電商生態系統中核心種群間信用機制的動態演化博弈

張 麗, 王向向， 李佳鑫

(1.天津市食品安全戰略與管理研究中心，天津 300222; 2.天津科技大學 經濟與管理學院，天津 300222)

0 引言

2019年11月11日天貓當天總成交額達2684億元，相較于2009年的5200萬元，增長5100多倍。“雙十一”走過十年，電商消費趨勢與我國經濟轉型升級、提質增效的發展路徑同向而行，呈現出消費不斷升級的態勢。電子商務迅速發展，每年不斷刷新的網購消費額度和速度推動了電商平臺崛起，電子商務已成為經濟發展的重要增長點。然而2018年7月拼多多赴美上市后隨之而來的“山寨門”事件、假貨不斷等問題使電子商務信用問題成為輿論焦點。由于網絡交易的虛擬性與數據缺失性，電子商務中消費者與商家之間嚴重的信息不對稱[1]，以及現有電商平臺信任和信用機制的不完善，使得網購出現的“欺詐、假貨、質量不合格”等問題頻發，商家的信用缺失和欺詐經營行為愈發嚴重，網購的信用危機已經成為制約電商生態系統發展的瓶頸。電商平臺作為電子商務交易的媒介，其監管責任不容忽視；商家和消費者作為電商生態系統中的交易主體，是信用的直接表現者。因此，為消費者提供優質滿意的網購商品，促進商家誠信經營；消除商家的假冒偽劣商品，保障消費者合法權益；提高電商生態系統整體信用度，促進電商市場良好發展已成為當下政府、企業和消費者關注的焦點。

在電商生態系統的概念、構成、演化及其內部協調機制的研究中[2,3]，胡嵐嵐[4]首次提出了電商生態系統的概念，Honglu Liu等[5]對其進行系統復雜性和演化分析。Gefen,D等[6]研究表明網購消費者的在線信任主要與供應商誠信、網站安全機制和使用便捷性三方面有關。余樂安[7]用最小二乘近似支持向量回歸模型，研究了電子商務信用風險預警。紀淑嫻[8]以阿里巴巴為案例，分析指出電商生態系統中演化平衡的四個階段，并為其協調平衡演化提出策略建議。南小可[9]利用博弈論分析了B2C電子商務信任信息共享問題，建立博弈模型并分析其穩定狀態及演化趨勢。楊克巖[10]探討了電子商務信息生態系統的構建，并以京東商城為實際案例進行分析。Shao, Kuoyi等[11]以北京銀聯商業服務有限公司為例分析了電商生態系統的內涵和特征，并將電子商務的商業環境與傳統的商業環境進行對比分析。Tiago Oliveira等[12]分析電子商務中信任對于消費者在線購買意愿的重要作用，提出增加信任度有助于提高消費者的在線購買意愿。

研究方法上，博弈模型是策略選擇研究的有力分析工具。Youbei Huang[13]等運用重復博弈模式構建中國電子商務C2C模式中參與者的欺詐行為，并驗證存在C2C電商信用評級體系的有效性。苗苗等[14]基于完全信息靜態博弈與重復博弈模型，討論C2C電商誠信行為的影響因素，以期提高賣家誠信概率和買家購買概率。王學東[15]等以混合戰略博弈理論為依據，研究網商生態系統主體間的信用行為博弈問題。王寶義[16]針對電子商務企業與快遞間存在的競合關系構建混合策略博弈模型，將網購者監督行為引入博弈模型，并對兩種模型進行對比分析。李春發[17]以電商生態系統中的領導種群、支持種群和關鍵種群為博弈主體，建立了三方合作共生的動態演化博弈模型。楊豐梅等[18]基于演化博弈理論，構建電商平臺信用信息共享博弈，分析探討電商平臺選擇信息共享策略的有利條件。楊豐梅[19]構建C2B2C電商信用監管模式下的演化博弈模型與定價交易模型，對電商和消費者雙方的長期交易策略進行了分析。Roberto Aringhieri等[20]通過混合博弈和代理仿真分析電子商務中的在線信譽體系，建立模型，探究買賣雙方不同的行為對電商政策的影響。

電商生態系統種群間信息不對稱的現狀，決定了系統中各參與主體策略必將在不斷的學習和調整過程中逐漸實現優化；而演化博弈理論對于博弈主體種群間自然選擇、優勝劣汰的繁衍機制，能更科學的描述電商生態系統中信用情況以及不完全理性的決策特點[21]。據此，本文應用演化博弈理論，對電商平臺、商家和消費者的長期交易策略進行分析；討論各博弈主體的相互演化穩定策略，并對影響主體進行策略選擇的主要因素進行探討和分析。

1 三方演化博弈模型構建

1.1 符號及假設

以電商生態系統中電商平臺、商家和消費者三者間的信用監管為研究對象，提出如下基本假設：

假設1假設電商平臺、商家、消費者的博弈三方均為有限理性且存在信息不對稱性，以追求自身利益最大化為目標；三方在長期策略中進行不完全信息動態博弈。

假設2三方博弈主體的策略選擇分別為：電商平臺(積極監管，消極監管)，商家(誠信，欺詐)，消費者(投訴，不投訴)。

假設3電商平臺的收益來源：一是商家的信用保證金S和對欺詐商家的罰金qS，(q為電商平臺從商家信用保證金中收取的罰金比例q∈(0,1)。二是商家誠信經營為電商平臺帶來的整體系統效益R。三是電商平臺積極監管所得收益R1。

假設4電商平臺積極監管時付出成本C1，對誠信經營的商家進行獎勵S1。若電商平臺消極監管，可能導致市場產品質量混亂，消費者利益受損，用L1表示，同時電商平臺企業形象受損需要付出信用補救成本C2。

假設5商家誠信經營的凈收益為R2，欺詐經營時凈收益mR2(m>1)，若商家選擇欺詐經營且被電商平臺發現，商家需對消費者進行賠償nR2，并交納罰金qS。

假設6若商家誠信經營，消費者用更加便捷的方式甚至低廉的價格購得滿意產品獲得超額收益C3，消費者發現商家欺詐經營時，可以選擇向電商平臺投訴，投訴成本為L2，獲得電商平臺對消費者的額外積分獎勵或用戶補償等獎勵R3，也可選擇與商家溝通獲得不投訴補貼R4。其中各個符號及其釋義如表1所示。

表1 三個博弈主體的相關參數設置及其含義

1.2 模型的建立

三方博弈中，根據電商平臺{積極監管，消極監管}，商家{誠信，欺詐}，消費者(投訴，不投訴)的策略集，可構建不同策略組合下的收益矩陣如表2所示。

表2 “電商平臺-商家-消費者”的三方博弈收益矩陣

2 三方博弈的復制動態方程及演化穩定策略

根據假設，在電商生態系統中，電商平臺選擇積極監管和消極監管的概率分別為x和1-x；商家中選擇誠信和欺詐策略的種群比例分別為y和1-y；消費者中選擇投訴和不投訴策略的種群比例分別為z和1-z，其中(0≤x,y,z≤1)。

電商平臺選擇積極監管的期望收益

EA=y[z(R-C1-S1+S-R3)+

(1-z)(R-C1-S1+S)]+

(1-y)[z(R1+qS-C1-C2)-R3+S)+

(1-z)(qS-C1-C2+S)]

=y(R-S1)+S-C1+(1-y)(qS-C2+zR1)-zR3

(1-y)[z(-C2+S)+(1-z)(-C2+S)]

=yR+S+(1-y)(-C2)

=x[(1-y)(qS+zR1)-zR3-yS1-C1]+

yR+S-(1-y)C2

電商平臺種群的復制動態方程(式(1))：

=x(1-x)[(1-y)(qS+zR1)-zR3-yS1-C1]

(1)

EB=x[z(R2+S1-S)+(1-z)(R2+S1-S)]+

(1-x)[z(R2-S)+(1-z)(R2-S)]

=R2-S+xS1

(1-z)[(mR2-qS-R4-S)]}+

(1-x)[z(mR2-S)+(1-z)(mR2-R4-S)]

=-S-xqS-(1-z)R4+(m-xzn)R2

可得商家種群規模的復制動態方程(式(2))：

=y(1-y)[(1-m+xzn)R2+

x(S1+qS)-(1-z)R4]

(2)

同理可得消費者種群的復制動態方程(式(3))：

=z(1-z)[x(1-y)nR2+xR3-L2-(1-y)R4]

(3)

2.1 電商平臺“監管”種群的穩定策略

根據式(1)電商平臺種群的復制動態方程可得:

(4)

(1)y值變化對x值演化穩定性的影響

(2)z值變化對x值演化穩定性的影響

(3)電商平臺種群穩定策略及電商平臺積極監管驅動力分析

根據上述復制動態方程的演化穩定分析可得以下結論：

結論1電商平臺對商家欺詐經營的積極監管概率，隨著商家誠信經營行為的比例減小而增大。

結論2電商平臺對商家欺詐經營的積極監管概率，隨著網購中選擇“投訴”策略的消費者比例增加而增大。

結論3電商平臺的監管概率，隨著信用保證金、罰金系數和監管收益的增加而增大，隨著監管成本的增大、平臺對誠信商家和消費者投訴獎勵的增大而減小。

圖1 電商平臺動態趨勢示意圖

2.2 商家選擇“誠信”經營的復制動態方程及穩定策略

(1)x值變化對y值演化穩定性的影響

(2)z值變化對y值演化穩定性的影響

(3)商家種群規模穩定策略及收益分析

根據上述復制動態方程的演化穩定分析可得以下結論:

結論4商家選擇“欺詐”經營的概率，隨著電商平臺對誠信商家獎勵的增大而減小。

圖2 商家動態趨勢示意圖

結論5隨著電商平臺對市場不法行為懲罰力度的增大，商家選擇“欺詐”經營策略的概率將降低。

2.3 消費者選擇“投訴”策略種群的復制動態方程及穩定策略

結論6消費者選擇“投訴”策略的概率，隨電商平臺給予的參與投訴獎勵和商家賠付額度的增加而增大。

圖3 消費者動態趨勢示意圖圖

結論7消費者選擇“投訴”策略的概率，隨著參與投訴成本的減小而增大，且商家私下給予消費者的不投訴補貼越高，消費者選擇投訴的概率越小。

3 數值模擬和仿真分析

為驗證上述構建的演化博弈模型及其所得結論，同時深入分析相關變量對演化博弈的實際影響，下面運用MATLAB 2016進行數值模擬。假定參數R=100，C1=40，R1=60，C2=200，S=2000，S1=20，q=0.1，R2=60，C3=100，R3=10，R4=5，L1=100，L2=10，m=1.5，n=1，進一步分析不同參數取值變化下電商平臺、商家和消費者的策略選擇。

3.1 電商平臺“積極監管”驅動力分析

圖4 x=0.8，y=0.7，z=0.7時三者之間的動態演化趨勢

圖5 信用保證金S、罰金系數q對電商平臺積極監管概率x的影響

圖6 監管收益R1、監管成本C1對電商平臺積極監管概率x的影響

圖7 誠信商家獎勵S1、消費者投訴補貼 R3對電商平臺監管概率x的影響

由圖5～7可知：電商平臺向著積極監管方向演化的速率隨著監管收益、懲罰系數的增大而加快，隨著監管成本和消費者投訴補貼額的增大而減緩。降低監管成本、合理控制商家誠信獎勵和消費者投訴補貼能夠提高電商平臺監管的積極性。

3.2 商家策略的影響因素分析

圖8 信用保證金S、罰金系數q對商 家欺詐經營概率1-y的影響

圖9 商家給予消費者的不投訴補貼R4、賠付額 度n對商家欺詐經營概率1-y的影響

由圖8～9可知：隨著商家誠信獎勵的增大，商家“誠信”經營的概率也增大，提高罰金的額度和欺詐商家的賠付額度可以有效的抑制商家的欺詐行為，且嚴格管控商家和消費者的私下溝通補貼能夠有效提高商家的誠信經營種群規模。由于我國電子商務正處于迅速發展時期，現有電商系統中信用體系尚不完善，商家的欺詐成本低、利潤大，盡管商家欺詐經營會受到懲罰(如罰金、降低店鋪評分等)，但若是電商平臺的懲罰力度很小，很難督促系統內商家誠信經營，不能發揮電商平臺的監管作用。因此在系統合理范圍內制定對商家的懲罰力度，才能降低商家私下與消費者溝通隱瞞欺詐經營的概率，有效打擊商家的欺詐行為。

3.3 消費者“投訴”策略的影響因素分析

圖10 投訴成本L2和消費者參與投訴獎勵 R3對消費者投訴概率z的影響

圖11 商家對消費者不投訴補貼R4和商家賠 付額度n對消費者投訴概率z的影響

由圖10～11可知：商家誠信情況未知時，電商平臺提高消費者參與投訴的獎勵和賠付額度能夠有效提高消費者的參與積極性；同時減小消費者投訴成本，建立便捷、高效的消費者投訴反饋機制，能增大消費者參與“投訴”的種群規模，以便提升整體電商生態系統信用。

4 結論

提高電商生態系統的整體信用是廣大企業和消費者的迫切愿望。本文以演化博弈理論為基礎，對電商平臺、商家和消費者在電商生態系統中信用監管的三方博弈行為進行分析，從理論上分析電商生態系統的整體信用問題，亦是促進電商平臺和商家積極合作，消費者積極參與以便實現電子商務誠信交易的實踐探索。研究結果顯示，商家的誠信經營與電商平臺的監管力度和消費者參與度緊密相關，三者間的行動策略相互作用、相互影響。電商平臺可通過提高保證金、罰金系數和賠償力度、加強信用監管力度，增大欺詐經營的懲罰力度，督促商家誠信經營；通過建立消費者投訴監管機制，對參與投訴消費者進行獎勵，促進消費者的第三方監督，實施電商平臺與消費者雙重信用監督，加強電商信用監管機制；同時電商平臺應嚴禁商家對消費者之間的私下補貼，消除商家欺詐經營的潛在可能性。互聯網平臺型企業應有“敬畏之心”，加強平臺治理，承擔社會責任。

綜上所述，為了更好地促進電商生態系統良好運營，針對電商平臺提出如下管理措施以提高商家誠信概率，增強電商生態系統整體信用：

(1)完善電商平臺的監管體系和競爭機制：設立相應的約束和激勵機制，建立商家誠信獎勵和失信懲罰機制，鼓勵誠信經營。

(2)建立完善的消費者投訴反饋信息系統：通過電商平臺的內部監管和消費者投訴的外部監督，做到內外監督相結合,全方位對電子商務交易中商家的誠信經營和產品質量狀況進行監督。

(3)優化電商平臺媒介：降低消費者購買、投訴、評價成本，完善信用等級評價機制，鼓勵買賣雙方彼此信任，利用網絡信息平臺進行傳播，增加欺詐經營行為的擴散效應，充分發揮市場懲罰作用。

本文針對電商生態系統中的三個主要種群：電商平臺、商家和消費者，構建三方演化博弈模型，對商家誠信經營信用監管機制進行了分析。實際上在電商生態系統中，還存在其他一些參與主體和影響因素也會對電商生態系統運行起到影響作用。在未來的研究中會盡量彌補這方面的不足，考慮將電商交易市場的隨機性融入模型，使博弈模型更加符合現實市場狀況，從而提出更加科學合理的對策建議。