基于眾籌預售和眾包生產的兩階段最優定價機制

摘 要：為實現農產品產銷供應鏈中按需生產，供需平衡的同時，提高電商平臺的期望收益。分析了電商平臺整個產銷供應鏈的問題模型，提出一種基于電子商務平臺眾籌預售和眾包生產的產銷模式。基于邁爾森最優拍賣理論設計了眾籌預售和眾包分配的兩階段最優拍賣定價機制，能夠在保證參與用戶誠實報價的基礎上，最大化電商平臺的期望收益。實驗結果表明，對比傳統的先到先服務算法（FCFS），平均收益在需求數量區間為均勻分布時至少增加了5%，為指數分布時至少增加了18%，且至少能達到假設用戶誠實報價下的最優利潤（OP）收益的50%。

關鍵詞：拍賣；邁爾森理論；誠實性；眾籌預售；眾包分配

中圖分類號：TP391 文獻標志碼：A 文章編號：1001-3695（2023）08-028-2423-06

doi： 10.19734/j.issn.1001-3695.2022.12.0814

Two-stage optimal pricing mechanism based on crowdfunding pre-sales and crowdsourcing production

Gu Yonggen Yu Zaipu Tao Jie Wu Xiaohong Zhang Yanqiong

（1.School of Information Engineering， Huzhou University， Huzhou Zhejiang 313000， China; 2. Huzhou College， Huzhou Zhejiang 313000， China； 3.Zhejiang Province Key Laboratory of Smart Management amp; Application of Modern Agricultural Resources， Huzhou Zhejiang 313000， China）

Abstract：In order to achieve on-demand production and supply-demand balance in the supply chain of agricultural products， and at the same time to improve the expected benefits of e-commerce platform， this paper analyzed the problem model of the whole supply chain of e-commerce platform， and proposed a production and marketing mode based on crowdfunding pre-sale and crowdsourcing allocation of e-commerce platform. Based on Myerson’s optimal auction theory， this paper designed a two-stage pricing mechanism for crowdfunding pre-sale and crowdsourcing allocation， which could maximize the expected revenue of e-commerce platforms while guaranteeing the honest quotation of users. The results show that， compared with the traditional first-come-first-service algorithm （FCFS）， the average revenue increases by at least 5% when the demand quantity is evenly distributed， by at least 18% when the demand quantity is exponentially distributed， and reaches at least 50% of the optimal profit （OP） profit under the assumption that users are quoting honestly.

Key words：auction; Myerson’s theory; truthfulness; crowdfunding pre-sale; crowdsourcing allocation

0 引言

隨著消費者對農產品的質量、多樣性、安全等需求越來越高，按需生產、眾籌預購、眾包生產等經營策略在農產品供應鏈中得到了普遍應用。但在傳統銷售模式中，農產品經營是以農戶、家庭為單位，加之農產品流通組織結構不盡合理和供需信息不暢導致農產品價格波動劇烈，甚至多次出現農產品賣難現象［1］。加之我國地域廣大，農產品銷售受季節性、地域性、政策性影響較大，傳統農產品銷售+生產模式受限于上述影響，容易導致農產品供應鏈中出現供需失衡，無法實現最佳盈利。

隨著互聯網技術的發展，在眾籌方面，基于“互聯網+”技術的農產品眾籌預售電商平臺對改善農產品供應鏈中出現的供需失衡現象具有重要意義［2］。在眾包方面，基于移動和互聯網思維，眾包模式可以在一定程度上實現資源價值最大化配置，解決農產品市場流通問題［3］。因此通過眾籌預售+眾包生產的模式，即農產品產銷一體化的銷售模式，有利于農產品專業化生產，協調產銷供求矛盾。

在眾籌預售方面，Liu等人［4］通過對過去十年的研究進行分析，確定了所有顯著影響眾籌成功的因素，例如包括籌款人的人力資本、團隊規模、項目質量等因素。但是對于眾籌項目最終是否成功，或是否為投資者帶來了收益并沒有研究。Hu等人［5］將眾籌抽象為兩階段模型，分析了在眾籌發起人收益最大化的原則下，如何選擇定價策略和產品線設計。在農產品眾籌方向，已有的研究表明，將眾籌預售融合在農產品銷售過程中，可以在提高農民收入、解決農產品供需失衡等方面發揮積極的作用［6］。但是目前對于農產品眾籌預售方面的研究主要考慮農產品眾籌預售融資的影響因素［7，8］，而對于眾籌預售中定價問題，學者研究主要考慮眾籌預售中各種因素對眾籌成功率以及眾籌發起人獲得的利潤的影響［9，10］，以及通過構建不同的模型來研究分析影響定價的因素［11，12］。

盡管上述研究對于眾籌預售的定價的影響因素進行了詳細分析，但是并沒有考慮到消費者在眾籌過程中的惡意競價。通過抬高或降低出價，使原本不能進入眾籌的消費者進入眾籌，但這些消費者并不會真正地購買農產品，導致電商平臺無法獲得預期的收益。因此，需要在眾籌預售過程中引入激勵機制以保證參與者的誠實報價。

在眾包生產方面，學者的研究主要集中在提高用戶滿意度、最大任務匹配、任務匹配度成功率等方面。郭嘉宇等人［13］提出一種基于偏好匹配的眾包任務分配方法，尋找任務最大滿意度。徐巧枝等人［14］提出的基于雙向拍賣機制，設計了基于最大匹配的任務（MTM）分配算法，以最大化任務匹配數為目標，并滿足誠實性、個體理性和預算平衡性。馬華等人［15］引入基于角色協同理論，將多對多型任務分配建模為涉及一組任務與相關工人的組合優化問題，綜合考慮任務權重、工人數量、潛在沖突等約束，以提高任務分配的效率和成功率。對于農產品眾包的研究，目前大部分的學者都是對眾包物流配送的研究，楊雯婷等人［16］將O2O與眾包模式的優點進行有效結合，建立一種基于O2O和眾包模式的生鮮農產品上行物流模式。

綜上所述，目前對于眾籌和眾包的研究已經比較成熟，但是對于結合眾籌預售及眾包生產模式的研究還很少，而且在眾籌預售領域中大部分研究并沒有考慮到消費者惡意競價會使電商平臺獲得的期望收益減少，在眾包生產領域中，大部分學者的研究都是偏向于研究眾包任務分配過程中的影響因素，農產品眾包物流配送。而眾籌預售+眾包生產的模式為農產品生產者與消費者碎片化分散導致的產品脫節和賣貨難、產銷鏈條長導致的交易成本高等問題提供解決方案［17］。基于上述研究背景，本文將拍賣理論以及邁爾森理論應用到電商平臺產銷供應鏈流程中，結合眾籌預售和眾包生產，將整個農產品產銷流程分為眾籌預售和眾包生產兩個階段，根據邁爾森最優拍賣理論及其相關擴展方法設計最優定價機制，在激勵參與者誠實出價的前提下，計算最優定價，從而使電商平臺達到期望收益最大化。

1 系統模型

2 基于眾籌預售及眾包分配的兩階段定價機制

2.1 眾籌階段

2.1.1 消費者篩選定價機制

2.1.2 消費者篩選算法

2.1.3 眾籌定價算法

雖然消費者提交報價信息，但是并不能保證vcfi是其中的真實的估值，消費者可能為了提高自身的利益，進行謊報。為了保證整個算法是DSIC的，本文采用關鍵支付定價方案計算出消費者實際支付的價格。消費者支付的價格與自身的出價無關，這樣就可以保證消費者出價的誠實性，消費者不會通過惡意出價破壞競價。整體算法如算法3所示。

2.2 眾包階段

2.2.1 眾包分配定價機制

2.3 迭代逼近的兩階段的最優定價機制

3 實驗分析

為評估基于眾籌預售和眾包生產的兩階段最優拍賣定價機制的性能，本章將模擬不同消費者和不同農戶的報價情況，采用隨機生成數據對機制進行實驗測試，對比電商平臺使用本文算法和其他算法獲得的收益。

實驗所用的數據主要為報價信息。與文獻［23］一致，假設消費者報價區間為均勻分布，而在需求數量的數據上，除了使用均勻分布的數據集進行實驗，針對少量用戶會提交較低或者較高的產品需求數量的情況，同時使用指數分布的需求數量數據集進行實驗驗證。

本文數據都使用Python代碼在表1給定的區間中隨機生成均勻分布或者指數分布的數據，保證數據的合理。其中用戶報價區間是均勻分布的，設置的消費者報價區間為［1，20］，農戶的成本區間為［5，15］，其他具體的信息數據如表1所示。

3.1 平臺收益

將本文提出的兩階段最優定價機制算法（TSPM）與兩種其他方法比較和評估平臺收益。

方法1 不考慮參與的消費者和農戶的個人理性的情況下，求解此電商平臺收益，類似0-1背包問題求解最優解。電商平臺在獲得消費者和農戶的報價信息后，使用動態規劃算法求解出滿足電商平臺最大收益的最優利潤，從而電商平臺可以獲得的不考慮誠實性下的最大收益。

方法2 先到先分配算法。目前大部分電商平臺都是先到先分配算法（FCFS），按照用戶參與眾籌或者眾包的時間來進行排序，先到的優先參與。本節將最優利潤（optimal profit，OP）、先到先分配算法（FCFS）以及兩階段最優拍賣定價算法（TSPM）下的收益進行對比。具體的實驗數據設置如表1所示。

為了驗證電商平臺在不同算法下的收益情況，本節根據表1的6組數據集，每組數據集隨機生成5對報價信息符合區間的消費者和農戶，每個組合進行25次實驗，取25次實驗的平均結果，計算出每組數據集在不同算法下電商平臺的平均收益。在需求數量為均勻分布和指數分布兩種分布類型下，通過實驗驗證在不同規模的產品交易量情況下電商平臺使用不同算法獲得的收益。

如圖3所示是不同算法在進行25次實驗結果平均后得到的總收益情況，可以看到不管哪種數據類型，最優利潤（optimal profit）得到的平臺收益始終是最高的，是在不考慮誠實性的前提下的最優的分配方式，而FCFS算法由于受消費者和用戶參與順序的影響，總收益不穩定，導致平均收益最優情況僅有電商平臺最優利潤（OP）的50%。而本文提出的TSPM獲得的收益始終優于FCFS算法，平均收益對比FCFS算法在需求數量區間為均勻分布時至少增加了5%，為指數分布時至少增加了18%，且至少能達到最優利潤（OP）收益的50%。

3.2 誠實性

為驗證兩階段能否真的符合競價交易的原則、是否能夠保證機制雙方是誠實報價，通過對消費者和農戶雙方的初始報價進行提高和降低的方式，以模擬在實際情況中不誠實報價或串通報價對機制的影響。

本次實驗首先隨機生成1組數量為500的消費者，消費者的需求數量區間為［10，100］，報價的區間為［10，20］。然后隨機生成1組農戶，農戶的數量為20個。農戶的生產數量區間為［1000，3000］，報價的區間都是［7，15］。實驗數據采用隨機生成，并且消費者和農戶的報價信息區間都滿足均勻分布。

然后從500個消費者中隨機選取10個消費者作為虛假報價的消費者（降低報價100或提高報價100），從20個農戶中隨機選擇5個農戶作為虛假報價的農戶（降低單位成本1或提高單位成本1）。

如表2所示，不論消費者提高自身報價還是降低自身的報價，與誠實報價獲得的收益相比，要么收益不會改變，要么收益會降低，因此，消費者不會進行虛假報價。

如表3所示，無論農戶如何虛假報價，農戶都不會獲得更高的報酬，并且在部分情況下農戶虛假報價會使自身收益變為0，因此可以保證農戶的報價都是誠實的。綜上所述，可以驗證兩階段定價機制是保證誠實性的前提下電商平臺可以獲得利潤最大化的一個機制，可以更好地應用到實際生活中。

4 結束語

本文針對電商平臺的農產品產銷問題進行建模，基于邁爾森最優拍賣理論設計了眾籌預售和眾包分配的兩階段最優拍賣定價機制，從理論分析和仿真實驗結果可以看出，兩階段最優拍賣定價機制能夠使得電商平臺在保證用戶誠實出價的同時，達到平臺期望收益最大化，平均收益對比FCFS算法在需求數量區間為均勻分布時至少增加了5%，為指數分布時至少增加了18%，且至少能達到最優利潤（OP）收益的50%。實驗表明兩階段最優定價機制具有近似最優分配、合理定價的優勢。在未來的研究工作中，擬加入多個種類的農產品、農產品的質量分級，讓消費者和農戶有多種選擇，從而提高兩階段定價機制的實用性以及電商平臺更高的收益。

參考文獻：

［1］米力陽，尚春燕. 互聯網+背景下綠色農產品供應鏈激勵策略研究 ［J］. 河南科學，2021，39（5）： 846-851. （Mi Liyang，Shang Chunyan. Research on incentive strategies of green agricultural pro-duct supply chain under the background of internet+ ［J］. Henan Science，2021，39（5）： 846-851.）

［2］趙曉杰，胡玉品. 構建基于眾籌預售模式的互聯網+農產品電商平臺 ［J］. 西安文理學院學報： 自然科學版，2019，22（1）： 44-48. （Zhao Xiaojie，Hu Yupin. Construction of e-commerce platform for internet-plus agricultural products based on crowd-funding pre-sale mode ［J］. Journal of Xi’an University： Natural Science Edition，2019，22（1）： 44-48.）

［3］黃少云，丁建軍，黃大學，等. 眾包模式在農產品電子商務中的應用研究——以鄉親直供平臺為例 ［J］. 農村經濟與科技，2016，27（19）： 129-131. （Huang Shaoyun，Ding Jianjun，Huang Daxue，et al. The application research of crowdsourcing mode in e-commerce of agricultural products——taking the platform of direct supply to the villagers as an example ［J］. Rural Economy and Science-Technology，2016，27（19）： 129-131.）

［4］Liu Zhunzhun，Ben Shenglin，Zhang Ruidong. Factors affecting crowdfunding success ［J］. Journal of Computer Information Systems，2023，63（2）： 241-256.

［5］Hu Ming，Li Xi，Shi Mengze. Product and pricing decisions in crowdfunding ［J］. Marketing Science，2015，34（3）：331-345.

［6］單汨源，李華，劉小紅. 基于TPB理論的“互聯網+農產品”眾籌影響因素研究 ［J］. 科技管理研究，2017，37（2）： 235-240. （Shan Miyuan，Li Hua，Liu Xiaohong. Research on influencing factors of crowdsourcing of “Internet+Agricultural Products” based on TPB theory ［J］. Science and Technology Management Research，2017，37（2）： 235-240.）

［7］林欣，丘燕蘭. 農產品眾籌項目融資達成率影響因素分析——基于顧客讓渡價值理論視角 ［J］. 金融理論與教學，2022 （2）： 14-20，26. （Lin Xin，Qiu Yanlan. Analysis on factors influencing the financing achievement rate for agricultural crowdfunding project——based on customer delivered value theory ［J］. Finance Theory and Teaching，2022 （2）： 14-20，26.）

［8］李民，劉璐璐，鄭光進. 農產品眾籌融資績效影響因素研究——基于發起人性質視角 ［J］. 遼寧工業大學學報： 社會科學版，2022，24（1）： 35-38. （Li Min，Liu Lulu，Zheng Guangjin. Study on influencing factors of crowdsourcing financing performance of agricultural products——from the perspective of initiator’s nature ［J］. Journal of Liaoning University of Technology： Social Science Edition，2022，24（1）： 35-38.）

［9］申曉慧. 預售模式下在線零售商定價及訂貨策略研究 ［D］. 北京： 北京化工大學，2019. （Shen Xiaohui. Research on pricing and ordering strategies of online retailers under the pre-sale model ［D］. Beijing： Beijing University of Chemical Technology，2019.）

［10］鄧萬江，李習棟，馬士華. 預付款眾籌模式下新產品定價與質量設計 ［J］. 系統工程理論與實踐，2018，38（7）： 1768-1777. （Deng Wanjiang，Li Xidong，Ma Shihua. Pricing and quality design of new products under pre-sales crowfunding ［J］. Systems Enginee-ring-Theory amp; Practice，2018，38（7）： 1768-1777.）

［11］陳家慧，何娟，董青. 考慮競爭和資金約束的零售商主導型供應鏈融資與定價決策 ［J］. 綜合運輸，2020，42（2）： 89-98，109. （Chen Jiahui，He Juan，Dong Qing. Financing and pricing strategy based on retailer-dominated supply chain considering competition and capital constraints ［J］. China Transportation Review，2020，42（2）： 89-98，109.）

［12］孫彩虹，王蕾，于輝. 買斷契約下新產品網絡預售的魯棒定價策略 ［J］. 計算機集成制造系統，2018，24（9）： 2357-2366. （Sun Caihong，Wang Lei，Yu Hui. Robust pricing policy of new product online pre-sale under buyout contract ［J］. Computer Integrated Manufacturing Systems，2018，24（9）： 2357-2366.）

［13］郭嘉宇，付曉東，岳昆，等. 偏好匹配滿意度最大化的眾包任務分配 ［J］. 計算機工程與科學，2022，44（1）： 16-26. （Guo Jiayu，Fu Xiaodong，Yue Kun，et al. Task allocation of crowdsourcing for maximizing satisfaction with preference matching ［J］. Computer Engineering amp; Science，2022，44（1）： 16-26.）

［14］徐巧枝，張俊星. 基于最大匹配的移動眾包任務分配研究 ［J］. 鄭州大學學報： 理學版，2022，54（3）： 66-72. （Xu Qiaozhi，Zhang Junxing. Mobile crowdsourcing task allocation based on maximum matching ［J］. Journal of Zhengzhou University： Natural Science Edition，2022，54（3）： 66-72.）

［15］馬華，陳躍鵬，黃卓軒，等. 支持工人能力模糊度量和角色協同的軟件眾包任務分配 ［J］. 國防科技大學學報，2022，44（5）： 124-133. （Ma Hua，Chen Yuepeng，Huang Zhuoxuan，et al. Software crowdsourcing tasks assignment supporting fuzzy measurement of wor-kers’qualification and role collaboration ［J］. Journal of National University of Defense Technology，2022，44（5）： 124-133.）

［16］楊雯婷，李濤，黃搏，等. 基于O2O和眾包模式的生鮮農產品上行物流模型優化 ［J］. 物流工程與管理，2020，42（8）： 6-9. （Yang Wenting，Li Tao，Huang Bo，et al. Optimization of uplink logistics mo-del for fresh agricultural products based on O2O and crowd sourcing mode ［J］. Logistics Engineering and Management，2020，42（8）： 6-9.）

［17］邵騰偉，呂秀梅. 生鮮電商眾籌預售與眾包生產聯合決策 ［J］. 系統工程理論與實踐，2018，38（6）： 1502-1511. （Shao Tengwei，Lyu Xiumei. Joint decision between corwdfunding in preselling and corwdsouring in production on fresh agricultural products ［J］. Systems Engineering-Theory amp; Practice，2018，38（6）： 1502-1511.）

［18］Roughgarden T. Twenty lectures on algorithmic game theory ［M］. ［S.l.］：Cambridge University Press，2016.

［19］Myerson R B. Optimal auction design ［J］. Mathematics of Operations Research，1981，6（1）： 58-73.

［20］Narahari Y. 博弈論與機制設計 ［M］. 曹乾，譯. 北京： 中國人民大學出版社，2017. （Narahari Y. Game theory and mechanism design ［M］. Cao Qian，trans. Beijing： China Renmin University Press，2017.）

［21］Chekuri C，Gamzu I. Truthful mechanisms via greedy iterative packing ［C］// Proc of International Workshop on Approximation Algorithms for Combinatorial Optimization，International Workshop on Randomization and Approximation Techniques in Computer Science. Berlin： Springer，2009： 56-69.

［22］Gautam R K，Hemachandra N，Narahari Y，et al. Optimal auctions for multi-unit procurement with volume discount bids ［C］// Proc of the 9th IEEE International Conference on e-Commerce Technology and the 4th IEEE International Conference on Enterprise Computing，e-Commerce，and e-Services. Washington DC：IEEE Computer Society，2007： 21-28.

［23］周振紅，黃深澤. 報價次數對在線報價模式下銷售商限制價格的影響 ［J］. 系統管理學報，2011，20（3）： 314-321. （Zhou Zhenhong，Huang Shenze. The effect of single-bid and double-bid on the retailer’s optimal threshold price under the Name-Your-Own-Price mode ［J］. Journal of Systems amp; Management，2011，20（3）： 314-321.）