C2C卖家差异化定价策略对网店收益和信誉的影响

摘要：基于刺激反应理论构建了C2C市场中消费者购买决策模型，使用多主体建模方法，利用Repast Simphony平台和JAVA开发语言进行仿真，研究了网店采用不同的定价策略对网店收益和信誉的影响。结果表明，高信誉值对价格产生溢出效应，揭示了C2C市场中信誉炒作和价格战等现象的成因。

关键词：C2C卖家；差异化定价策略；购买决策；收益；信誉

中图分类号：F724.6文献标识码：A文章编号：1001-8409（2014）09-0114-05

Influences of C2C Seller Differential Pricing Strategy

on Web Store Profit and Reputation

CHEN Yanga， b， ZHOU Lvlina， DU Jianguoa，b

（a .School of Management； b. Computational Experiment Center for Social Science， Jiangsu University，Zhenjiang 212013）

Abstract： This paper builds a consumer purchasing decision model of C2C market based on stimulusresponse theory， and uses repast symphony platform and JAVA programming language to simulate based on the multiagent modeling method， investigates the influences of differential pricing strategies on web store profit and reputation. The results show that the high reputation has a spillover effect on the price， reveal the causes of credit speculation and price war phenomenon in C2C market.

Key words： C2C seller； differential pricing strategy； purchasing decision； profit； reputation

引言

国际金融危机以来，电子商务在我国转变经济发展方式中的作用愈加受到重视，C2C电子商务已成为人们生活中一种重要的消费方式。在C2C交易过程中存在着一个普遍现象：C2C网店间提供的产品和服务具有高度的相似性，消费者面临如何做出购买决策的困境；搜索成本的降低和丰富的信息却又大大增加了消费者决策时的灵活性与复杂性。对于C2C卖家而言，在不断成熟的网络零售市场和平台化交易模式背景下，理清交易中消费者购买决策的关键要素，并制定正确的竞争策略显得至关重要。

关于C2C电子商务，现有研究除了相对注重从信誉、信号机制等方面探讨C2C市场的有效性之外[1～3]，还主要集中在以下两方面：一是侧重于研究C2C平台自身竞争策略和网站竞争力的提升。Schlosser等提出增加网上商店视觉效果设计的投资可以提高消费者的信任意图和在线购买意愿[4]；刘文云等在对我国C2C网站内外部影响因素进行SWOT分析的基础上，运用AHP方法识别了影响我国C2C网站发展的关键因素[5]；二是将营销理论应用于电子商务，探讨网络环境下消费者购买行为决策特征。Ye等基于ebay和淘宝数据，应用对数线性回归模型研究了产品历史销售记录对消费者购买行为的影响，指出消费者在进行购买决策时会向其他买家学习[6]；Chan等研究发现，消费者通常会在多个网店之间对目标产品价格进行比较，并认定网店产品价格是决定浏览者能否成为购买者的关键要素[7]；胡海清等利用淘宝网交易数据，应用Smart PLS模型，验证了信息丰富度、声誉、采购成本、线上渠道模式、产品类型等对消费者购买行为的影响[8]。总体而言，现有研究对C2C卖家竞争策略的关注较少，并相对忽视了C2C市场竞争环境对卖家策略选择的影响。薛有志等提出成本领先、信誉领先等五种战略能够给C2C卖家带来更多收益[9]。然而与传统企业不同，C2C卖家实施产品差异化竞争策略的渠道非常有限，价格策略往往是其应对竞争的主要手段，但在相关研究中缺乏对消费者购买决策过程的系统考虑。Wang等通过eBay的拍卖数据探讨了存在拍卖参与成本时，卖家如何在拍卖和固定价格策略间进行选择[10]；Dasgupta等将消费者分为比较购物者和非比较购物者区别定价。对于比较购物者，基于一个模型优化算法，利用一组加权的历史价格和盈利数据，通过非线性回归确定产品价格，最大限度地提高卖家的收益；而对非比较购物者采用更高的产品定价[11]。

对销售同一产品的C2C卖家而言，产品的价格和销量都是离散的，网店的信誉也不同，其面对的消费者特征各异，具有不同消费心理和决策过程。因此，本文以C2C卖家及其价格策略为研究对象，并系统考虑消费者购买决策过程，探讨在这样一个复杂的、动态的C2C环境下，C2C卖家的差异化定价策略究竟对产品的销售、网店的收益和信誉产生什么样的影响。鉴于目前大多数学者对消费者购买行为的研究主要采取的是博弈、实证和理论分析等方法[12]，然而在C2C市场中主体的决策形成是一个复杂的认知过程，多元主体的异质性、决策时的心理过程以及主体间的交互行为和动态的市场环境等系统特征难以单纯用定性或者定量的方法描述，本文通过多元主体的计算机建模方法来研究C2C市场，综合考虑市场中各个主体的异质性、非线性及其相互之间的交互机制，检验C2C卖家竞争策略选择的有效性，从而更深刻地揭示C2C市场的动态演化过程。

1消费者购买决策规则分析

1.1消费者购买决策模型

行为心理学创始人Watson提出了“刺激-反应”模型，指出人类的复杂行为可以被分为两部分：刺激和反应。行为是对刺激的反应，刺激来自两方面：身体内部的刺激和体外环境的刺激，而反应总是随着刺激呈现。以Lutz等为代表的主观情境学派认为消费者通过情境刺激产生对环境的反应。因此本文认为，由于C2C交易中的信息不对称，消费者通常会利用与产品相关的外部信号作为购买决策参考，从而使在线情境刺激对消费者的购买决策行为产生影响。在线情境刺激主要来自C2C网店信息，从内容和形式两个维度划分。内容上包括网店信息和产品信息，形式上主要指信息丰富程度[8]。本文构建的基于刺激反应理论的消费者购买决策模型如图1所示。

信息丰富度影响消费者对产品和渠道等的认知。然而由于网络环境下信息的透明性以及网店之间的相互模仿，C2C卖家向客户传递丰富信息的成本很低，期望依靠信息的丰富度来影响消费者购买行为的策略几乎失去作用。Chen的研究将信息丰富度作为感知有用性的前变量，研究显示信息丰富度对消费者感知有用性的影响不显著[13]，因此本文未考虑信息丰富度对消费者购买决策的影响。

1.2C2C市场消费者购买决策行为建模

根据本文构建的消费者购买决策模型及其分析，C2C市场消费者购买决策行为受以下因素影响。

1.2.1产品信息

主要指产品价格、质量和销量。

（1）产品价格：价格敏感度是消费者主体个性特征中的一种，每个网店j在t时刻所标注的产品价格Ptj能根据每个消费者i的价格敏感度特质引起一个Stij值（i=1，…，N；j=1，…，M）。根据Kim的价格敏感度分布模型，一个产品的价格越低，其所引起的价格敏感度就越低，即这个产品对消费者购买动机形成的阻碍越小[14]。价格敏感度是t时刻产品实际价格Ptj与消费者心理期望价格Pte之差的幂函数，即：Stij=-αPtj-Pte+Ki。其中参数α>1，Ki是与消费者i社会地位、经济状况相关的负常数。Pte是t时刻消费者对该产品的期望价格，期望价格很难得到，一般使用市场上同类产品的平均价格代替，即：Pte=1MMj=1Ptj。因此消费者动机函数中由产品价格产生的效用：

u′1ij=Stij×Ptj=（-αPtj-Pte+Ki）×Ptj（1）

（2）产品质量：由于网络的虚拟性、产品质量评价的主观性以及网络主体的多样性等原因造成产品质量信息的不对称性比传统市场更加严重。营销学的研究结果不断表明消费者往往会利用价格来推断产品质量和效用。因此产品价格在消费者的购买决策中实际发挥着两种效用，一方面较高的价格会降低消费者的购买动机；另一方面消费者会从较高的价格形成较高的产品质量感知，从而增加消费者的购买动机。

除了考虑消费者从价格推断产品质量信息这一行为规则之外，消费者在决策制定中通常还依赖参考价格。即消费者在购买决策时，不仅受到绝对价格的影响，而且还将产品的价格与其他价格相比较，形成所谓的参考价格。借鉴Ding等的研究[15]并综合上述两种消费者行为规则，假定：

ut2ij=eβi（ptij-γi）（2）

式（2）充分考虑了消费者的异质性，每个消费者都有各自βi和γi值。其中βi是信息系数，指消费者i从产品价格推断质量信息的程度。βi的值受到多种因素的影响，如消费者是否经历过低价购买到伪劣产品的事件、消费的频次等[15]；γi是消费者i对产品的参考价格。参考价格有多种形式：过去价格、保留价格等。

（3）产品销量：由于C2C市场中消费者和卖家间存在物理距离，消费者在购买前不能接触到产品和卖家，通常会选择跟随其他买家以降低风险。例如在从众心理的暗示下，淘宝平台提供的产品30天内销售记录已经成为消费者选择卖家和制定购买决策的重要影响变量[6]；而且月销量越大，消费者从众效用明显，但边际效用递减。因此假定由产品销量产生的消费者效用：

ut3ij=lg（1+Mtj）（3）

其中Mtj为t时刻网店j某产品的月销量。

1.2.2网店信息

网店信誉是对网店以往交易的累积评价结果，能反映网店总体信用及服务水平，具有较强的代表性。信誉机制在目前的C2C交易环境下是卖家获取消费者信任的重要机制。卖家信誉的高低对能否成功销售有显著影响。根据李维安等的研究结论，当卖家的信用分数达到一定程度后，信用值增加销量的作用呈边际递减的趋势[3]，假定：

ut4ij=lg（1+Rtj）（4）

其中Rtj指t时刻网店j的信誉值。对Rtj的计算，借鉴淘宝网店信誉评价机制：交易完成后，如获好评网店信誉增1；如获差评则信誉减1。

综上，本文将t时刻消费者i在网店j选择某产品的购买决策动机函数定义为：

Utij=ut1ij+ut2ij+ut3ij+ut4ij=（-αPtj-Pte+Ki）×Ptj+eβi（ptij-γi）+lg（1+Mtj）+lg（1+Rtj）（5）

2C2C卖家定价策略分析

网络环境中调整产品价格所产生的成本很低，使得C2C卖家根据市场的需求及时调整产品价格成为可能。以往的研究已经确定了一些适用于网络市场的定价策略。Kannan等提出了一个电子商务动态定价策略的分类，包含三种类别：标价策略、拍卖定价策略、捆绑定价策略。标价策略包括动态定价和电子优惠券的使用[16]。本文重点关注其中的动态定价策略。DiMicco等集中研究了两种卖家定价策略：目标导向策略（goal-directed，GD）和追随者策略（derivative follower，DF）[17]。Deck等研究了电子市场中的三种定价策略：降价策略、保持低价策略和触发定价策略[18]。本文中C2C卖家的动态定价策略选取GD策略和保持低价策略（low-price matching，LPM），两种策略的定价规则如下。

2.1GD策略

GD策略试图在销售周期的最后一天完成销售任务，而不是在销售周期结束前，并以此为目标来调整产品价格。对于同一种产品，不同消费者往往具有不同的支付意愿。GD策略在销量低时降低价格，销量高时提高价格，通过在市场中调整其销售节奏，达到每天将产品销售给愿意支付更高价格的买家，定价过程如下：

Pt=P0+P0×tn=1gn-exptexpt×st（6）

expt=t×rd（7）

st=d2×（d-t）（8）

其中P0是指产品销售周期内的初始价格；Pt是销售期内第t天的产品销售价格；gn是销售周期内截至第n天时的产品销量；expt是指截至第t天时产品的期望销量；r是卖家的目标销量；d是销售周期；st为卖家期末价格调节幅度。

2.2LPM策略

LPM策略是指将产品价格设置为当前市场下现有产品价格中的最低价。信息技术使得各个网店的产品价格高度透明，C2C卖家为了应对激烈的市场竞争，常常采用低价策略吸引消费者。

3C2C卖家差异化定价策略对网店收益和信誉影响过程仿真

3.1实验环境及参数设置

本文在对消费者购买决策规则及C2C卖家定价策略分析的基础上，使用Repast平台和JAVA语言对消费者和C2C卖家进行主体建模，通过构建不同的实验情景，揭示不同的定价策略对网店收益及信誉的影响。

为了简化虚拟市场模拟的复杂性，本实验用消费者的收入代表其社会经济学属性。根据CNNIC公布的2012年《中国网络购物市场研究报告》数据，设定消费者月收入服从正态分布：μ=3500，σ=450。消费者的价格敏感度在主体收入的基础上受到K的影响。为了达到模型的优化，α的值经过重复的测试和调整。γ是指消费者对产品的保留价格，即消费者愿意支付的最大价格。采用GD策略的卖家，每个周期产品目标销售量为600。各网店的产品初始销量均置为0。表1列出了变量和参数的取值范围及分布。

表1变量和参数的取值范围及分布变量

参数说明取值范围分布K-1000～0与收入成比例αα>1取决于训练和测试γ保留价格与收入成正比β信息系数0～1随机均匀分布c产品成本600R01使用GD策略的网店初始信誉取决于实验需要R02使用LPM策略的网店初始信誉取决于实验需要3.2实验过程及结果分析

假设每天有50位消费者进入虚拟市场，均为一次性购买。如果市场上的产品售价超出该消费者的保留价格，则放弃购买；当产品价格在消费者的保留价格范围内，则消费者按照效用最大化的原则，选择C2C卖家。在基于前文描述的信誉机制的计算规则上，考虑到C2C卖家可能存在一定概率销售伪劣商品，以及服务上的不足致使买家不满意等状况引发消费者的差评，导致信誉值降低，设此概率为3%～5%内的随机值。实验运行3个仿真周期，每个周期30天。

当R01≤R02时，实验表明，采取LPM策略的网店收益和信誉始终优于采取GD策略的网店。这就可以理解为采取GD策略的网店信誉不占优，且在产品初始销量相同的情境下，消费者为什么会涌向产品售价更低的网店。本文重点关注R01>R02的情形。当R01>R02时，实验表明，采取两种不同定价策略的网店收益及信誉具有相似的演化趋势，此处设R01=600，R02=200。

通过图2可以看出，初始信誉值高的网店采用GD策略时，初期的产品销售利润远高于初始信誉值低的采用LPM策略的网店，但随着网店信誉优势的减弱（如图3），产品销售下降。尤其是当两个网店的信誉值均衡后，采取LPM策略的卖家获取了较大的产品销售利润并最终超过了采取GD策略的卖家。

实验结果首先表明，高信誉值将产生价格溢出效应。高信誉值的卖家通常意味着更高的可信任度、更准确的产品描述和更好的服务，因此消费者为了降低购物风险而常常选择高信誉值的卖家进行溢价支付。因而高信誉的卖家可以对产品制定较高的价格，实现收益最大化。

其次，实验结果从另一个角度解释了在C2C市场上卖家为何如此重视网店的信誉值。如有些网店的经营策略中鼓励消费者给好评，对给予好评的消费者进行现金返利，有的卖家甚至通过信誉炒作的方式，达到提高网店信用的目的。而C2C卖家为提高网店信誉所花费的成本与网店获得较高的信誉值后所带来的溢出效益相比显得非常有限。

最后，实验结果揭示了C2C市场上为何很多卖家倾向于执行低价策略，解释了电子商务环境中经常出现的卖家之间打“价格战“的现象。对于高信誉值的卖家固然可以利用自身信誉的优势，采取GD策略，在市场初期获得较高的收益，但由于网络竞争的透明性和买家理性消费的不断增强，采取LPM策略从网店的长期盈利来看也具有一定的优势。从图4可以看出，在第一个仿真周期，采取GD策略的初始高信誉值卖家的产品月销售利润远高于采取LPM策略的初始低信誉值卖家，但当运行到第二个仿真周期时，两者之间的产品月销售利润出现了波动（如图5），采取LPM策略的卖家盈利逼近了采取GD策略的卖家。虽然总体的产品销售利润仍然是采取GD策略的卖家占优势，但将本实验运行至第三个仿真周期时，采取LPM策略的低初始信誉值的网店盈利超出了采取GD策略的高初始信誉值的网店。因此对于后者来说制定价格策略时，必须深刻理解消费者网络购买决策过程的影响因素，考虑到自身信誉与市场上其他销售相同产品网店间信誉的差距，合理利用自身信誉优势获取最大化效益，并适时调整定价策略。

4结论

C2C市场是一个多主体参与的复杂系统，主体的异质性、消费者决策时的心理过程以及主体间的交互行为和动态的市场环境等系统特征难以单纯用定性或者定量的方法描述，通过基于多元主体的计算机仿真来研究C2C市场，可以克服传统方法在精度和模型上的局限性，综合考虑市场中各个主体的异质性、非线性及其相互之间的交互机制，检验C2C卖家行为决策的有效性。本文基于刺激反应理论构建了C2C市场中消费者购买决策模型，系统考虑消费者购买决策过程，从刻画消费者内在决策心理过程出发，通过多主体建模方法构造实验情景，研究了网店采用不同的定价策略对网店收益和信誉的影响。结果表明，高信誉值将产生价格溢出效应，解释了C2C市场中的一些现象，如C2C卖家为何如此重视网店信誉，C2C卖家为何常倾向使用低价策略，从而导致卖家间的价格战频发。同时本文的研究对C2C卖家理清其网店及产品因素中的有效市场信号以及行为决策的优化提供了一定的理论指导。

本文也存在一定的局限和不足。如在模拟的精确度上有待进一步提高，为了降低模型的复杂度，用收入代替了主体的所有社会经济属性；关于消费者信息系数β的设定也仅考虑了网购频次的影响，这在一定程度上降低了消费者的保真度。在未来的研究中要增加同一市场中使用不同定价策略的卖家数量，结合不同的参数设置（如信誉、销量等）研究这些策略在应用于不同产品（如易逝品和耐用品）时，对网店收益和信誉的影响，并考虑提高主体的智能性和自适应性，进一步深化多主体建模方法在消费行为领域的应用。

参考文献：

[1]Livingston J. How Valuable is a Good Reputation？A Sample Selection Model of Internet Auctions[J]. Review of Economics and Statistics，2005，87（3）：453-465.

[2]肖俊极，刘玲.C2C网上交易中信号机制的有效性分析[J].中国管理科学，2012，20（1）：161-170.

[3]李维安，吴德胜，徐皓.网上交易中的声誉机制―来自淘宝网的证据[J].南开管理评论，2007，5：1-17.

[4]Schlosser A E， White T， Lloyd S M. Converting Web Site Visitors into Buyers：How Web Site Investment Increases Consumer Trusting Beliefs and Online Purchase Intentions[J]. Journal of Marketing，2006，70（4）：133-148.

[5]刘文云，韩晓红.我国C2C电子商务网站竞争战略研究[J].图书情报工作，2010，54（22）：126-130.

[6]Ye Q，et al. Learning from other Buyers：The Effect of Purchase History Records in Online Marketplaces[EB/OL].http：///10.1016/j.dss，2012-11-7.

[7]Chan C， Cheng C， Hsien W. Pricing and Promotion Strategies of an Online Shop Based on Customer Segmentation and Multiple Objective Decision Making[J]. Expert Systems with Applications， 2011，38（12）：1458514591.

[8]胡海清，严建援，许垒.信息丰富度采购成本线上渠道模式对购买行为的影响研究[J].管理评论，2012，24（05）：80-88.

[9]薛有志，郭勇峰.C2C电子商务卖家的竞争战略研究：基于淘宝网的分析[J].南开管理评论，2012，15（5）：129-140.

[10]Wang X，Montgomery A，Srinivasan K. When Auction Meets Fixed Price：A Theoretical and Empirical Examination of Buy-it-now Auctions[J]. Quantitative Marketing and Economics，2008，6（4） ：339-370.

[11]Dasgupta P， Melliar-Smith P. Dynamic Consumer Profiling and Tiered Pricing Using Software Agents[J]. Electronic Commerce Research， 2003，3：277296.

[12]王崇，赵金楼.电子商务下消费者购买行为偏好的量化研究[J].软科学，2011，8：134-138.

[13]Chen L D. Consumer Acceptance of Virtual Stores：A Theoretical Model and Critical Success Factors for Virtual Stores[D]. University of Memphis， Doctoral Dissertation，2000.

[14]Kim B， Blattberg R， Rossi P. Modeling the Distribution of Price Sensitivity and Implications for Optimal Retail Pricing[J]. Journal of Business and Economic Statistics， 1995， 13（3）：291303.

[15]Ding M， Ross Jr W， Rao V. Price as an Indicator of Quality：Implications for Utility and Demand Functions[J]. Journal of Retailing，2010，86 （1）：6984.

[16]Kannan P， Kopalle P. Dynamic Pricing on the Internet：Importance and Implications for Consumer Behavior[J]. International Journal of ElectronicCommerce，2001，5（3）：6383.

[17]DiMicco J， Maes P， Greenwald A. Learning Curve：A Simulation-Based Approach to Dynamic Pricing[J]. Electronic Commerce Research，2003，3：245276.

[18]Deck C， Wilson B. Automated Pricing Rules in Electronic Posted Offer Markets[J]. Economic Inquiry，2003，41（2）：208223.