导读：Uplift模型旨在量化干预（Treatment）对不同人群的差异影响，进而通过人群定向/数值策略的方式对人群进行差异化策略。本次分享主要介绍快手在Uplift 模型上的探索、应用及迭代，以及在业务中使用Uplift 遇到的一些难题和优化解决方案。
分享主要分为以面四部分内容：
分享嘉宾｜周小羽 快手 经济学家团队Tech Lead
编辑整理｜王鑫民 同济大学
出品平台｜DataFunTalk
01
介绍
首先简单介绍Uplift。
Uplift 模型要做的就是预估每一个人对实验的反应，从而圈选一部分对实验敏感性较高的人群。举个例子，商家希望通过给客户发美妆折扣券提高客户在商家的消费。当商家对所有用户发美妆产品的折扣券时，男性用户可能无法get到这个折扣券的用处，而女性用户可能会更被这个策略吸引。如果我们计算发折扣券的平均效果——即ATE（average treatment effect）时，如果男性用户无反馈而女性是正反馈，两个群体的实验效果加起来可能是不显著的。
进一步地，我们希望发现激励效果显著的用户群体，业务上比较常见的做法是用户分层，但是传统的用户分层很难展示高维度的分层结果，这也是Uplift流行的原因——我们希望估计高维度的异质性因果效应——HTE (heterogeneous treatment effect)，而并非ATE。
估计HTE的方法有很多，例如casual tree，casual forest等，我们先从线性模型的角度讲解如何从ATE估计到HTE。在实验变量离散的情况下（即传统做法，将用户分为实验组和对照组），ATE的计算公式为两个用户组结果变量diff的期望；在实验变量是连续的情况下（比如实验变量是药剂剂量时），ATE的计算公式就是结果变量对实验变量求导。用散点图说明：当x轴是实验变量、y轴是结果变量时，ATE为各点拟合曲线的斜率。以此类推，HTE需要我们对每个点求斜率。
一个简单的解决方法是构造实验变量和特征变量的交互项并且拟合一个线性函数：对没有交互项的函数，求解的实验效应是常数，即所有人实验效应相同；对于有交互项的函数，求解的实验效应是一个关于特征变量X的函数。对于该种HTE的形式，我们也可以称其为CATE (conditional average treatment effect)，因为它conditional on 了特征变量X。
举例：假设用户的数据包含了性别和年龄这两个画像变量，且均被 one-hot编码——性别等于 1 为男性，性别等于 0 为女性，年龄1为大于 30 岁、0为小于30岁。在这两个维度下，用户可以被分成四个人群，我们希望估计每个人群的异质性因果效应。线性模型求解结果如表中公式所示。该方法的优点在于：
①易于理解：HTE等同于用户分层之后对各群体求ATE。
②可以进行统计检验：通过 delta method 快速计算标准误差。
--
02
难点
快手在应用Uplift模型中遇到了如下一些问题。
第一个问题：业务场景下实验变量经常是连续的。当第一单位和第二单位的边际影响不同时，我们应如何捕捉并且量化这个现象？
比如push 消息：我们希望通过 push 让增加用户的 App时长。每天push 一两条一般人可以接受，但是用户收到第五条时，他们会就很厌烦甚至会关掉 push提醒功能，这样平台以后就再也没有拉起该用户的机会了。我们希望有一个不仅能给出HTE、还能计算每个用户在不同实验剂量下的边际效应的模型。这样就可以知道应该给哪些用户多push 几条。
再举个例子：当一个作者粉丝数增加的时候，我们希望他能更多地在平台上进行生产。我们发现作者增加的第一个 1000 单位粉丝和第二个 1000 单位粉丝带来的作品发布数的增量是不一样，因为大 V主播和小主播对同等量级的粉丝增量的体感不同。如何 capture 这个规模效应也是业务经常遇到的问题。
第二个问题：非线性模型如何做统计检验？
线性模型由于假设太强，模型效果经常表现很差。换成更复杂的机器学习模型之后， delta method不再适用于求标准误差。并且特别对于一些波动特别大的指标，即使用delta method效果也不好。因此我们需要知道如何判断指标的显著性。
对于上述两个问题，我们简单地介绍在快手的解决方法。
首先是估计规模效应。以作者和作者生产数为例，经济学中有一个理论叫边际效应递减法则：即作者粉丝数增加时，单纯通过涨粉对于作者生产数产生的激励存在一个上限。如上图所示，我们期望看到增加单位粉丝带来的生产数实际是逐渐递减的。如果能预估该作者的涨粉能力上限和生产数上限，对平台资源的分配是有极大帮助。
一个比较粗暴的解题思路是构建一个函数形式，使HTE为一个关于实验变量的函数。
以之前提到过的线性函数为例（左框中的公式），我们对干预变量和特征变量进行交互，求解得到的HTE是一个关于X的函数。但该形式下第一单位的treatment effect和第二单位的treatment effect是等价，因此并不能达到我们之前预期的边际效益递减的目的。如果我们拟合一个非线性函数，如上图中的多项式函数形式，一阶导后CATE是关于X 和 T的函数形式，这意味着第一单位的 treatment effect 和第二单位的 treatment effect 不等价，CATE随着 treatment的变化而变化的。这种粗暴求解的思路缺点在于：对 CATE的函数形式的假设会非常强。
为了解决上述问题，我们基于Farrell在2020年的论文，构造了神经网络的优化模型，并称其为“双重神经网络”模型。input layer由特征变量构成 (如用户画像)，经过第一个神经网络的feature hidden layer构建交互特征；interaction layer包括关于特征变量的函数a(X)以及函数和treatment的交互项b(X)，经过parameter hidden layer进行交互得到非线性关系，最后output layer输出得到HTE。
我们在这里展示某个真实的业务分析中双重神经网络模型的表现。该分析中，我们首先用双重机器学习模型对估计目标进行纠偏（实验变量并非纯随机试验，而双重机器学习模型可以帮助我们生成类随机实验）。同时我们也对量化模型表现进行了优化，生成了基于连续实验变量的uplift curve。上图可以看出双重神经网络模型的表现远远优于其余模型。
此外我们也解决了关于非线性模型如何做统计检验的问题。在得到HTE之后，常常还需要回答：①哪些人HTE是显著的？②模型有多个treatment，各自HTE差异很小，哪个treatment更好更科学？
基于Victor的论文，我们使用data splitting的方法近似significance level：通过不停地对数据进行拆分，main sample用于模型训练，auxiliary sample用于预测HTE，求得HTE的empirical distribution。
该方法用关键的三个指标来衡量HTE的表现：
越靠近0说明估计的HTE等于噪音，越大说明异质性越强。另外，该指标越靠近1说明选择的ML估计方法能对CATE有较好的预测。
近似估计HTE是否显著：将每次预测的HTE排序分段，并检验每段的均值是否显著。
估计X对HTE的影响是否显著，是一种衡量feature importance的方法。
--
03
应用
下面介绍一个基于双重神经网络的Uplift模型在快手的应用。
1. 应用—：涨粉和生产
平台希望圈一些作者，并了解他们生产数的最大空间--知道作者的生产数空间可以便于业务request相应活动流量和预算。我们通过优化的模型可以实现对每一个作者估算一个边际效益曲线。模型也可以做到按照作者类型去分类，得到各类作者生成力的边际。除了估计预算，通过预测每个作者的生产力天花板，运营同学可以针对大V作者做相应的策略调整。模型结果如上右图所示：基于过去一段时间的勤劳程度和其他特征，作者1涨粉到4.5万就不再可能通过涨粉增加收益、而作者2涨粉到1.7万就到头了。
2. 应用二：push消息
平台规定每个用户每天最多可以收到 10 条 push ，第一条 push 对用户的 app 时长影响和第二条 push 的影响肯定是不同的：从逻辑上来说，第二条 push 带来的影响会弱一点。如何用模型去 capture 这个影响？通过双重神经网络的模型，我们可以对每一个设备预测它在不同 push 条数下的反应。
结果如上图所示，我们从所有的样本中选择 7 个设备，并且画出了收益衰减图：横坐标是设备收到的push数量，纵坐标是模型预测的边际效益。蓝线代表该随机抽取的设备当被 push 第一条消息HTE就已经到 0，因此该设备并不适合做push策略；粉线代表另外一个随机抽取的设备被push第7条消息时HTE仍然没有到0，因此可以多push一些消息。
--
04
总结
DNN+HTE可以应用在探索收益天花板的问题中：
①帮助业务规划资源。比如想申请一部分预算助推给作者分发助推流量，DNN+HTE模型可以帮助探索收益的天花板，预估合理的预算申请金额。
②帮助调整定价策略。比如给商家进行涨粉，应该在什么地方多收钱，什么地方少收钱，可以探索公域和私域的收益天花板，通过这两个天花板去调价。
post analysis让结果更稳健：
①对DML可以跨模型比较模型表现，适合复杂的模型结构。
②可以探索一个模型估计的HTE的variation是否够大；variation比较小的时候可能圈人效果不准。
③可以探究特征变量对HTE的影响是否显著，帮助业务缩小决策圈，只对显著的人群做策略。
--
05
问答环节
Q1：是基于离线数据的分析吗？
A1：是离线数据分析。但不是基于实验AB实验的结果：关于涨粉和生产两个案例，我们直接用大盘数据训练，并用模型进行纠偏。
Q2：应用中研究的Uplift 模型中，什么情况下 meta learner 间接建模会比 casual tree 直接建模对 Uplift 效果更好？
A2：meta learner 在离线分析中的使用可能较少，多使用于线上分析，因为它最大的优点是速度快，在线训练模型可能有一定优势。但是缺点是它不灵活，大部分 meta learner 只能对离散的实验变量去做建模。我们在对连续实验变量建模时，做了大量 research ，最后设计了一种可以拉通比较离散实验变量和连续实验变量模型的表现的方法，从而使得我们在模型选择上更加灵活。
Q3：模型是怎么评估的，如何判定模型是否准确？
A3：将数据分为训练集和测试集，在测试集上拟合，使用root mean square error评定模型表现。
Q4：如何选择混淆因素，实际发现X选择对 DML 影响很大，如何判断结果的置信度？
A4：使用非实验数据的情况下，对X一般建议应选尽选。在双重机器学习模型的应用中，我们会对Model Y 和 Model T 的残差去做检验，看其是否显著相关，且它们的均值是否有显著区别。因为这是 DML 的假设，如果连这个基本的假设都不能满足，那必然是有一个比较大的混淆因素被 left over ，需要重新再去筛查。
今天的分享就到这里，谢谢大家。
01/分享嘉宾
周小羽｜快手经济学家团队 Tech Lead
2018-2021年在SAS Institute担任统计软件开发，主要负责研发面板数据相关的功能(PROC PANEL, PROC CPANEL, etc)。2020年加入快手经济学家团队并担任Tech Lead，负责研发迭代快手自研因果分析工具，探索学术界前沿因果分析方法。
02/关于我们
DataFun：专注于大数据、人工智能技术应用的分享与交流。发起于2017年，在北京、上海、深圳、杭州等城市举办超过100+线下和100+线上沙龙、论坛及峰会，已邀请超过2000位专家和学者参与分享。其公众号 DataFunTalk 累计生产原创文章800+，百万+阅读，14万+精准粉丝。
图片来源@视觉中国
文 | 新熵，作者｜白芨，编辑｜月见
越来越多的数据表明，美国最大的购物节“黑色星期五”在今年有所遇冷。
福布斯报道显示，与2019年相比，感恩节当天美国实体零售的客流量下降超过九成，原因是高峰被提前分流了——早在“黑色星期五”的一个月前，“黑五大促”商品已经遍布线下门店。Adobe Analytics数据显示，在线上渠道，今年的黑色星期五销售额也略低于去年。
这与国内购物节的趋势如出一辙。活动周期的延长，加上成交额增速的放缓，正在给中美两国的零售盛宴降温。今年，天猫双十一总成交额增速仅为8.45%，而去年同期这一数据是29%。为了淡化“增速骤降”的信息，阿里巴巴取消了往年惯例的成交额实时大屏幕传统。
区别在于，在美国市场，购物节更多被作为释放需求的工具。罗斯福时代，零售商曾要求政府延长假期，以缓解行业内尖锐的流动危机。而在中国市场，购物节更多被作为平台业务的营销工具，阿里巴巴的B2C业务与拼多多的3C业务都在购物节的营销轰炸中完成破圈。
在三季度财报电话会议中，阿里、京东、拼多多都不得不面对电商增速放缓、营销ROI增长放缓的质疑。作为应对，各大平台都在寻找增量空间，以应对线上流量红利的终结。在一片调整、转向的氛围中，双十一一反往年信息刷屏的强势姿态，而附属于双十一的双十二购物节，也难免受到双十一由热转冷的影响。
谁是购物节的狂欢者？答案似乎是不固定的。购物节的概念源自市场约定俗成的习惯——消费者在重要节日与家人吃饭并逛商场，零售商在这一天给出较平日更多的商品折扣；对商家来说，购物节有利于清理存货，补充更多的流动资金。上世纪30年代，美国零售商一度要求罗斯福政府延长“黑五”假期时间，以解决零售行业紧张的资金流动性问题。
这意味着，无论美国的黑色星期五购物节，还是国内的双十一购物节，本质都是对潜在消费需求的释放。在此基础上，平台为商品提供补贴，品牌承诺双十一产品打折，低价活动周期延长等等，都是释放需求的手段。
而现实情况是，从去年1月以来的新冠疫情爆发开始，受制于居民收入增速放缓等因素影响，国内社会消费品零售增速出现较大幅度的下滑。CEIC数据显示，截至今年9月，社会消费品零售增速维持在4%左右，不复疫情爆发前8%左右的增长水平。
与此对应的，则是电商平台获客成本的急剧上涨。Bloomberg数据显示，自2020年以来，国内三大主要电商平台的获客成本都呈现急剧扩张趋势。
这意味着，随着互联网流量红利的结束，包括购物节在内的电商平台营销正在迎来边际效益递减，单个购物节的破圈影响力也在逐步走低。
首先，双十一购物节经历了漫长的体量扩张过程。例如从2013年开始，双十一启动移动化进程，并提供了21%的订单量；2018年，饿了么等本地生活板块正式融入双十一促销环节，意味着购物节营销范围进一步向本地市场延伸。到目前，留给双十一“开源”的空间越来越少。
其次，自上线以来，双十一就面临商家备货与实际销量不等的矛盾。从2014年开始，天猫尝试通过全品类预售的方式解决商家的超额备货问题，并在2016年正式演变为从10月20日启动的双十一预售季。在此过程中，用户需求的提前递交为商家提供了缓冲时间。
除此之外，双十一周期的延长，也有利于电商平台坐收不同品牌的竞争收益。据腾讯新闻报道，小米曾在2015年双十一结束前两个小时紧急发放优惠券，用于在最终的双十一手机销售榜中超越华为。而在2016年双十一周期延长以后，相同品类的竞品从遭遇战变成持久战，这无疑加重了品牌负担。
尽管这种购物节由点到面的扩张有利于平台更全面地释放消费需求，但不利于活动整体影响力的破圈。例如，此前双十一单日活动中，消费者有提前规划、熬夜抢单的习惯。但在双十一周期延长后，折扣商品对消费者的冲击力直线下降。加上拼多多带动电商下沉浪潮后，补贴常态化正在各平台落地生根，双十一的影响力正在逐步走弱。
另外，双十一补贴规则的游戏化、复杂化趋势，也在提升普通消费者的参与门槛，而这与双十一“释放潜在需求”的初衷背道而驰。
如果从业绩数据看，两大第三方电商平台阿里与拼多多的经营策略正在出现重大分歧。
从今年以来，拼多多营销费用增速快速走低，同比增速从今年一季度的78.31%下降至三季度的-0.21%，单季度营销费用从130亿元下降至100.5亿元。与此同时，拼多多一般与行政费用三季度同比下降9.17%，研发费用尽管同比增幅达到34.21%，但对比去年同期60.12%的增速水平仍然有所下降。
与此对应的，是阿里巴巴三季度营销费用66.12%的同比增速，较去年同期44.81%的水平有较大提升。但从研发费用与一般与行政费用增速看，阿里巴巴与拼多多一样执行了严格的费用控制，两项费用的同比下降都在20%以上。以自营为主的电商平台京东则在三季度迎来营销费用、一般与行政费用增速的快速走高。
从具体策略看，从今年一季度的董事长人事变动开始，拼多多正在走上一条营销收缩、研发扩张路线。在618、双十一等购物节中，拼多多不再追求2019年百亿补贴的强势破圈效应。CEO陈磊称：“用户数量不断增加，用户需求多样化，我们也在不断微调ROI模型，最终宗旨是满足用户多样化需求。”
阿里巴巴则通过APP矩阵+供应链优化的策略解决流量危机。在财报会议上，阿里巴巴董事长张勇盛赞淘特2.4亿年度活跃消费者的成绩。在阿里巴巴的设计中，淘宝特价版是淘宝的第二曲线，同时负责阿里巴巴对C2M市场的建设任务。从去年四季度开始，淘宝用户增速呈现出显著的负增长态势，这迫使淘系电商急于创造更多需求。阿里巴巴首席财务官武卫表示，在上述新业务中，阿里并没有明确的盈利时间表。
显然，阿里巴巴与拼多多在今年的经营政策转变，都是对电商市场获客成本走高的应对措施。双方都选择了不同程度的开源节流措施，例如淘系电商更多关注C2M及下沉市场，拼多多更多关注区域农产品布局。相同点在于，双方都尝试以费用收缩应对业绩增长的萎缩。
而对于品牌来说，线上渠道的见顶也在推动品牌方向线下寻求生存空间。
例如，今年双十一前夕出现了两类截然相反的现象，一方面是李佳琦、薇娅等淘宝头部主播销售额话题大热，同时带动电商、物流、品牌等相关利益方股价大涨；另一方面，另一方面，作为淘品牌代表的三只松鼠正在线上渠道大幅缩减SKU以实现降本增效，而在线下加速门店扩张。
上市公司公告显示，从2020年起，三只松鼠将“聚焦利润”作为品牌核心战略，截至今年8月19日，三只松鼠累计完成了约400个SKU的收缩。在天猫渠道，品类收缩与低效推广将成为三只松鼠的长期策略，而品牌的线下渠道收入占比已经达到30%。
而“淘品牌”的出走，与电商平台的流量能力息息相关。在天猫流量红利期，三只松鼠借道电商实现了高端坚果品牌对全国市场的覆盖。而一旦新冠疫情冲击下增速下滑，淘品牌与淘系电商便面临“大难临头各自飞”的抉择。
除此之外，抖音、快手、社区团购等新兴电商渠道，正在带动其它坚果品牌的崛起。相比之下，专注淘系电商单一渠道营销的三只松鼠面临更大的竞争压力。与双十一横空出世的时代相比，天猫品牌销售榜不再有品牌线上影响力的唯一解释权，品牌营销费用向新兴渠道的转移趋势不可逆转，而这也带动了头部电商平台双十一声量的增速放缓
内卷化的含义是，在组织结构的衰退期，能量无法覆盖边缘区域，向核心部分收缩。
而相较品牌登台唱主角的双十一购物节，双十二正是电商行业的“边缘区域”。
从设立初衷看，双十二针对天猫以外淘宝平台的中小卖家，并涵盖更多线下场景。
从时间点看，双十一占据了国庆节与圣诞节之间的黄金时段，而双十二面对的是被双十一“榨干”的消费市场，甚至部分消费者双十一采购的商品还未完成消耗。
从折扣力度看，双十二的整体折扣力度及消费者关注度不及双十一。
另一方面，随着电商平台的内卷趋势日益明显，品牌商对电商节日的态度也在发生转变。
首先，头部主播在宣传新上市产品，帮助清理旧产品库存的同时，也在压制品牌方利润。除坑位费、抽佣提升了品牌的“过节成本”以外，薇娅、李佳琦等议价地位强势的头部主播还会对品牌提出严格的竞价协议+保价协议要求，即保证主播拿到的产品价格在销售前后一定时间内都为最低价格。
例如，今年双十一期间，薇娅、李佳琪手撕化妆品品牌欧莱雅的案例，就是主播维护“最低价垄断权”的表现。欧莱雅将更低折扣留在官方直播间的动作表明，过去头部主播的强势议价地位出现了一定瓦解迹象。主播与品牌自播的流量大战开战在即。
其次，随着大众消费品整体跨入存量市场，电商平台的流量红利见顶。品牌方越来越多地将电商节日作为露出品牌和助推新品的渠道，而非销售渠道。
在电商购物节发展早期，电商平台承担了购物节在线上、线下媒体的营销宣传费用，品牌方提供折扣价格后可以坐收流量红利，触及更多线上消费者。而随着时间推移，阿里B2C、拼多多3C业务板块的破圈意愿不再强烈，留给品牌的流量价值减少，整个折扣获客商业模式的回报走低，也推动双十一在品牌方的地位更加尴尬。
而对于本就无力负担高额营销费用的中小品牌来说，形势更加严峻。
某种意义上，第三方电商平台的利润相当于流量税，平台的获客能力、市场影响力决定了品牌的投放力度。与历史上的王朝周期率相似，当平台的流量增长顺畅，税基便宽裕；一旦流量进入存量消耗阶段，缺乏抗风险能力的中小品牌将首当其冲。
从各平台的营销动作看，双十二的前期预热战已经打响。与往年推动品牌大打补贴战的逻辑不同，在渠道影响力见顶后，如何重拾流量增长，稳定税基，将成为各平台竞争的核心战场。
最新钱报（五十）《两部定价契约下基于销售努力的双渠道供应链定价与协调》.mp31:04
来自LearningYard学苑
分享兴趣，传播快乐，增长见闻，留下美好。
亲爱的您，
这里是LearingYard学苑！
今天小编为大家带来最新钱报（五十）
欢迎您的用心访问！
本期推文阅读时长大约13分钟，请您耐心阅读。
Share interest, spread happiness, increase knowledge, and leave beautiful.
Dear you,
This is the LearingYard Academy!
Today, the editor brings you the latest money report (50)
Welcome your visit!
This tweet usually takes about 13 minutes to read. Please be patient and read.
今天小编分享一篇英文期刊论文《两部定价契约下基于销售努力的双渠道供应链定价与协调》，请跟小编一起来学习吧！
1.摘要
学者的这篇期刊论文是基于电商平台所写的期刊论文，学者基于销售努力和电商平台扣点费率两因素运用斯塔克博弈模型和两部定价契约对电商平台参与的双渠道供应链定价与协调进行研究。学者的摘要部分先是表明了自己的研究对象和研究方法，其次是研究过程。最后，学者写了研究结果和结论，学者的摘要写作中包含了摘要写作的四要素，其言语精炼。
This journal paper of the scholar is based on the journal paper written by the e-commerce platform. Based on the two factors of sales effort and deduction rate of the e-commerce platform, the scholar uses Stark game model and two pricing contracts to study the pricing and coordination of the dual-channel supply chain in which the e-commerce platform participates. The abstract part of the scholar first indicates his research object and research method, and then the research process. Finally, the scholar writes the research results and conclusions, and the scholar's abstract writing contains the four elements of abstract writing, and its speech is concise.
学者的关键词部分，销售努力与电商平台扣点费率是与研究对象相关的关键词，属于研究考虑的因素。两部协调定价是学者的研究方法。定价决策与双渠道供应链协调是研究对象相关的要达到的研究目标。
In the keyword section of scholars, sales effort and deduction rate of e-commerce platform are keywords related to the research object, which belong to the factors considered in the research. Two coordinated pricing is the research method of scholars. Pricing decision and dual channel supply chain coordination are the research objectives related to the research object.
将关键词与论文题目对比，学者关键词中的部分词组与题目相关。还有部分词语与文中的内容相关。因此，在关键词写作时不仅要与题目相呼应，也要包含文中的一些关键词，同时注意控制关键词的个数，一般为3-5个词语。
By comparing the key words with the topic of the paper, some phrases in the key words of scholars are related to the topic. Some of the words are related to the content of the text. Therefore, when writing keywords, not only to echo with the title, but also to contain some keywords in the text, and pay attention to control the number of keywords, generally 3-5 words.
2.引言
学者引言的开头以新冠肺炎疫情为开头，引出电子渠道乘势而来，电商渠道不断蚕食市场，传统零售行业不得不更加努力的进行销售。接着学者列举了一些传统零售行业在销售过程中努力的例子，表明传统零售行业在电商冲击下也正在不断努力。因此，学者要拿出在电商平台参与下，研究不同决策模式下基于销售努力的双渠道供应链最有定价决策问题具有重要的实践意义。
The introduction of the scholar begins with the COVID-19 epidemic, which leads to the emergence of electronic channels. E-commerce channels continue to eat into the market, and the traditional retail industry has to work harder to sell. Then scholars listed some examples of the efforts of the traditional retail industry in the sales process, indicating that the traditional retail industry is also making continuous efforts under the impact of e-commerce. Therefore, it is of great practical significance for scholars to study the optimal pricing decision of dual-channel supply chain based on sales effort under different decision-making modes with the participation of e-commerce platforms.
引言的第二、三段学者开始写文献综述，学者主要是从双渠道供应链定价决策与销售努力对供应链定价决策的影响方面进行写。学者最后一段说明上述文献采用的是批发价格契约和收益共享契约，而学者所研究的是基于两部协调定价机制下基于销售努力的双渠道供应链定价决策问题。然后进一步说明自己接下来要怎样去研究。
In the second and third paragraphs of the introduction, scholars begin to write literature review, mainly from the aspects of dual-channel supply chain pricing decisions and the impact of sales efforts on supply chain pricing decisions. In the last paragraph, the author explains that the above literature adopts wholesale price contract and revenue sharing contract, while the author studies the dual-channel supply chain pricing decision problem based on sales effort under the two-part coordinated pricing mechanism. Then further explain how you want to go about it.
学者对于文献的整理很清晰，但小编觉得学者的文献综述部门仍有可添加之处。文献综述的每一段结尾可分别总结上述文献怎么怎么样，然后发现那些方面没有做研究。学者最后一段的总结小编觉得略显简略，因此，还可再详细分析。
The scholars' sorting of the literature is very clear, but Xiaobian thinks that the scholars' literature review department can still be added. At the end of each paragraph of the review, you can summarize what the literature says and find out what hasn't been studied. The scholar's summary of the last paragraph is a little brief, so it can be analyzed in detail.
3.模型描述与假设
模型描述与假设部分不需要过多的语言修饰，描述清楚即可。学者说明研究对象是由一个生产商和一个传统零售商组成的双渠道供应链，研究目的是研究其定价决策问题。学者描述了研究过程并绘制了模型流程图，学者这一部分描述很清晰，在图中把各个参数的标注也很清晰。同时，学者也将研究假设部分罗列清楚。首先是制造商不计生产成本呢，电商平台和传统零售商不计销售成本，同时不考虑缺货，然后是制造商通过电商平台销售商品给零售商时，电商平台统一收取扣点费用。最后是产品市场需求受零售价格和销售努力水平双因素的影响。
Model description and hypothesis do not need too much language modification, description can be clear. Scholars show that the research object is a dual-channel supply chain composed of a manufacturer and a traditional retailer, and the purpose of the research is to study its pricing decision. The scholar described the research process and drew the model flow chart. The description of the scholar was very clear, and each parameter was clearly marked in the figure. At the same time, scholars also listed the research hypotheses clearly. First of all, manufacturers do not consider production costs. E-commerce platforms and traditional retailers do not consider sales costs and do not consider stock shortages. Then, when manufacturers sell goods to retailers through e-commerce platforms, e-commerce platforms uniformly charge deduction fees. Finally, product market demand is influenced by retail price and sales effort level.
4.模型构建与求解
学者的模型构建与求解部分主要是参考另一位学者的文献构建传统渠道和电子渠道的需求函数，然后对需求函数的参数进行了描述，最后得出传统零售商、制造商及整个供应链的利润函数。学者在模型构建与求解中还有一部分是属于假设的内容，小编个人觉得这部分内容可以与上一部分单独说明的假设进行揉合。
The model construction and solution part of the scholar mainly refers to the literature of another scholar to construct the demand function of traditional channel and electronic channel, and then describes the parameters of the demand function, and finally obtains the profit function of traditional retailers, manufacturers and the whole supply chain. Scholars in the model construction and solution is also part of the content of the hypothesis, Xiaobian personally feel that this part of the content can be integrated with the previous part of the hypothesis separately explained.
学者在分散决策情况下的情形研究的是制造商主导供应链下的情况，通过逆向归纳法求解，当电商平台收费比率满足一定条件时，生产商的利润会随着零售价格和批发价格上涨。学者同时给出建议生产商可以根据一般电商平台的收费比率标准5%-20%进行收费。同时学者得出在分散决策情形下，传统零售商提高销售努力水平，将增加消费者对传统渠道购物的好感度，从而增加其产品的市场需求量，并直接增加传统零售商的最大化利润；但是，当销售努力的水平提高到一定程度以后，提高销售努力水平对产品需求量的增加速度小于零售价格增加对产品需求量的降低速度，也即提高销售努力水平获得的利润小于提高销售努力水平产生的成本。因此，传统零售商将选择最优销售努力水平来获得最大的利润。
In the case of decentralized decision-making, scholars studied the situation under the manufacturer-led supply chain. Through backward induction, when the charging ratio of e-commerce platform meets certain conditions, the profit of manufacturers will rise along with the retail price and wholesale price. At the same time, the scholars suggest that manufacturers can charge according to the charging ratio standard of general e-commerce platform 5%-20%. At the same time, it is concluded that under the decentralized decision-making situation, the traditional retailer's promotion of sales effort will increase consumers' favorable degree to the traditional channel shopping, so as to increase the market demand for its products, and directly increase the maximum profit of the traditional retailer. However, when the sales effort level is raised to a certain extent, the increase rate of product demand by increasing the sales effort level is smaller than the decrease rate of product demand by increasing the retail price. In other words, the profit obtained by increasing the sales effort level is smaller than the cost generated by increasing the sales effort level. Therefore, the traditional retailer will choose the optimal selling effort level to maximize profit.
但对于生产商来说，传统零售商销售努力水平的提高，将降低消费者对电子渠道购物的好感度，造成其产品市场需求量降低，故而生产商只能通过降低电子渠道的零售价格来提高其市场需求量。两者之间的决策会存在双重边际效应。
However, for manufacturers, the improvement of the sales effort level of traditional retailers will reduce consumers' favorable degree to electronic channel shopping, resulting in a decrease in the market demand for their products, so manufacturers can only improve their market demand by reducing the retail price of electronic channels. The decision between the two will have double marginal effects.
学者研究了集中决策下的定价决策问题。研究发现，供应链在电子渠道和传统渠道的最优零售价格都随着传统零售商销售努力水平的提高而增大。然后学者还对两种决策下进行了比对，发下集中决策情况下供应链整体的利润要优于分散决策下供应链整体的利润。
Scholars have studied the problem of pricing decision under centralized decision. It is found that the optimal retail price in both electronic and traditional channels increases with the increase of the sales effort level of traditional retailers. Then scholars also compared the two kinds of decisions and found that the overall profit of the supply chain in the case of centralized decision is better than that in the case of decentralized decision.
然后学者将两部定价契约协调与收益共享契约进行比较，表明采用收益共享契约更优于生产商实现供应链的纵向调整。
Then scholars compare the coordination of the two pricing contracts with the revenue sharing contract and show that the revenue sharing contract is better than the manufacturer to realize the vertical adjustment of the supply chain.
学者这部分利用两部定价契约进行协调，生产商可以采用两部协调定价机制，生产商首先向传统零售商收取固定的费用（可以看出加盟费），然后再根据产品市场需求量确定单位产品的批发价格。同时，学者举例现在有不少企业采用两部定价契约进行协调。通过两部定价契约协调发现，两部定价契约可以使供应链整体利润最大化，同时也是生产商和零售商的利润高于分散决策的情况。
The academics used two pricing contracts to coordinate,The manufacturer can adopt two coordinated pricing mechanisms. The manufacturer firstly charges a fixed fee to the traditional retailer (as can be seen from the franchise fee), and then determines the wholesale price of the unit product according to the market demand of the product. At the same time, scholars exemplifies that many enterprises now adopt two pricing contracts for coordination. Through the coordination of the two pricing contracts, it is found that the two pricing contracts can maximize the overall profit of the supply chain, and it is also the case that the profits of manufacturers and retailers are higher than those of decentralized decisions.
5.数值分析
数值分析部分学者主要是根据考虑的两个因素进行的分析，一个是销售灵敏度的敏感性分析，一个是扣点费率参数灵敏度分析。在销售灵敏度敏感分析方面：当销售努力对产品市场需求影响较小时，供应链整体利润随着销售努力水平的提高而增加，当销售努力水平提高到一定程度以后，供应链整体利润会随着销售努力水平的提高而下降。因此，在实际的供应链决策中，存在最优的销售努力水平使供应链利润最大化，并且集中决策下最优销售努力水平大于分散决策时的最优销售努力水平。在使用两部定价契约之后发现：生产商则通过降低批发价格来实现供应链整体利润的最优化。传统零售商通过提高销售努力水平来增大传统渠道零售价格从而实现利润的在最大化，可以发现协调决策减弱了销售努力水平提高对最优零售价格增大的影响。在扣点费率参数灵敏度分析方面：电商平台扣点费率的增大造成供应链双重边际效应逾明显。
In the numerical analysis part, scholars mainly conducted the analysis based on two factors considered, one is the sensitivity analysis of sales sensitivity, and the other is the sensitivity analysis of deduction point rate parameter. In the aspect of sales sensitivity sensitivity analysis, when the impact of sales effort on product market demand is small, the overall profit of the supply chain will increase with the improvement of sales effort level, and when the sales effort level increases to a certain extent, the overall profit of the supply chain will decrease with the improvement of sales effort level. Therefore, in actual supply chain decision-making, there is an optimal sales effort level to maximize supply chain profit, and the optimal sales effort level under centralized decision-making is greater than the optimal sales effort level under decentralized decision-making. After using two pricing contracts, it is found that manufacturers can optimize the overall profit of the supply chain by reducing the wholesale price. Traditional retailers increase the retail price of traditional channels by improving the sales effort level so as to maximize the profit. It can be found that the coordination decision weakens the influence of the increase of sales effort level on the increase of the optimal retail price. In terms of sensitivity analysis of deduction rate parameter, the increase of deduction rate of e-commerce platform causes more obvious double marginal effect of supply chain.
6.结束语
结论部分学者先是回顾了研究过程，其次是分三条说明自己的研究结论。分别是从整体到销售努力角度到带你上平台扣点费率角度写研究结论。最后提出研究不足与进一步的研究方向，研究不足在于学者研究时只是将电商平台扣点费率作为一个外生变量来分析，并且供应链成员包括生产商和传统零售商，没有将电子商务平台作为一个决策者纳入供应链定价决策范畴内。进一步的研究方向在于进一步考虑考虑由生产商、传统零售商和电商平台组成的三元供应链的定价决策模型。
The conclusion part of the scholars first reviewed the research process, followed by three points to explain their own research conclusions. Write the research conclusions from the overall perspective to the sales effort perspective to the point of view of bringing you to the platform. Finally, this paper proposes the research shortcomings and further research directions. The research shortcomings lie in that scholars only analyze the deduction rate of e-commerce platform as an exogenous variable, and the supply chain members include manufacturers and traditional retailers, without taking e-commerce platform as a decision maker into the category of supply chain pricing decision. The further research direction is to further consider the pricing decision model of the ternary supply chain composed of manufacturers, traditional retailers and e-commerce platforms.
今天的分享就到这里了。
如果您对今天的文章有独特的想法，
欢迎给我们留言，
让我们相约明天，
祝您今天过得开心快乐！
That's it for today's sharing.
If you have a unique idea about today’s article,
Welcome to leave us a message,
Let us meet tomorrow,
I wish you a happy day today!
参考资料：谷歌翻译
参考文献：[1] 黄红伟,陈振颂,吴胜,焦健锋,王先甲.两部定价契约下基于销售努力的双渠道供应链定价与协调
本文由LearningYard学苑整理并发出，如有侵权请在后台留言！
LearningYard学苑
文案 | Qian
排版 | Qian
审核 | Tian
一年一度的双十一要来了，今年有多少人准备被割韭菜了呢？
双十一受欢迎的核心是因为打折、便宜，商家在当天以促销之名吸引消费者。然而，经过多年的血泪教训，消费者们变得越来越理智。
越来越多消费者已经不再像以前那样狂热，他们会认真比对、仔细思考是否需要买。以前，商家们在双十一期间先涨价再打折的伎俩已经没用了。现在的消费者都知道这价格到底是不是真的便宜。
而且，越来越多的消费者正从双十一剁手党中脱离，他们更倾向于理性消费、按需消费。
不得不说，对于商家而言，双十一越来越难做了。除了少数超级IP外，大多数商家都是捧场凑热闹。
此外，今年的双十一还遇到疫情复发。这是困扰今年双十一最大的阴霾。
根据官方公布的消息，目前，广州、郑州、呼和浩特、重庆、乌鲁木齐、石家庄等地都出现了大范围疫情蔓延的趋势。各地也立即启动了相应封控措施。
大家都知道，一旦封控日常物资流通都会遇到困难，更不要说什么双十一了。而根据往年双十一数据，广东省购买力常年排名位居全国第一，其次是北京、上海、浙江、江苏。2021年的双十一，广东省当天成交额环比增长60%。而广东省中，消费体量最大的就是广州。
现在的广州是什么情况应该大家都看得到，部分区域采取了全封闭封控措施，其中，番禹区严控人员流动。有8个区的中小学已经叫停所有线下课程。北京的疫情情况虽然比广州稍好，但形势也不容乐观，已经有多个小区被封控。并且，此前北京的健康宝弹窗问题也引起了广泛关注。
显然，今年的不少人基本无缘双十一了。除了广州和北京外，全国还有多地也处于分控状态，这些地区也是不可能参与双十一的。这意味着，正常情况下，今年双十一的消费数量会比往年少。
实际上，从去年开始，各平台双十一交易数据就出现了明显降速。以阿里和京东两大巨头为例。2020年，阿里双十一交易额4982亿元，同比增长26%（过去四年中，阿里双十一数据增长都是26%）；京东双十一交易额2715亿元，同比增长33%。但是，到了2021年，阿里双十一交易额5403亿元，同比增长只有8%；京东双十一交易额3491亿元，同比增长29%。
两大巨头姑且如此，整体情况更加惨不忍睹。根据星图数据显示，从包裹数量看，从2020年开始，双十一的赚钱效应就已经开始走下坡路。
众所周知，双十一的交易额数据本身就有水分，平台为了粉饰虚假繁荣，会通过一些手段制造数据。客观而言，实际包裹数量相比交易额更有参考价值。
双十一的热度早已不及当年，甚至可以说，双十一的潜力基本已经挖完了。消费能力的激发已经饱和，今后，双十一的边际效益只会越来越低。
因此，不要指望今年的双十一能有什么激动人心的时刻，特别是一些一年下来就等着双十一赚一笔的商家要尽早做其他打算。
其实，那么多年的双十一下来，消费者们也被教育明白了。双十一的折扣并没有多大优惠，一些商品反而卖得比平时贵。甚至很多商家就是利用双十一坑害消费者。根据消费者协会数据显示：
2021年10月20日至11月12日共计24天监测期内，共收集“双11”相关“消费维权”类信息21353081条，日均信息量约89万条；
监测期内，共收集有关“价格争议”类负面信息919382条，日均在38308条左右，信息量分布呈现集中趋势，11月1日舆情信息量最高，为143984条；
监测期内，共收集有关“虚假发货”类负面信息227795条，日均信息量9491条。舆情信息量从11月1日起开始增多，11月6日达到峰值为28202条；
监测期内，共收集与平台营销相关问题舆情集中事件负面信息123071条，负面信息在10月27日出现高峰为18184条。
所有的槽点都在一组组数据内。聪明人早就远离双十一，凑热闹的事大都没有好结果。如果回头想想，双十一也是时候该退场了。本来一年中双十一是独一无二的，之后又有了双十二、618之类的，只要平台想做，每个月都能搞一个购物节，何必非要赶在双十一凑热闹呢？都醒醒吧，消费不应该集中在某一天，而是平时任何时候都该有消费。过度集中的消费对于经济而言并不是什么好事。
引用地址:https://www.gupiaohao.com/202304/28684.html
tags: