考虑负网络效应的产品线动态定价研究

doi:10.16381/j.cnki.issn1003-207x.2021.0090

摘要/Abstract

摘要：

平台经济中产品表现出来的网络效应特性已经对产品线设计和定价产生了重要影响，负网络效应对产品线定价的影响日益重要。本文从负网络效应视角，考虑不同销售阶段销量变化对顾客选择行为的影响，研究产品线的动态定价问题，基于适用性较好的MNL模型，分析产品的网络效应特性，建立产品线的动态定价模型，研究产品线的动态定价、市场份额和企业利润的最优决策。首先，理论证明了产品线的利润函数关于市场份额是凹函数；其次，获得单个产品、同质产品和异质产品的最优定价、最优市场份额和最大利润的最优解；最后，通过数值仿真，阐明了产品线定价中考虑负网络效应的重要性，验证了本文模型具有较好的鲁棒性，企业能够获得更优的市场份额和利润。研究成果可以为具有负网络效应产品的企业在产品线设计和定价方面提供理论依据和决策参考。

关键词: 产品线设计, 动态定价, MNL模型, 网络效应, 鲁棒性

Abstract:

With the increasingly competitive business， in order to better meet the consumer demand of customer groups and obtain greater market share， product line design and optimization have become an urgent problem for enterprises. Successful product line design can provide rich and differentiated products， reduce development costs， expand market share， increase profits and enhance competitive advantage. In the complex and changeable market environment， the reasonable pricing of product line can effectively solve the problem of substitution between external market environment and internal product line. Due to the variability of market environment and the time-varying of customer demand， the dynamic pricing of product line is an important decision-making problem in product line optimization design. Aiming at the negative network effect in platform economy， the dynamic pricing problem of product line is studied considering the influence of sales volume change in different sales stages on customer choice behavior. The dynamic pricing of product line is studied from the perspective of negative network effects. Based on MNL model with good applicability， the dynamic pricing model of product line， which considers the network effect characteristics of products， is established to study the dynamic pricing of product line， the optimal market share and the optimal decision of the maximum profit of the enterprise.The MNL model with negative network effect is used to simulate the choice behavior of customers in dynamic product line pricing problem. In the utility function of customers， a network effect term composed of network effect coefficient and product sales volume is added. That is： $v t i = y i - p t i + α i x t i$ ， $x t i$ is the total sales volume of product from the first period to $t$ period （ $x t i = ∑ k = 1 t q k i$ ， where $q k i$ is the sales volume of product i in k period， i.e. sales probability）； $α i$ is the network effect parameter of the product， which indicates the degree to which the utility obtained by customers purchasing product $i$ is affected by the total sales volume of product $i$ .In different cases of developing single product， homogeneous product and heterogeneous product， it is proved that the return function is concave with respect to market share when considering network effect， and the analytic solutions of dynamic optimal price， optimal market share and optimal return are given respectively.Finally， through numerical simulation， the importance of considering negative network effect in product line pricing is illustrated， the robustness of the model is verified， and enterprises can obtain better market share and profit. The research results can provide theoretical basis and decision-making reference for enterprises with negative network effect products in product line design and pricing.

Key words: product line design, dynamic pricing, MNL model, network effects, robustness

中图分类号:

F274

刘旭旺,朱成娜,雒兴刚,齐微. 考虑负网络效应的产品线动态定价研究[J]. 中国管理科学, 2023, 31(9): 127-136.

Xu-wang LIU,Cheng-na ZHU,Xing-gang LUO,Wei Qi. Dynamic Pricing of Product Line Considering Negative Network Effect[J]. Chinese Journal of Management Science, 2023, 31(9): 127-136.

图/表 12

图1

图2

表1

单个产品最大利润随网络效应参数的变化"

$α$	0	-2.25	-2.4	-2.5	-2.6	-2.75	-2.9	-3
$π$	29.2	98.3	64	52.8	49	45	39.2	36.9

表1

图3

图4

表2

网络效应同向变化对异质产品整个周期最大利润的影响"

$α 1$	0	-4.7	-4.75	-4.8	-4.85	-4.9	-4.95	-5
$α 2$	0	-5.7	-5.75	-5.8	-5.85	-5.9	-5.95	-6
$π$	0.73	380.14	296.96	244.02	207.35	180.45	159.87	1461

表2

表3

网络效应异向变化对异质产品整个周期最大利润的影响"

$α 1$	0	-5	-4.95	-4.9	-4.85	-4.8	-4.75	-4.7
$α 2$	0	-5.7	-5.75	-5.8	-5.85	-5.9	-5.95	-6
$π$	0.73	207.16	206.72	206.78	207.35	208.44	210.07	212.25

表3

表4

网络效应相同对异质产品整个周期最大利润的影响"

$α 1$	0	-5.2	-5.3	-5.4	-5.5	-5.6	-5.7	-5.8
$α 2$	0	-5.2	-5.3	-5.4	-5.5	-5.6	-5.7	-5.8
$π$	0.73	452.21	271.48	194.27	151.83	124.96	106.36	119.31

表4

表5

单个产品利润的鲁棒性"

$α ?$	-2.9	-3	-1	-2	-3	-4
$α = - 3$
$π ?$	37838	32.2952	31.1661	30.2931	29.6044	29.0525
$l$	0.05	0	0.03	0.06	0.08	0.1
$α = - 3.3$
$π ?$	31.2543	29.8762	28.8327	28.0250	27.3877	26.8773
$l$	0.14	0.09	0.05	0.02	0	0.02

表5

表6

两个异质产品利润的鲁棒性（I）"

$α 1 ?$	-4.795	-4.8	-4.805	-4.81	-4.815	-4.82
$α 2 ?$	-5.795	-5.8	-5.805	-5.81	-5.815	-5.82
$α 1 = - 4.8$ $α 2 = - 5.8$
$π$	237.75	244.02	229.80	226.03	222.39	218.87
$l$	0.026	0	0.058	0.074	0.088	0.103
$α 1 = - 4.815$ $α 2 = - 5.815$
$π$	247.71	244.03	239.42	235.49	231.69	228.04
$l$	0.069	0.053	0.033	0.016	0	0.016

表6

表7

两个异质产品利润的鲁棒性（II）"

$α 1 ?$	-4.795	-4.8	-4.805	-4.81	-4.815	-4.82
$α 2 ?$	-5.82	-5.815	-5.81	-5.805	-5.8	-5.795
$α 1 = - 4.8$ $α 2 = - 5.815$
$π$	237.98	237.86	237.76	237.65	237.56	237.46
$l$	0.0005	0	0.0004	0.0009	0.001	0.002
$α 1 = - 4.815$ $α 2 = - 5.8$
$π$	237.97	237.85	237.74	237.64	237.54	237.45
$l$	0.002	0.001	0.0008	0.0004	0	0.0004

表7

表8

两个异质产品网络效应参数相同时利润的鲁棒性"

$α 1 ?$	-5.195	-5.2	-5.205	-5.21	-5.215	-5.22
$α 2 ?$	-5.195	-5.2	-5.205	-5.21	-5.215	-5.22
$α 1 = - 5.2$ $α 2 = - 5.2$
$π$	472.12	456.21	441.38	427.53	414.55	402.37
$l$	0.034	0	0.032	0.062	0.091	0.118
$α 1 = - 5.215$ $α 2 = - 5.215$
$π$	471.03	455.17	440.38	426.56	4162	401.46
$l$	0.138	0.100	0.064	0.031	0	0.029

表8

参考文献 27

1	Kraus U G， Yano C A. Product line selection and pricing under a share-of-surplus choice model ［J］. European Journal of Operational Research， 2003， 150（3）： 653-671.
2	Burkart W R， Klein R， Mayer S. Product line pricing for services with capacity constraints and dynamic substitution ［J］. European Journal of Operational Research， 2012， 219（2）： 347-359.
3	Bechler G， Steinhardt C， Mackert J， et al. Product line optimization in the presence of preferences for compromise alternatives ［J］. European Journal of Operational Research， 2021， 288（3）： 902-917.
4	Li Hongmin， Huh W T. Pricing multiple products with the multinomial logit and nested logit models： concavity and implications［J］. Manufacturing & Service Operations Management， 2011， 13（4）： 549-563.
5	Li Hongmin， Webster S， Yu Gwangjae. Product design under multinomial logit choices： optimization of quality and prices in an evolving product line［J］. Manufacturing & Service Operations Management， 2020， 22（5）： 1011-1025.
6	Dong Lingxiu， Kouvelis P， Tian Zhongjun. Dynamic pricing and inventory control of substitute products［J］. Manufacturing & Service Operations Management， 2009， 11（2）： 317-339.
7	Gallego G， Li Michael Z F， Liu Yan. Dynamic nonlinear pricing of inventories over finite sales horizons ［J］. Operations Research， 2020， 68（3）： 655-670.
8	Koch S， Klein R. Route-based approximate dynamic programming for dynamic pricing in attended home delivery［J］. European Journal of Operational Research， 2020， 287（2）： 633-652.
9	Aydin R， Badurdeen F. Sustainable product line design considering a multi-lifecycle approach［J］. Resources Conservation and Recycling， 2019， 149： 727-737.
10	Golrezaei N， Nazerzadeh H， Randhawa R S. Dynamic pricing for heterogeneous time-sensitive customers［J］. Manufacturing & Service Operations Management， 2020， 22（3）： 562-581.
11	Du Chenhao， Cooper W L， Wang Zizhuo. Optimal pricing for a multinomial logit choice model with network effects［J］. Operations Research， 2016， 64（2）： 441-455.
12	刘晓峰，黄沛，杨雄峰. 具有网络外部性的双寡头市场的动态定价策略［J］. 中国管理科学， 2007（1）： 94-98.
	Liu Xiaofeng， Huang Pei， Yang Xiongfeng. Optimal dynamic pricing in the presence of network externalities of the duopolistic marketing ［J］. Chinese Journal of Management Science， 2007，01：94-98.
13	Wang Ruxian， Wang Zizhuo. Consumer choice models with endogenous network effects ［J］. Management Science， 2017， 63（11）： 3944-3960.
14	Bandwagon Leibenstein H.， snob， and veblen effects in the theory of consumers' demand ［J］. Quarterly Journal of Economics， 1950， 64（2）： 183-207.
15	Bloch F， Quérou N. Pricing in social networks［J］. Games and Economic Behavior， 2013， 80： 243-261.
16	Ozan C， Kostas B， Asuman O. Optimal pricing in networks with externalities［J］. Operations Research， 2012， 60（4）： 883-905.
17	Zhang Zan， Guofang Nan， Li Minqiang， et al. Duopoly pricing strategy for information products with premium service： free product or bundling？［J］. Journal of Management Information Systems， 2016， 33（1）： 260-295.
18	Bernard B， Jean-Philippe L. Dynamic monopoly pricing with network externalities［J］. International Journal of Industrial Organization， 1996， 14（6）： 837-855.
19	Sun Baohong， Xie Jinhong， Cao H Henry. Product strategy for innovators in markets with network effects ［J］. Marketing Science， 2004， 23（2）： 243-254.
20	王玮，陈丽华. 网络效应下创新企业的最优产品策略［J］. 中国管理科学， 2014， 22（S1）： 560-565.
	Wang Wei， Chen Lihua. Optimal product strategy for the innovator in markets with network effects［J］. Chinese Journal of Management Science， 2014， 22（S1）：560-565.
21	Qi Wei， Luo Xinggang， Liu Xuwang， et al. Product line pricing under marginal moment model with network effect［J］. Complexity， 2019（3）： 1-13.
22	McFadden D. Conditional logit analysis of qualitative choice behavior frontiers in econometrics［M］. New York： Academic Press， 1974.
23	Daniel M， Kenneth T. Mixed MNL models for discrete response［J］. Journal of Applied Econometrics， 2000， 15（5）： 447-470.
24	Catalani M， Zamparelli S. Maritime transport of oil and routing management［J］. Journal of Traffic and Transportation Engineering， 2017（5）： 117-123 .
25	Newman J P， Ferguson M E， Garrow L A， et al. Estimation of choice-based models using sales data from a single firm［J］. Manufacturing & Service Operations Management， 2014， 16（2）： 184-197.
26	牟博佼，肖勇波，陈剑. 基于MNL选择模型的替代产品定价和库存决策研究［J］. 中国管理科学， 2010， 18（3）： 25-32.
	Mou Bojiao， Xiao Yongbo， Chen Jian. Pricing and inventory decisions for substitutable products based on mnl customer choice model［J］. Chinese Journal of Management Science， 2010， 18（3）：25-32.
27	Corless R M， Gonnet G H， Hare D E G， et al. On the Lambert W function［J］. Advances in Computational Mathematics， 1996（5）： 329-359 .

[1]	刘靓晨, 翟昕. 面对策略型消费者的企业最优创新与定价策略[J]. 中国管理科学, 2023, 31(4): 56-65.
[2]	吴志樵, 康亚玲, 罗健, 唐加福. 活跃度与补贴对O2O平台需求的影响机理及优化策略[J]. 中国管理科学, 2023, 31(2): 173-181.
[3]	马东升, 宋华明, 赵金晓, 朱彦如. 服务差异化电商平台基于行为的定价策略及契约模式研究[J]. 中国管理科学, 2023, 31(2): 215-225.
[4]	赵大萍, 柏林, 房勇, 汪寿阳. 基于投资者观点的鲁棒性投资组合选择模型[J]. 中国管理科学, 2022, 30(9): 1-9.
[5]	单汩源, 王建江, 别黎. 基于自适应大邻域搜索的鲁棒多项目调度方法[J]. 中国管理科学, 2022, 30(9): 217-231.
[6]	李胃胜, 陈杰, 陈志祥. 多重随机环境下跨国采购和定价联合决策模型[J]. 中国管理科学, 2022, 30(6): 45-55.
[7]	胡玉生, 李金林, 张文思, 赵天. 可加效用下基于消费者惰性的易逝品动态定价[J]. 中国管理科学, 2022, 30(6): 99-105.
[8]	刘征驰, 马滔, 叶宇阳. 隐匿价值、社群学习与知识付费动态定价[J]. 中国管理科学, 2022, 30(6): 244-253.
[9]	马志强, 徐小峰, 何正文, 王能民. 复杂不确定环境下活动可拆分的项目资源鲁棒性调度优化[J]. 中国管理科学, 2022, 30(3): 117-130.
[10]	周建亨, 李晴晴, 徐孝蕾. 引入策略型消费者遗憾心理的时尚产品定价策略[J]. 中国管理科学, 2022, 30(11): 117-126.
[11]	钟丽,艾兴政, 丁雪峰. 基于“硬件/软件”平台产品性能改进的定价策略与激励合同研究[J]. 中国管理科学, 2022, 30(11): 343-351.
[12]	王旭坪, 樊文平, 阮俊虎, 孙自来. 考虑纵向持股的现代农业供应链运营决策与协调优化研究[J]. 中国管理科学, 2022, 30(10): 165-176.
[13]	刘海英, 毕文杰. 考虑消费者参照效应与策略行为的多产品动态定价[J]. 中国管理科学, 2022, 30(1): 136-142.
[14]	李贺, 林钟高, 吴金南. 存在战略购买需求的定价、供给、机制选择和配给研究[J]. 中国管理科学, 2021, 29(3): 153-167.
[15]	叶欣, 周艳菊. 考虑商誉的双渠道供应链动态定价与联合减排策略[J]. 中国管理科学, 2021, 29(2): 117-128.