基于演化博弈的電商平臺“殺熟”與政府監管行為分析

張志鵬，段 賀

（天津職業技術師范大學經濟與管理學院，天津 300222）

隨著企業間競爭的加劇，電商平臺越來越重視對消費者購物行為的分析。當前，電商平臺借大數據時代的東風，普遍利用大數據深入挖掘消費者的購物記錄和搜索記錄等內容，從而為消費者推送有針對性的商品信息或制定不同的產品價格及優惠政策。其中，對新老顧客進行市場劃分，同一產品或服務收取不同的費用，以資謀求更大利益的現象被稱為“大數據殺熟”[1]。如2020年雙十一期間，某女子通過電商平臺購買一商品，卻意外發現，非會員賬號的價格比自己的會員賬戶要低很多，通過仔細比對發現，非會員賬號中有一張滿減券①。另外，根據2019年一項針對北京地區的調查顯示，超過八成的被調查者認為企業“殺熟”現象普遍存在，超過五成的被調查者認為自己被“殺熟”過。同時，網購平臺、在線旅游和網約車等企業是“殺熟”問題最為泛濫的領域[2]。可見，在數字經濟時代，“殺熟”問題普遍存在，對于消費者的日常生活影響巨大，已成為數字經濟領域亟待解決的重要問題之一[3]。鑒于此，本文依據演化博弈理論，綜合考慮電商平臺大數據“殺熟”、政府監管和消費者維權的影響因素，建立政府與電商平臺間的博弈模型，探討不同條件下的演化路徑及均衡狀態，并通過數值模擬觀察各因素對系統演化的影響規律，針對電商平臺大數據“殺熟”問題提出對策建議。

1 文獻綜述

目前，大數據“殺熟”尚未有一個統一的定性，是否逾越法律法規仍存在爭議。這就使得某些掌握大數據的電商平臺，通過數據的采集、分析和加工等，在沒有“對口”法律的約束下，對客戶定制服務，消費者剩余被完全剝奪[4]。加之互聯網下的信息不對稱，使得大數據“殺熟”更加隱蔽，消費者處于弱勢，引起市場失靈，威脅到電子商務良性發展[5]。為有效遏制電商平臺的“殺熟”行為，學者開展了一系列的研究，通過調研文獻發現，現有文獻主要是從電商平臺、政府和消費者之間的博弈關系展開研究。

一方面是電商平臺與消費者間的博弈。該情形下，學者主要考慮消費者某些特定行為對演化穩定性的影響。有學者研究了在消費者存在損失厭惡心理下的電商平臺產品“殺熟”定價問題。結果表明，消費者雖然對電商平臺企業的“殺熟”行為表現出了極大的不滿，但這并沒有使商家放棄“殺熟”這一獲得超額利潤的“利器”[6]。為有效遏制“殺熟”行為，部分學者提出賦予消費者數據可攜權，利用演化博弈模型分析了電商平臺與消費者行為的演化。結果顯示，數據可攜權在一定條件下可有效遏制大數據“殺熟”，但使用該權力也有弊端，某些情況下會阻礙電商平臺提升產品質量或服務品質的積極性[7]。在此基礎上，學者豐富了博弈主體類型，構建了電商平臺、網絡營銷企業和消費者間的三方演化模型，分析了電商平臺分配流量、企業發放優惠券和消費者購買決策行為[8]。另外，還有學者考慮以產品提價作為“殺熟”的方式，綜合考慮了精神損失、罰款、時間成本和機會成本等因素，在這種情況下，商家一旦選擇提價策略，消費者就會選擇不購買商品[9]。

另一方面是政府與電商平臺之間的博弈。目前，政府監管的方式主要有傳統監管與數據監管[10]。其中，數據監管是近年來數字經濟快速發展中出現的一種新興的監管模式。主要是指運用大數據建立現代化、智能化、信息化的企業信用監管機制，加強信息共享和部門之間的協同管理機制[11]。一般地，學者均假定政府的策略集為{大數據監管，傳統監管}，電商平臺的策略集為{大數據“殺熟”，不“殺熟”}，通過演化博弈模型，重點研究政府和電商平臺的策略選擇及其影響因素，所得結論基本為純策略納什均衡[12]。但也有學者提出，在監管中，政府可以采用策略組合的方式，將傳統監管與數據監管相結合，提高監管效益[13]。在此基礎上，學者針對大數據監管這一問題進行了深入研究，分析了嚴格大數據監管和寬松大數據監管對電商企業大數據“殺熟”行為的影響[14]。此外，有學者將心理賬戶與前景理論引入到電商平臺與政府的演化博弈模型中，充分研究了心理因素對政府和電商平臺行為的影響。研究表明，提高成本參照點和降低效價參照點可以快速降低“殺熟”定價和不監管行為的發生[15-16]。

通過文獻回顧可發現，多數學者采用演化博弈理論對“殺熟”行為及其監管進行研究，結合博弈主體特征，分析了大量影響因素對演化穩定策略的影響。但迄今為止，鮮有文獻同時考慮電商平臺、政府和消費者3個主體的行為；在博弈主體實施某些行動時，忽略了行動成功的可能性；缺少對電商平臺發券行為的深入分析。本文在已有文獻基礎上，根據電商平臺發放優惠券、政府懲罰、消費者報復等客觀事實，采用演化博弈的方法，研究電商平臺給予消費者的優惠力度、政府監管懲罰力度、消費者的報復、曝光行為以及各主體活動成功概率對主體行為選擇的影響。

2 演化博弈模型

電商平臺利用大數據技術深度挖掘用戶消費行為，并根據消費者的消費記錄、活躍程度、所屬群體等信息制定針對性的商品價格和優惠券，這種“殺熟”行為為電商平臺帶來了超額利潤，同時也成為破壞電商市場良性發展的突出問題。政府為維護市場公平，精準識別大數據“殺熟”行為，也逐漸由傳統監管向大數據監管過渡，但由于大數據監管成本問題，政府監管部門仍舊未能充分利用大數據監管。此外，隨著消費者維權意識的提高，一部分消費者面對大數據“殺熟”行為，會通過社交平臺或媒體曝光這種行為，維護自身權益。目前，同時考慮以上包含政府、電商平臺和消費者行為的動態演化的研究屈指可數，這為本文的研究提供了良好的現實背景與研究空間。

2.1 研究假設

因消費者處于被動接受平臺產品和服務的地位，本文將其行為作為影響因素嵌入至模型中，只考慮電商平臺和政府2個博弈主體，且均為有限理性。為有效構建模型與分析主體行為，現提出如下假設：

假設1政府在監管電商平臺“殺熟”時，有2種策略可以選擇，分別是大數據監管和傳統監管，選擇大數據監管策略的概率為y，選擇傳統監管的概率為（1-y）；電商平臺的在日常經營過程中，可以采取“殺熟”或者不“殺熟”策略，若選擇“殺熟”策略的概率為x，則不“殺熟”的概率為（1-x）。

假設2由于部分用戶習慣了某些電商平臺的運營方式，一般不會再選擇其他平臺來獲得同質化需求，平臺利用老顧客的這一心理，往往會“棄熟愛生”，通過大數據篩選出這一部分用戶進行“殺熟”，不發放或者發放更低價值的優惠券，平臺對這一部分顧客“殺熟”的比例為φ（0≤φ≤1），而向其余（1-φ）比例的用戶發放優惠券的優惠力度為Δ；對商品定價為P；平臺利用大數據識別要“殺熟”的顧客與發放優惠券的服務成本、時間成本等和為C；當平臺選擇不“殺熟”策略時，為加大銷量，獲取更多利潤，也會采用發放優惠券的方式，因此引入系數B（B＞1），用BC表示平臺不采取“殺熟”策略時發放優惠券的成本。無論電商平臺采取哪種策略，商品的生產成本、物流成本等都相同，因此在本模型中忽略該成本。

假設3政府為維護電子商務中消費者的權益，消除電商平臺與消費者間的信息不對稱（消費者往往處于弱勢），保證電子商務市場海晏河清，需要對電商平臺進行監管，遏制電商平臺大數據“殺熟”行為。當政府成功監管，發現電商平臺“殺熟”行為時，會對其收取一定罰金F；政府采取大數據監管時的單位成本為C1，成功發現電商平臺“殺熟”的概率為γ；采取傳統監管時的單位成本為C2，成功發現電商平臺“殺熟”的概率為β。依據現實調研，政府采取大數據監管的成功率要高于傳統方式監管的成功率，因此有0≤β＜γ≤1。

假設4在被“殺熟”的老顧客中，不乏有維權意識強的顧客，當他們發現自己被電商平臺“割韭菜”時，部分會向有關部門檢舉甚至向媒體披露，曝光電商平臺的行為，選擇曝光的這一部分消費者的比例為ω；同時還會有一部分顧客會對電商平臺“殺熟”行為進行報復，如果消費者選擇曝光，那么對電商平臺造成的損失為R；如果消費者只是本身對平臺的好感降低，沒有向媒體披露，此時對電商平臺造成的損失相對較小，因此引入系數A（0≤A≤1），用AR表示未曝光情況下，消費者對電商平臺“殺熟”的報復。

以上假設中的參數含義如表1所示。

表1 各參數的含義

2.2 收益支付矩陣

基于上述假設，可構建出政府和電商平臺博弈模型的支付矩陣，包含（“殺熟”，大數據監管）、（不“殺熟”，大數據監管）、（“殺熟”，傳統監管）和（不“殺熟”，傳統監管）4種情況，具體如表2所示。

表2 政府和電商平臺博弈模型的支付矩陣

2.3 復制動態方程

由表2可知，電商平臺選擇“殺熟”策略的期望收益Ux為

電商平臺選擇不“殺熟”策略的期望收益U1-x為

根據電商平臺選擇不同策略的期望收益，得到電商平臺的復制動態方程

式中：t為微分方程中的時間項，為和其他變量保持一致，數值模擬中時間項不設置單位。

政府選擇數據監管策略的期望收益Uy為

政府選擇傳統監管策略的期望收益U1-y為

根據政府選擇不同策略的期望收益，政府的復制動態方程為

因此，可得到如下二維復制動力系統為

2.4 演化博弈分析

令Fx=0，Gy=0，表明2個主體學習速度為0，聯立方程可得系統演化博弈的4個純策略納什均衡點：（0，0）；（0，1）；（1，0）；（1，1），其他非漸進穩定狀態不再過多描述。

對2個復制動態方程中的x、y分別求偏導，得到雅可比矩陣

其中：a11=[（2x-1）（C-BC+Fyβ+Ryβ-Δφ+Rω-Ryω+Fγω-Fyγω-AR（yβ+ω-yω-1））；a12=（2x-1）（（1-A）R（β-ω）+F（β-γω））；a21=F（1-y）y（β-γω）；a22=-F（-1+2y）（β-γω）。

計算雅可比矩陣的跡TrJ與行列式的值DetJ

根據雅可比矩陣的特性，演化穩定策略要求TrJ＞0和DetJ＞0。均衡點穩定性分析如表3所示。

表3 穩定性分析

（1）當C1＞C2且（B-1）C+γφ（R-AR+Fγ）ω+AR時，政府采用大數據監管的單位成本大于采用傳統監管的單位成本，此時（0，0）點為電商平臺和政府雙方博弈的穩定點，即政府為了節約監管成本，趨于選擇傳統監管的方式。對于電商平臺而言，采用“殺熟”策略并不是最優選擇，不會獲得更多的利益，因此趨于選擇不“殺熟”策略。

（2）當C1＜C2且（1-B）C-γφ＞（AR-F-R）β-AR時，政府采用大數據監管的單位成本小于采用傳統監管的單位成本，此時（0，1）點為電商平臺和政府雙方博弈的穩定點，即政府趨于選擇大數據監管的方式，而電商平臺由于“殺熟”行為下的利益已不再有誘惑力，平臺更趨于選擇不“殺熟”策略。

（3）當F（β-γω）＜C1-C2且（1-B）C-γφ＜（ARFγ-R）ω-AR時，（1，0）點為電商平臺和政府雙方博弈的穩定點。電商平臺為謀取更大的利益，會選擇“殺熟”策略，此時政府采用傳統監管的方式是一種低效率的監管，不僅浪費了資源成本，而且對電商平臺“殺熟”行為，也沒有實現有效的監管。

（4）當F（β-γω）＞C1-C2且（B-1）C+γφ＞（R+F-AR）β+AR時，（1，1）點為電商平臺和政府雙方博弈的穩定點。電商平臺趨于選擇“殺熟”行為，政府趨于選擇大數據監管。雙方博弈朝著這2個方向演化，最終會使電商市場處于失靈狀態。

3 數值仿真分析

3.1 初始值對演化博弈的影響

為更加直觀地分析電商平臺和政府的策略選擇，剖析演化過程，利用Matlab 2013對上述二維動力系統（1）進行數值仿真。

對于穩定狀態（0，0），各變量取值須滿足C1＞C2和（B-1）C+γφ＜（R-AR+Fγ）ω+AR。為滿足以上條件，初始變量賦值如下：Δ=1，F=2，φ=0.3，γ=0.4，β=0.3，A=0.2，φ=0.6，R=2，C=1，C1=1.2，C2=1，B=1.1，其仿真結果如圖1所示。

圖1 穩定狀態（0，0）數值演化仿真結果

系統演化穩定狀態為（0，0），即電商平臺趨于選擇不“殺熟”策略，政府趨于選擇傳統監管策略。對于電商平臺來說，“殺熟”策略的誘惑力已不足以使之選擇“殺熟”，因此不論初始比例的高低，都會在較短時間內選擇不“殺熟”策略；而對于政府而言，選擇大數據監管的比例越高，則達到穩定狀態需要的時間越長，此時對于政府來說，不僅會花費更多的非必要成本，而且監管效率很低，因此政府應在大數據監管方面慎重投入，以防造成不必要的成本投入。

對于穩定狀態（0，1），各變量取值須滿足C1＜C2和（1-B）C-Δφ＞（AR-F-R）β-AR。為滿足以上條件，初始變量賦值如下：Δ=1，F=2，φ=0.3，γ=0.4，β=0.3，A=0.2，φ=0.6，R=2，C=1，C1=0.5，C2=1，B=1.1，其仿真結果如圖2所示。

圖2 穩定狀態（0，1）數值演化仿真結果

系統演化穩定狀態為（0，1），即電商平臺趨于選擇不“殺熟”策略，政府趨于選擇大數據監管策略。對于電商平臺而言，隨著初始比例的下降，趨于穩定策略所需要的時間變短，且斜率較大，因此趨于穩定的效率較高；對于政府而言，采用大數據監管的初始比例越大，就會越快地趨于穩定點。換言之，政府采取數據監管的比例越高，監管的效率就越高。此時的市場不論對于電商平臺還是政府，抑或是消費者來說，都是一個良性市場，較大程度上保證了市場的公平。

對于穩定狀態（1，0），各變量取值須滿足F（βγω）＜C1-C2和（1-B）C-Δφ＜（AR-Fγ-R）ω-AR。為滿足以上條件，初始變量賦值如下：Δ=2，F=0.5，φ=0.3，γ=0.4，β=0.3，A=0.2，φ=0.6，R=0.5，C=1，C1=1.8，C2=1，B=1.1，其仿真結果如圖3所示。

圖3 穩定狀態（1，0）數值演化仿真結果

系統演化穩定狀態為（1，0），即電商平臺趨于選擇“殺熟”策略，政府趨于選擇傳統監管策略。對于電商平臺來說，初始比例越大，選擇趨于穩定策略的時間越短，越快地選擇“殺熟”策略，以資攫取更大的利益；而對于政府來說，不論初始比例的大小，選擇傳統監管的速度都較快，此時政府監管接近于無效監管。這種情況下，對于電商平臺而言，可以較大程度地謀求更大的利益，采用大數據“殺熟”策略的誘惑力達了頂峰，而政府的低效率監管會導致市場混亂，對于廣大消費者而言，更應理性消費，維護自身的合法權益，積極披露、舉報電商平臺的“殺熟行為”，借助媒體等各方力量，打破信息孤島。

對于穩定狀態（1，1），各變量取值須滿足F（βγω）＞C1-C2和（B-1）C+Δφ＞（R+F-AR）β+AR。為滿足以上條件，初始變量賦值如下：Δ=3，F=2，φ=0.3，γ=0.4，β=0.3，A=0.1，φ=0.6，R=0.5，C=1，C1=1.1，C2=1，B=3.1，其仿真結果如圖4所示。

圖4 穩定狀態（1，1）數值演化仿真結果

系統演化穩定狀態為（1，1），即電商平臺趨于選擇“殺熟”策略，政府趨于選擇數據監管策略。顯然，不管初始比例如何，電商平臺都會迅速收斂到大數據“殺熟”這一狀態。然而，作為監管部門的政府，跟進的速度明顯慢了很多。但即使政府選擇大數據監管，仍舊不能抑制電商平臺的“殺熟”選擇，此時政府應在提高罰金金額、加強消費者維權意識等方面著手，調整市場的演進方向。

從圖1至圖4可知，政府選擇大數據監管時，達到穩態的時間總是滯后于電商平臺達到穩態的時間，這說明不論電商平臺“殺熟”與否，如果單純依靠市場系統的自發演進，政府的治理都會滯后于問題的蔓延，因此需要監管部門設計好市場運行機制，充分發揮部門職能，以保證電商市場的有效運行，具體著手點可參考下文結果。

3.2 演化博弈影響因素分析

由于（0，1）穩定狀態較大程度地維護了市場的公平公正，體現了市場功能，最有利于市場的發展。因此，基于該情形（參數設置見上節），對部分重要影響因素進行數值仿真，以期為抑制大數據“殺熟”現象提供管理思路。不同參數對演化軌跡的影響如圖5所示。由圖5可知，當電商平臺給予新顧客和不活躍顧客更大優惠時，即Δ越大，電商平臺趨于不“殺熟”穩定策略所用的時間就會越長。究其原因，是因為電商平臺通過優惠券的形式將更多的利益讓渡給消費者，導致當前策略對于電商平臺吸引力降低，從而出現下降速度降低的結果。而當電商平臺使用大數據篩選顧客以及發券的成本增大時，即C增大，平臺不采取“殺熟”策略時發放優惠券的成本BC也隨之增大，且后者比前者更大（B＞1），在當前的參數設置下，不“殺熟”策略所對應的收益減少量大于“殺熟”策略對應的收益減少量，因此圖5（b）中即使C增大，電商平臺也總是向著不“殺熟”演進，只是在時間上有所區別。

圖5 不同參數對演化軌跡的影響

類似地，當電商平臺采取不“殺熟”策略時的成本系數B變大時，會造成其選擇“殺熟”與不“殺熟”的收益差增大，也會延長電商平臺選擇不“殺熟”的時間，B對演化軌跡的影響如圖5（c）所示。顯然，以上3個因素對{不“殺熟”，大數據監管}這一演化穩定狀態的影響效果一致。就政府而言，C1、C2、F對演化軌跡的影響如圖6所示。

當采取大數據監管的單位成本較大，即C1越大時，政府就需要更加充分的準備，因此需要轉換時間也會越長；而當政府采用傳統監管的單位成本越大，即C2越大時，政府則更趨于選擇大數據監管，C2對演化軌跡的影響如圖6（b）所示。

因此，政府可考慮多部門共享大數據設備使用權，降低使用成本。最后，F對演化軌跡的影響如圖6（c）所示。當收取的罰金越多，即F越大時，電商平臺會更快地趨于博弈穩定點，即越快地選擇不“殺熟”策略。

圖6 C1、C2、F對演化軌跡的影響

就消費者（這里的消費者主要指被“殺熟”的老顧客）而言，無論是消費者對電商平臺“殺熟”行為的報復R，還是報復系數A，抑或是曝光率ω，任意一項增加，都會很有效地加速電商平臺采用不“殺熟”策略，演化過程如圖7所示。

圖7 R、A、ω對演化軌跡的影響

由圖7可知，R、A、ω此3項的提高都會使電商平臺在“殺熟”過程中遭受到更多的損失，其他條件相同的情況下，電商平臺放棄“殺熟”的時間會更短。因此，消費者學會運用合理的手段維護自己合法的權益，不僅能保證自身利益不受損害，同時也有助于市場的和諧發展。

4 結論及建議

本文基于演化博弈理論，構建了以電商平臺和政府為研究對象的演化博弈模型，研究了雙方達到不同演化穩定策略的條件。通過數值仿真分析了初始狀態對4種演化穩定狀態的影響及{不“殺熟”，大數據監管}這一情形的具體情況，得出以下結論：

（1）電商平臺對于策略的選擇更加靈活，而政府則相對遲緩。根據數值仿真結果可以明顯看出，在4種不同的穩定策略組合下，電商平臺能在較短的時間內達到穩定狀態；而政府要達到穩定狀態需要的時間相對較長。

（2）政府的懲罰力度能夠降低電商平臺“殺熟”的概率。當罰金較高時，電商平臺會快速地放棄“殺熟”，因此政府應針對“殺熟”行為制定專門法規。

（3）消費者維權意識能夠有效遏制“殺熟”行為。不論是報復強度、報復系數，還是曝光率都會讓電商平臺更加謹慎，使用“殺熟”的概率也會降低。

根據上述研究結論，本文在技術、法律和消費者層面提出如下建議：第一，共享大數據設備使用權。已安裝大數據設備的監管部門，在現有設備基礎上，為其他監管部門開通設備訪問接口，各部門共享設備使用權、共擔設備維護成本，這既提高了設備的使用效率，又使監管部門以較低成本獲得了大數據監管的精準性，進而更高效地維護電商市場的秩序。第二，細化法律規范體系。我國已經出臺了規范電商平臺的法律規范體系，但是對價格欺詐行為界定不明確，某些法律條款實施具有一定難度。應在現有法律基礎上，細化法律規范體系，使電商平臺合法、合理地借用大數據工具以促進行業發展。第三，加強消費者維權意識的宣傳力度。消費者維權既可以使電商平臺為其違法行為付出代價，又可以引起監管部門的關注，從而加強對電商平臺的監管，使電商平臺朝規范化經營的方向發展。

5 結語

為促進我國數字經濟有序發展，本文分析了電商平臺、政府和消費者三類主體相關因素在大數據“殺熟”問題中的作用，并提出針對性的管理建議，對三類主體均具有借鑒意義。但是，模型中未將消費者作為博弈主體來進行建模，忽略了消費者、電商平臺和政府間的部門作用關系，在后續的工作中可進一步建立三方演化博弈模型，探討消費者、電商平臺和政府間更加復雜的關系。

注釋：

①https://www.sohu.com/a/429699402_120698168.