考虑大数据营销和风险规避的绿色供应链决策与协调

吴玉萍， 水源宋， 原白云， 王晓梅

(1.河南理工大学 工商管理学院能源经济研究中心，河南 焦作 454000; 2.河南科技大学 管理学院，河南 洛阳 471000)

0 引言

绿色供应链是未来供应链的主要发展方向。制造商更加注重研发和生产绿色产品，例如，郑州海马对纯电动汽车的投资研发[1]，耐克对环保球鞋的研发[2]，国内各大家电品牌对无氟环保变频空调的投资研发等。

随着大数据时代的发展，大数据服务商成为供应链的节点企业，零售商在考虑大数据营销投入时，原始的供应链决策将会发生改变。此外，消费者在面对并不同时具备高性能比和低价位的绿色产品时，市场需求远比预期要低，如海马新能源汽车在2019年的销售量远低于预期[3]，故零售商承担极大的市场需求不确定的风险。因此，在绿色低碳的背景下，研究零售商的大数据投资行为和风险规避行为对绿色供应链成员做出最优决策具有重要的现实意义。

在绿色供应链决策研究中，国内外学者考虑了绿色偏好、产品绿色度、销售努力、政府补贴等因素对供应链决策的影响，刘广东等[4]以制造商为主导，分析了消费者绿色偏好和零售商销售努力对供应链均衡决策的影响。曹裕等[5]分析了不同政府补贴对供应链成员定价以及绿色努力的影响。傅端香等[6]从政府补贴和风险规避共同作用角度研究了绿色供应链成员的定价决策问题。在绿色供应链协调研究中，数量折扣契约、收益共享契约、成本分担和两部定价契约等被广泛使用。如周艳菊等[7]研究了两部定价契约、数量折扣契约和批发价契约在以零售商为主导的双边垄断绿色供应链中的协调作用。胡芬等[8]得出对制造商进行补贴，更有益于供应链在收益共享契约下达到帕累托最优。曲优等[9]得出基于风险补偿的双向成本分散契约能够实现供应链协调。

关于大数据驱动下的供应链运营管理，学者目前主要关注两个问题：一是大数据服务商作为单独主体的供应链营销合作问题，如吴成霞等[10]将大数据服务商作为单独博弈主体，从动态微分角度研究了供应链的营销合作策略。王婷婷等[11]研究了低碳供应链中大数据服务商参与的联合减排动态协调问题；二是考虑大数据营销的供应链决策和协调问题，Ma等[12]分析了大数据营销、消费者行为和企业利他偏好对旅游企业最优决策的影响。Lei等[13]剖析了不同公平关切态度的零售商和制造商在大数据投入前后的定价、碳排放水平以及利益的变化。Xiang等[14]分析了大数据营销、技术创新和过度自信对闭环供应链决策的影响。谢瑜等[15]分析了五种不同大数据业务投资下供应链收益的改变。

综上所述，目前学者已对绿色供应链决策与协调、大数据驱动的供应链管理进行了深入的研究，发现大数据投资对供应链成员挖掘潜在消费者、增加收益具有重要作用，供应链成员的风险规避行为对供应链决策具有重要影响。但同时考虑零售商大数据投资和风险态度的绿色供应链决策和协调研究目前鲜有涉及，而海马公司等案例事实表明零售商将面临绿色产品需求不确定性的风险已是不争的事实，那么零售商的风险规避行为对供应链成员利润和产品绿色度产生什么样的影响？又如何平衡大数据投资时供应链成员之间的利润？

因此，本文考虑大数据营销努力和风险规避两种因素，分析绿色供应链的决策与协调问题。本文主要贡献有3点：一是将大数据营销和风险规避同时引入到绿色供应链决策研究中，填补了目前绿色供应链决策研究的缺口；二是针对双方风险中性分散决策和仅零售商风险规避分散决策模型，引入两部定价契约，在一定条件下实现供应链整体期望利润的改进，解决了供应链协调问题；三是设计的利润函数考虑了大数据营销对生产成本及零售成本的调节作用，全面体现了大数据营销对供应链的影响。

1 问题描述及参数说明

1.1 问题描述

假设由一个制造商和一个零售商组成的二级绿色供应链，其中制造商为Stackelberg博弈中的主导者，零售商为追随者。零售商借助大数据营销提高市场需求，并采取措施来面对由需求的不确定性带来的库存增加或缺货问题。

1.2 基本假设和符号说明

(1)制造商绿色产品的研发投入成本参考江世英等[16]，形式为βg2/2，g为产品绿色度，β(β>0)为研发成本系数。

(2)零售商大数据营销努力成本参考吴成霞等[10]，形式为θB2/2，B为数据营销努力水平，θ(θ>0)为大数据营销投入成本因子。

(3)零售商订购产品的数量等于市场需求量，w为批发价格，p为零售价格。不考虑大数据营销努力水平时的市场需求函数为Dn=a-bp+αg+ε，考虑时的市场需求函数为Dy=a-bp+αg+λB+ε，其中a>0、b>0、α>0、λ>0，分别表示产品潜在市场需求、价格敏感系数、消费者绿色偏好系数、需求关于大数据营销的效率因子。ε为市场不确定性因子，满足正态分布N(0,σ2)，p>w+cr>w>cm。考虑大数据营销努力后，企业内部成本下降，成本优化系数为μ，μ∈[0,1]。

(4)基于谭建[17]的研究，将λ2/θ定义为大数据营销的性价比，根据杨浩熊[18]的研究，将α2/β定义为产品的绿色化效率，为了保证制造商和零售商的利润为正且存在最优值，假设0<λ2/θ<2b-α2/β，α2/β

由上述假设可得不考虑大数据营销努力水平下的制造商、零售商及供应链整体期望利润分别为:

E(πm)=(w-cm)(a-bp+αg)-βg2/2

(1)

E(πr)=(p-w-cr)(a-bp+αg)

(2)

E(πc)=(p-c)(a-bp+αg)-βg2/2

(3)

考虑时三者分别为：

E(πm)=(w-cm)(a-bp+αg+λB)-βg2/2

(4)

E(πr)=(p-w-μcr)(a-bp+αg+λB)-θB2/2

(5)

E(πc)=(p-μcr-μcm)(a-bp+αg+λB)-θB2/2-βg2/2

(6)

2 模型构建

2.1 集中决策模型

采用逆向递推法，并进行相应的数学整理，得到均衡结果如表1所示。

推论1表明：集中决策下，大数据营销增加了产品绿色度和整体期望利润，零售价格受大数据营销性价比λ2/θ的影响。该值越大，大数据营销为零售商带来的收益越明显，零售商越倾向于进行大数据营销投资。

2.2 双方风险中性分散决策与协调模型

2.2.1 双方风险中性分散决策模型

该决策情景下的均衡计算结果见表1。

推论2(1)gn1

(3)wn3

推论2表明：双方风险中性分散决策下，考虑大数据营销后的产品绿色度、批发价格、制造商和零售商利润较高，产品零售价格的变化情况受λ2/θ的影响。

推论3(1)gy2>gy4；

(2)当[βb(2b-λ2/θ)-α2b][(βb-α2-βλ2/θ)(μ-1)bcm-β(b-λ2/θ)a]+(βb-α2-βλ2/θ)βb(2b-λ2/θ)(bμcm+bμcr)>0时,py2>py4；

(3)By2>By4;

推论3表明：与集中决策相比，双方风险中性分散决策下的产品绿色度、大数据营销努力水平以及供应链整体期望利润均有所下降。因为零售商和制造商以自身利润最大化为目标，不考虑整体利润，即存在“双重边际效应”。同时由推论2可得，零售商投资大数据营销后，制造商利润通过“搭便车”得到提升，并考虑引入协调契约以获取更多利润。

表1 考虑大数据营销和风险规避的不同模型下均衡结果

其中Δ1=a-b(cr+cm),Δ2=2βb-α2,Δ3=2θβb-θα2-βλ2,Δ4=a-μb(cr+cm),Δ5=2θβb-θα2-βλ2,Δ6=4βb-α2,Δ7=2βb(2θb-λ2)-θα2b,Δ8=a-b(μcr+cm),Δ9=2θb-λ2,Δ10=2βb(2b+2ησ2)-α2(b+2ησ2),Δ11=b+2ησ2,Δ12=2βb(2θb+2θησ2-λ2),Δ13=a+bμcr+bcm。

2.2.2 考虑大数据营销努力水平的双方风险中性分散决策下的供应链协调

引入两部定价契约，使零售商增加大数据营销投资。首先制造商向零售商提供两部定价契约，其次零售商决定产品零售价格和大数据营销努力水平，最后制造商决定绿色度。

制造商和零售商的期望利润函数分别为:

(7)

(8)

命题1两部定价契约下，当(w,F)=(wf1,Ff1)时，最优零售价

批发价格

其中,N=θβ2b2-α2(θα2+βλ2)+2θβbα2。

推论4双方风险中性协调决策下，两部定价契约能够实现大数据营销努力水平的提高，但是不能够实现产品绿色度的提高。同时在一定条件下，两部定价契约可以实现制造商、零售商利润以及供应链整体期望利润的Pareto改进。

推论4表明：在两部定价契约机制下，零售商增加了大数据营销投入，但制造商并未增加对绿色产品研发的投入。在其他参数一定的情况下，两部定价契约能否实现供应链整体期望利润的协调受大数据营销效率因子的影响。当大数据营销效率因子较小时，由于此时大数据营销的需求转化率较低，因此两部定价契约的引入能够实现供应链整体期望利润的Pareto改进；当大数据营销效率因子足够大时，由于此时大数据营销的需求转化率较高，一方面制造商利润低于协调之前的利润，另一方面，零售商参与契约的意愿较低，因此两部定价契约不能够实现供应链整体期望利润的Pareto改进。

2.3 仅零售商风险规避分散决策与协调模型

2.3.1 仅零售商风险规避分散决策模型

该决策情景下，风险规避零售商不进行大数据营销投资，根据均值方差理论[19]，此时风险规避零售商效用函数为:

(9)

其中η为零售商风险规避系数。

零售商进行大数据营销投资，同样根据均值方差理论，此时风险规避零售商效用函数为:

θB2/2-η(p-w-μcr)2σ2

(10)

该决策情形下的均衡计算结果如表1所示。

推论5表明：仅零售商风险规避分散决策下，考虑大数据营销努力后的产品绿色度、批发价格、制造商和零售商利润较高，产品零售价格的变化情况受λ2/θ和η的影响。

该决策情景下，零售商进行大数据营销投资能够增加销售量和利润，但其决策会相对保守。零售商风险规避程度较低时，当大数据营销投资对市场需求量的增加贡献比较大时，零售价格较高；零售商风险规避程度较高时，大数据营销性价比增加到较高水平时，零售价格较高。

由上述结论可知，制造商利益同样通过“搭便车”得到提升，制造商为了获取更多利益，同时改善供应链的整体利润空间，会考虑引入协调契约。

推论6表明：在考虑大数据营销分散决策下，相较于双方风险中性，当零售商风险规避时，由于需求的不确定性，零售商会选择降低零售价格和大数据营销投资力度，且这种行为随着其风险规避程度的增加而增加。当大数据营销性价比较低时，零售商出于对风险考虑所做出的保守决策有利于制造商，且有利程度随风险规避程度的增加而增加；当大数据营销性价比较高时，零售商的保守决策不利于制造商，此时产品绿色度、批发价格和制造商利润都比较低，且随着风险规避程度的增加逐渐降低。当大数据营销性价比较低时，较低区间内增加风险规避系数对零售商利润的增加具有正向作用，当大数据营销性价比增加时，零售商的风险规避行为对自身利润的增加只有负向作用。

2.3.2 考虑大数据营销努力水平的仅零售商风险规避分散决策下的供应链协调

该决策情景下，同样引入两部定价契约促使零售商增加大数据营销投资。此时，制造商和零售商的效用函数分别为:

(11)

θB2/2-ησ2(p-w-μcr)2-F

(12)

命题2两部定价契约下，当(w,F)=(wf2,Ff2)时，最优零售价格

均衡时制造商、零售商和供应链整体期望利润分别为

其中K=2θβ2b(b+2ησ2)-βα2(2θησ2+λ2)-θ(α2-βb)2,J=2θb+2θησ2-λ2。

推论7仅零售商风险规避协调决策下，两部定价契约能够提高大数据营销努力水平，在一定条件下，其不仅可实现制造商、零售商利润以及供应链整体期望利润的Pareto改进，而且还可提高产品绿色度。

推论7表明：在其他参数一定的情况下，两部定价契约能否实现供应链整体期望利润的协调受大数据营销效率因子和风险规避系数的影响。当两者都较小时，大数据营销的需求转化率较低，因此该契约的引入能够实现供应链整体期望利润的Pareto改进，但由于制造商和零售商是或趋近于是风险中性，因此制造商没有动力进行绿色产品研发[20]；当大数据营销效率因子较小但风险规避系数较大时，该契约同理能够实现供应链整体期望利润的Pareto改进，但由于零售商风险规避程度较高，因此，为了提高产品市场需求量，制造商有较强的动力增加对绿色产品研发的投入；当大数据营销效率因子较大时，由于大数据营销的需求转化率较高，一方面制造商利润低于协调之前的利润，另一方面，零售商参与契约的意愿较低，因此，无论风险规避系数取何值，两部定价契约都不能够实现供应链整体期望利润的Pareto改进，制造商更没有动力增加对绿色产品研发的投入。

3 数值分析

图1 λ、η对零售价格的影响

图2 λ、η对产品绿色度的影响

图3 λ、η对绿色供应链整体期望利润的影响

利用田口实验分别对双方风险中性分散决策下制造商期望利润和仅零售商风险规避分散决策下零售商期望利润决策进行正交实验设计和分析，采用下式进行信噪比的计算:

(13)

其中：xj为第j次参数组合设计的性能响应，m为参数设计的样本数量。

设计考虑大数据营销双方风险中性分散决策下的正交试验时，可控因素β和cm及不可控因素α和μ都使用L4(22)正交矩阵，不同水平取值在算例取值的基础上增减10%，分析得到该情境下制造商信噪比主效应图，如图4所示。

由图4可以看出，β对信噪比的影响最为显著，cm次之，且β和cm在低水平取值时的信噪比最大。因此，在双方风险中性分散决策下，制造商为提高期望利润，需注意数β的影响。

在设计考虑大数据营销仅零售商风险规避分散决策的正交试验时，可控因素a、λ2/θ、cr和η使用L8(24)正交矩阵，不可控变量b、μ和σ使用L4(23)正交矩阵，不同水平取值在算例的参数取值的基础上增减10%，得到该情境下零售商信噪比主效应图，如图5所示。可以看出，与λ2/θ、cr和η相比，a对信噪比的影响更为显著，a和λ2/θ在低水平取值时的信噪比最大，cr和η在低水平取值时的信噪比最大。

图4 双方风险中性分散决策下制造商信噪比的主效用图

图5 仅零售商风险规避分散决策下零售商信噪比的主效用图

4 结论与启示

4.1 研究结论

一是无论是集中决策、双方风险中性分散决策还是仅零售商风险规避分散决策，大数据营销的考虑不仅增加了产品绿色度，也增加了供应链的整体期望利润。二是较高的大数据营销效率因子对产品绿色度的提升和供应链整体期望利润的增加更为有利，从而较高大数据营销效率因子更易激发零售商对大数据营销的投资。三是在双方风险中性分散决策和仅零售商风险规避分散决策模型下，满足参数约束下的两部定价契约能够实现制造商主导下的供应链整体期望利润的Pareto改进，有效提高供应链整体期望利润。四是在双方风险中性分散决策下，绿色产品研发成本系数对制造商的期望利润影响较为显著，在仅零售商风险规避分散决策下，潜在市场需求量和风险规避系数对零售商的期望利润影响较为显著。

4.2 研究启示

首先，制造商要积极鼓励零售商进行大数据营销，不断挖掘大数据信息背后的消费者信息，间接引导消费者的绿色消费方式，生产出更加符合消费者需求的绿色产品；其次，政府部门要通过不断地宣传和推广，增强消费者的绿色消费理念，提高公民环保意识，同时加强对互联网、云计算和大数据等信息技术的扶持，降低企业对大数据营销投资的成本。最后，两部定价协调契约下，制造商尽可能通过规模经济降低绿色产品的生产成本，在保证收益的同时增加产品绿色度。

本研究仅考虑单一制造商和单一零售商构成的单渠道绿色供应链，并未考虑双渠道或者多渠道绿色供应链。其次，本文并未考虑政府补贴政策、环境规制等外部行为因素以及制造商风险规避行为因素对绿色供应链的影响。最后本文仅引入了两部定价契约对供应链进行协调，其他契约也可能对大数据背景下的绿色供应链协调研究同样具有重要影响。