生鮮電商食品安全監管機制效用模型仿真

楊浩雄 邵恩露 馬家驥

(北京工商大學電商與物流學院，北京 100089)

隨著互聯網的飛速發展以及電子商務的不斷普及，生鮮電商食品安全問題頻發，原因主要有：生鮮產品種類繁多，保存條件不一，保存時間較短，質量易發生變化；生鮮電商運營過程各主體信息不對稱；生鮮電商食品安全監管不到位。2016年10月1日起施行的《網絡食品安全違法行為查處辦法》，從規定入網食品生產經營者及網絡食品交易第三方平臺等角色的網絡食品安全義務、劃分各級監管部門監管職責、明確違法行為的法律責任等方面，對網絡食品安全進行監督管理等。

在生鮮電商食品安全監管模式的研究上缺乏相應的理論支持。汪旭暉等[1]發現信息共享與“鎖定效應”有利于確保生鮮電商食品安全。吳志堅等[2]提出地方政府應充分發揮能力優勢，為電商平臺的運營提供政策及措施保障。葛繼紅等[3]認為O2O模式具有配送及時和消費體驗完善的優勢。此外，邵騰偉等[4]認為生鮮食品采取眾籌預售與眾包生產聯合決策的銷售模式有助于擴大生鮮食品的網購需求，保障食品安全，提高產業鏈收益。Wang等[5]對比了線上和線下生鮮產品的運營模式，從消費者行為的影響因素方面對生鮮電商的運營模式提出了建議。Hobbs等[6-8]認為，政府應積極作為，對生鮮食品供應鏈各環節實行嚴格監管，針對食品安全的關鍵控制點還需采取特殊的管理措施，方能有效保障生鮮食品的質量安全。然而，政府能力有限，難以對分散的農戶進行標準化的控制管理，受限于監管成本，難以對農戶行為進行嚴格細致的監管[9-13]。康智勇等[14]從監管和監督兩大體系出發，構建了網購食品安全協同治理體系，強調了多元參與、協同共治網購食品安全的必要性。

Agent仿真在微觀層次構造Agent，進而推出由微觀個體形成的宏觀效應，是一種自下而上的研究方法。Agent可在一定環境中自主發揮作用，通過Agent仿真能夠更貼合現實情況。Noori等[15]使用基于Agent的模型進行電動汽車的區域市場滲透預測，并發現政府補貼在電動汽車市場中起至關重要的作用。楊浩雄等[16]運用Agent建模方法，對交通擁堵收費政策影響下有私家車的群體出行行為進行了建模，并以北京市為例，對模型展開了實證分析。

綜上，以往研究主要針對生鮮電商運營模式、供應鏈協調等問題。在食品安全監管問題中，其主要針對某一主體進行研究，并沒有考慮所有主體，同時對監管政策與監管效果的研究以定性分析為主，并沒有進行定量分析。文章擬構建生鮮電商食品安全模型，以檢查力度與產品合格率為相關評估系數，考慮整個體系所有主體，運用仿真技術定量分析生鮮電商食品安全監管機制效用，為生鮮電商質量安全監管領域中新的探索和嘗試提供依據。

1 生鮮電商食品安全監管體系

與傳統的食品供應鏈相比，電子商務環境下的食品供應鏈由電商平臺取代了原有經銷商的角色，由生鮮電商食品供應商、生鮮電商平臺和消費者共同構成一個三級的生鮮食品供應鏈。市場的調節有時并不是最有效率的，政府作為最重要的主體，其監管能夠彌補市場調節的缺陷。現階段政府部門對生鮮電商的監管手段主要分為兩種：針對生鮮產品供應商及平臺的事前監管與對產品的抽檢。除對平臺自身進行運營維護外，生鮮電商平臺還需對入網的食品生產經營者進行監督與管理，并對生鮮食品供應商選擇、運輸倉儲配送環節的質量安全、售后服務等方面提供保障；消費者位于生鮮電商產品供應鏈的末端，是食品質量安全風險的直接受害者，也是生鮮電商食品質量安全監管體系中主要的參與主體，消費者主要通過投訴舉報等方式參與食品質量安全監管。

2 生鮮電商食品安全監管效用仿真模型構建

研究的仿真模型(圖1)將生鮮電商食品安全監管中的4個主要主體“生鮮產品供應商”“政府監管部門”“生鮮電商平臺”及“消費者”抽象表示為獨立的Agent，利用各種參數及輔助變量反映如政府抽檢、平臺抽檢、消費者投訴等實際情況。

圖1 生鮮電商食品市場監管模式

2.1 模型假設

從生鮮食品供應商、政府監管部門、生鮮電商平臺及消費者的個體屬性、行為特征出發，通過建模仿真，分析生鮮產品供應商的安全投入策略和政府及電商平臺的監管政策決策下，供應商及消費者的個體屬性、行為變化，探究掌握政府及平臺的監管策略對生鮮電商食品安全監管的影響。基于此，模型作如下假設：

(1) 模型中所有主體都是有限理性，在一定資源和條件的約束下作出決策。

(2) 模型中每個供應商供應的生鮮均為同一品類，且消費者通過電商平臺線上購買無法在購買前鑒別產品質量。

(3) 為簡化模型，假設每個供應商供應的生鮮產品數量相同，每個消費者購買的生鮮產品數量相等且均來自于同一供應商。

(4) 供應商供給生鮮產品的合格率存在不確定性，在一定范圍內服從正態分布。

2.2 Agent仿真模型主體

2.2.4 消費者Agent 消費者Agent在初始是生鮮電商平臺的潛在消費者，在口碑和平臺宣傳的作用下在平臺購買生鮮食品成為平臺的消費者。在買到合格產品后，還會在此平臺繼續購買，若買到不合格產品會有3種選擇：向電商平臺投訴、向政府監管部門投訴或忍氣吞聲,消費者優先選擇平臺投訴，反饋無果后向政府投訴，若消費者選擇忍氣吞聲或最后由政府出面解決，則消費者此后一段時間內將可能不會在此平臺繼續購買產品。

3 生鮮電商食品安全監管模型仿真分析

3.1 某生鮮產品平臺食品安全監管情況

3.1.1 平臺簡介 某生鮮電商平臺是由某世界500強企業于2009年投資創辦的食品類B2C電子商務網站。平臺的主要客戶群體為追求高品質生活的白領人群及中產消費人群，這類群體的生活節奏快，可自由支配的時間較少，但是在購買過程中更注重產品的安全。該平臺對于生鮮食品的食品安全方面十分重視，每年均投入大量人力、物力保障生鮮食品安全，尤其在企業自檢方面。

3.1.2 北京市生鮮食品安全監管情況 選取生鮮電商發展較為成熟的北京市作為研究對象，根據北京市市場監督管理局公布的財政預算信息，2018年北京市市場監督管理局用于食品和藥品監督管理事務的經費為17 101萬元，相比2017年的20 089萬元減少了14.87%。根據北京市市場監督管理局的2018年發布的72期食品安全監督抽檢信息公告統計顯示，2018年，北京市市場監督管理局共組織抽檢食品31 467批次，檢出不合格產品232批次，合格率達99.26%，其中共監測生鮮農產品17 088批次，檢出不合格產品123批次，合格率為99.28%。

3.2 仿真初始值設定

參考對北京市某知名生鮮電商平臺及其生鮮產品供應商的調研結果和北京市商委、北京市市場監督管理局等政府監管部門的實際走訪調查情況，本著遵循生鮮電商食品安全監管實際情況的原則，對數據進行了設定及適當的縮放調整。另有部分數據由于相關統計不全面或涉及商業機密，存在短缺，根據市場信息并參考相關文獻對數據進行合理估計，從而綜合得出試驗初始數據。

表1 供應商Agent的轉變觸發類型及目標狀態行為

表2 平臺Agent的轉變觸發類型及目標狀態行為

表3 政府Agent的轉變觸發類型及目標狀態行為

假定仿真試驗運行100期，“生鮮產品供應商”及“消費者”的Agent數量分別為100，10 000，而“政府監管部門”“生鮮電商平臺”的數量均為1。根據對某生鮮電商平臺的供應商及對北京市政府監管部門及該平臺對供應商抽檢與處罰過程的調研結果，對各Agent進行參數變量設置，見表4～6。

通過參考北京市食品安全監管部門和某生鮮電商平臺的調研結果及爬蟲抓取的消費者評價信息，以及新《食品安全法》等相關法律對消費者Agent參數進行設置，見表7。

3.3 Agent模型仿真

對4個Agent進行集成，通過Anylogic輸出仿真運行數據并繪制時間折線圖、百分比面積圖對各Agent的狀態進行統計分析。在保證結果一致的情況下，為使研究結果表現更直觀，以產品不合格率表示生鮮產品安全情況。

表4 供應商Agent參數設置

表5 平臺Agent參數設置

表6 政府Agent參數設置

3.3.1 供應商Agent狀態統計 由圖2可知，QPS和CPS供應生鮮產品的不合格率變化趨勢與總體不合格率變化趨勢類似，在經歷模型運行初期的快速下降后均逐漸趨于平穩。QPS產品不合格率顯著低于CPS的，符合現實情況對其認知。

3.3.2 平臺Agent狀態統計 由圖3可知，平臺Agent抽檢比例的變化較為劇烈，在模型運行初期處于波動狀態，隨后逐漸上升，而后呈逐漸下降趨勢，并且最終遠低于初始抽檢比例水平。結合圖2可以推斷，初始情況產品合格率較低，政府不斷提高抽檢比例令供應商罰款增加，使得供應商不斷提高質量投入以提高產品合格率。產品合格率提升至一定水平后，政府監管部門無需維持較高的抽檢投入，政府抽檢比例便逐漸下降并逐漸恢復穩定。

表7 消費者Agent參數設置

圖2 不同質量偏好的供應商Agent供應生鮮產品的

圖3 平臺Agent抽檢比例

3.3.3 政府Agent狀態統計 由圖4可知，政府Agent的抽檢比例變化幅度較大，仿真模型運行初期，政府抽檢比例顯著提升，之后又迅速波動下降直至模型結束時，政府抽檢比例水平返回至初始值左右。與圖3對比可知，政府抽檢比例變化落后于平臺抽檢比例且下降幅度更小。

3.3.4 消費者Agent狀態統計 由圖5、6可知，購買到合格生鮮產品的消費者始終占據96%以上的比例。模型運行初期，消費者購買狀態比例和消費者受到賠償總額的變化幅度較為劇烈，隨著模型的運行，購買合格產品的消費者比例不斷增加，平臺給予消費者的賠償總額也因此不斷減少，且因為質量問題未得到妥善處理而選擇不購買的消費者比例也在不斷減少。

圖4 政府Agent抽檢比例

圖5 消費者Agent購買狀態比例

3.4 對比試驗

利用Anglogic軟件的仿真試驗界面，改變仿真模型試驗中不同參數的取值進行不同的對比試驗，其試驗方案見表8。方案A是初始方案，根據表4～7中的參數設定初始值，用作對比仿真試驗的基準方案；方案B1和B2改變了政府對平臺及供應商抽檢的比例，研究不同的政府重點監管對象對生鮮電商產品監管效果的影響；方案C1和C2改變了政府的懲罰系數，方案D1和D2改變了平臺的懲罰系數，分別研究政府和平臺懲罰系數的變化對生鮮電商產品食品安全的影響。

3.4.1 政府對平臺抽檢占比 運行方案A、B1和B2，結果見圖7。由圖7可知，在其他條件不變的情況下，當政府對供應商的抽檢占比為0.2時，生鮮產品的不合格率與初始仿真結果在仿真模型運行前、中期較為接近，在模型運行后期，略低于初始情況，但差距不明顯。當政府對供應商的抽檢占比為0.8時，生鮮產品的不合格率高于初始仿真結果，仿真后期供應商供應的不合格產品總量約比初始仿真結果高10%。

圖6 平臺給予消費者Agent受賠總額

圖7 不同抽檢占比下生鮮產品的不合格率

表8 仿真試驗設計方案

對不同產品偏好的供應商的生鮮產品不合格率進行具體分析，結果見圖8、9。對于QPS，政府抽檢占比無論上升或下降，其產品不合格率與初始情況相比無明顯變化；對于CPS，當降低對供應商抽檢占比時，其產品不合格率相比初始情況在模型運行前、中期無明顯差別，模型運行后期略低于初始情況，當提升對供應商抽檢占比至0.8時，其產品不合格率顯著高于初始情況。綜上，從政府角度而言，對平臺進行抽檢比直接對供應商抽檢更加有效，提高對生鮮電商平臺的抽檢占比更有助于提高生鮮電商產品的安全水平。

3.4.2 政府懲罰系數 運行方案A、C1和C2，結果見圖10。由圖10可知，在其他條件不變的情況下，當政府懲罰系數降低20%至800時，生鮮產品的不合格率高于初始仿真結果，在模型運行中、后期，供應商產出不合格產品數量約比初始情況多10%；當政府懲罰系數提升20%至1 200時，生鮮產品的不合格率與初始仿真結果相比無明顯差異。

圖8 不同抽檢占比下QPS產品的不合格率

圖9 不同抽檢占比下CPS產品的不合格率

圖10 不同政府懲罰系數下供應商產品的不合格率

對不同產品偏好的供應商的生鮮產品不合格率進行具體分析，結果見圖11、12。對于QPS，政府懲罰力度無論上升或下降，其不合格率與初始情況相比無明顯變化；對于CPS，當提高政府懲罰力度時，其不合格率相比初始情況在模型運行前、中期無明顯差別，在模型運行后期略低于初始情況；當降低政府懲罰系數時，其不合格率顯著高于初始情況。綜上，從政府角度而言，在現有水平上降低懲罰力度會使生鮮產品的質量水平顯著降低，而提高懲罰力度則無顯著影響，表明現有懲罰力度已達到較優的監管效果。

3.4.3 平臺懲罰系數 運行方案A、D1和D2，結果見圖13。由圖13可知，在其他條件不變的情況下，當平臺懲罰系數降低20%時，其不合格率在模型運行前期下降幅度較緩，顯著高于初始水平，隨著仿真模型的運行，兩種情況的差距不斷減小，在模型運行中、后期，其不合格率略高于初始水平，后期供應商產出的不合格產品數量約比初始水平高4%；當平臺懲罰系數提升20%時，其不合格率與初始仿真結果相比在模型運行前、中期并無明顯差異，后期略低于初始情況，后期供應商產出的不合格產品數量約比初始水平低5%。

對不同產品偏好的供應商的生鮮產品不合格率進行具體分析，結果見圖14、15。對于QPS，平臺懲罰力度無論上升或下降，其不合格率與初始情況相比無明顯變化；對于CPS，當平臺懲罰系數提高時，其不合格率相比初始情況在模型運行前、中期無明顯差別，后期略低于初始情況；當平臺懲罰系數降低時，其不合格率明顯高于初始情況。綜上，從平臺角度而言，降低懲罰力度會顯著降低生鮮產品的質量水平，而提高懲罰力度在短期內對生鮮產品質量水平無顯著影響，長期內會促進產品質量水平的提升。

圖11 不同政府懲罰系數下QPS產品的不合格率

圖12 不同政府懲罰系數下CPS產品的不合格率

3.4.4 政府懲罰與平臺懲罰系數變化對比 運行方案A、C1、C2、D1和D2，結果見圖16～21。由圖16、17可知，政府及平臺的懲罰系數變化對供應商產品不合格率存在重要影響。當懲罰系數降低時，模型運行初期，平臺懲罰系數變化對供應商產品不合格率的影響大于政府懲罰系數變化的影響，但隨著模型的不斷運行，政府懲罰力度降低對產品品質影響更大，平臺運行后期，平臺懲罰力度降低20%會使供應商供應不合格產品總量相比初始情況增加4%左右，而政府懲罰力度降低20%時會使不合格產品總量增加10%；當提高懲罰系數時，平臺及政府的懲罰系數變動對供應商的產品不合格率影響均不顯著。

圖13 不同平臺懲罰系數下供應商產品不合格率

圖14 不同平臺懲罰系數下QPS產品的不合格率

圖15 不同平臺懲罰系數下CPS產品的不合格率

由圖18、19可知，提高或降低政府及平臺的懲罰系數對QPS所供應生鮮產品的平均不合格率無顯著影響。

由圖20、21可知，供應商總體不合格率受平臺及政府懲罰系數影響，主要是因為CPS的產品不合格率對平臺及政府的懲罰系數變化較為敏感。當懲罰力度降低時，模型運行初期，平臺懲罰系數變化對供應商產品不合格率的影響大于政府懲罰系數變化的影響，但隨著模型的不斷運行，政府懲罰系數降低會造成供應商產品不合格率處于更高水平，模型運行后期，政府懲罰力度下降20%會使CPS供應的不合格產品數量增加20%，明顯高于平臺懲罰力度下降20%造成的約5%的增幅；當懲罰力度各提高20%時，相比于政府懲罰系數，平臺懲罰系數的提高會使CPS的產品不合格率下降更多，模型運行后期，平臺懲罰力度提高會使CPS供應的不合格產品總量下降約15%，明顯高于政府懲罰力度提高造成的8%左右的降幅。綜上，若提高懲罰力度，提高平臺懲罰力度相比提高政府懲罰力度更為有效。若降低懲罰力度，短期內平臺懲罰力度降低會造成較大影響，但長期內政府懲罰力度降低的影響幅度較大。

圖16 政府及平臺懲罰系數降低20%時供應商產品不合格率

圖17 政府及平臺懲罰系數提高20%時供應商產品不合格率

圖18 政府及平臺懲罰系數降低20%時QPS產品的不合格率

圖19 政府及平臺懲罰系數提升20%時QPS產品的不合格率

圖20 政府及平臺懲罰系數降低20%時CPS產品的不合格率

圖21 政府及平臺懲罰系數提高20%時CPS產品的不合格率

4 結論

生鮮電商的快速發展一直備受社會關注，食品的安全更是關注的重點。如何對生鮮電商的食品安全監管進行完善與優化，如何能夠對食品安全違法行為進行有效約束，從而促進生鮮電商行業的健康穩定發展，仍是政府部門關注的重點。文章分析了各主體在監管模型中的行為及相互影響，構造了由生鮮電商供應商、生鮮電商平臺、政府監管機構以及消費者四方共同組成的生鮮電商食品安全監管模型，并對該模型進行仿真試驗，結果表明：構建生鮮電商供應商的投入決策模型和消費者購買決策模型，有助于生鮮產品供應商優化安全投入政策，政府及平臺優化監管政策，制定更加有效的管理辦法，引導供應商提高產品質量，提高顧客滿意度并避免食品安全事件的發生。

生鮮電商的監管模式與傳統的農產品供應鏈監管模式有所不同，對于如何保障生鮮電商食品安全，可從以下方面著手：① 電子商務背景下，政府監管已難以覆蓋整個市場，而生鮮電商平臺對其平臺內食品安全的掌控與監管力度甚至比工商、質檢等國家機關更強，更能對其供應商形成威懾。在政府部門選擇監管對象時，政府部門監管重點應為生鮮電商平臺，明確電商企業為食品安全事件“第一責任人”，督促生鮮電商平臺對其供應商進行嚴格選擇，強化內部食品安全檢驗檢測體系，從而達到更好的監管效果。② 政府在進行生鮮電商食品安全監管時，較高的懲罰力度能夠更好地保障食品的安全，并且若提高懲罰力度，提高平臺對供應商的懲罰力度相比提高政府懲罰力度更為有效。若降低懲罰力度，短期內平臺懲罰力度降低會造成較大影響，但長期內政府懲罰力度降低的影響幅度較大。所以政府應當確定相應的懲罰制度，并且逼迫平臺確定相應的懲罰力度，以確保提高生鮮電商提供的食品的安全。