直播场景下含估值调整机制的双渠道供应链决策研究

《Mathematics》：Research on Dual-Channel Supply Chain Decision-Making with VAM Under Live Streaming Scenario

　　

随着互联网技术的快速发展，直播销售作为一种新型在线购物形式逐渐兴起，并成为消费者购买的重要渠道。研究人员探讨了直播销售模式下双渠道供应链的决策问题，重点分析在引入估值调整机制（Valuation Adjustment Mechanism, VAM）时，零售商与主播之间的最优决策与利润分布。研究人员构建由零售商与主播组成的双渠道供应链模型，并比较三种情形：集中决策、无VAM分散决策、含VAM分散决策。结果表明，合理使用VAM可提升所有供应链参与者的利润；此外，针对不同价格水平的产品应采用差异化的销售目标设定方式。销售目标作为激励机制的核心，直接影响主播的努力与定价策略。在制定销售策略时，零售商与主播应综合考虑决策结构、VAM带来的激励与风险，以及多渠道协调发展，以最大化整体供应链利润。

研究背景与立项依据：线下消费体验丰富但耗时，在线购物便捷但消费者产品认知较低，直播销售通过提升感知价值缓解该矛盾。然而零售商与主播间存在信息不对称，主播促销努力不可观测、销售业绩不确定，带来机会主义风险。估值调整机制（VAM）原用于投融资估值修正，在直播场景中被简化为“达标奖金型”合约（仅上行激励、无惩罚）。同时直播渠道对传统渠道存在替代效应，引发双渠道竞争与协调难题。既有文献多聚焦双渠道供应链结构或直播模式选择，缺乏将VAM嵌入主播—零售商Stackelberg博弈的系统分析。为此，研究人员以博弈论为框架，在双渠道需求替代下考察VAM对定价、努力与利润分配的影响。

论文发表于《Mathematics》，属供应链博弈与运营优化交叉研究。

主要技术方法：研究人员采用线性需求函数刻画传统渠道需求D_R=a?γw+γp与直播渠道需求D_L=b?p+ws?γp（含对称交叉价格弹性γ），主播努力成本设为二次项ks²/2；构建三套利润函数——集中决策总利润Π_C、无VAM分散决策下零售商Π_R^N与主播Π_L^N、含VAM分散决策下Π_R^Y与Π_L^Y（VAM达标销量d时主播获额外比例m的直播收入奖励）；求解主播先行定努力s、零售商跟定直播价p的Stackelberg均衡，通过Lemma与Proposition进行参数敏感性解析，并以数值模拟（固定a,b,γ,r,m,w,d区间）绘制努力/价格/利润随参数演化曲线，界定双方均获改进的VAM可行域。

研究结果：

1. 1.
   集中决策模型：集成主体同时优化p与s，得最优解p^C、s^C；命题1表明p^C与s^C随传统零售价w与直播潜在需求b严格递增，集成体依市场势调整直播投入。
2. 2.
   分散决策无VAM：引理2给出均衡p^N、s^N；命题2同样得p^N、s^N随w、b严格递增，但绝对水平低于集中情形，渠道协调缺失导致努力与定价保守。
3. 3.
   分散决策含VAM：引理3给出带约束销量Q^Y=min{d, Q?}的均衡，其中Q?为无约束自然最优销量。命题3指出p^Y、s^Y恒随w递增；当d≤Q?时目标松弛、VAM无激励，p^Y、s^Y随b增而增；当d>Q?时目标绑定，零售商不再因b上升提价，主播反降努力节本。数值分析（图2–图6）验证：低d近租金转移，高d适度高于Q?才具真实激励；提高分佣r与奖金比m会放大VAM效应且降低绑定阈值Q?。
4. 4.
   三情景比较与利润分析：图7–图9显示集中利润最高，VAM在d超阈值后显著提升各方及总利润。命题4与命题5推导双方均改进的参数区间（零售价较低时低d亦可、零售价较高或d绑定区需匹配m），图10–图11无差异曲线给出零售商与主播共同接受VAM的阴影可行域。结论：低价品VAM目标须谨慎校准防零售商利润侵蚀，高价品可用市场导向的较高目标扩双赢区间；阈值Q?是VAM是否有效激励的分水岭。

讨论与结论翻译浓缩：研究人员总结（i）奖金型VAM促零售商提价、主播增努力，引发渠道替代与利润重分配；（ii）当零售价、奖率m、目标d落入命题4–5可行域，VAM可实现帕累托改进，低价品目标须保激励且不伤零售商边际，高价品用市场导向目标达双赢；（iii）阈值Q?决定激励有效性，dQ?方生效，但过高d因努力成本致主播拒约。管理启示：目标设定参照Q?，低则无效高则拒签；按品类差异化设计VAM；双渠道定价与努力协同，或借集中决策逼近协调最优。局限含线性确定需求、d与m外生、边际成本为零、无惩罚条款、未计品牌溢出，后续可拓随机需求、内生合约、多主体竞争。