存在水平競爭的需求信息共享策略，Ha等[7-8]和Guo Liang等[9]研究了供應鏈與供應鏈之間競爭模式下的信息共享問題，Babich等[10]在非對稱需求信息背景下研究了供應商的契約設計，而Li Tian等[11]研究表明在按庫存生產情形下，當需求的不確定性程度適中時，零售商是樂意自愿分享信息的，Shang Weixin等[12]研究了兩個制造商共用一個零售商銷售模式下的信息分享策略。

另一方面，對很多時尚類商品和季節性產品，市場需求信息非常不明確，這時制造商都會投資成熟的需求預測系統并做大量的市場調研，從而獲得更準確的需求預測信息[13-14]，另外在分銷渠道中，制造商(如品牌企業)也往往擁有比零售商更好的需求預測信息[15]。Guo Liang等[14]研究了分銷渠道中制造商分享信息對供應鏈運營決策的影響，Jiang Baojun等[15]研究了分銷渠道中的需求信息分享與否問題，并探討了制造商的信息準確度和零售商的風險厭惡對信息共享策略的影響。Bian Wenliang等[16]研究了制造商與零售商都擁有部分需求信息的信息分享問題，結果表明供應鏈能否從信息分享中獲益依賴于競爭強度和預測的誤差程度。國內許多學者也分別在不同情形下研究了信息分享的策略與價值[17-20]。

但這些研究都是基于傳統的購銷模式，而近年來電子商務迅猛發展，很多企業都考慮通過天貓等網絡電商平臺銷售產品，在這類銷售模式中，平臺并不從制造商手中購買商品然后再賣給消費者，而只是為制造商與消費者提供一個買賣平臺，并提取一定比例的傭金。由于天貓等電商平臺積累了大量的銷售信息、客戶信息等數據，對產品的需求往往有更準確的認識，因此，平臺對需求信息就有一個策略性分享問題。當平臺對分享信號數據收取一定費用的時候，制造商就面臨選擇購買與不購買的問題。購買平臺的信號數據意味著可以更準確地獲悉需求信息，從而幫助更準確地定價。由于同一種產品往往有不同品牌的制造商在生產，并通過相同的平臺如天貓網絡平臺在銷售，這種競爭制造商在網絡平臺銷售模式下的信息分享問題普遍存在于現實之中，但目前還沒有文獻研究。因此本文研究兩競爭制造商通過同一網絡平臺銷售產品，網絡電商平臺擁有更準確需求信息時的信息分享策略問題。另一方面，由于制造商的規模生產可能帶來規模經濟效應或規模不經濟，探討制造商的成本模式對信息分享策略的影響。

2 模型描述與信息結構

平臺銷售模式區別于傳統的批發零售模式，主要在于產品的價格是由制造商確定，而平臺只收取一定比例的平臺費用，設平臺保留的提成比例為(1-s)。由于同一種產品往往有不同品牌的制造商在生產，并通過相同的平臺如天貓在銷售，因此本文考慮某產品的兩個競爭制造商通過同一網絡電商平臺銷售的運營決策問題。設制造商i選取的產品售價為pi，基本模型如下圖1所示。

圖1 競爭制造商網絡平臺銷售模式示意圖

由于產品競爭，制造商i的產品需求不僅取決于其價格pi，還取決于競爭制造商(3-i)的產品價格p3-i，設其需求函數為

qi=a+θ-(1+φ)pi+φp3-i

(1)

其中φ刻劃了兩個制造商之間的競爭強度，φ越大表示競爭越激烈。隨機變量θ反應了需求的不確定性，記其均值為0，方差為σ2。這種競爭型需求函數廣泛地應用于經濟學和運營管理領域(如Li等[6]，Shang Weixin等[12]和Shin等[21]等)。

網絡電商平臺如天貓由于積累了大量的銷售與客戶數據，對產品的需求有著比制造商更為準確的認識。這些信號數據有著明顯的商業價值，因此平臺會先公布對獲取這些信號數據收取一定的費用，然后制造商再決定是否購買這些信號數據來獲取對需要更為準確的認識。

設電商平臺擁有關于隨機變量θ的信號信息Y，不失一般性，設E[Y|θ]=θ，即Y為θ的無偏估計。進一步假定θ關于Y的條件期望是信號Y的線性函數，這種信息結構廣泛地運用于信息分享文獻(如Li[5]等)中。記t=1/E[Var(Y|θ)]，則t的大小反映了信號的準確程度，而且E[θ|Y]是先驗期望E[θ]和信號Y的加權平均:

(2)

其中β(t,σ)=tσ2/(1+tσ2)為信號Y的權重，顯然β(t,σ)為t的遞增函數，即信號越準確，權重β(t,σ)越大。根據這樣的信息結構可計算得:

E[Y2]=Var(Y)-[E(Y)]2=Var[E(Y|θ)]+E[Var(Y|θ)]=Var(θ)+E[Var(Y|θ)]=σ2+1/t.

(3)

于是，當制造商i知曉平臺的需求信息Y時，其期望利潤為

πi=(spi-c){a+E[θ|Y]-(1+φ)pi+φp3-i}-cv{a+E[θ|Y]-(1+φ)pi+φp3-i}2

(4)

而當制造商i不知曉平臺的需求信息Y時，其期望利潤為

πi=(spi-c){a+E[θ]-(1+φ)pi+φp3-i}-cv{a+E[θ]-(1+φ)pi+φp3-i}2

(5)

3 制造商之間的博弈分析

制造商1與制造商2之間由于競爭的原因，是否獲悉需求信息Y并不會讓對方知道，因此制造商1與制造商2之間構成了一個非完全信息靜態博弈。因而利用不完全信息靜態博弈的貝葉斯納什均衡研究制造商的定價策略與期望收益。

制造商i在做決定之前，會估計制造商j(=3-i)的定價決策(如果制造商j知曉信息Y，則其定價為Y的函數；而如果制造商j不知曉信息Y，則其定價是基于Y的期望，并不依賴于Y的具體值，即為獨立于Y的函數)。因而如果制造商i知曉信息，他將準確地知道制造商j所知道的信息Y，因此制造商i的反應函數為pj的函數；而如果制造商i不知曉信息，他將不知道知曉制造商j所獲悉的信息Y,因此他的反應函數只能是基于E[pj]，這里期望取遍Y的分布。當制造商j不知曉信息Y，則pj獨立于Y，這時E[pj]可以簡單地記為pj。因此，結合上面的分析并通過對期望利潤的優化可得制造商的最佳反應函數如引理1所示。

引理1： 當制造商i知曉信息時，其最佳反應函數為：

pi(p3-i)=

(6)

而當制造商i不知曉信息時，其最佳反應函數為：

pi(p3-i)=

(7)

證明：引理1及后面命題的證明均見附錄。

這里的最佳反應函數都是基于貝葉斯均衡給出的：當制造商i知曉信息時，給定制造商(3-i)的定價策略，制造商i的反應函數是信號Y的線性函數；而當制造商i不知曉信息時，他只能基于制造商(3-i)的定價期望確定自己的反應函數。

3.1 兩個制造商都知曉信息

當兩個制造商都知曉信息時，則由引理1可知，制造商1與制造商2的最佳反應函數分別為:

通過對他們之間博弈均衡的求解，可得制造商的均衡定價策略如命題1所示。

命題1：當兩個制造商都知曉信息時，其均衡定價策略為：

(8)

其中下指標第一個字母2標識兩個制造商均知曉信息，標識意義下同。

通過對信號Y求期望，可得制造商的期望利潤為:

(9)

而網絡電商平臺的期望利潤為：

(10)

3.2 一個制造商知曉而另一個制造商不知曉信息

和

根據兩制造商的最佳反應函數，可以得到他們的定價策略如命題2所示。

命題2：當一個制造商知曉信息另一個制造商不知曉信息時，其均衡定價策略為：

(11)

和

(12)

其中下指標中的I和U分別標識制造商知曉信息(Informed)和不知曉信息(Uninformed)。

對信號求Y求期望，可得制造商的期望利潤為：

(13)

(14)

而平臺的期望利潤為：

(15)

3.3 兩個制造商都不知曉信息

當兩個制造商都不知曉信息時，則由前面的分析可知，制造商1與制造商2的最佳反應函數分別為：

和

通過對他們之間博弈均衡的求解，可得兩制造商的定價策略如命題3所示。

命題3：當兩個制造商都不知曉信息時，其均衡定價策略為：

(16)

這時，制造商的期望利潤為:

(17)

而平臺的期望利潤為:

(18)

4 制造商與電商平臺之間的博弈分析

由于制造商的規模生產常呈現規模經濟效應或規模不經濟效應，因此下面分三種情況進行考慮制造商與電商平臺之間的博弈，即制造商的生產為固定邊際成本(cv=0)，生產呈規模經濟效應(cv<0)與規模不經濟(cv>0)三種情況。

4.1 產品生產為固定邊際成本

當制造商的生產為固定邊際成本，即cv=0時，制造商根據知曉信息與否，以及競爭對手是否知曉信息等不同情況下的期望利潤為:

而平臺在不同情況下相應的期望利潤為：

直接比較可得：

命題4表明當制造商的產品生產具有固定邊際成本時，制造商知曉信號會給他帶來更多的利潤，而且“競爭對手”制造商也知曉信息會對他更加有利，體現了信息的價值。而對一個不知曉信息的制造商來說，無論他的“競爭對手”零售商知曉或不知曉信息，都不影響其期望利潤。另一方面，從網絡銷售平臺的角度來看，知曉信息的制造商個數越多，其獲取的利潤越多。

由于網絡銷售平臺擁有的需求數據信息具有明顯的信息價值，因此平臺一般不會無償地分享給制造商，制造商需要提供一定的費用才可以獲取該信息。設電商平臺對購買數據信息的制造商收取價格為T的費用，則制造商之間的博弈支付矩陣如下表1所示。

表1 博弈的支付矩陣

(19)

由于β(t,σ)關于t是遞增的，因而自然有，

命題5：T*|cv=0和ΔπM|cv=0都是信息準確度t的遞增函數。

命題5表明當信息的準確度越高時，制造商與銷售平臺都能賺取更多的“信息利潤”。

4.2 產品生產呈規模經濟效應

當制造商的生產呈規模經濟效應，即cv<0時。這里需假設s+cv(1+φ)>0，否則制造商的最佳利潤為負，最佳策略就是選擇不生產。這是因為當制造商生產有很明顯的規模經濟效應時，s過小和φ過大，即制造商得到的分成比例過少而競爭又非常激烈，會導致制造商沒有盈利而言。

通過直接比較可以得到：

命題6隱含了一個非常有趣的結果，即當制造商的生產呈規模經濟效應時，一個制造商不獲悉信息，但另一制造商知曉信息，它也能從這一背景下獲利，即“搭乘了便車”。造成這種搭便車的原因是，一個制造商知曉信息不僅讓自己受益，而且能通過規模經濟效應的作用帶動另一制造商獲利。

另一方面，對正常情況下的網絡銷售平臺來講，平臺需求信息分享會為其帶來更多的利潤。但當平臺提成比例比較高而產品的規模經濟比較明顯時，分享需求信息卻不會為網絡銷售平臺帶來更多的期望利潤。其原因是在正常情況下，如(6)和(9)所示，制造商都會根據信號同方向地調整自己的定價策略(即利好消息時會提高價格而利差消息時會降低價格)，以獲得更多期望利潤，但當制造商分享比例過低而規模經濟又比較明顯，知曉信息的制造商為了保護自己的利益，會反方向地調整自己的定價策略，從而使得網絡銷售平臺不能獲取更多的期望利潤。

和4.1中固定邊際成本同樣的分析，可得網絡銷售平臺的最優信號數據定價為：

(20)

而兩個制造商都從信息分享中多賺取了期望利潤ΔπM|cv<0為：

顯然，信息的準確度越高，制造商與銷售平臺賺取的“信息利潤”會越多。

4.3 產品生產為規模不經濟

設兩制造商的生產呈規模不經濟效應，即cv>0時，直接比較在不同情況下制造商的利潤和電商平臺的利潤可得：

命題7表明，在制造商的生產呈規模不經濟效應時，制造商不知曉信息而“競爭對手”知曉信息是對其非常不利的。因為競爭對手知曉信息而自己不知曉信息，導致其在選擇定價時只能用傳統的定價策略，而不能根據信息來調整改變定價策略，另一方面競爭對手知曉信息調整了定價策略。競爭對手知曉而自己不知曉，又由于制造商生產呈規模不經濟效應，使得對信息不確定的制造商處于非常不利的位置，需要付出高昂的“信息”代價。而從網絡銷售平臺的角度來講，知曉信息的制造商越多對其越有利。

利用4.1中同樣的分析方法可得網絡銷售平臺的最優信息數據定價為：

(21)

而兩個制造商都從信息分享中多賺取了期望利潤ΔπM|cv>0為：

s2β2(t,σ)(σ2+1/t)

并且制造商與銷售平臺賺取的“信息利潤”都會隨信號準確度的提高而增加。

5 數值算例分析

為了進一步分析制造商之間的競爭強度、電商平臺的傭金比例以及制造商的規模經濟效應等對電商平臺信息數據價值的影響，下面通過數值分析的方法研究不同情形下電商平臺的信息數據定價與制造商獲取信息數據的期望利潤增量。網絡電商平臺如天貓，根據產品類型的不同，收取的傭金比例也不一樣，基本上在2%-8%之間變動，因此在考慮平臺傭金比例的影響時，取傭金比例(1-s)從2%變化至8%；而在考慮制造商之間的競爭強度對信息數據價值的影響時，取平臺的傭金比例為1-s=5%。另一方面，不失一般性設隨機變量θ的均值為0，方差為1。由于像天貓這樣的大型網絡電商平臺收集了大量的數據，對客戶的需求信息有比較準確的認識，設平臺提供信號對真實需求的預測準確程度為90%，即t=0.9。為了考慮制造商的規模經濟效應與規模不經濟對信息數據價值的影響，分別取cv=-0.005，cv=0和cv=0.005，在不同競爭強度與不同傭金比例下，可得電商平臺的信息數據定價與制造商獲取信息的期望利潤增量如圖2與圖3所示。

圖2 制造商之間的競爭強度對信息數據價值的影響

圖3 電商平臺傭金比例對信息數據價值的影響

從圖2中可以看出，平臺信息數據的最優定價隨著制造商之間競爭強度的增加而減少，這是由于平臺信息數據的最優定價取決于沒有制造商知曉信息時的期望利潤到只有一個制造商獲悉信息時知曉制造商期望利潤的增量，由于競爭強度加劇了，制造商都是通過激烈的競價模式贏取市場與利潤，從而使得即使一個制造商知曉信息其期望利潤的增量空間也不大。競爭越激烈，迫于競爭壓力該增量空間越小，導致平臺的信息數據價格也越小。但另一方面，制造商都獲悉信息帶來的期望利潤增量卻隨著零售商競爭強度的增加而增加，這主要源于兩方面的原因，一是得益于電商平臺降低了信息數據價格，另一方面是由于制造商都獲悉信息在競爭比較激烈的時候表現得更為重要，能幫助兩制造商為產品設置更合適的價格，從而為雙方帶來更多的利潤。

從圖3可以看出電商平臺的信息數據定價與制造商均知曉信息帶來的利潤增量都隨平臺的傭金比例提高而下降，這是由于電商平臺提取傭金的比例提高了，實際上是壓縮了制造商的利潤增量空間。另一方面，圖2與圖3均顯示，制造商生產呈規模經濟效應時的信息數據定價都要高于規模不經濟效應時的信息數據定價，但制造商的期望利潤增量在規模經濟時反而低于規模不經濟時的增量。這是因為制造商的生產呈規模經濟效應時，可賺取的利潤空間比較大，而電商平臺作為博弈先動者擁有先動優勢，從而使得規模經濟時信息數據定價高而制造商的期望利潤增量低。

6 結語

本文利用不完全信息靜態博弈研究了兩競爭制造商通過同一網絡電商平臺銷售產品的需求信息分享問題。結果顯示，在網絡平臺銷售模式下，信息分享同樣能給網絡平臺和制造商帶來更多的期望利潤，但當平臺提成比例過高而產品生產的規模經濟比較明顯時，分享需求信息卻不一定會為平臺帶來更多的期望利潤。在規模經濟的時候，不獲取信息的制造商可以從競爭制造商獲取信息行為中收獲搭便車效應，而在規模不經濟的時候，不獲取信息的制造商卻須為此付出代價。最后基于制造商之間的博弈結果，分析了電商平臺提供需求信息數據的定價以及信息分享對企業期望利潤的影響，結果發現當平臺的需求信息越準確時，獲悉信息帶來的利潤就越多。因此，當平臺具有比較準確的需求預測能力并且平臺收取的傭金比例不是太高時，制造商應該考慮購買平臺的數據信息。另外，當制造商的生產呈規模不經濟效應時，制造商購買數據信息帶來的利潤變化更加明顯。

由于本研究只考慮了兩個制造商通過同一個網絡電商平臺銷售產品，而在現實中，他們可能會通過多個網絡電商平臺來銷售產品，基于這種網狀結構競爭的平臺銷售模式，需求信息分享策略會有怎樣的變化？另一方面，網絡電商自己也可能同時會選擇自營模式銷售產品，如京東有京東自營與平臺銷售兩種渠道，這時信息分享策略又會有怎樣的變化？這些問題都值得深入研究。

附錄：

引理1的證明：

首先分析知曉制造商i的反應函數。當制造商j不知曉信息Y時，制造商i將準確地知曉制造商j所知道的信息Y，因此制造商i的反應函數為pj的反應函數；當制造商j不知曉信息Y，則pj獨立于Y，因此制造商i的反應函數是基于最大化其期望利潤，即

將πi對pi求導并令?πi/?pi=0，可得

再分析不知曉信息制造商i的反應函數。由于制造商i不知曉信息Y,因此他的反應函數只能是基于E[pj]，這里關于pj的期望取遍信號Y的分布，即基于最優化

利用與上面同樣的求導分析，可得制造商的最佳反應函數為：

命題1的證明：直接求兩制造商的最佳反應函數方程組

命題2的證明：聯立兩制造商的反應函數方程組

和

命題3的證明：聯立兩制造商的反應函數方程組

并注意到這時E[p1]=p1與E[p2]=p2，即可求得兩制造商的定價策略：

[1] Lee H L, So K C, Tang C S. The value of information sharing in a two-level supply chain[J]. Management Science, 2000, 46(5): 626-643.

[2] Rached M, Bahroun Z, Campagne J P. Assessing the value of information sharing and its impacts on the performance of the various partners in supply chains[J]. Computers & Industrial Engineering, 2015, 88: 237-253.

[3] Khan M, Hussain M, Saber H M. Information sharing in a sustainable supply chain[J]. International Journal of Production Economics, 2016, 181(part A): 208-214.

[4] Sabitha D, Rajendran C, Kalpakam S, et al. The value of information sharing in a serial supply chain with AR(1) demand and non-zero replenishment lead times[J]. European Journal of Operational Research, 2016, 255(3): 758-777.

[5] Li L. Information sharing in a supply chain with horizontal competition[J]. Management Science, 2002, 48(9): 1196-1212.

[6] Li L, Zhang Hongtao. Confidentiality and information sharing in a supply chain coordination[J]. Management Science, 2008,54(8): 1467-1481.

[7] Ha A Y, Tong Shilu. Contracting and information sharing under supply chain competition[J]. Management Science, 2008, 54(4): 701-715.

[8] Ha A Y, Tong Shilu, Zhang Hongtao. Sharing demand information in competing supply chains with production diseconomies[J]. Management Science, 2011, 57(3): 566-581.

[9] Guo Liang, Li Tian, Zhang Hongtao. Strategic information sharing in competing channels[J]. Production and Operations Management, 2014, 23(10): 1719-1731.

[10] Babich V, Li Hantao, Ritchken P, et al. Contracting with asymmetric demand information in supply chains[J]. European Journal of Operational Research, 2012, 217(2): 333-341.

[11] Li Tian, Zhang Hongtao. Information sharing in a supply chain with a make-to-stock manufacturer[J]. Omega-The International Journal of Management Science, 2015, 50:115-125.

[12] Shang Weixin, Ha A Y, Tong Shilu. Information sharing in a supply chain with a common retailer[J]. Management Science, 2016, 62(1):245-263.

[13] Fisher M L, Hammond J H, Obermeyer W R, et al. Making supply meet demand in an uncertain world[J]. Havard Business Review, 1994, 72: 83-93.

[14] Guo Liang, Iyer G. Information acquisition and sharing in a vertical relationship[J]. Marketing Science, 2010, 29(3): 483-506.

[15] Jiang Baojun,Tian Lin, Xu Yifan,et al. To share or not to share: Demand forecast sharing in a distribution channel[J]. Marketing Science, 2016, 35(5): 800-809.

[16] Bian Wenliang, Shang J, Zhang Juliang. Two-way information sharing under supply chain competition[J]. International Journal of Production Economics, 2016, 178: 82-94.

[17] 張菊亮,章祥蓀. 供應商和銷售商擁有部分信息的信息分享[J].中國管理科學, 2012,20(1):109-116.

[18] 聶佳佳. 零售商信息分享對閉環供應鏈回收模式的影響[J]. 管理科學學報, 2013,16(5):69-82.

[19] 李波, 孫鵬, 李慶華. 雙渠道供應鏈中信息共享價值研究[J]. 系統工程學報, 2015, 30(4):530-538.

[20] 但斌, 周茂森, 張旭梅. 存在競爭性制造商的集團采購供應鏈需求預測信息的共享與激勵[J]. 中國管理科學, 2016,24(3): 41-51.

[21] Shin H, Tunca T. Do firms invest in forecasting efficiently? The effect of competition on demand forecast investments and supply chain coordination[J]. Operations Research, 2010, 58(6):1592-1610.

[22] Taylor T, Xiao Wenqiang. Does a manufacturer benefit from selling to a better-forecasting retailer[J]. Management Science, 2010, 56(9): 1584-1598.

Demand Information Sharing Strategies in Online Platform Selling Mode

LUO Chun-lin1,2，MAO Xiao-bing2，TIAN Xin1,3

(1. School of Economics and Management, University of Chinese Academy of Sciences, Beijing 100190，China;2. School of Information Technology, Jiangxi University of Finance & Economics, Nanchang 330013,China；3. Research Center on Fictitious Economy and Data Science, Chinese Academy of Sciences, Beijing 100190,China)

Recent years have witnessed the development of electronic commerce. A large number of manufacturers have transferred the selling mode from the traditional wholesale mode to the online platform selling mode through a platform such as tmall.com. Under the traditional wholesale mode, the retailer buys the products from the manufacturer and then sells them to the consumers. However, under the online platform selling mode, the platform just provides the service for the manufacturers’ selling products and keeps a percentage of the sales revenue. The platform acquires rich market data about sales and consumers, and thus has more accurate demand information than the manufacturers. How to share the demand information strategically in online selling mode is an interesting research question. On the other hand, there often are several competing manufacturers (e.g., different brand manufacturers) that produce the similar products and sell them through a common online platform. In the paper, the information sharing problem is studied based on the approach of game theory with incomplete information, in which the platform firstly offers the information contracting and then the manufacturers determine to accept the offer or not. Our research contributes to the literature in considering the information sharing strategies in online selling mode. The extant researches revealed that sharing information will benefit the firms by earning more profit. However, our analytical results show that when the percentage of commission is large and the economy of scale is high, sharing information may not bring more profits for the platform. When the production is economy of scale, the manufacturer who is uninformed of the demand information, acting as a free rider, may benefit from the behavior that the competing manufacturer acquires the demand information; whereas the production is diseconomy of scale, the uninformed manufacturer will be hurt by such behavior. And the more accurate the information is, the more profit acquiring information will bring.Moreover, our numerical analysis reveals that the pricing of the demand information data decreases in the competing intensity between the manufacturers, whereas the increment of the manufacturer’s expected profit resulting from the knowledge of demand information increases in the intensity. And if the platform keeps more percentage of the sales revenue, the value of the demand information will be reduced.

information sharing; online platform; competition; Bayes equilibrium

1003-207(2017)08-0149-09

10.16381/j.cnki.issn1003-207x.2017.08.016

2016-09-26；

2016-12-17

國家自然科學基金重大項目資助(71390330)；國家自然科學基金資助項目(71461009, 71202114, 71261006)；山東省自主創新及成果轉化專項項目(2014ZZCX03302)；江西省自然科學基金項目(20151BAB207061)

田歆(1983-)，男(漢族)，湖南張家界人，中國科學院虛擬經濟與數據科學研究中心副研究員，碩士生導師，研究方向：虛擬商務、物流與供應鏈管理,E-mail:tianx@ucas.ac.cn.

F273.7

A