桥接博弈论建模与人工智能，为多渠道零售提供快速策略推荐

《Journal of Retailing and Consumer Services》：Bridging game-theoretic modeling and Artificial Intelligence for fast policy recommendations in multi-channel retail

　　- 混合框架支持数据稀缺环境下的多渠道零售决策。- GT-MT-EC 模型整合了信任、替代效应和广告溢出效应。- 结构模拟产生近似纳什均衡的标签用于策略学习。- 约束策略推理将场景分析加速高达 14.8 倍。- 定性输入被映射为结构化参数区间。## 引言在新兴市场，零售牛奶行业通过三大销售渠道不断演变：一般贸易（GT）、现代贸易（MT）和电子商务（EC）。GT 提供广泛的市场覆盖面，但控制能力有限；MT 通常以更高价格提供更强质量管控；EC 允许个性化营销，但缺乏实体存在（NielsenIQ, 2025）。这些渠道并存并进行战略互动，产生复杂的跨渠道竞争与协调模式（Rajaguru et al., 2024）。随着传统零售仍占主导地位，而现代和数字渠道快速扩张，跨渠道定价和广告决策变得日益相互依存。在实践中，乳制品制造商可以同时通过 GT 经销商、超市连锁和电商平台推广同一产品。旨在通过价格折扣或本地化广告活动提升某一渠道业绩的管理行动，可能会无意中降低另一渠道的盈利能力，导致渠道冲突。鉴于跨渠道整合对零售绩效日益重要（Hajdas et al., 2025），理解和协调这些互动已成为一个重大的管理挑战，尤其是在新兴市场背景下。牛奶是一种对信任敏感的产品，其需求受感知真实性和安全性的强烈影响（Hao et al., 2022）。当产品真实性出现疑虑时，消费者可能转向被认为更可靠的渠道，迫使企业迅速调整定价和广告策略。这些跨渠道溢出效应和替代效应创造了一个战略相互依存的局面（Tsay and Agrawal, 2004）。博弈论模型很适合捕捉这些动态。通过内生地建模价格替代、广告溢出和信任敏感需求，结构方法可以从内部推导出与企业优化目标一致的企业定价和广告均衡决策。然而，在多个市场场景中反复求解此类均衡模型可能会带来巨大的计算负担，特别是当管理者需要评估众多信任条件、广告强度和成本结构组合时。这限制了完全结构模型在实时决策支持中的实际应用。数据稀缺，尤其是在新兴、碎片化或低技术市场，又增加了另一层困难。近年来基于模拟的方法和参数化策略近似的进展，在结构严谨性和计算可行性之间提供了一种可行的桥梁，为数据稀缺环境提供了替代方案。通过在结构假设生成的数据上训练神经网络或策略模型（Maliar et al., 2021; Zheng et al., 2022; Bernasconi et al., 2023），这些方法可以学习从结构状态到近似均衡行动的映射，而无需从头反复求解底层优化问题。此类摊销学习技术减少了迭代数值解所带来的实时处理负担，并降低了对大规模观测数据集进行策略训练的依赖。然而，结构近似技术在多渠道零售决策支持中的应用仍然有限。此外，在牛奶等信任敏感品类中，关键需求驱动因素——包括消费者信任、感知真实性和渠道可信度——往往是定性和潜隐的。诸如"低信任"或"弱渠道控制"等管理评估并非直接作为定量输入呈现，通常需要进行简化假设才能整合到标准数据驱动预测模型中。尽管关于多渠道竞争和人工智能驱动零售分析的文献日益丰富，但现有工作大多聚焦于简化的渠道结构，对于三渠道零售商同时互动的场景提供的洞察有限（Basak et al., 2017; Lou et al., 2021）。此外，信任敏感性和跨渠道广告溢出效应——尽管对于牛奶等信念品的需求形成至关重要——通常仅在多渠道决策模型中被隐式处理或被忽略。在方法论上，大多数实证研究假设可以获取丰富的连续定量微观数据，而现有的基于学习的均衡方法很少被适配到具有以下特征的面向管理者的多渠道零售环境中：下游渠道异质性。因此，当关键市场驱动因素（如渠道可信度或消费者信任）在严重数据约束下以定性方式评估时，企业如何制定结构一致的价格和促销决策仍然不明确。为填补这些空白，本文开发了一个结构代理框架，架起博弈论建模与计算近似之间的桥梁，将多渠道战略理论转化为快速决策支持。首先，一个纳入成本异质性、广告溢出和消费者信任的结构三渠道博弈模拟器通过数值方法求解，以生成定价和广告决策的约束求解器基准。其次，一个轻量级代理策略网络通过监督模仿学习进行训练以近似该结构决策规则，在推理时将预测行动投影到可行性约束上。关键在于，一个基于规则的自然语言描述层通过映射定性管理输入到结构化参数区间来操作化。在 10,000 个模拟市场状态中，训练后的策略紧密保持了求解器生成的基准经济学结果，在留出测试集上的评估显示平均利润比为 1.001，平均遗憾为 0.40%，同时将交互式场景分析加速高达 14.8 倍。该方法将全渠道理论转化为一个有经济学依据的场景探索框架，使管理者能够在消费者信任、渠道替代和成本结构的模拟不确定性下评估协同的 GT-MT-EC 定价和广告策略，特别是在数据稀缺的零售环境中。### 博弈论多渠道零售竞争模型博弈论研究表明，分销结构和渠道权力共同影响定价激励和利润分配。一个核心机制是跨渠道相互依存：引入或强化一个直接渠道会通过溢出效应转移需求和经销商反应，有时加剧竞争或扩大总需求，具体取决于均衡调整（Tsay and Agrawal, 2004）。后续工作强调了领导者-跟随者时序和权力不对称：一个企业的……### 方法论为在数据约束下提供计算高效的决策支持，本节将博弈论模拟与代理策略近似相结合。图 1 概述了完整的方法流程，从初始结构模型设计到代理策略评估和稳健性诊断的完整分析流程。我们通过模拟器驱动的学习流程来解决数据稀缺的多渠道零售决策。一个结构博弈论模型捕捉价格……### 求解器基准可靠性结构求解器在 10,000 个模拟市场状态中产生稳定且具有经济意义的基准行动。价格决策是内点解：GT、MT 和 EC 的中位数加价接近 2.0，没有触达价格上下界，且所有状态下的有效价格弹性均高于 1，最低值为 1.408，表明价格基准由一阶条件驱动而非由施加的可行性边界驱动。广告决策同样不受上界影响。大多数……### 理论意义本研究提供三个理论贡献。首先，本研究通过重新构建新兴市场牛奶零售问题来扩展全渠道竞争理论——从双渠道进入问题转变为三种格式的战略分配问题。在此框架下，GT、MT 和 EC 不被视为情境性销售网点，而是相互依存的决策点，其定价和广告选择共同决定需求分配和利润再分配。因此，贡献不仅是……### 结论与未来研究本文结合结构经济建模与轻量级策略，以支持数据稀缺的多渠道零售环境中的定价和广告场景分析。一个博弈论模拟器捕捉信任敏感性、跨渠道替代和广告溢出效应，而一个约束策略学习近似求解器基准决策。结果显示，学习到的策略紧密保持了基准经济学结果，同时减少了计算时间，支持……### CRediT 作者贡献声明**杜氏芳杏（Phuong-Anh Duong）：** 写作——审阅与编辑，写作——原稿撰写，方法论，形式分析，数据整理，概念设计。**吴氏隆玉英（Luong-Ngoc-Anh Vu）：** 写作——原稿撰写，形式分析，数据整理，写作——审阅与编辑。**阮氏平和（Binh Nguyen Thi）：** 写作——审阅与编辑，写作——原稿撰写，监督指导，方法论，形式分析，概念设计。### 前期会议版本本文的早期版本作为摘要提交被接受并在第 40 届 AAAI 人工智能年会（AAAI, 2026）上发表。本手稿构成了一项重大扩展，包括扩展的理论发展、额外的方法完善和全面的基于模拟的评估。### 生成式 AI 和 AI 辅助技术在论文准备过程中的声明在本文准备过程中，作者使用了 ChatGPT 5 来支持某些技术任务，包括模型训练编码协助和轻量级定性描述接口的实现。这些工具仅作为生产力辅助使用，未对概念设计、理论框架、建模选择或结果解读作出贡献。所有 AI 辅助输出均由作者审阅和编辑，作者对……承担全部责任。### 资金本研究由**对外经济贸易大学（Foreign Trade University）**资助，研究项目编号为 FTURP02-2026-09。### 利益冲突声明作者声明他们不存在任何已知的竞争性经济利益或个人关系，这些利益或关系可能影响本文所报告的工作。**作者：** 杜氏芳杏 | 吴氏隆玉英 | 阮氏平和