考慮消費(fèi)者網(wǎng)絡(luò)特征的零售商競(jìng)爭(zhēng)績(jī)效演化

摘" 要：文章探討了一種包含Q-learning算法的計(jì)算實(shí)驗(yàn)?zāi)Ｐ停撃Ｐ桶烁?jìng)爭(zhēng)性多代理零售商-消費(fèi)者互動(dòng)網(wǎng)絡(luò)。在網(wǎng)絡(luò)模型中，構(gòu)建包含不同定價(jià)與服務(wù)水平組合的零售商去爭(zhēng)奪不同網(wǎng)絡(luò)特征（消費(fèi)者鄰居節(jié)點(diǎn)、消費(fèi)者網(wǎng)絡(luò)重聯(lián)概率）下的消費(fèi)者群體。所有零售商代理在Q-learning機(jī)制下調(diào)整他們的產(chǎn)品價(jià)格和服務(wù)水平，以使預(yù)期銷量和利潤(rùn)最大化。基于研究結(jié)果發(fā)現(xiàn)：（1）增強(qiáng)消費(fèi)者互動(dòng)有利于零售商績(jī)效增強(qiáng)；（2）最優(yōu)組合由不同情景決定。文章的目的是為復(fù)雜市場(chǎng)環(huán)境下的零售商競(jìng)爭(zhēng)選擇合適的組合策略提供建議。

關(guān)鍵詞：零售商競(jìng)爭(zhēng)策略；動(dòng)態(tài)定價(jià)；服務(wù)水平；Q-learning算法

" 中圖分類號(hào)：F724.6" " 文獻(xiàn)標(biāo)志碼：A

DOI：10.13714/j.cnki.1002-3100.2025.01.005

Abstract： This paper explores a computational experimental model that incorporates a Q-learning algorithm for a network of competing multi-agent retailer-consumer interactions. In the network model， retailers containing different combinations of pricing and service levels are constructed to compete for groups of consumers under different network characteristics（consumer neighbor nodes， consumer network reconnection probability）. All retailer agents adjust their product prices and service levels under the Q-learning mechanism to maximize expected sales and profits. Based on our results， we find that：（1）Enhanced consumer interactions are conducive to retailer performance enhancement;（2）The optimal mix is determined by different scenarios. The purpose of this paper is to provide recommendations for retailers competing in complex market environments to select appropriate mix strategies.

Key words： retailer competition strategy; dynamic pricing; service level; Q-learning algorithm

0" 引" 言

" 在目前消費(fèi)者普遍使用社交媒體平臺(tái)的背景下，越來越多的因素會(huì)影響消費(fèi)者的購買行為，導(dǎo)致其偏好和選擇越發(fā)復(fù)雜。例如，價(jià)格與服務(wù)在消費(fèi)者購買決策中扮演著傳統(tǒng)的角色，低價(jià)高服務(wù)的產(chǎn)品更能受到消費(fèi)者的青睞。同時(shí)，科學(xué)技術(shù)的進(jìn)步和日益相互連接的全球市場(chǎng)驅(qū)動(dòng)致使消費(fèi)者不再是孤立的，其往往嵌入一定的互動(dòng)網(wǎng)絡(luò)，并受所處的網(wǎng)絡(luò)結(jié)構(gòu)的影響，對(duì)消費(fèi)者的購買決策產(chǎn)生一定的影響，社交互動(dòng)影響了消費(fèi)者的購買意愿也影響其他消費(fèi)者對(duì)產(chǎn)品或服務(wù)的估值或決策的行為。

" 相應(yīng)的為了滿足消費(fèi)者的復(fù)雜偏好，零售商的定價(jià)策略也發(fā)生了變革，靜態(tài)定價(jià)的時(shí)代已經(jīng)過去，動(dòng)態(tài)定價(jià)的實(shí)施受到了廣泛關(guān)注。動(dòng)態(tài)定價(jià)是指通常在一段時(shí)間內(nèi)多次調(diào)整價(jià)格，以優(yōu)化利潤(rùn)率、平衡供需關(guān)系并響應(yīng)競(jìng)爭(zhēng)環(huán)境的變化[1]。隨著在電力零售業(yè)、電子零售業(yè)與易腐爛產(chǎn)品零售業(yè)的成功案例實(shí)施，動(dòng)態(tài)定價(jià)已經(jīng)成為企業(yè)獲取利潤(rùn)的重要手段之一。這種定價(jià)方式不僅挑戰(zhàn)了傳統(tǒng)靜態(tài)定價(jià)模型，還引發(fā)了學(xué)者們對(duì)消費(fèi)者行為、市場(chǎng)競(jìng)爭(zhēng)和整體市場(chǎng)動(dòng)態(tài)影響的思考。同時(shí)越來越多的企業(yè)也意識(shí)到了僅僅依靠?jī)r(jià)格優(yōu)勢(shì)，很難保持持久的競(jìng)爭(zhēng)優(yōu)勢(shì)，如沃爾瑪、家樂福、大潤(rùn)發(fā)等，激烈的市場(chǎng)競(jìng)爭(zhēng)削弱了消費(fèi)者品牌忠誠(chéng)度。同質(zhì)化的產(chǎn)品促使這些企業(yè)還必須為客戶提供更好的服務(wù)，提高消費(fèi)者滿意度以此保持競(jìng)爭(zhēng)優(yōu)勢(shì)，服務(wù)已成為影響消費(fèi)者購買行為的第二大重要因素[2]。因此，對(duì)于零售商來說，如何選擇自身的定價(jià)與服務(wù)策略也是一個(gè)挑戰(zhàn)。

" 現(xiàn)實(shí)的市場(chǎng)情況是高度動(dòng)態(tài)、競(jìng)爭(zhēng)激烈的，存在零售商的動(dòng)態(tài)決策與消費(fèi)者的動(dòng)態(tài)購買決策，由于其涉及到的問題都具有混合整數(shù)和連續(xù)變量，傳統(tǒng)的數(shù)學(xué)數(shù)模在解決這種非線性的問題需要過多的計(jì)算時(shí)間，并且不能精確描述復(fù)雜多變的市場(chǎng)環(huán)境；另外，每個(gè)消費(fèi)者在微觀層面都存在復(fù)雜的行為偏好，用分析的方法處理該問題是不切實(shí)際的。因此本文利用計(jì)算實(shí)驗(yàn)?zāi)M來分析零售商在消費(fèi)者互動(dòng)網(wǎng)絡(luò)中的動(dòng)態(tài)決策競(jìng)爭(zhēng)。在模型中，零售商根據(jù)當(dāng)前的盈利情況調(diào)整競(jìng)爭(zhēng)決策。采用

Q-learning算法解決零售商不能實(shí)時(shí)學(xué)習(xí)感知消費(fèi)者偏好和分析競(jìng)爭(zhēng)環(huán)境的問題，Q-learning算法因其能夠?yàn)樯婕按鬆顟B(tài)空間的動(dòng)態(tài)環(huán)境的問題創(chuàng)建近乎最優(yōu)的解決方案而聞名[3]。綜上所述，本文在考慮消費(fèi)者偏好多樣性的前提下，構(gòu)建了消費(fèi)者互動(dòng)網(wǎng)絡(luò)，比較不同組合零售商的服務(wù)水平、售價(jià)、銷量和利潤(rùn)的選擇。

1" 模型描述及基本假設(shè)

本文提出一個(gè)包括一個(gè)供應(yīng)商、多個(gè)零售商和眾多消費(fèi)者的供應(yīng)鏈模型。首先，零售商作為競(jìng)爭(zhēng)企業(yè)共同在同一個(gè)市場(chǎng)銷售產(chǎn)品，零售商agent模擬零售商的進(jìn)貨和銷售行為，零售商agent會(huì)依據(jù)自身績(jī)效和競(jìng)爭(zhēng)環(huán)境調(diào)整自己的行為決策，零售商基于價(jià)格與服務(wù)水平兩個(gè)屬性展開競(jìng)爭(zhēng)，仿真模型考慮了N個(gè)i∈1，N消費(fèi)者agent模仿現(xiàn)實(shí)消費(fèi)者依據(jù)社交網(wǎng)絡(luò)分布，因?yàn)橄M(fèi)者具有復(fù)雜的消費(fèi)者偏好，所以消費(fèi)者agent依據(jù)消費(fèi)者效用挑選零售商進(jìn)行消費(fèi)。

1.1" 消費(fèi)者agent描述

1.1.1" 消費(fèi)者效用與購買決策。本文構(gòu)建了大量的消費(fèi)者代理進(jìn)入市場(chǎng)以評(píng)估不確定需求的市場(chǎng)，消費(fèi)者采用消費(fèi)者效用U來選擇零售商，U表示消費(fèi)者i購買零售商j的商品的動(dòng)機(jī)和意愿大小，消費(fèi)者的綜合效用函數(shù)U主要受兩方面因素影響，一方面是受價(jià)格影響，第二方面受服務(wù)水平影響：U=C*p+γ*s。

" 其中：U是消費(fèi)者ii=1，…，n購買零售商jj=1，…，n產(chǎn)品的效用；C系數(shù)表示零售商價(jià)格對(duì)消費(fèi)者代理購買零售商j產(chǎn)品的態(tài)度的影響。本文用這個(gè)產(chǎn)品的實(shí)際價(jià)格p與期望價(jià)格p之差的冪函數(shù)來表示消費(fèi)者的價(jià)格敏感度，是一個(gè)負(fù)數(shù)，如公式所示：C=-δ+h。其中：δgt;1，h是一個(gè)常數(shù)，h主要取決于消費(fèi)者的收入水平，例如富翁和貧窮者相比，富翁的價(jià)格敏感度值要低于貧窮或失業(yè)者，因此用h=1-，income為消費(fèi)者中收入水平的最大值。此外，產(chǎn)品的期望價(jià)格通常用同類產(chǎn)品的平均價(jià)格來替代：P=p/m。

" 其中：γ表示消費(fèi)者i對(duì)零售商產(chǎn)品j的服務(wù)水平敏感度參數(shù)。消費(fèi)者i對(duì)零售商產(chǎn)品j的服務(wù)水平敏感度參數(shù)γ為：γ

=β+h。其中，β滿足0lt;βlt;1，h受到消費(fèi)者收入水平的影響，例如富翁在消費(fèi)時(shí)更加注重商品的服務(wù)水平，因此h

=，q表示消費(fèi)者對(duì)產(chǎn)品的期望服務(wù)水平。消費(fèi)者對(duì)產(chǎn)品的期望水平，用該類產(chǎn)品的平均服務(wù)水平表示：q=q/m。

1.1.2" 消費(fèi)者交互網(wǎng)絡(luò)。對(duì)消費(fèi)者之間的互動(dòng)網(wǎng)絡(luò)，本文將采用小世界網(wǎng)絡(luò)來進(jìn)行刻畫。已有研究表明消費(fèi)者互動(dòng)網(wǎng)絡(luò)具有小世界網(wǎng)絡(luò)特性[4]，小世界網(wǎng)絡(luò)是指具有較小的特征路徑長(zhǎng)度又具有較大的集聚系數(shù)的網(wǎng)絡(luò)，該網(wǎng)絡(luò)具體從一個(gè)包含N個(gè)節(jié)點(diǎn)的環(huán)狀規(guī)則網(wǎng)絡(luò)開始，每個(gè)節(jié)點(diǎn)向與它最近鄰的L個(gè)節(jié)點(diǎn)連出L條邊，并假定N≥L≥lnN≥1，每條邊的一個(gè)端點(diǎn)保持不變，另一個(gè)端點(diǎn)以概率Pre重新進(jìn)行連接，通過調(diào)節(jié)Pre值就可以完成從完全規(guī)則網(wǎng)絡(luò)Pre=0向完全隨機(jī)網(wǎng)絡(luò)Pre=1的過渡。因此，處于小世界網(wǎng)絡(luò)的消費(fèi)者i將會(huì)受到如鄰居節(jié)點(diǎn)數(shù)量L、重聯(lián)概率Pre等特性影響，鄰居節(jié)點(diǎn)數(shù)量可表示為在消費(fèi)者i的購買決策過程中，與其存在交互作用的其他消費(fèi)者的數(shù)量；重聯(lián)概率可表示為消費(fèi)者i在每次購買決策過程中，其鄰居消費(fèi)者會(huì)以一定的概率變化。

1.2" 零售商agent描述

所有零售商agents進(jìn)入市場(chǎng)后會(huì)進(jìn)行價(jià)格與服務(wù)水平組合的橫向競(jìng)爭(zhēng)。零售商代理統(tǒng)一從供應(yīng)商代理處進(jìn)貨，零售商的產(chǎn)品可以用價(jià)格和服務(wù)水平兩個(gè)參數(shù)來表示。零售商從供應(yīng)商處進(jìn)貨的單位成本價(jià)為c，服務(wù)成本可以假設(shè)為服務(wù)水平的二次函數(shù)，用cq表示，c是零售商銷售產(chǎn)品的服務(wù)水平成本系數(shù)，cgt;0，即零售商售賣的單個(gè)產(chǎn)品成本為：c=c+cq。

" 設(shè)參數(shù)gc為消費(fèi)者i是否購買零售商j的產(chǎn)品的標(biāo)準(zhǔn)。若消費(fèi)者購買，則gc=1，否則gc=0，則零售商j的產(chǎn)品總銷量可以用sv表示為：sv=gc。

" 零售商利潤(rùn)是零售商的銷售收益減去零售商的成本，因此零售商的總利潤(rùn)為：？諄=p-csv=p-cgc。

" 在本文的實(shí)驗(yàn)?zāi)Ｐ椭校闶凵淘谝欢ǖ膬r(jià)格和服務(wù)水平范圍內(nèi)進(jìn)行競(jìng)爭(zhēng)，本文設(shè)置一個(gè)價(jià)格與服務(wù)水平的二維向量區(qū)間，對(duì)于零售商進(jìn)入市場(chǎng)，假設(shè)不同的零售商都會(huì)采用不同價(jià)格和服務(wù)水平，這樣更符合市場(chǎng)規(guī)律，因此，每個(gè)零售商都可以從價(jià)格與服務(wù)水平的向量區(qū)間里選取一個(gè)價(jià)格p與服務(wù)水平q的組合進(jìn)入市場(chǎng)，并且選取的價(jià)格必須高于每件所有成本的總和，所選擇的服務(wù)水平必須保證該零售商的預(yù)期利潤(rùn)都是正的。

" 本文使用Q-learning算法進(jìn)行分析。在模型中定義了定價(jià)與服務(wù)水平雙決策變量。每個(gè)零售商在每個(gè)回合從雙決策變量集合中選取行動(dòng)a，然后會(huì)從市場(chǎng)中獲得一個(gè)利潤(rùn)獎(jiǎng)勵(lì)r作為反饋，并從狀態(tài)集合中選取一種狀態(tài)。在模型狀態(tài)集合中有x和x兩種狀態(tài)。x：回合利潤(rùn)差為正數(shù)，即Δ？諄=？諄-？諄gt;0；x：回合利潤(rùn)差為0或負(fù)數(shù)，即Δ？諄=？諄-？諄≤0。

" 狀態(tài)集合由回合利潤(rùn)差Δ？諄表示，Q值基于Q學(xué)習(xí)模型中的獎(jiǎng)勵(lì)和狀態(tài)，被視為零售商代理選擇下一步行動(dòng)的參考。它在每個(gè)周期更新如下：Qx，a←Qx，a+ηr+-Qx，q。

" 其中：價(jià)格、服務(wù)水平和狀態(tài)集合x的強(qiáng)度值為Qx，a，代表agent執(zhí)行當(dāng)前行為與狀態(tài)的強(qiáng)度；利潤(rùn)r是當(dāng)前操作的反饋獎(jiǎng)勵(lì)，其中（0lt;ηlt;1，學(xué)習(xí)率）是更新Q時(shí)使用的新信息的權(quán)重，（0lt;κlt;1，折現(xiàn)率）表示未來狀態(tài)的值在評(píng)估當(dāng)前狀態(tài)中的重要性。表示所有動(dòng)作中Q的最大值。

" 使用上述學(xué)習(xí)機(jī)制，每個(gè)零售商代理從q， q中確定產(chǎn)品的服務(wù)水平；并從p， p決定產(chǎn)品的零售價(jià)格；每個(gè)周期的p不小于c；否則，單位利潤(rùn)為負(fù)數(shù)。周期t的獎(jiǎng)勵(lì)r由總收入和總成本決定：r=？諄-？諄。

" 從初始狀態(tài)到最終狀態(tài)，都會(huì)發(fā)生一個(gè)完整的學(xué)習(xí)過程，這被認(rèn)為是一個(gè)周期。Q-learning過程（見表1）。Q-learning算法包含兩個(gè)步驟：基于當(dāng)前Q值確定動(dòng)作和通過獎(jiǎng)勵(lì)函數(shù)評(píng)估新動(dòng)作，此循環(huán)一直持續(xù)到Q值收斂。

2" 實(shí)驗(yàn)情景和模型仿真

本文為分析消費(fèi)者網(wǎng)絡(luò)特征對(duì)零售商競(jìng)爭(zhēng)績(jī)效的影響，假設(shè)零售商以相同的購買成本從同一個(gè)供應(yīng)商處進(jìn)貨，并為相同的消費(fèi)者群體服務(wù)。本文將零售商的價(jià)格與服務(wù)水平的二維向量區(qū)間劃分為四個(gè)區(qū)域，分別代表高價(jià)高服務(wù)水平、高價(jià)低服務(wù)水平、低價(jià)高服務(wù)水平、低價(jià)低服務(wù)水平四種組合。隨后，通過改變消費(fèi)者網(wǎng)絡(luò)特征參數(shù)來研究對(duì)零售商定價(jià)、服務(wù)水平及利潤(rùn)的影響。

" 針對(duì)零售商的動(dòng)態(tài)定價(jià)策略競(jìng)爭(zhēng)，鄰居節(jié)點(diǎn)數(shù)量、重連概率分別刻畫了與消費(fèi)者互動(dòng)的其他消費(fèi)者數(shù)量、消費(fèi)者鄰居成員的穩(wěn)定性等互動(dòng)特征和互動(dòng)強(qiáng)度，因此本文一共設(shè)置兩個(gè)實(shí)驗(yàn)情景進(jìn)行測(cè)試：（1）關(guān)于消費(fèi)者鄰居節(jié)點(diǎn)差異的實(shí)驗(yàn)；（2）關(guān)于消費(fèi)者網(wǎng)絡(luò)重聯(lián)概率差異的實(shí)驗(yàn)。對(duì)于使用的Q-learning算法，方法主要用于描述零售商的決策行為。算法參數(shù)經(jīng)過精心調(diào)整后幫助零售商將價(jià)格與服務(wù)質(zhì)量提高到一個(gè)穩(wěn)定的水平。因?yàn)楸疚牡墓ぷ魇茄芯烤W(wǎng)絡(luò)特征的參數(shù)影響，而非算法參數(shù)影響，所以沒有討論Q-learning算法的學(xué)習(xí)率與折扣率參數(shù)對(duì)價(jià)格、服務(wù)水平、利潤(rùn)和銷量的影響。為降低實(shí)驗(yàn)過程中的隨機(jī)性，提升實(shí)驗(yàn)結(jié)果的統(tǒng)計(jì)穩(wěn)定性與有效性，針對(duì)每一組數(shù)據(jù)均運(yùn)行2 000周期且反復(fù)運(yùn)行10次，實(shí)驗(yàn)參數(shù)賦值如表2所示。

不同情景下的消費(fèi)者特征賦值變化如表3所示。

2.1" 消費(fèi)者鄰居節(jié)點(diǎn)情景

在本實(shí)驗(yàn)情景中，探討消費(fèi)者鄰居節(jié)點(diǎn)變化對(duì)零售商的決策，其余數(shù)值不變。消費(fèi)者鄰居節(jié)點(diǎn)的數(shù)量表明消費(fèi)者在制定產(chǎn)品購買決策時(shí)與其直接互動(dòng)的消費(fèi)者數(shù)量。從圖1中可以觀察出，隨著消費(fèi)者鄰居節(jié)點(diǎn)的增加，所有零售商的價(jià)格在下降，而服務(wù)水平都在增加。可以看出在L=10時(shí)，因?yàn)橄M(fèi)者互動(dòng)較低，故此四組零售商的服務(wù)水平十分相近，收斂在15，18之間，價(jià)格收斂在45.5，47.5，但是消費(fèi)者鄰居節(jié)點(diǎn)增加到L=18時(shí)，零售商的服務(wù)水平和價(jià)格發(fā)生了較大的變化，消費(fèi)者鄰居節(jié)點(diǎn)的增加致使了零售商之間的競(jìng)爭(zhēng)增強(qiáng)，會(huì)提高自己的服務(wù)水平同時(shí)降低價(jià)格，效果很明顯，所有零售商的銷量都在增長(zhǎng)。相較于其他組合，偏好高價(jià)高水平的零售商更能滿足消費(fèi)者需求，因此該組零售商的銷量和利潤(rùn)占據(jù)優(yōu)勢(shì)。偏好低價(jià)高質(zhì)量的零售商和偏好高價(jià)低服務(wù)水平的零售商在消費(fèi)者鄰居節(jié)點(diǎn)增加的情況下，銷量與利潤(rùn)在爭(zhēng)奪第二，而低價(jià)低服務(wù)水平的零售商競(jìng)爭(zhēng)優(yōu)勢(shì)較差。

2.2" 重聯(lián)概率影響情景

在本實(shí)驗(yàn)情景中，探討重聯(lián)概率變化對(duì)零售商的決策，其余數(shù)值不變。重聯(lián)概率的數(shù)值變化表明消費(fèi)者網(wǎng)絡(luò)從小世界網(wǎng)絡(luò)向隨機(jī)網(wǎng)絡(luò)轉(zhuǎn)換，小世界網(wǎng)絡(luò)相對(duì)于同等規(guī)模節(jié)點(diǎn)的隨機(jī)網(wǎng)絡(luò)，具有較短的平均路徑長(zhǎng)度和較大的聚類系數(shù)特征的網(wǎng)絡(luò)模型，對(duì)于消費(fèi)者來說，具有高聚類系數(shù)特征的網(wǎng)絡(luò)結(jié)構(gòu)表明其可以通過與許多其他消費(fèi)者一起購買來為零售商帶來更多利潤(rùn)。因此從圖2中可以觀察出，在向隨機(jī)網(wǎng)絡(luò)轉(zhuǎn)換的過程中，稀疏的消費(fèi)者小世界網(wǎng)絡(luò)降低了四組零售商的銷量和利潤(rùn)。

" 相較于鄰居節(jié)點(diǎn)數(shù)量差異情景中，四組零售商的價(jià)格波動(dòng)更大，服務(wù)水平下降區(qū)間更大，在銷量和利潤(rùn)上，四組零售商表現(xiàn)也在變差。偏好高價(jià)高服務(wù)水平的零售商在向隨機(jī)網(wǎng)絡(luò)轉(zhuǎn)換的過程中逐漸失去競(jìng)爭(zhēng)優(yōu)勢(shì)，即使在提高價(jià)格的基礎(chǔ)上保持服務(wù)水平的領(lǐng)先也無法阻擋利潤(rùn)的大幅下降，而其他三組零售商的銷量與利潤(rùn)降幅較小，四組零售商的銷量利潤(rùn)在逐漸收斂靠近。

3" 總結(jié)和建議

盡管研究消費(fèi)者互動(dòng)與零售商的績(jī)效的論文有所增加，但市場(chǎng)研究尚未推進(jìn)一個(gè)包含消費(fèi)者網(wǎng)絡(luò)互動(dòng)特征與不同組合策略的零售商的多代理模型框架。之前的學(xué)者都是從營(yíng)銷學(xué)角度分析如何通過社交媒體提高供應(yīng)鏈績(jī)效，重點(diǎn)探討社交媒體對(duì)供應(yīng)鏈渠道的影響，忽略了消費(fèi)端的作用。本文重點(diǎn)刻畫了包含消費(fèi)者鄰居節(jié)點(diǎn)數(shù)量、消費(fèi)者網(wǎng)絡(luò)重聯(lián)概率網(wǎng)絡(luò)特征研究對(duì)零售商競(jìng)爭(zhēng)績(jī)效的影響。

" 在研究中的各消費(fèi)者互動(dòng)特征情景下，不同組合零售商在競(jìng)爭(zhēng)中決策出的價(jià)格與服務(wù)水平整體上會(huì)產(chǎn)生一定的“趨同性”與“穩(wěn)定性”特征，消費(fèi)者鄰居節(jié)點(diǎn)數(shù)量、重聯(lián)概率均對(duì)各類零售商的價(jià)格與服務(wù)水平產(chǎn)生較大影響。當(dāng)鄰居節(jié)點(diǎn)數(shù)量增大時(shí)，各組零售商的價(jià)格會(huì)下降，服務(wù)水平會(huì)提升；當(dāng)重聯(lián)概率增大時(shí)，各組零售商的價(jià)格會(huì)提升，服務(wù)水平會(huì)降低。同時(shí)消費(fèi)者不同互動(dòng)特征對(duì)各企業(yè)的競(jìng)爭(zhēng)績(jī)效演化起著差異性的影響。當(dāng)鄰居節(jié)點(diǎn)數(shù)量增大時(shí)，偏好高價(jià)高服務(wù)水平的零售商銷量與利潤(rùn)占據(jù)優(yōu)勢(shì)，其他零售商表現(xiàn)一般，偏好低價(jià)低服務(wù)水平的零售商競(jìng)爭(zhēng)強(qiáng)度最差；當(dāng)重聯(lián)概率變大時(shí)，偏好高價(jià)高服務(wù)水平的零售商優(yōu)勢(shì)逐漸變差，與消費(fèi)者鄰居節(jié)點(diǎn)情景剛好相反。

" 從管理意義的角度出發(fā)，本文旨在通過發(fā)現(xiàn)消費(fèi)者網(wǎng)絡(luò)特征來優(yōu)化零售商競(jìng)爭(zhēng)策略決策。為了實(shí)現(xiàn)這一目標(biāo)，本文開發(fā)了一種包含強(qiáng)化學(xué)習(xí)算法的計(jì)算實(shí)驗(yàn)的方法。研究結(jié)果顯示了消費(fèi)者鄰居節(jié)點(diǎn)數(shù)量和消費(fèi)者網(wǎng)絡(luò)重聯(lián)概率對(duì)零售商不同組合策略的影響。

" 本文適用于目前大部分的零售商-消費(fèi)者互動(dòng)情景，消費(fèi)者會(huì)使用各種手段相互交流，零售商可以依據(jù)消費(fèi)者互動(dòng)特征提高自身的績(jī)效。當(dāng)談及消費(fèi)者互動(dòng)網(wǎng)絡(luò)時(shí)，網(wǎng)絡(luò)所包含的鄰居節(jié)點(diǎn)數(shù)量、重聯(lián)概率特征，這些都與零售商的定價(jià)、服務(wù)水平策略有關(guān)，這些關(guān)于消費(fèi)者的互動(dòng)行為可以應(yīng)用于管理策略中。

" 在消費(fèi)者群體互動(dòng)中獲取利益是零售商一直關(guān)注的話題。對(duì)于零售商來說，消費(fèi)者網(wǎng)絡(luò)提供了零售商-消費(fèi)者的同步溝通。因此，零售商可以在消費(fèi)者互動(dòng)時(shí)能及時(shí)滿足消費(fèi)者更好的需求，增強(qiáng)產(chǎn)品的匹配程度，提高市場(chǎng)競(jìng)爭(zhēng)力。消費(fèi)者群體互動(dòng)越多，零售商的決策會(huì)越完善，消費(fèi)者對(duì)零售商的忠誠(chéng)度就越高，這反過來又為零售商帶來了積極的績(jī)效結(jié)果。零售商應(yīng)該積極考慮通過開設(shè)相關(guān)的產(chǎn)品論壇、發(fā)表產(chǎn)品評(píng)測(cè)報(bào)告、邀請(qǐng)產(chǎn)品的使用者分享產(chǎn)品使用經(jīng)歷等多種方式積極引導(dǎo)潮流，拓寬消費(fèi)者一般僅與固定親友交流的單一渠道，增強(qiáng)消費(fèi)者的互動(dòng)作用。

4" 展望與不足

" 本文致力于加強(qiáng)零售商實(shí)時(shí)性競(jìng)爭(zhēng)決策，并根據(jù)消費(fèi)者互動(dòng)網(wǎng)絡(luò)構(gòu)建互動(dòng)情景。然而，本文也存在一定的局限性。為了簡(jiǎn)化研究，不同零售商的同一自身屬性參數(shù)的取值均予以統(tǒng)一，因此未來的研究中應(yīng)考慮零售商自身屬性的影響，設(shè)置差異性的零售商屬性參數(shù)。其次，消費(fèi)者屬性還較為單一，實(shí)際上的消費(fèi)者行為會(huì)更加復(fù)雜多變。最后，在未來的研究中，可以使用更加復(fù)雜的學(xué)習(xí)機(jī)制來提高零售商的學(xué)習(xí)能力。這些都是未來零售商競(jìng)爭(zhēng)決策研究的關(guān)鍵問題。

參考文獻(xiàn)：

[1] 王道平，宋雨情. 考慮消費(fèi)者行為轉(zhuǎn)化的零售商兩階段動(dòng)態(tài)定價(jià)研究[J]. 運(yùn)籌與管理，2021，30（9）：152-157.

[2] 肖旦，聶珊珊，周永務(wù)，等. 不同市場(chǎng)準(zhǔn)入標(biāo)準(zhǔn)下基于服務(wù)競(jìng)爭(zhēng)的零售商競(jìng)合策略選擇[J]. 中國(guó)管理科學(xué)，2021，29（10）：121-130.

[3] 韓松，李璨. 多代理Nash Q-Learning模型行動(dòng)選擇策略研究[J/OL]. 中國(guó)管理科學(xué)，1-12（2023-11-14）[2024-12-17]. https：//doi.org/10.16381/j.cnki.issn1003-207x.2023.0142.

[4] 王建華，高子秋. 基于消費(fèi)者個(gè)體行為特征的網(wǎng)絡(luò)生鮮購買意愿研究——感知風(fēng)險(xiǎn)的中介作用及個(gè)體創(chuàng)新性的調(diào)節(jié)作用[J]. 貴州社會(huì)科學(xué)，2020（9）：119-127.