考虑签约模式和消费者偏好的直播双渠道供应链定价决策

梁喜　徐梦

摘要：在制造商拥有传统零售渠道和直播电商渠道的双渠道供应链中，引入消费者对直播电商渠道的偏好参数，探讨直播电商平台跟主播签约与不签约两种模式中相关参数对供应链成员定价及利润的影响。结果表明，在不签约和签约两种模式中，随着消费者对直播电商渠道偏好的增加，制造商的利润先减少后增加，直播电商平台利润会增加；随着主播佣金比例的增加，制造商利润会减小，直播电商平台利润会增加；随着直播电商平台抽成比例的增加，制造商利润不受影响，直播电商平台利润会增加。在签约模式下，随着直播电商平台营销努力水平的增加，制造商的利润会增加，只有当营销努力成本较低时，直播电商平台利润才会增加。相对于不签约模式，制造商利润在签约模式下始终更高，只有当消费者对直播电商渠道偏好较大且直播电商平台的抽成比例较高时直播电商平台的利润才更高。

关键词：消费者渠道偏好；直播电商双渠道；平台营销努力；佣金

一、引言

2020年，疫情导致传统实体店受到重创，为解决产品库存积压问题以及寻求新的出路，直播带货应运而生。直播带货不仅是一种新型的营销手段，在某种程度上对品牌也起到了一定的宣传作用。相比于电商平台的网络分销及代销渠道，直播电商渠道打通了消费者与制造商之间的交流互动通道，主播的在线展示与答疑也让消费者对产品的了解更加直接与深入；相比于传统零售渠道，直播电商渠道具有方便快捷、价格低廉、新颖有趣等优势，吸引了越来越多的消费者涌入直播间进行消费。目前淘宝、拼多多、京东等电商平台开启了商家及主播带货模式，抖音、快手、西瓜等短视频平台也纷纷引入网红和明星加入直播带货行列。根据第47次《中国互联网络发展统计报告》显示，截至2020年12月，我国网络直播用户规模达6.17亿，较2020年3月增长5703万，其中，电商直播用户规模为3.88亿，较2020年3月份增长1.23亿。由于直播带货发展的过于迅速，带货能力较强的主播较为稀缺，直播电商平台会考虑与主播进行签约，同时也会付出签约费用及营销努力。對于直播电商平台来说，在什么条件下与主播签约能够达到提升收益的目的？对于制造商来说，开通直播电商渠道后，对传统零售渠道会产生怎样的影响？这些都是目前直播带货模式给供应链成员亟待解决的问题。

已有关于直播服务供应链的研究文献主要关注直播卖家留住客户的方法、主播是否加入工会联盟、直播电商对消费者购买意愿及信任的影响、直播平台最优抽成比例以及盈利不足的原因、直播商业模式对企业的利润影响、直播电商在农产品销售中的作用和问题等方面。Wongkitrungrueng等使用混合定量和定性方法，分析直播卖家在获取和留住客户方面采用的四种销售方法和十二种策略。Wang等构建了直播工会联盟与主播之间的博弈模型，研究工会联盟薪酬机制对主播选择是否加入工会联盟的影响及主播在两种选择中最优的努力决策。Sun等从 IT 可供性的方面构建了理论模型，研究直播对消费者购买意愿的影响情况。Ming等研究了直播平台、观众、直播和网友的社交临场感如何影响消费者信任和购买冲动。郑森圭等在委托代理模式中研究签约与不签约两种模式中直播平台打赏的最优抽成比例并探讨目前市场上直播平台盈利不足的主要原因。刘运国等从成本动因和收入动因两个方面探究了虎牙游戏采用互联网直播商业模式对企业利润的影响。王玉霞等发现直播电商是农产品销售新的契机，并分析了直播电商带动农产品销售的运作流程、模式及存在的问题。丁佳敏等探讨了餐饮O2O外卖顾客信任受到网络直播的影响，研究发现顾客信任随着网络直播的内容、主体、方式、时间、次数增加而加强。刘佳等通过对选择网络直播购物的消费者问卷调查发现随着消费者感知产品质量及感知产品价值的增加，消费者购买意愿也会随之增加。

已有关于双渠道供应链的研究文献主要关注渠道选择、定价决策，相关参数对双渠道的影响以及开通双渠道的条件。Chen等研究发现制造商引入直销渠道可以提高制造商和供应链的利润，当零售渠道中销售额较高时，对传统零售商也是有利的。Wang等研究发现传统零售商双渠道模式比制造商双渠道模式吸引消费者选择在线渠道。Yu等构建制造商直接渠道和间接渠道的双渠道供应链模型，比较分析间接渠道分别为分销及代销时消费者渠道偏好差距对制造商双渠道结构选择的影响。Chen等在集中于分散模型中引入零售服务、制造商的直接服务和质量努力，得到供应链成员的最优均衡解。Zhang等研究拥有间接分销渠道与直销渠道的制造商分别在双渠道中销售高、低质量产品，发现产品类型决定了制造商的最佳分销策略。周建亨等研究了线下渠道产品体验度及双渠道质量配置差异对拥有线下零售渠道的制造商开通直销渠道的影响。梁喜等等分析了价格竞争系数、网上直销成本和佣金比例系数对网上直销双渠道、网上分销双渠道和网上代销双渠道定价、利润的影响，通过比较分析得到最优渠道选择及其临界值。黄甫等比较了传统单一零售渠道模型、双渠道集中决策模型和双渠道分散决策模型的定价，产品质量及利润，得到供应链成员最优渠道选择及定价决策。张霖霖等在不同权力结构的双渠道结构中，研究市场潜在需求和各自渠道市场份额对双渠道统一定价的影响。钟玲等研究了风险对冲机制对制造商开通直销渠道的影响，并得到供应链成员的最优定价及利润。

综上所述，在直播服务供应链的现有文献中，出于简化模型均只考虑直播电商单一渠道结构，尚未发现有文献在双渠道结构下研究直播服务供应链的决策问题；在双渠道供应链的现有文献中，主要关注直销、分销及代销双渠道结构，尚未发现有文献考虑直播电商渠道的双渠道供应链决策问题。因此，本文在双渠道供应链研究框架下，构建由制造商主导的传统零售渠道和直播电商渠道并存的直播双渠道供应链系统，引入消费者对直播电商渠道的偏好参数、主播和电商平台的佣金比例参数以及电商平台的营销努力水平，探讨直播电商平台与主播是否签约两种模式下的直播双渠道供应链定价决策问题，旨在为制造商和直播电商平台优化决策提供理论指导和借鉴。

二、模型描述和基本假设

（一）模型描述

本文研究由一个制造商、一个传统零售商、一个主播及一个直播电商平台组成的直播电商双渠道供应链，制造商在传统零售渠道的基础上引入直播电商渠道，其中制造商只生产一种产品。直播电商双渠道直播电商平台跟主播之间的关系根据模式的不同分为不签约和签约两种，直播电商平台通过比较两种模式的利弊来选择是否与主播签约。

不签约模式是指在直播电商双渠道中，直播电商平台不与主播签约，此时，直播电商平台不会为主播提供营销努力。主播的利润来源于制造商支付的固定费用，也称“坑位费”，以及主播从制造商处获得一定比例的佣金，该佣金可理解为利润分成，直播电商平台的收入来源为主播带货利益抽成。

签约模式是指在直播电商双渠道中，直播电商平台与主播签约，主播除了从制造商处获得的“坑位费”、佣金外，还有从直播电商平台获得的固定签约费，在签约模式下，直播电商平台会为主播直播带货提供营销努力，如通过在平台内进行算法匹配消費者推送、热门推荐位等对主播直播带货进行宣传。在平台外通过广告宣传等对主播直播带货进行宣传。直播电商平台的收入同样来源于主播带货的利润抽成，但由于一般选择签约的主播带货转化率较强，且签约后直播电商平台会提供营销努力，选择签约在一定范围内能够提高直播电商渠道的需求，增加直播电商平台收益。供应链结构图如图1所示。

（二）基本假设

1.A表示市场上产品的潜在总需求量。

2.θ表示消费者对直播电商渠道的偏好，1-θ表示消费者对传统零售渠道偏好，0＜θ＜1。

3.k表示不同渠道间的价格交叉弹性系数，0<k<1。

4.s表示签约模式中，直播电商平台提供的营销努力水平。

5.τ表示签约模式中，直播电商平台所提供营销努力的弹性系数，0＜τ＜1。

6.η表示在签约模式中，直播电商平台提供的营销努力的成本系数，0＜η＜1，参照，营销努力成本为c（s）=■ηs2。

7.α表示主播从制造商处获得的佣金比例，取0＜α＜1。

8.T表示主播从制造商处获得的固定服务费用，即“坑位费”。

9.β表示直播电商平台从直播所获佣金中提取的抽成，即抽成比例，取0＜β＜1。

10.F表示签约模式中，直播电商平台支付给主播的固定签约费用。

11.c表示制造商单位销售成本，为简化计算，假设c=0。

12.w表示传统零售渠道批发价格。

13.p■■、p■■分别表示传统零售价格和直播电商价格。

14.D■■、D■■分别表示传统零售渠道、直播电商渠道的需求量。

15.π■■、π■■、π■■、π■■分别表示制造商、传统零售商、主播及直播电商平台利润。

16.制造商与传统零售商之间存在stackelberg博弈，本文假设制造商为主导者，考虑供应链成员之间信息对称。

说明：上标i=Y、B分别代表主播签约和不签约两种模式，上标“*”表示最优定价决策

三、模型建立

（一）不签约模式（BQ）

在BQ模式下，线下渠道、直播电商渠道需求函数分别为：

D■■＝（1-θ）A-p■■+kp■■（1）

D■■=θA-p■■+kp■■（2）

制造商、传统零售商、主播及直播电商平台利润分别为：

π■■=wD■■+（1-α）p■■D■■-T（3）

π■■=（p■■-w）D■■（4）

π■■=α（1-β）p■■D■■+T（5）

π■■=αβp■■D■■（6）

将式（1）、（2）分别带入式（3）、（4）、（5）（6），采用逆向求解法，式（4）对p■■求二阶偏导得■=-2<0，故式（5）是p■■的严格凹函数，令■=0，得最优解p■■，将p■■代入式（3）并对p■■、wB求二阶偏导，得海塞矩阵为负定矩阵，则π■■是关于p■■、wB的联合凹函数，联立■=0，■=0，得最优解p■■、p■■，将得到的最优解回代上述各式，得到不签约模式下各均衡解如表1所示。

命题1：在BQ模式中，■＜0，■＜0。

命题1表明，在BQ模式中，随着消费者对直播电商渠道偏好及主播佣金比例的增加，制造商批发价格均会随之减小。主播佣金比例提高，会激励主播提供更高质量的带货努力，吸引更多顾客到直播电商渠道，制造商则会通过降价来提升传统零售渠道竞争力。

命题2： 在BQ模式中，■<0，当0<θ<θ1时，■<0，当θ1<θ<1时，■>0；■>0，■>0；当0<θ<θ2时，p■■>p■■，当θ2<θ<1时，p■■<p■■。其中，θ1=■；θ2＝■。

命题2表明，在BQ模式中，传统零售渠道零售价格会随着消费者对直播电商渠道偏好的增加而减小，直播电商价格会随着消费者对直播电商渠道偏好的增加而增加；当满足0＜θ＜θ1时，传统零售价格与主播佣金比例负相关，当满足θ1＜θ＜1时，传统零售价格与主播定金比例系数正相关；而随着主播佣金比例的增加，直播电商价格会随之增加；当满足0＜θ＜θ2时，传统零售渠道价格大于直播电商价格，当满足θ2＜θ＜1时，直播电商价格大于传统零售渠道价格。当消费者对直播电商渠道偏好较大时，直播电商价格升高过多会流失部分对价格较为敏感的顾客，此时传统零售渠道会抓住机会适当提高价格，但始终会控制价格小于直播电商渠道。

命题3：在BQ模式中，当0＜θ＜θ3时，■<0，θ3<θ<1时，■>0，■＜0；■<0，■>0；■>0，■>0，■<0，■>0；■＞0，■>0。其中，θ3＝■■。

命题3表明，在BQ模式中，当消费者对直播电商渠道偏好满足0<θ<θ3时，制造商利润会随着消费者对直播电商渠道偏好的增加而减小，当消费者对直播电商渠道偏好满足θ3<θ<1时，制造商利润会随着主播佣金比例的增加而增加；随着消费者对直播电商渠道偏好的增加，传统零售商利润会减小，主播和直播电商平台利润均会随之增加；随着直播电商平台抽成比例的增加，主播利润会减小，直播电商平台利润会增加。由于制造商批发价格随着主播佣金比例的增加始终减小，传统零售渠道价格随着主播佣金比例的增加先减少后增加，当佣金比例较小时，传统零售价格的降低量小于制造商批发价格的降低量，故传统零售商利润随着佣金比例的增大始终会增大。

（二）签约模式（YQ）

在签约模式下，线下渠道、制造商直销渠道、直播电商渠道需求函数分别为：

D■■=（1-θ）A-p■■+kp■■（7）

D■■=θA-p■■+kp■■（8）

制造商、传统零售商、主播及直播电商平台利润分别为：

π■■=wD■■+（1-α）p■■D■■-T（9）

π■■=（p■■-w）D■■（10）

π■■=α（1-β）p■■D■■+T+F（11）

π■■=αβp■■D■■-F-■ηs2（12）

将式（8）、（9）、（10）分别带入式（9）、（10）、（11）、（12）中，采用逆向求解法，式（10）对p■■求二阶偏导得■＝-2＜0，故式（12）是p■■的严格凹函数，令■＝0，得最优解p■■，p■■将代入式（9）并对p■■、wY求二阶偏导，得海塞矩阵为负定矩阵，则π■■是关于p■■、wY的联合凹函数，联立■=0，■=0，得最优解p■■、wY*，将得到的最优解回代上述各式，得到签约模式下各均衡解如表2所示。

命题4：在YQ模式中，■＜0，■＜0，■＞0。

命题4表明，在YQ模式中，直播电商渠道主播佣金比例增加也会影响到竞争渠道的批发价格决策。消费者对直播电商渠道偏好和主播佣金比例的增加都会使制造商批发价格降低，直播电商平台营销努力水平的增加则会提升批发价格。在拥有传统零售渠道和直播电商渠道的双渠道供应链中。受到直播电商平台营销努力的影响，品牌知名度提升，故传统零售渠道批发价格也会相应增加。

命题5：在YQ模式中，■<0，当0<θ<θ4时，■＜0，当0＜θ＜θ4时，■＞0，■>0；■>0，■>0，■>0；当0<θ＜θ5时，p■■＞p■■，当θ5<θ<1时，p■■<p■■。其中，

θ4＝■；

θ5=■。

命题5表明，在YQ 模式中，當消费者对直播电商渠道偏好增加时，传统零售价格会减小以吸引更多顾客，直播电商价格则会增加；当满足0<θ<θ4时，传统零售价格会随着主播佣金比例的增加而降低，当满足0<θ<θ4时，传统零售价格随着主播佣金比例的增加反而会增加，直播电商价格则会随着主播佣金比例的增加始终增加；传统零售价格与直播电商价格均会随着直播电商平台营销努力水平的增加而增大，这是由于直播电商平台提供的营销努力提升了品牌知名度。当满足0<θ<θ5时，传统零售价格大于直播电商渠道，当满足θ5<θ<1时，直播电商价格大于传统零售价格。在信息对称的情况下，传统零售商应综合考虑消费者对直播电商渠道偏好及主播佣金比例进行定价决策。

命题6：在YQ模式中，当0<θ<θ6时，■<0，θ6<θ<1时，■>0，■＜0，■>0；■<0，■>0，■>0；■>0，■>0，■＜0，■>0；■>0，■>0，■>0，当0<η＜η1时，■>0，当η1<η<1时，■<0。其中，θ6=■；

η1＝■；

X1＝17Aα2θ-17Aα2-40Aαθ+24Aθ-24A；

X2＝-24Aα2θ-24α2sτ+56Aαθ+56αsτ-32Aθ-32sτ；

X3＝-24Aα2θ+24Aα2+48Aαθ-48Aα-24Aθ+24A；

X4＝32Aα2θ+32α2sτ-64Aαθ-64αsτ+32Aθ+32sτ。

命题6表明，在YQ 模式中，制造商的利润随着消费者对直播电商渠道偏好的增加先减小后增加，存在消费者对直播电商渠道偏好的阈值使得制造商利润最低，随着消费者对直播电商渠道偏好的增加，传统零售商利润会减小，主播及直播电商平台利润会增加；随着主播佣金比例的增加，制造商利润会减小，传统零售商、直播及直播电商平台利润均会增加；随着直播电商平台抽成比例的增加，主播利润会降低，直播电商平台利润会增加。随着直播服平台营销的增加，制造商、传统零售商、主播利润均会增加，当营销努力成本满足0＜η＜η1时，直播电商平台利润会随着直播电商平台营销努力水平的增加而增加，当营销努力成本满足η1＜η＜1时，直播电商平台增加营销努力水平反而会降低直播电商平台利润。

四、比较分析

命题7：在签约和不签约两种模式中，存在：D■■>D■■；当0＜θ＜θ7时，D■■>D■■，当θ7<θ<1时，D■■<D■■。其中，

θ7=■。

命题7表明，在签约模式下传统零售渠道需求始终大于不签约模式；当消费者对直播电商渠道偏好满足0＜θ＜θ7时，不签约模式下直播电商渠道需求大于签约模式，当消费者对直播电商渠道偏好满足时θ7＜θ＜1，签约模式下直播电商渠道需求大于不签约模式。

命题8：在签约和不签约两种模式中，存在：wY*＞wB*；p■■>p■■；p■■>p■■。

命题8表明，签约模式中制造商的批发价格、传统零售价格及直播电商价格均大于不签约模式。由于签约模式中直播电商平台付出了营销努力水平，提升了产品的知名度，直播电商平台选择签约模式能够提高供应链成员的整体定价。

命题9：在签约和不签约两种模式中，存在：π■■>π■■；π■■>π■■；π■■>π■■；当0<θ<θ9及0<β＜β1时，π■■>π■■，当θ9<θ<1且β1<β<1时，π■■>π■■。其中，

θ8=■；

β1＝■；X5=（α■-8α+8）2（ηs■+2F））；

X6＝2Aαβ（17α2-40α+24）s；

X7＝8（α-1）（3α2βτ2-4αβτ2+2α2η-16αη+16η）s2+32F（α-1）（α2-8α+8）；

X8＝-48Aαsτ（α-1）2β；X9＝-32（α-1）2（αβτ2-2η）s2+128F（α-1）2。

X10＝2αsτ（A（17α2-40α+24）（θ-1）；

X11＝4（α-1）（3α-4）（2Aθ+sτ）；

X12＝24（α-1）2（θ-1）A；A13＝16（α-1）2（2Aθ+sτ）。

命题9表明，签约模式下制造商、传统零售商利润以及主播利润均大于不签约模式，只有当直播电商渠道份额满足0＜θ＜θ９且直播电商平台抽成比例满足β1＜β＜1时，直播电商平台利润在签约模式下大于不签约模式，即当消费者对直播电商渠道偏好和直播电商平台抽成比例均较大时，直播电商平台会选择与主播签约，此时，供应链中其他成员也会因此受益。

五、算例分析

（一）消费者对直播电商渠道偏好对于供应链成员利润的影响

令A＝100；α＝0.3；k=0.4；T=5；F=20；s=15；η=0.2；τ＝0.6；β＝0.45（根据命题9，固定β取值满足β1＜β＜1，即β∈[0.44，0.5]），探讨在两种模式下，消费者对直播电商渠道偏好θ对于供应链成员定价及利润的影响。

由图2可以看出，在两种模式中，制造商利润均随着消费者对直播电商渠道偏好的增加先减小后增加，即存在消费者对直播电商渠道偏好的阈值使得制造商利润最低，在签约模式下制造商的利润始终大于不签约模式。由图3可以看出，在两种模式下，消费者对直播电商渠道的偏好对传统零售商的利润影响较大，随着消费者对直播电商渠道偏好的增加，传统零售商的利润会大幅度减小，主播及直播电商平台的利润均随着消费者对直播电商渠道偏好的增加而增加；相对于不签约模式，在签约模式下主播利润会大幅度提升、传统零售商利润会小幅度提升；对于直播电商平台来说，是否与主播签约取决于消费者对直播电商渠道偏好的大小，存在消费者对直播电商渠道偏好的阈值θ6，若直播电商平台抽成比例固定在较大值，当满足θ6＜θ＜1时，相对于不签约模式，直播电商平台选择签约模式利润更大。

（二）主播佣金比例及直播电商平台抽成比例对供应链成员利润的影响

令A＝100；k=0.4；T=5；F=20；s=15；η＝0.2；τ＝0.6；θ＝0.5（根据命题9，固定θ满足θ6＜θ＜1，即θ∈[0.48，1]），根据现实情况，取α∈[0，0.5]，β∈[0，0.5]。探讨在两种模式下，主播佣金比例α、直播电商平台抽成比例α对供应链成员定价及利润的影响。

由图4可以看出，在两种模式中，制造商利润均与主播佣金比例负相关，与直播电商平台抽成比例无关；相对于不签约模式，当直播电商平台选择与主播签约时，制造商利润更大。由圖5可以看出，在两种模式中，传统零售商利润均会随着主播佣金比例的增大而增加，与直播电商平台抽成比例无关；当直播电商平台选择与主播签约时，相对于不签约模式，传统零售商的利润会小幅度增加；相对于不签约模式，主播佣金比例对传统零售商利润的影响在签约模式下更大。

由图6可以看出，在两种模式中，主播的利润随着主播佣金比例的增加而增加，随着直播电商平台抽成比例的增加而减小，这与实际情况是相符合的；在签约模式下，主播的利润始终大于不签约模式，实务中，主播会不断提高自身知名度来吸引直播电商平台与之签约；相对于不签约模式，主播佣金比例对主播利润的影响在签约模式中更大。由图7可以看出，随着主播佣金比例及直播电商平台抽成比例的增加，直播电商平台利润均会增加；相对于不签约模式，当直播电商平台选择与主播签约时，主播佣金比例及直播电商平台抽成比例对直播电商平台利润的影响更大；若消费者对直播电商渠道偏好固定在较大值，当主播佣金比例满足β1＜β＜1时，相对于不签约模式，制造商在签约模式中利润更大。

由表3可知，签约模式下，随着直播电商平台营销努力水平的增加，制造商、传统零售商利润均会增加，直播电商平台随着营销努力水平的增加先增加后减小。这是由于当营销努力水平较大时，需要付出较大的营销努力成本。

六、结语

本文在直播电商平台跟主播签约与不签约两种直播电商双渠道中，分析消费者对直播电商渠道偏好、主播佣金比例、直播电商平台抽成比例与营销努力水平对供应链成员定价及利润的影响。得到结论如下：1.在不签约模式中：（1）随着消费者对直播电商渠道偏好及主播佣金比例的增加，批发价格均会降低。（2）随着消费者对直播电商渠道偏好的增加，传统零售价格会降低、直播电商价格会升高；随着主播佣金比例的增加，直播电商价格增加，当消费者对直播渠道偏好较小时，传统零售价格会降低；当消费者对直播渠道偏好较大时，传统零售渠道价格会升高；当消费者对直播电商渠道偏好较大时，直播电商价格才会高于传统零售价格。（3）随着消费者对直播电商渠道偏好的增加，制造商利润先减小后增加，传统零售商利润会减小，主播与直播电商平台利润均会增加；随着主播佣金比例的增加，制造商利润会减小，传统零售商、主播及直播电商平台利润均会增加；随着直播电商平台抽成比例的增加，主播利润会减小，直播电商平台利润会增加。2.在签约模式中：（1）随着消费者对直播电商渠道偏好、主播佣金比例以及直播电商平台营销努力水平的增加，批发价格均会升高。（2）随着消费者对直播电商渠道偏好的增加，传统零售价格会减少，直播电商价格会升高；随着主播佣金比例的增加，直播电商价格会升高，当消费者对直播渠道偏好较小时，传统零售价格会降低；（3）当消费者对直播渠道偏好较大时，传统零售价格会升高；（4）随着消费者对直播电商渠道偏好的增加，制造商的利润先减少后增加；传统零售商利润会减小，主播及直播电商平台利润会增加；随着主播佣金比例的增加，制造商利润会减小，传统零售商、主播及直播电商平台利润均会增加；随着直播电商平台抽成比例的增加，主播利润会减小，直播电商平台利润会增加；只有当营销努力成本较低时，随着直播电商平台营销努力水平的增加，直播电商平台利润才会增加。3.在两种模式比较中：（1）相对于不签约模式，传统零售渠道需求在签约模式中更大；只有当消费者对直播电商渠道偏好较大时，相对于不签约模式，直播电商渠道需求在签约模式下才会更大。（2）相对于不签约模式，供应链成员在签约模式下的定价始终更高。（3）相对于不签约模式，签约模式下的制造商、传统零售商、主播的利润更高，而只有当消费者对直播电商渠道偏好较大且直播电商平台的抽成比例较高时直播电商平台的利润才更高。

根据以上结论可以得出以下管理启示：

第一，制造商。相对于不签约模式，直播电商平台与主播签约能够增加制造商利润。在直播电商双渠道中，制造商在签约模式中可采取与直播电商平台进行利润分成的方式来促进直播电商平台与主播签约，使制造商与直播电商平台达到双赢。第二，传统零售商。相比于直播电商平台与主播签约对传统零售商的影响，消费者对直播电商渠道偏好对传统零售商利润影响更大，故传统零售商应努力提升线下服务努力水平以扩大自身渠道优势，从而吸引更多的消费者。第三，直播电商平台。只有当消费者对直播电商渠道偏好较大且直播电商平台将抽成比例控制在一定范围时，与主播签约才是最优选择。在签约模式中，直播电商平台应努力将营销努力成本控制在较低水平并不断提升营销努力水平，才能持续增加自身利润。

本文将直播电商平台提供的营销努力水平看成外生变量，在签约模式中仅探讨其对供应链成员定价及利润的影响。在未来的研究中，可着重探讨制造商与直播电商平台在签约模式下的利润协调以及直播电商双渠道的最优营销努力决策问题。

参考文献：

[1]C.C.速读第47次《中国互联网络发展状况统计报告》（附报告下载）[EB/OL]．[2021-02-03].https：//news.znds.com/article/52203.html，2021-02-03.

[2]Wongkitrungrueng A，Dehouche N， Assarut N.Live streaming commerce from the sellers’perspective： implications for online relationship marketing[J].Journal of Marketing Management，2020，36（5-6）：488-518.

[3]Wang X，Tao ZY，Liang L，et al.An analysis of salary mechanisms in the sharing economy：The interaction between streamers and unions[J].International Journal of Production Economics，2019，214：106-124.

[4]Sun Y，Shao X，Li X，et al.How live streaming influences purchase intentions in social commerce：An IT affordance perspective[J].Electronic Commerce Research and Applications，2019，37：100886.

[5]Ming J，Jianqiu Z，Bilal M，et al. How social presence influences impulse buying behavior in live streaming commerce？The role of SOR theory[J].International Journal of Web Information Systems， 2021.

[6]鄭森圭，苏丹华，汪寿阳.直播平台打赏收入分成模式研究[J].系统工程理论与实践，2020（40）：1221-1228.

[7]刘运国，陈诗薇，柴源源.游戏直播商业模式对企业业绩的影响研究——基于虎牙直播的案例[J].财会通讯，2021（04）：3-10.

[8]王玉霞，高维全.直播电商赋能下农产品营销模式优化研究[J].价格理论与实践，2021（02）：119-122.

[9]丁佳敏，陈军飞.网络直播对餐饮O2O外卖顾客信任的影响研究[J].运筹与管理，2021（30）：221-226.

[10]刘佳，邹韵婕，刘泽溪.基于SEM模型的电商直播中消费者购买意愿影响因素分析[J].统计与决策，2021（37）：94-97.

[11]Chen X，Zhang H，Zhang M，et al. Optimal decisions in a retailer Stackelberg supply chain[J].International Journal of Production Economics，2017，187：260-270.

[12]Wang RF，Li B，Li ZH，et al.Selection policy for a manufacturer's online channel：do it oneself or cooperate with retailers[J].Ima Journal of Management Mathematics，2018（29）：393-414.

[13]Yu YG，Sun LB，Guo XL.Dual-channel decision in a shopping complex when considering consumer channel preference[J].Journal of the Operational Research Society，2020（71）：1638-1656.

[14]Chen JM，Zhang W，Liu ZY.Joint pricing，services and quality decisions in a dual-channel supply chain[J].Rairo-Operations Research，2020，54：1041-1056.

[15]Zhang Z，Song HM，Shi V，et al. Quality differentiation in a dual-channel supply chain[J].European Journal of Operational Research，2021，290：1000-1013.

[16]周建亨，张志芳.考虑产品体验性的双渠道供应链价格及质量决策[J].工业工程与管理，2017（22）：107-113.

[17]梁喜，蒋琼，郭瑾.不同双渠道结构下制造商的定价决策与渠道选择[J].中国管理科学，2018（26）：97-107.

[18]黄甫，宋华明，杨慧.基于消费者接受程度的双渠道产品价格和质量决策研究[J].工业工程，2019（22）：45-52+60.

[19]张霖霖，孙坤鹏.不同权力结构的双渠道供应链中价格一致策略研究[J].价格月刊，2019（09）：13-19.

[20]钟玲，聂佳佳.制造商风险对冲机制对开通直销渠道的影响[J].管理工程学报，2021（35）：220-228.

[21]Ma P，Wang HY，Shang J.Supply chain channel strategies with quality and marketing effort-dependent demand[J].International Journal of Production Economics，2013，144（2）：572-581.

（作者单位：重庆交通大学经济与管理学院）