品控机制下平台入驻模式及定价策略研究

The research project studies on decision making problems of retailing mode and pricing of online retail platform and platform supplier under quality control mechanism. With consideration to characteristics of the two-sided market, consumer heterogeneity, and cross-product spillover, the project explores the game between platform and platform supplier when B2C platform retail platform adjust or increase a measure of product quality control, research involves quality control strategy of platform for a single product, retailing mode selection of platform and platform supplier, product and service pricing under each model; retailing mode selection and pricing strategy for multiple products considering cross-product spillover; retailing mode selection and pricing strategy under dual platforms environment; retailing mode selection and pricing strategy facing unfavorable expectation. Results of the research will provide decision-making methods and references for quality management and operation strategy of e-commerce platform, and has practical significance for promoting the development of e-commerce enterprise.

本项目旨在研究品控机制下B2C电商平台和平台供应商的入驻模式和定价决策问题。项目考虑电商平台的双边市场特性、消费者异质性、跨商品溢出效应等特性，针对B2C电商平台在调整或提升品控尺度过程中电商平台和平台供应商的博弈问题展开研究，主要研究内容包括：针对单一商品，电商平台的品控策略、平台和平台供应商对入驻模式的选择决策、各种模式下的商品和服务定价决策；考虑多商品之间的跨商品溢出效应的入驻模式和定价策略；两平台环境下入驻模式和定价策略；不良预期环境下入驻模式和定价策略。研究成果将为电商平台的质量管理和运营策略提供决策方法和参考依据，对促进电商平台企业的健康发展具有一定的现实意义。

研究涉及四部分主要内容，包括：电商平台返利模式下零售商入驻和返利策略、专利许可权的OEM再制造模式和平台运营模式选择、基于Pair–wise排序的平台用户的兴趣点推荐方法、复杂系统的模块化方法。.第一部分研究了在电商平台返利销售中如何制定价格策略和返利策略，以及如何选择有效的与第三方返利平台的合作模式，研究工作通过对不同市场结构下网络商家与第三方返利平台合作模式的对比分析，探究电商平台返利模式下网络零售商的入驻模式选择、返利策略和最优价格策略。.第二部分研究针对平台不同佣金契约及特征，结合产品消费需求及企业均衡策略分析，在专利授权机制下选择最优再制造模式和平台佣金模式。研究工作基于运营管理、博弈论、单目标约束优化等理论方法，深入探讨了专利授权背景下OEM和平台的决策策略和模式选择问题，旨在为供应链成员提供科学决策依据。.第三部分工作研究了签到数据中用户偏好的表示和挖掘，以进行POI推荐。为了避免传统的Pair-wise数据构建方式切断了决策过程中多个选项之间的联系，影响了偏好学习的有效性。在工作中，我们将Pair-wise数据中负实例与正实例的比例改进为k:1，以确保数据构建符合真实的决策过程。并提出了一种新的负采样方法，将地理距离和POI分类距离共同考虑，以提高训练数据的质量。.同时还有一部分工作是关于复杂性系统的智能模块化方法。提出的方法可以用在用户画像和分类、舆情分析、和复杂软件系统的设计等领域。研究工作运用基于搜索的方法解决系统模块化问题。我们提出了一个新的模块化指标FCB来平衡高内聚和低耦合这两个标准，实验证明FCB指标比较合适作为基于搜索的算法的适应值函数，该指标能够有效的降低孤立集群的个数。