大數據智能推薦技術應用下供應鏈決策優化研究

賈夢珠，鐘遠光，李 斐，傅冬蘭

(1.華南理工大學工商管理學院，廣東廣州 510641；2.廣東科貿職業學院，廣東廣州 510640)

現如今，提起大數據智能推薦技術，無不耳熟能詳。各種生活場景中用到的APP，如美團、QQ音樂、今日頭條、抖音、淘寶、京東等等，均是這項技術切身受益方，借助大數據智能推薦技術，系統可以幫助這些平臺快速掌握用戶的偏好信息，據此進行精確化的推送，降低運營成本，提高收益率。目前這個技術已廣泛應用于種類業務，同時對該技術的不同應用層面還在持續挖掘中，直播帶貨便是一個新的應用場景。隨著互聯網電商競爭的加劇，各大電商平臺都在思考新的盈利模式。2020 年的疫情猝不及防，人們被迫隔離在家，當傳統的購物方式不再滿足人們的日常需求時，直播帶貨由于其趣味性、獨特性，從一眾購物模式中脫穎而出，受到消費者的青睞，自此越來越多的平臺商家想要引入這種新型的銷售方式，贏得市場紅利。但是，并非所有人都能從中謀利。某淘寶大賣家曾公開透露，他曾邀請一位虎牙當紅主播，給自家網點做直播推廣。當時是以2 個商品1 萬元的價格成交，但連續3 場直播的轉化率分別是0.5%、1%和0%。第一次直播嘗試以失敗告終，這讓他當時大失所望，直播帶貨引流效果并不如表面那么理想。由此可見，并非盲目跟隨市場就能盈利，還需要在引入直播帶貨之前做好準備工作，由此才能謀求盡可能大的利益，對于一些中小企業來說更是如此，盲目引入直播可能并不能幫助自身盈利，反而還會適得其反，因此想要入局直播帶貨的額中小企業還需要有多方面的考量。

據了解，目前的大多數互聯網平臺都能通過大數據算法，根據用戶的消費行為給用戶打上標簽，然后智能地向用戶推送特定商品信息，增加商品銷售的成功率。直播帶貨可以借助這種手段，通過向平臺支付一定的技術成本，讓平臺在該商家銷售商品的目標用戶中推送相應的廣告，實現引流的目的，那么對于一些中小型電商賣家來說，最難的用戶流量問題就非常有效地得到了解決，但是由于中小企業資金不足且融資困難，技術成本費用對于這些中小企業來說仍是一個比較棘手的問題，微弱的廣告成本投入差異，可能對于此類企業來說就是巨大的收入差異。馬衛民等［1］基于企業生命周期理論，分析科技型中小企業融資缺口的問題。結果表明，科技型中小企業輕資產、高風險的天然特征,投融資方之間的信息不對稱以及政策環境因素是導致融資難的重要原因。李素紅等［2］通過充分分析中小企業融資難問題，提出了建設中小型融資平臺的建議；唐雯等［3］在對國內目前出現的科技金融創新模式的實施效果及存在問題進行分析的基礎上，從加強政府的引導與支持、推廣并完善現有合作模式、根據科技型中小企業成長階段提供針對性金融服務等方面提出推動科技金融深入合作的建議。

自直播帶貨一躍成為一種新晉購物方式后，對它的研究也越來越多，這些研究主要分為現象和渠道兩大類。首先，直播帶貨現象方面主要包括以下四方面內容：（1）直播帶貨本質及其未來發展趨勢的分析研究。夏文［4］指出，當前的直播電商市場已經逐步趨向于常態化、產業化、競爭格局化，在不斷的發展過程中，未來的直播電商將會趨于管理規范化、內容多元化、運營精細化和人才專業化，將繼續引領直播電商行業朝著健康有序的方向繼續發展壯大。張煜川［5］指出，新的消費背景下，社交媒體的出現和發展，改變了傳統的傳播形態，也引導消費者行為產生變革。石珍等［6］指出，直播作為一種新興傳播媒介被廣泛用于各行各業，尤其在互聯網電商營銷中，發揮了巨大的作用。崔秋霞［7］指出，網絡直播將從視頻直播移動化、垂直化、全民化、交互化,向跨屏、多屏到無屏直播，VR 技術的發展將會開啟網絡直播的新紀元,打開直播的巨大想象空間。（2）直播帶貨的主播研究。張凱［8］指出，作為一種新生事物，網紅直播在迅速發展的同時也存在著一定的問題，但從長遠來看,它所帶來的技術革新為互聯網文化生態和文化產業建設提供了新的視角和思路。（3）直播帶貨的消費者購買意愿的研究。董思伶等［9］通過定量研究的方法驗證直播帶貨模式下影響消費者購買意愿的因素模型，指出關鍵因素，助力直播帶貨實現長遠發展。蔡朝欣［10］以SOR 理論為依據，采用問卷調查法，對網紅直播中消費者沖動消費行為的三個假設進行了研究，得出了商品價格吸引性、主播形象構建性與消費者在網紅直播場域的沖動消費行為呈正向相關的結論。（4）直播帶貨中出現的各種問題的研究。丁睿等［11］站在供應鏈角度將直播電商產業鏈分為上游的品牌商，中游的平臺商以及下游的消費者三部分，在對直播帶貨模式進行概況介紹的基礎上，分析了直播帶貨消費的現狀，發現在不同供應鏈環節上存在的問題，并針對性地提出了相應的對策建議，希望直播電商業在滿足消費需求的同時對品牌重塑和平臺創新帶來可持續性發展。

目前研究渠道的文章主要研究以下三大類內容：（1）雙渠道供應鏈的定價與補貼問題。張學龍等［12］從消費者行為出發,建立考慮定價差異和退貨風險雙重因素的市場需求函數,通過Stackelberg 博弈模型研究四種不同市場需求情形在不同定價模式下雙渠道供應鏈的最優決策；許民利等［13］基于條件風險值（CVaR）準則建立雙渠道供應鏈定價決策模型，并給出了模型的求解方法和最優解；黃松等［14］分析了需求和生產成本同時擾動的集中式和分散式雙渠道供應鏈的定價和生產決策的影響；YU 等［15］通過對一個雙渠道定價等決策的分析，得出了一系列優化決策的結論；Yao 等［16］探究了競爭型雙渠道的定價策略，并得出了相關優化決策的結論；（2）雙渠道供應鏈協調問題。張學龍等［17］以制造商主導型供應鏈為研究對象，分析了雙渠道供應鏈協調策略的問題；Cao 等［18］分析了成本不對稱情況下的協調策略問題；Xu 等［19］研究了雙向收入分享策略下協調雙渠道供應鏈與風險規避問題。（3）雙渠道供應鏈訂貨問題。柳鍵等［20］探究了如何通過激勵來使得損失厭惡零售商增加購買放入優化決策問題。Kevin［21］研究了在如今的電商背景下，各類分銷渠道的管理辦法與決策問題；Tamer［22］研究了在多渠道中進行有競爭力的庫存和協調等等問題。

由文獻梳理可知，相關渠道類的相關研究眾多且十分成熟，但是運用大數據智能推薦技術對直播帶貨的研究卻鮮少見到，基于此，本文便考慮在上述文獻的基礎上，將直播帶貨作為一種全新的渠道，研究供應鏈中的零售商（中小企業）在大數據智能推薦技術及其他因素的影響下考慮是否要引入直播帶貨的問題，顯然這是具有一定研究意義的。

本文的行文思路如下，第一部分先描述問題和假設條件；第二部分研究供應鏈最初的情況；第三部分研究供應鏈中的零售商引入直播帶貨的情況；第四部分進行算例分析；第五部分得出研究結論。

1 問題描述和假設條件

1.1 問題描述

本文描述了一個僅由一個制造商、一個零售商組成的二階供應鏈中，零售商考慮引入直播帶貨的問題。在引入直播之前，零售商需要提前進行考慮，看引入直播帶貨是否可行且有利可圖。本文便是針對此問題展開研究。分別考慮了兩種情況：不引入直播帶貨、零售商引入直播帶貨。因此本文便就這兩種情況進行建模求解，模型的目標函數是零售商制造商利潤的最大化。

1.2 假設條件

（1）本文的研究僅基于電商平臺的普通商家，即中小型商家。

（2）消費者對于價格和大數據智能推薦技術成本的敏感系數均為1。

（3）商家只有線上和直播兩種銷售渠道，無線下銷售渠道。

（4）直播渠道對制造商和零售商傳統線上銷售渠道市場份額的蠶食作用均等。

（5）不考慮缺貨和庫存積壓的情況。

2 基準模型（模型B）

在本節，我們考慮零售商未考慮引入直播帶貨之前，該供應鏈是由一個制造商以及一個零售商組成的傳統供應鏈結構，制造商除了將商品銷售給零售商外，還開通了直銷渠道，如圖1 所示。

圖1 供應鏈原始狀況

命題1在零售商未引入直播帶貨情況下，制造商和零售商的最優決策分別為：

命題1 得到了在零售商未引入直播帶貨情況下的最優決策價格，由此可得出制造商和零售商的利潤函數分別為:

3 大數據智能推薦技術下的決策模型（模型I）

當零售商察覺市場的直播帶貨趨勢時，便開始考慮效仿其他商家引入直播帶貨，如圖2 所示。

圖2 零售商引入直播帶貨模式

另外考慮到實際情況，零售商由于直播帶貨的引入，制造商的商品需求量也會因此有所增加，我們將此成為溢出效應，溢出系數定義為)。因此參考趙連霞等［23］、楊雪等［24］的表達，零售商的傳統線上需求量、直播帶貨銷售模式的需求量以及制造商的需求量可分別表示為：

制造商和零售商的利潤函數分別：

命題2零售商引入直播帶貨情況下，當渠道之間的價格競爭系數滿足條件，時，制造商和零售商的決策為最優，制造商和零售商的最優決策分別為：

證畢。

由命題2 可得制造商和零售商的總利潤分別為：

對上述結果進行分析可得以下推論。

推論1：

推論3：

推論3（a）說明，零售商引入直播帶貨后的利潤是隨著直播潛在市場份額的增加而增加的，潛在市場份額越大，零售商的利潤越大；（b）說明，零售商引入直播帶貨后，制造商的利潤是隨著直播潛在市場份額的增加而先增加后減小的，存在一個駐點，使得制造商的利潤存在極大值，因此對于制造商來說，直播的潛在市場份額過大可能對自身利潤無益。

4 算例分析

圖3 表明，零售商引入直播后與引入直播前的利潤差值是隨著的增大而先增加再減少的，也就是說，當大數據智能推薦技術處于一般偏低水平時，零售商引入直播帶貨是盈利的，若再加大投入以增加大數據智能推薦能力，零售商的利潤便會相較于引入直播帶貨前更低，此時引入直播對于零售商來說顯然是不利的；對于制造商來說，零售商引入直播后與引入直播前其利潤差值是隨著的增加而不斷增加的，當零售商引入直播帶貨后的大數據智能推薦技術處于較低水平時，制造商的利潤相較于之前是減小的，但是隨著的不斷增加，制造商從中得到的收益也越來越大。

圖3 智能推薦技術水平k 對引入帶貨前后兩個參與方利潤的影響

由圖4 可知，溢出系數對于零售商引入直播帶貨前后的利潤是沒有影響的；制造商前后的利潤差是隨著溢出系數的增加而不斷增加的，當溢出系數較小時，引入直播對于制造商的利潤提升無任何幫助，反之，當溢出系數較大時，制造商能從中謀求較大的利潤。

圖4 直播效果溢出系數對引直播帶貨前后兩個參與方利潤的影響

由圖5 可知，零售商引入直播帶貨后相較于引入前的利潤差是隨著直播潛在市場份額的增加而不斷增加的，而且，只有當直播的潛在市場份額大于一定量時，引入直播才能盈利；制造商前后利潤差是隨著直播潛在市場份額的增加而先減小后增加的，并且當潛在市場份額到達某一特定值后，再增加對于制造商來說相較于引入直播前的利潤都是減小的，因此當直播市場份額達到此值時，制造商對于零售商引入直播這一行為本身就會有所抵觸。

圖5 直播帶貨潛在市場份額對引入大數據智能推薦技術前后兩個參與方利潤的影響

5 結論

本文主要研究了一個僅由一個制造商、一個零售商組成的二階供應鏈中，零售商考慮引入直播帶貨的問題。具體分析分了兩種情況，即，零售商不引入直播帶貨和零售商引入直播帶貨。通過模型刻畫、建模、求解，得到了如下結論。

隨著大數據智能推薦技術水平的提升，零售商引入直播帶貨相較于不引入的利潤是先增加再較少的，而且只是短暫增加，當達到某一值后，收益是大幅度下降的；制造商的利潤差值則是隨著數據智能推薦技術水平的提升而逐漸增加的。即對于這類小型零售商來說，大數據智能推薦技術水平必須維持在一般較低水平，較高的大數據智能推薦技術水平往往會導致該類零售商無利可圖。另外，溢出系數對于零售商前后利潤差值無影響，而制造商利潤差值則隨著溢出系數的增加而逐漸增加，只是當溢出系數較小時，制造商也并不能從中受益，因此如果可控情況下溢出系數越高越好，越能增加供應鏈的整體利潤。零售商的利潤差值隨著直播帶貨潛在市場份額的增加而增加，但是當直播潛在市場份額處于較小水平時，零售商并不能從中獲益，制造商的利潤差隨著潛在市場份額的增加是先減小后增加的，而且潛在市場份額達到某一水平時，制造商便不能從中獲益。即零售商的直播潛在市場份額可以高，但要保證與此同時制造商也能在該潛在市場份額下盈利，如此才能達到最佳。

本研究探討了大數據智能推薦技術及其他因素對零售商引入直播帶貨需要考慮的一些問題及側重點，為一些中小型電商企業引入直播帶貨提供了一些理論依據，不過具體中小企業的情況還要依具體情況做出判斷。后續還可繼續研究零售商考慮引入直播情況下供應鏈的協調問題，以及直播渠道和傳統線上銷售渠道之間市場份額的轉化問題，這些也都是具有現實意義的，有待后續思考。