考虑有限理性的O2O餐饮外卖平台抽佣模式选择与定价策略分析

doi:10.16381/j.cnki.issn1003-207x.2024.2121

摘要/Abstract

摘要：

固定抽佣模式是一种按比例抽佣方法，而结构化抽佣模式则包含比例佣金和服务佣金两部分，二者均为O2O餐饮外卖平台的常用抽佣模式。本文假设消费者存在对配送费占餐费敏感的有限理性行为，分析消费者敏感度、订单距离分布、订单时段分布等因素对两种模式的影响。研究发现：（1）平台抽佣模式的选择与商家类型无关，但对不同商家定价时，不同因素造成的影响存在差异。（2）只有采用结构化抽佣模式时，才需要鼓励商家选择全域销售。（3）结构化抽佣模式下，平台应合理设定订单时段分布比例以避免受商家选择销售范围的影响过大。本文考虑了消费者有限理性行为因素，比较了不同因素对两种模式的影响，得出了两种模式的适用场景、各自的优势、劣势以及转换条件，同时，为平台在不同模式下的运营管理提供了相应建议。

关键词: 有限理性, O2O平台, 固定抽佣模式, 结构化抽佣模式, 定价策略

Abstract:

The fixed and structured commission models are the main O2O food delivery platform payment methods. Specifically， the Fixed Commission Model （FC）， dominant early in O2O food delivery， is simple and easy to operate. This model is still widely adopted in rural areas. Additionally， the fixed commission model can be further categorized into the Single Proportional Fixed Commission Model （SP） and the Multi-Proportional Fixed Commission Model （MP）. Under the SP model， the platform applies an identical commission rate across all food items. Conversely， under the MP model， the platform employs distinct commission rates for orders of varying distances， differentiating between those placed for nearby and far-off locations. The Structured Commission Model （SC）， a newly introduced commission approach by O2O food delivery platforms in recent years， takes into full consideration various key factors， including meal prices， delivery distances， and delivery time slots. Currently， this model is predominantly utilized in urban areas. The SC model primarily comprises two components： proportional commission and service commission. For the proportional commission， the platform charges a fee based on a certain percentage of the meal price. As for the service commission， it is imposed based on the sales territory and order time distribution chosen by the merchant. For O2O food delivery platforms， selecting an appropriate commission model in different business contexts is a pivotal concern that affects the platform's commercial sustainability， merchant cooperation loyalty， and the harmonious development of user consumption experiences.Based on bargaining power， O2O food merchants fall into two types： seller accept （SA） and seller design （SD）. SA merchants operate in a perfectly competitive market environment， where product prices are dictated by the market. This category specifically encompasses merchants who reference market average prices for their own pricing， franchise merchants required to adhere strictly to unified commodity circulation prices， and merchants maintaining consistent pricing both online and offline. In contrast， SD merchants， situated in a monopolistic competitive market environment， possess the capacity to set prices. Examples include merchants catering to high-end consumer groups and those employing differentiated pricing strategies across online and offline platforms.An interesting finding is that consumers' willingness to buy depends not just on meal prices but also on the meal-to-delivery fee ratio in the total price. This implies that when meal prices are equal， consumers prefer options with a lower delivery fee ratio. According to the theory of psychological accounting， this phenomenon arises because consumers categorize meal fees and delivery fees into distinct psychological accounts， leading to differing perceptions of value for the same monetary amount. Such behavior exemplifies bounded rationality in the context of O2O food delivery services. Now， how does this behavior impact the platform's selection of a commission model？ The existence of bounded rationality among consumers is postulated， characterized by sensitivity to the ratio of delivery fees to meal fees， and the extent of this impact is defined and quantified using the concept of consumer sensitivity. Against this backdrop， the most advantageous commission models are identified for the platform across various scenarios.The pricing negotiation sequence between the platform and merchants is as follows　The platform selects a commission model and sets rates. Subsequently， merchants determine the proportion of delivery fees within the total price， taking into account the platform's chosen commission model and rate. The platform's selection of the commission model and the set rate directly influence merchant profits， while merchants' decisions on delivery fee proportions， in turn， impact platform profits through demand. Consequently， a game relationship emerges， with platforms taking the lead and merchants following suit. Commission scenarios are classified by platform models and merchant types， building Stackelberg models for each. From these models， the optimal decisions and profits for both platforms and merchants are derived. Drawing on the optimal decisions and profits of the platform， a comparative analysis of the revenue performance of two commission models is conducted， as well as the influence of factors such as consumer sensitivity， order distance distribution， and order time distribution on these models.It is found by the study that　1） Commission mode selection on the platform is not impacted by merchant type， but the pricing impact of different factors varies. 2） Only with a structured commission model is merchant encouragement for global sales needed. 3） Under the structured commission model， the distribution ratio of order time periods should be reasonably set by the platform to avoid being greatly affected by the merchant's choice of sales scope.

Key words: consumer behavior, O2O food delivery platform, fixed commission model, structured commission model, pricing strategy

中图分类号:

F270

谭欣玥,唐加福,李婷婷. 考虑有限理性的O2O餐饮外卖平台抽佣模式选择与定价策略分析[J]. 中国管理科学, 2026, 34(8): 127-138.

Xinyue Tan,Jiafu Tang,Tingting Li. Analysis of O2O Food Delivery Platform Commission Model Selection and Pricing Strategy Considering Bounded Rationality[J]. Chinese Journal of Management Science, 2026, 34(8): 127-138.

图/表 16

图1

表1

场景分类"

模式		固定抽佣模式 (FC)		结构化抽佣模式 (SC)
模式		单比例 (SP)	多比例 (MP)	餐费与价格阈值关系	近距离销售	全域销售
商家类型	价格接受者 (SA)	SPA场景	MPA场景	$p 1 ≤ θ p$	ALN场景	ALF场景
	价格接受者 (SA)	SPA场景	MPA场景	$p 1 θ p$	AHN场景	AHF场景
	价格制定者 (SD)	SPD场景	MPD场景	$p 1 ≤ θ p$	DLN场景	DLF场景
	价格制定者 (SD)	SPD场景	MPD场景	$p 1 θ p$	DHN场景	DHF场景

表1

表2

相关符号与含义"

属性	符号	含义	符号	含义
索引集合	$i$	$i = L$ ：餐费低于价格阈值( $p 1 ≤ θ p$ )； $i = H$ ：高于价格阈值( $p 1 θ p$ )	$j$	$j = N$ ： $a$ 千米内订单； $j = F$ ： $a$ 千米外订单
索引集合	$t$	$t = G$ ：普通时段； $t = R$ ：高峰时段	$k$	$k = A$ ：SA商家； $k = D$ ：SD商家
参数	$m$	O2O餐饮外卖消费者基数	$δ$	消费者对配送费与餐费比例的敏感度
	$μ$	需求的价格弹性( $μ ≥ 0$ )	$d j$	每单平台配送成本
	$η j$	近/远距离订单量比例( $η N + η F = 1$ )	$τ t$	普通/高峰时段单量比例( $τ G + τ R = 1$ )
阈值	$a$	距离阈值	$θ p$	价格阈值
决策变量	$α$	价格抽佣比例	$β$	配送费占总价比例（ $β = p 2 / p$ ）
决策变量	$F (j)$	服务佣金总额	$α t j$	距离+时段服务费
中间变量	$p 2$	配送费( $p 2 = β p$ )	$p 1$	餐费( $p 1 = 1 - β p$ )
	$c o$	平台价格抽佣成本	$c m$	商家生产成本
	$D$	总订单量	$π$	商家收益
	$p$	消费者实际支付价格 $p = p 1 + p 2$	$Π$	平台收益

表2

图2

图3

表3

不同模式下平台均衡利润"

模式	商家类型
模式	价格接受者(SA)	价格制定者(SD)
单比例固定抽佣模式	$Π S P A * = p - d ¯ 2 m - μ p + δ 4 p$	$Π S P D * = p 1 m + δ - μ p 1 + δ d ¯ 2 8 p 1 μ p 1 + δ$
多比例固定抽佣模式	$Π M P A * = m - μ p + δ p - d N 2 η N + p - d F 2 η F 4 p$	$Π M P D * = p 1 m + δ - d ¯ μ p 1 + δ 2 + d F - d N μ p 1 + δ 2 η N η F 8 p 1 μ p 1 + δ$
结构化抽佣模式	$Π A L N * = p - d N 2 m - μ p + δ η N 4 p + F N$	$Π D L N * = d N δ - p 1 m - μ d N + δ 2 η N 8 p 1 μ p 1 + δ + F N$
	$Π A L F * = p - d ¯ 2 m - μ p + δ 4 p + F F$	$Π D L F * = p 1 m + δ - μ p 1 + δ d ¯ 2 8 p 1 μ p 1 + δ + F F$
	$Π A H N * = p - d N 2 m - μ p + δ η N 4 p + F N$	$Π D H N * = d N δ - p 1 m - μ d N + δ 2 η N 8 p 1 μ p 1 + δ + F N$
	$Π A H F * = ∑ j = N, F p - d j 2 η j m - μ p + δ 4 p + F F$	$Π D H F * = ∑ j = N, F d j 2 η j μ p 1 + δ 2 + p 1 2 m + δ 2 8 p 1 μ p 1 + δ - d ¯ m + δ 4 + F F$

表3

图4

图5

表4

不同场景下平台模式选择建议"

场景		价格接受者(SA)商家	价格制定者(SD)商家
餐费与价格阈值关系	餐费低于价格阈值( $p 1 ≤ θ p$ )	当 $m ≤ Γ 1$ 时，鼓励商家选择近距离销售当 $m Γ 1$ 时，鼓励商家选择全域销售当 $m ≤ Γ 2$ 时，选择结构化抽佣模式当 $m Γ 2$ 时，选择固定抽佣模式	鼓励商家全域销售当 $m ≤ Γ 3$ 时，选择结构化抽佣模式当 $m Γ 3$ 时，选择固定抽佣模式
餐费与价格阈值关系	餐费高于价格阈值( $p 1 θ p$ )	当 $m ≤ Γ 1'$ 时，鼓励商家选择近距离销售当 $m Γ 1'$ 时，鼓励商家选择全域销售当 $m ≤ Γ 2'$ 时，选择结构化抽佣模式当 $m Γ 2'$ 时，选择固定抽佣模式	鼓励商家全域销售当 $m ≤ Γ 3'$ 时，选择结构化抽佣模式当 $m Γ 3'$ 时，选择固定抽佣模式
订单距离分布	订单全部位于近距离范围 ( $η N = 1$ )		选择结构化抽佣模式
	订单按比例分布 ( $0 η N 1$ )		根据消费者基数选择抽佣模式
	订单全部位于远距离范围 ( $η N = 0$ )		根据消费者基数选择抽佣模式
平台发展阶段	进入期平台（消费者基数较小）		选择结构化抽佣模式
平台发展阶段	成熟期平台（消费者基数较大）		固定抽佣模式下，鼓励商家选择近距离销售；结构化抽佣模式下，鼓励商家选择全域销售。

表4

表5

模式转化条件"

序号	条件	场景
(1)	$F j = 0$	AHF、DLF
(2)	$F j = 0$ 、 $η N = 1$	全部场景
(3)	$F j = 0$ 、 $η N = 0$	ALF、DHF
(4)	$d F = d N$	ALF、DHF

表5

图6

图7

图8

图9

表6

表7

参考文献 17

[1]	罗健，唐加福，于清雅，等. O2O外卖商圈划分及顾客需求分布规律发现［J］. 中国管理科学， 2023， 31（3）： 58-68.
	Luo J， Tang J F， Yu Q Y， et al. The division of O2O takeaway business zone and discovery of customer demand distribution law［J］. Chinese Journal of Management Science， 2023， 31（3）： 58-68.
[2]	赵道致，陈慢慢. 考虑用户时间敏感的云制造平台定价策略研究［J］. 管理学报， 2021， 18（2）： 262-269.
	Zhao D Z， Chen M M. Research on pricing strategy of cloud manufacturing platform considering time-sensitive customers［J］. Chinese Journal of Management， 2021， 18（2）： 262-269.
[3]	Li J， Zheng Y， Dai B， et al. Implications of matching and pricing strategies for multiple-delivery-points service in a freight O2O platform［J］. Transportation Research Part E： Logistics and Transportation Review， 2020， 136： 101871.
[4]	钟琦，曲冠桥，唐加福. O2O外卖价格促销策略对消费者购买意愿的影响研究［J］. 中国管理科学， 2024， 32（2）： 254-264.
	Zhong Q， Qu G Q， Tang J F. Research on the influence of O2O take-out promotion strategy on Consumers’Purchase intention［J］. Chinese Journal of Management Science， 2024， 32（2）： 254-264.
[5]	杨雪，刘晓峰. 复合型电商平台双渠道售后服务定价策略研究［J］. 价格理论与实践， 2020（11）： 132-135+184.
	Yang X， Liu X F. Research on pricing and cooperation strategy of dual-channel after-sales service for compound E-commerce platform［J］. Price （Theory Practice）， 2020（11）： 132-135+184.
[6]	贾俊秀，孟庆钦，吴涛. 考虑电商平台潜在需求信息共享的促销及定价策略研究［J］. 管理学报， 2021， 18（10）： 1562-1572.
	Jia J X， Meng Q Q， Wu T. Promotion and pricing considering E-commerce platforms' potential demand information sharing［J］. Chinese Journal of Management， 2021， 18（10）： 1562-1572.
[7]	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.
	Zhong L， Ai X Z， Ding X F. The pricing and incentive contract design with the product performance improvement of “hardware/software” platform［J］. Chinese Journal of Management Science， 2022， 30（11）： 343-351.
[8]	胡韩莉，曹裕，吴堪. 基于预售的生鲜供应链销售模式选择与定价研究［J］. 运筹与管理， 2022， 31（11）： 128-134.
	Hu H L， Cao Y， Wu K. Selection and pricing of fresh supply chain sales model based on pre-sale［J］. Operations Research and Management Science， 2022， 31（11）： 128-134.
[9]	Ho T H， Zhang J. Designing pricing contracts for boundedly rational customers： Does the framing of the fixed fee matter？［J］. Management Science， 2008， 54（4）： 686-700.
[10]	Ren H， Huang T. Modeling customer bounded rationality in operations management： A review and research opportunities［J］. Computers Operations Research， 2018， 91： 48-58.
[11]	官振中，段宛伶，赵娜. 焦虑情绪下策略性消费者受网络外部性影响的零售商定价策略［J］. 工业工程与管理， 2023， 28（6）： 131-144.
	Guan Z Z， Duan W L， Zhao N. Optimal pricing strategies of strategic consumers affected by network externalities under anxiety［J］. Industrial Engineering and Management， 2023， 28（6）： 131-144.
[12]	王兆华，李昊，张斌. 消费者有限理性差异对供应商最优产品定价的影响：一个双层群体博弈模型［J］. 系统工程理论与实践， 2022， 42（1）： 144-154.
	Wang Z H， Li H， Zhang B. The impact of bounded rational differences in consumers on suppliers' product pricing： A two-level population game model［J］. Systems Engineering —Theory Practice， 2022， 42（1）： 144-154.
[13]	Thaler R. Mental accounting and consumer choice［J］. Marketing Science， 1985， 4（3）： 199-214.
[14]	Thaler R H. Mental accounting matters［J］. Journal of Behavioral Decision Making， 1999， 12（3）： 183-206.
[15]	哈尔∙R. 微观经济学：现代观点［M］. 上海：格致出版社， 2015.
	Varian H R. Microeconomics： A modern perspective［M］. Shanghai： Truth Wisdom Press， 2015.
[16]	Heath C， Soll J B. Mental budgeting and consumer decisions［J］. Journal of Consumer Research， 1996， 23（1）： 40-52.
[17]	Tang C S. A review of marketing–operations interface models： From co-existence to coordination and collaboration［J］. International Journal of Production Economics， 2010， 125（1）： 22-40.

		固定抽佣模式 (MP)	结构化抽佣模式 (SC)
模式特点对比	抽佣构成	比例抽佣	比例抽佣+服务佣金
	操作复杂性	简单	较复杂
	当前应用区域	乡村地区	城市地区
	考虑场景因素	单比例固定抽佣模式：价格多比例固定抽佣模式：价格、距离	价格、距离、时段
模式适用场景	消费者基数	平台消费者基数较大时，且商家选择近距离销售	平台消费者基数较小时平台消费者基数较大时，且商家选择全域销售
	消费者敏感度	消费者敏感度变化较小，且无法预测商家选择的销售范围时	消费者敏感度变化较大时
	订单距离分布	近距离范围订单比例较低时	近距离范围订单比例较高时