互聯網平臺中的信息不對稱與賣方策略性定價行為

摘 要：互聯網平臺是數字經濟的重要構成和關鍵形態，其影響并塑造了賣方與消費者的交易行為。本文基于搜尋理論，解釋了互聯網平臺中價格離散的形成機制，理論推演了互聯網平臺中的信息不對稱與賣方策略性定價行為的關系；利用淘寶、天貓和京東三大電商平臺的260萬條商品信息，實證檢驗了互聯網平臺中的信息不對稱與賣方策略性定價行為的因果關系。研究結果顯示，信息不對稱對平臺價格分布的“策略性”有正向影響，對平臺價格分布的“波動性”有正向影響，對平臺價格分布的“優惠性”有負向影響。本文的研究結果經過一系列穩健性檢驗后仍然成立。本文建議監管部門應關注商品質量信息，規范線上市場中的商品信息展示方式，加強對平臺的個性化信息展示行為的規范，促進平臺形成機會均等的良性選擇機制。

關鍵詞：信息不對稱；策略性定價；互聯網平臺；價格離散；平臺經濟

中圖分類號：F713.56 文獻標識碼：A 文章編號：1000-176X（2025）03-0101-15

基金項目：教育部人文社會科學研究青年項目“互聯網平臺經濟中有效競爭的識別及監管研究”（20YJC790090）

一、引 言

平臺經濟是數據與算法驅動下的互聯網平臺企業與實體經濟共生形成的一類緊密協同生產、消費、市場匹配與交易等經濟活動的經濟模式。經過多年的快速發展，平臺經濟達到了前所未有的交易規模。平臺經濟打破了經濟活動的時空界限，大幅降低了消費者對商品信息的搜尋成本，整體上提升了市場效率。但是，線上市場屢屢出現虛假信息、假冒偽劣等問題。為促進平臺經濟規范健康持續發展，2022年1月，國家發展和改革委員會等9部門聯合印發了《關于推動平臺經濟規范健康持續發展的若干意見》。2022年4月，《中共中央 國務院關于加快建設全國統一大市場的意見》提出，強化市場基礎制度規則統一。2024年11月，國務院常務會議提出，“要規范市場競爭秩序，健全常態化監管制度，推動平臺企業規范經營、有序競爭、提升質量，促進各方主體互利共贏”。公平競爭、分工明確、法治完善的市場是高效可持續的，其關鍵在于市場參與者可以通過搜尋獲得充分的商品信息，作出“滿意”的決策。

價格越離散，市場競爭越不充分[1-4]。由于搜尋成本的存在，線下市場中的消費者對商品價格信息掌握有限，買賣雙方之間存在信息不對稱問題，造成價格離散[5]。在淘寶、天貓和京東三大電商平臺中，商品價格信息的搜尋成本非常低，理論上趨近“一價定律”，即同一產品價格趨同。但是，Fedoseeva等[6]認為，線上市場中價格依然呈離散狀態，這與理論預判存在明顯差異。因此，在以互聯網平臺為主導的線上市場中可能存在其他重要因素，導致價格難以收斂于完全競爭時的水平。

線上市場中的價格離散現象可以基于搜尋理論進行解釋。線下市場中的消費者可以通過實際體驗了解商品質量，但通常難以全面掌握價格信息；線上市場中，由于搜尋成本低，消費者能夠掌握價格信息，但由于商品以文字、圖片和視頻的形式展示，消費者缺少對商品質量的實際體驗和感知，存在質量信息不對稱問題。此外，由于線上市場價格調整的菜單成本較小，商家具備較高的策略性調價能力，增加了消費者對價格信息的搜尋成本。目前，數字技術的使用雖然增加了線上市場的交易規模，但因信息不對稱導致的市場失靈可能被放大[7]。

本文對淘寶、天貓和京東三大電商平臺的260萬條商品信息進行了分析。從市場總體看，線上市場的平均價格水平表現出頻繁而顯著的變化。①其中，京東的平均價格水平相對平穩，淘寶、天貓的平均價格水平波動明顯。從單一商品的價格看，分析期內有超過95%的商品標價都發生了變化。②由于時間間隔為日，統計范圍包含多類日常消費品，這些價格水平的變化很難解釋為是由經濟學意義上的需求變化引起的，更可能是由賣方的策略性定價行為導致的。考慮到促銷活動的影響，市場價格可能呈集體漲價的趨勢，表明線上市場存在明顯的策略性定價行為，反映出平臺方或賣方一側的強市場勢力。

本文從理論推演和實證檢驗兩個方面探究互聯網平臺中的信息不對稱與賣方策略性定價行為的關系，并且試圖在以下三個方面作出貢獻。第一，在搜尋理論的基礎上，解釋互聯網平臺中的價格離散現象，認為商品價格信息不對稱和質量信息不對稱本質上屬于同一范疇，都會導致價格離散。第二，利用淘寶、天貓和京東三大電商平臺的260萬條商品信息，分析線上市場價格離散的特征，揭示賣方策略性定價行為的具體表現形式，刻畫價格總體分布的靜態形式，同時對動態的價格變化規律進行分析。第三，探究信息不對稱在不同品類商品中存在的差異，這對于提升商品信息真實性、提升市場效率、優化數字平臺交易機制和制定平臺監管政策具有重要的理論意義與應用價值。

二、文獻回顧

價格是市場機制的核心，是市場參與者和監管部門決策的關鍵因素。“一價定律”描述了理想情況下商品價格趨于穩定一致的高效率市場狀態，現實中由于競爭不充分、信息不對稱，商品價格呈離散狀態，降低了市場效率。

（一）價格離散的成因

由于市場中存在著信息不對稱問題，消費者在獲得商品信息時會產生搜尋成本。消費者的搜尋成本、商品異質性、促銷和廣告等都會造成價格離散[8]。Stigler[5]認為，信息不完全時的消費者搜尋行為與商品價格分布是相關的，且賣方會在固定價格與混合策略之間作出決策。當消費者對市場的了解程度存在差異時，賣方會向不知情消費者收取高價獲取剩余[9]，此時，對于少量的不知情消費者而言會產生“掠奪外部性”[10]。在固定搜尋成本與先驗價格分布的假設下，消費者會綜合權衡價格變動情況與搜尋成本，賣方則會提供混合策略的定價形式[5，11]。當存在異質消費者時，賣方是否實施混合策略取決于消費者的知情狀況[12]。如果商品信息在消費者中不斷更新，則不會存在穩定的市場均衡價格[13]。競爭性市場中也可能出現壟斷性的定價行為，市場結構會影響價格向消費者傳遞質量信息的程度，競爭性市場中的賣方依然可以向不知情消費者收取高價[9]，且通過策略性定價獲取更多利潤[14]。此外，價格變化還受到廠商數目的影響，廠商數目的增加可能會增加消費者的搜尋成本，進而抬高價格[15-16]。

（二）信息不對稱與價格離散的測算

信息不對稱與價格離散的研究主要集中于單一或同品類商品，以避免商品差異化對價格產生影響，減少數據中的噪聲[17]，航空、汽油、網絡平臺、金融和電子產品是此類問題的主要研究領域。衡量信息不對稱的指標因研究主體的不同而異，但均以反映消費者搜索行為覆蓋的市場空間范圍和觸及的商品密集程度為主，如針對汽油市場的研究使用加油站的地理密度[18-19]、針對網絡商品的研究使用搜索流量[20]、針對金融市場的研究使用距金融中心的地理距離[21]。衡量價格變動時通常對價格進行標準差標準化、正態標準化；衡量市場層面價格的離散程度時，通常采用基尼系數、價格范圍和價格標準差等指標[22]。

（三）信息不對稱與價格離散的關系

關于信息不對稱與價格離散關系的研究存在兩種結論。一部分研究認為，兩者之間呈倒U型關系，在信息不對稱程度的極端情況下會導致價格接近壟斷市場水平或完全競爭市場水平。另一部分研究認為，兩者之間呈負相關關系，在信息不對稱程度的極端情況下會導致完全價格歧視或完全競爭性價格。兩種結論產生差別的原因在于對需求或市場的界定不同[23]。Tappata[24]對汽油市場的研究、周先波等[25]對勞動力市場的研究、Gugler等[26]對德國電子產品零售業的研究、Lach和Moraga？González[19]對荷蘭汽油市場的研究均認為，信息不對稱與價格離散呈倒U型關系。但是，Barron等[20]與Chandra和Tappata[27]對汽油市場的研究、Tang等[21]對互聯網平臺中搜索行為的研究、Petrescu[28]對消費者瀏覽量與價格關系的研究均認為，價格離散與搜索行為呈負相關關系。

（四）互聯網平臺中的信息不對稱與價格離散

互聯網平臺中也存在明顯的價格離散現象[29]，這是由于消費者只能根據有限的數字信息作出購買決策，相比于傳統線下銷售渠道可能存在更大程度的信息不對稱[30]。Petrescu[28]認為，互聯網平臺中的價格離散會受到平均價格、商品類型、運費和消費者瀏覽量的影響。另外，信譽、流量[31]等因素會促進“羊群效應”[32]的形成。

相較于傳統線下市場，互聯網平臺能否降低信息不對稱程度取決于信息傳遞的技術差異、信息篩選機制等因素[7]，擁有較強市場勢力的平臺往往會導致市場分割，加劇信息不對稱[3]。Fedoseeva等[6]認為，德國線上與線下的食品市場都存在價格離散現象，互聯網平臺的興起并沒有顯著消除該現象。從信息傳遞的技術看，互聯網平臺很大程度上減少了信息不對稱[33]，對線下市場的商品價格形成明顯競爭[34]。從互聯網平臺的信息篩選機制看，平臺有能力和動機降低搜索結果的質量[35]，有可能最終抬高而不是降低總體的信息匹配成本[36-37]。非中立平臺存在混淆商品質量的傾向，從缺少搜索行為的消費者那里獲取更多剩余[38]。基于用戶特征的價格博弈次數增加，剩余由消費者端轉移到商家端[39]。

大量研究在搜尋理論的基礎上解釋線下市場中的價格離散現象，而線上市場中價格多變和離散分布這一問題有待更深入的研究。本文研究了淘寶、天貓和京東三大電商平臺的價格變動情況，結合線上交易的特征，在搜尋理論的基礎上構建模型分析互聯網平臺中的信息不對稱與賣方策略性定價行為的關系。基于中國電商平臺的真實數據，本文對平臺內價格的靜態分布、動態變化和總體趨勢進行了較為詳細的刻畫，對信息不對稱與賣方策略性定價行為的因果關系進行了實證檢驗，為促進平臺經濟規范健康持續發展提供了理論支撐。

三、理論分析與研究假設

線上市場的商品展示機制能夠傳達的商品質量信息有限，消費者對數字信息的想象與對真實商品質量的實際體驗存在明顯差異。與線下市場相比，消費者通過文字、圖片和視頻等數字信息獲得的商品質量信息較少，對商品質量信息的掌握不足。本文從平臺交易的特征事實出發，基于Varian[12]提出的搜尋理論模型，從質量信息不對稱層面解釋互聯網平臺中的價格離散問題，并且提出研究假設。

（一）互聯網平臺中的賣方策略性定價基本模型

（三）質量信息不對稱下的價格離散

與經典理論中同質商品價格離散有所不同的是，電商平臺中存在大量賣方，賣方的策略性定價行為是價格與質量雙重因素的作用結果，不考慮圈定效應的情況下，發生傳統市場中壟斷情形的可能性極低。質量信息不對稱導致了價格信息不對稱，形成了互聯網平臺中特殊的價格分布形式，也為賣方創造了更為廣闊和特殊的定價策略空間。

消費者經驗差異導致評價差異。由于消費者為分散的獨立個體，無法掌握商品的供給情況，其依賴現有經驗而非競爭性的市場評價商品或形成預期，這時買方的引導信息直接影響消費者的評價和決策，當消費者掌握更真實的商品信息時，對商品的認識相對更加客觀，商品質量信息越對稱，那么質量與價格的對應關系越明確，其在坐標系中的區域面積越小。線上市場中商品價格差異本身并不能與質量差異緊密對應。由前文對質量與價格的單獨分析可知，隨著知情消費者比例的提高，同一價格下對應的商品質量水平會提高，并且接近于價格等于邊際成本時的質量水平，同等質量下的價格水平會下降，并且接近于邊際成本。最終，當兩類因素疊加時，線上市場中同類商品的“質量—價格”分布如圖1所示。

由圖1可知，深色區域對應的知情消費者比例小于淺色區域對應的知情消費者比例（δ2<δ1），即隨著信息不對稱程度的降低，總體上策略性定價行為將更加穩定。具體的含義為：

其一，在同一知情消費者比例的區間內，左上角表示向不知情消費者出售商品的最高價格與最低質量組合，右下角表示該情形下向知情消費者出售商品的最低價格與最高質量組合。

其二，在不同的消費者知情程度下，區域的面積大小不同，深色區域的面積大于淺色區域，表示知情程度更低時質量與價格的組合范圍更廣，同等質量下賣方可能設定更高的價格，而同等價格下可能提供更低質量的商品。

其三，在完全競爭的情況下，質量與價格的組合都位于45度線的上方，表示賣方在邊際成本上定價。

其四，當消費者對某類商品的知情程度一定時，質量的期望與價格的期望呈正相關關系。

其五，消費者對市場的知情程度越高，質量與價格的組合區域面積就越小，如果市場處于完全信息下的公平競爭狀態，那么理論上價格將設定為邊際成本。

（四）研究假設

本文探究了互聯網平臺中的賣家是否存在策略性定價行為。觀察同一時期內多個賣方的價格變動，當賣方的出價分布一定且短期內相互獨立時，單一賣方的提價或降價行為、市場均價的升降變化概率應當相同且都為1/2。因此，若賣方之間的獨立性較強，并且市場競爭充分，則提價或降價的概率應該具有隨機性。市場供需原生于廠商與消費者，短期內廠商的提價行為將受到穩定需求的約束，而信息不對稱程度決定了供需力量作用下的價格變動情況，當賣方基于信息不對稱實施策略性定價時，價格變化概率就會偏離1/2。因此，本文定義提價或降價行為的分布特征為“策略性”。綜上，本文提出如下假設：

假設1：信息不對稱對平臺價格分布的“策略性”有正向影響。

由前文論述可知，質量與價格的策略空間隨著知情消費者比例的增加而縮小。賣方策略性定價空間越大，商品的價格波動幅度越大。因此，若不同品類之間消費者的知情程度存在差異，則賣方的價格波動幅度也存在對應的品類間差異。從靜態的關系看，產品的價格波動將與市場中知情消費者的比例呈負相關關系。因此，本文定義價格的波動程度為“波動性”。綜上，本文提出如下假設：

假設2：信息不對稱對平臺價格分布的“波動性”有正向影響。

根據一定時期內商品的價格分布，可將定價策略分為降價促銷和策略性提價兩類。市場中知情消費者的比例越高，市場競爭也越激烈，賣方設定策略性高價獲利就越困難。因此，商品價格水平一般更穩定，策略性定價更可能傾向于降價促銷。該情形下價格時間序列一般表現為V形[40]，因而其價格分布高于均價的概率更大；知情消費者比例更低的商品可能是不經常消費的商品，此類商品偶爾會策略性地提價以獲得更多的利潤，價格時間序列一般表現為倒V形，因而其價格分布低于均價的概率更大。因此，本文定義此類定價策略為“優惠性”。綜上，本文提出如下假設：

假設3：信息不對稱對平臺價格分布的“優惠性”有負向影響。

四、研究設計

（一）數據采集與特征說明

本文采集整理了淘寶、天貓和京東三大電商平臺從2017年11月7日至11月25日的公開數據，包含18個大類商品的搜索結果。按照“輸入關鍵詞—抓取列表—清空緩存數據”的順序每日定時采集。18個大類商品為“平板電視、臺燈、智能手機、面膜、電飯鍋、吸塵器、剃須刀、奶粉、女襯衫、男襯衫、女鞋、男鞋、紙尿褲、空調、洗衣機、眼霜、筆記本、洗發水”。這樣的設計滿足抽樣設計的四項原則，即目的性、可測性、可行性和經濟性。每條樣本數據都包括了與關鍵詞相關的一系列信息，如商品名稱、店鋪名稱、商品價格、商品銷量、評價數、店鋪類型、商品品類、店鋪排名和采集時間等。每個平臺每日可得到18個大類商品的約3 000條有效樣本數據，總共約260萬條樣本數據。原始數據說明如表1所示。

（二）變量選取

⒈被解釋變量

本文根據前文提出的研究假設，構建不同指標反映市場中商品價格的特征，同時使用統計數據捕捉不同品類商品的消費行為特征。

⒊控制變量

由于商品差異、市場結構、平臺因素和需求彈性等是影響商品價格的主要因素，本文選取商品標準化程度（STD）、是否耐用品（NAT）、店鋪類型（STP）、店鋪排名（RANK）、平臺入駐費率（FEE）、市場集中度（LGCS）、店鋪數量（lnMCON）和需求價格彈性（e）作為控制變量。其中，本文對店鋪數量取自然對數。

本文主要變量的描述性統計結果如表2所示。

（四）模型識別的假定

模型識別的基本原理是依靠大量個體數據捕捉賣方定價行為在不同商品品類之間的差異，由此通過商品品類之間的差異識別互聯網平臺中的信息不對稱與賣方策略性定價行為的因果關系。本文假定：

其一，考察期內消費者對某品類的小范圍市場情況的了解程度屬于買方的固有屬性，是穩定的，消費者對商品質量的了解不會受到廣告等的影響。

其二，賣方行為是在觀察買方行為的條件下實施的策略性行為，短期內是賣方的固有屬性，也是穩定的。在數據采集期內，賣方的策略性行為大多基于事前對市場和消費者行為的判斷，策略性定價行為是賣方特定屬性下的反應。

其三，買賣雙方的行為可能表現出不同商品品類之間的差異，反映出兩類屬性之間的穩定關系，短期內信息不對稱與賣方策略性定價行為不存在明顯的雙向因果關系。

其四，本文所選取的商品是正常消費品，并且不同品類商品在使用屬性上不存在或只存在十分微弱的替代性或互補性。

其五，消費行為統計特征和定價行為特征分別表示信息不對稱和策略性定價，通過不同品類商品的買賣行為識別信息不對稱與賣方策略性定價行為的因果關系。

其中，前兩條為市場行為的基本假定，以保證數據分析的現實意義；后三條為計量分析的前提假定，以保證模型識別的有效性和回歸結果的穩健性。

五、實證結果與分析

（一）基準回歸結果與分析

信息不對稱與平臺價格分布的“策略性”的基準回歸結果如表3所示。

由表3可知，列（1）和列（3）中被解釋變量為CHGE，使用的是OLS線性回歸；列（2）和列（4）中被解釋變量為CHGE2，使用的是Logit回歸。另外，由于賣方提價或降價行為是動態行為，數據中的部分樣本存在的時間較短，為提高樣本的代表性，列（1）和列（2）使用了全部樣本，列（3）和列（4）使用了同一商品在數據采集期內連續出現至少6次的樣本。回歸結果顯示，總體來看，商品購買頻率的回歸系數顯著為負，信息不對稱的程度越高，賣方實施策略性定價行為的概率越高，賣方提價行為發生的可能性越高，即信息不對稱對平臺價格分布的“策略性”有正向影響，假設1得到驗證。

信息不對稱與平臺價格分布的“波動性”的基準回歸結果如表4所示。由表4可知，列（1）中被解釋變量為SD，列（2）中被解釋變量為LNSD（以減少供需因素的影響并防止偽相關的出現，①本文使用價格標準差的自然對數進行回歸），列（3）中被解釋變量為LNSDN（由于價格范圍更大的品類可能出現更大程度的商品差異化，為消除其影響，本文使用品類內部的商品數量作為權重的價格標準差的自然對數形式進行回歸）。回歸結果顯示，商品購買頻率的回歸系數顯著為負，信息不對稱的程度越低，價格的波動程度減小，即信息不對稱對平臺價格分布的“波動性”有正向影響，假設2得到驗證。

信息不對稱與平臺價格分布的“優惠性”的基準回歸結果如表5所示。由表5可知，列（1）中被解釋變量為HL，列（2）中被解釋變量為HL2。回歸結果顯示，商品購買頻率的回歸系數顯著為正，信息不對稱的程度越低，賣方的商品價格分布中低于平均價格的概率更高，信息不對稱對平臺價格分布的“優惠性”有負向影響，假設3得到驗證。

（二）穩健性檢驗

影響本文基準回歸結果穩健性的因素有兩個：一是本文使用的是非同質的商品數據，商品差異可能會影響結果的穩健性；二是消費者購買決策與商家定價行為長期內存在互為因果關系。

1.加入控制變量的回歸

本文將商品差異、平臺因素、市場結構和需求特性等方面的控制變量加入模型中進行穩健性檢驗。加入控制變量的回歸結果如表6所示。由表6可知，商品購買頻率的回歸系數與前文基準回歸結果一致，表明本文基準回歸結果具有穩健性。其中，在平臺價格分布的“策略性”方面，是否耐用品的回歸系數顯著為負；在平臺價格分布的“波動性”方面，商品標準化程度的回歸系數顯著為負，是否耐用品的回歸系數顯著為正；在平臺價格分布的“優惠性”方面，是否耐用品的回歸系數顯著為負，這均符合信息不對稱的機制。不同店鋪類型的服務要求和信譽存在差別，店鋪排名直接影響消費者的選擇行為，因而店鋪類型和店鋪排名會對賣方策略性定價行為產生影響。平臺入駐費率本身會形成一定的進入壁壘，不同的平臺入駐費率下進入平臺的賣家也會不同，會產生群體性差異，平臺入駐費率的回歸系數均顯著為負，表明進入壁壘相對高的平臺中賣方可能更相似，更容易形成價格均衡。

⒉分時間段回歸

從事件發生的時間順序與因果關系的對應順序上看，商品購買頻率是一種市場均衡結果，理論上受到兩個主要因素的影響：一是平穩的供需結構，結果體現為流量上的穩定性；二是策略性的調整，結果體現為價格、銷量等的變動，可以通過一段時間內的變化量指標描述。作為穩定的消費者群體，前一時期的商品購買頻率會影響到后一時期的購買行為，而后一時期的商品購買頻率則不能影響到前一時期的購買行為。因此，本文使用不同時間段的商品購買頻率進行回歸，如果結果發生變化，表明短期內信息不對稱與商品購買頻率存在雙向因果關系；如果結果沒有明顯變化，則表明短期內商品購買頻率作為解釋變量具有穩定的性質。

前文基準回歸中使用13日的數據計算商品購買頻率，本文使用16日、21日和25日的數據計算商品購買頻率，分別記為FREQ（16）、FREQ（21）和FREQ（25），并進行回歸。不同時間段商品購買頻率的回歸結果如表7所示。回歸結果顯示，商品購買頻率的回歸結果與本文基準回歸結果基本一致，表明本文基準回歸結果具有穩健性。

3.分層回歸①

由于部分品類中商品的價格范圍較大，而價格范圍與銷量范圍通常是商品差異化的結果，因而為降低同一品類內部的差異對基準回歸結果的影響，本文按照商品價格分位數和銷量分位數進行分層回歸。具體地，本文將每一大類商品信息按照本品類內的價格與銷量的六分位數進行劃分，并且對每一層進行回歸分析。回歸結果顯示，在“策略性”的分層回歸結果中，商品購買頻率的回歸系數顯著為負，表明信息不對稱在各個區間內的作用是一致的，信息不對稱的程度越高，賣方提價的可能就越大；在“波動性”的分層回歸結果中，商品購買頻率的回歸系數顯著為負，表明信息不對稱的程度越高，價格的波動程度越小；在“優惠性”的分層回歸結果中，大部分商品的賣方策略性定價行為符合預期，商品購買頻率的回歸系數顯著為正，但部分“長尾”商品定價行為具有特殊性，其回歸系數不顯著，可能的原因是小眾商品的定價策略性更強。綜上，分層回歸結果與本文基準回歸結果基本一致，表明本文基準回歸結果具有穩健性。

六、研究結論與政策建議

本文從互聯網平臺中的信息不對稱出發，研究了線上市場的效率問題。基于搜尋理論，本文解釋了互聯網平臺中價格離散的形成機制，理論推演了互聯網平臺中的信息不對稱與賣方策略性定價行為的關系。本文構建了衡量賣方策略性定價行為的指標，利用淘寶、天貓和京東三大電商平臺的260萬條商品信息，實證檢驗了信息不對稱與賣方策略性定價行為的因果關系。研究結果顯示，信息不對稱對平臺價格分布的“策略性”有正向影響，對平臺價格分布的“波動性”有正向影響，對平臺價格分布的“優惠性”有負向影響。這一研究結果經過一系列穩健性檢驗后仍然成立。根據以上研究結論，本文提出三條政策建議。

第一，信息不對稱是線上市場中自然存在的特征事實，應予以高度關注。目前，監管部門主要關注互聯網平臺中的商品價格信息和定價行為，對于商品質量信息領域的監管相對欠缺。商品質量信息較之價格信息更為間接、隱蔽，因而對線上市場的效率和消費者福利的影響也更為深遠。隨著平臺經濟整體發展從增量競爭轉入存量競爭，競爭程度日趨激烈，選擇降價的直接策略還是提升商品和服務的質量成為這一階段平臺經濟發展的關鍵。因此，線上市場中的商品質量信息問題將成為影響中國平臺經濟實現高質量發展的重要因素，監管層面應給予密切關注。

第二，規范線上市場中的商品信息展示方式，以“最大程度接近正常人可感知的現實狀態”為目標規范和約束平臺對圖片、視頻的美化行為。隨著人工智能等技術的應用，平臺加工美化圖片、視頻等數字內容的能力大幅提升，直接影響消費者獲得的商品信息。以“競價排名”方式通過圖片、視頻展示商品信息存在較強的“劣幣效應”。同時，在電商平臺領域中，商品信息展示方式容易誘導消費者形成不合理預期，又會引發虛假好評、差評屏蔽等嚴重降低線上市場效率的行為。這一問題需要通過對平臺數字內容的合理監管加以解決。

第三，加強對平臺的個性化信息展示行為的規范，促進平臺形成機會均等的良性選擇機制。平臺可以對消費者進行精準化、個性化營銷，如個性化定價、定向廣告、個性化內容展示和商品推薦等。這一方面降低了消費者的信息搜尋成本，短期內滿足其偏好，但另一方面也會形成“信息繭房”等導致消費者產生認知偏差。為維護以價格、質量、品牌、信譽、售后服務和歷史評價等多個因素形成的具備良好信譽的市場氛圍，應以公平競爭為原則創造機會均等的商品或服務信息展示方式，為用戶提供同類型商品或服務信息的隨機推送渠道，以保證買賣雙方的機會均等和公平競爭，促進市場信息流通，凝聚市場機制共識，推動形成客觀的市場預期和健康穩定的商業環境。

參考文獻：

[1] 朱彤.Internet市場效率悖論：一個新的解釋框架[J].世界經濟，2002（2）：12-20.

[2] 趙冬梅.電子商務市場價格離散度的收斂分析[J].經濟學（季刊），2008（2）：685-700.

[3] 孫震，劉健平，劉濤雄.跨平臺競爭與平臺市場分割——基于中國線上市場價格離散的證據[J].中國工業經濟，2021（6）：118-136.

[4] 嚴玉珊.電商異質性與線上價格離散[J].商業經濟與管理，2022（2）：17-28.

[5] STIGLER G J. The economics of information[J]. Journal of political economy，1961，69（3）：213-225.

[6] FEDOSEEVA S，HERRMANN R，NICKOLAUS K. Was the economics of information approach wrong all the way？Evidence from German grocery r（E） tailing[J]. Journal of business research，2017，80（C）：63-72.

[7] 曲創，劉重陽.平臺競爭一定能提高信息匹配效率嗎？——基于中國搜索引擎市場的分析[J].經濟研究，2019，54（8）：120-135.

[8] STIGLITZ J E. Equilibrium in product markets with imperfect information[J]. The American economic review，1979，69（2）：339-345.

[9] COOPER R，ROSS T W. Prices，product qualities and asymmetric information： the competitive case[J]. The review of economic studies，1984，51（2）：197-207.

[10] ARMSTRONG M. Search and ripoff externalities[J]. Review of industrial organization，2015，47（3）：273-302.

[11] ROTHSCHILD M，STIGLITZ J. Equilibrium in competitive insurance markets：an essay on the economics of imperfect information[J]. The quarterly journal of economics，1976，90（4）：629-649.

[12] VARIAN H R. A model of sales[J]. The American economic review，1980，70（4）：651-659.

[13] JANSSEN M，PICHLER P，WEIDENHOLZER S. Oligopolistic markets with sequential search and production cost uncertainty[J]. The Rand journal of economics，2011，42（3）：444-470.

[14] 李三希，武玙璠，鮑仁杰.大數據、個人信息保護和價格歧視——基于垂直差異化雙寡頭模型的分析[J].經濟研究，2021，56（1）：43-57.

[15] SALOP S C. Dominant digital platforms：is antitrust up to the task？[J]. Yale law journal forum，2021，130：563-587.

[16] STIGLITZ J E. Competition and the number of firms in a market：are duopolies more competitive than atomistic markets？[J]. Journal of political economy，1987，95（5）：1041-1061.

[17] NOEL M D. Edgeworth price cycles， cost？based pricing， and sticky pricing in retail gasoline markets[J]. The review of economics and statistics，2007，89（2）：324-334.

[18] CHELLAPPA R，SIN R G，SIDDARTH S. Price？formats as a source of price dispersion：a study of online and offline prices in the domestic US airline markets[J]. Information systems research，2011，22（1）：83-98.

[19] LACH S，MORAGA？GONZáLEZ J L. Asymmetric price effects of competition[J]. The journal of industrial economics，2017，65（4）：767-803.

[20] BARRON J M，TAYLOR B A，UMBECK J R. Number of sellers， average prices， and price dispersion[J]. International journal of industrial organization，2004，22（8）：1041-1066.

[21] TANG Z， SMITH M D， MONTGOMERY A. The impact of shopbot use on prices and price dispersion：evidence from online book retailing[J]. International journal of industrial organization，2010，28（6）：579-590.

[22] GHOUl S E，GUEDHAMI O，NI Y， et al. Does information asymmetry matter to equity pricing？Evidence from firms’ geographic location[J]. Contemporary accounting research，2013，30（1）：140-181.

[23] PENNERSTORFER D，SCHMIDT？DENGLER P，SCHUTZ N，et al. Information and price dispersion： evidence from retail gasoline[R]. Vienna University of Economics and Business Working Paper，2014.

[24] TAPPATA M. Rockets and feathers： understanding asymmetric pricing[J]. The Rand journal of economics，2009，40（4）：673-687.

[25] 周先波，劉建廣，鄭馨.信息不完全、搜尋成本和均衡工資——對廣東省外來農民工勞動力市場信息不完全程度的測度[J].經濟學（季刊），2016（1）：149-172.

[26] GUGLER K P，HEIM S，LIEBENSTEINER M. Non？sequential search， competition and price dispersion in retail electricity[R]. Zew？Centre for European Economic Research Discussion Paper，2016.

[27] CHANDRA A，TAPPATA M. Consumer search and dynamic price dispersion： an application to gasoline markets[J]. The Rand journal of economics，2011，42（4）：681-704.

[28] PETRESCU M. Online price dispersion？more than imperfect information[J]. Journal of product and brand management，2011，20（7）：541-548.

[29] BAYE M R，MORGAN J，SCHOLTEN P，et al. Persistent price dispersion in online markets[C]// The new economy and beyond： past present and future. London： Edward Elgar Publishing，2006：122-143.

[30] LIEBER E，SYVERSON C.Online versus offline competition[C]// The Oxford handbook of the digital economy. Oxford： Oxford University Press，2012：1-29.

[31] YE Q，XU M，KIANG M，et al. In？depth analysis of the seller reputation and price premium relationship： a comparison between ebay US and taobao China[J]. Journal of electronic commerce research，2013，14（1）：1-10.

[32] CICOGNANI S，FIGINI P，MAGNANI M. Social influence bias in online ratings：a field experiment[R]. Universitàdi Bologna Working Paper，2016.

[33] LEWIS G. Asymmetric information， adverse selection and online disclosure： the case of ebay motors[J]. The American economic review，2011，101（4）：1535-1546.

[34] 孫浦陽，張靖佳，姜小雨.電子商務、搜尋成本與消費價格變化[J].經濟研究，2017，52（7）：139-154.

[35] STUCKE M E，EZRACHI A. When competition fails to optimize quality： a look at search engines[J]. Yale journal of law and technology，2016，70（18）：70-110.

[36] ELIAZ K，SPIEGLER R. A simple model of search engine pricing[J]. The economic journal，2011，121（556）：F329-F339.

[37] HAGIU A，HA？ABURDA H. Information and two？sided platform profits[J]. International journal of industrial organization，2014，34（3）：25-35.

[38] HSU C L，MATTA R，POPOV S V，et al. Optimal product placement[J]. Review of industrial organization，2017，51（1）：127-145.

[39] HIDIR S，VELLODI N. Privacy， personalization， and price discrimination[J]. Journal of the European economic association，2021，19（2）：1342-1363.

[40] 姜婷鳳，湯珂，劉濤雄.基于在線大數據的中國商品價格粘性研究[J].經濟研究，2020，55（6）：56-72.

[41] BORENSTEIN S，ROSE N L. Competition and price dispersion in the US airline industry[J]. Journal of political economy，1994，102（4）：653-683.

Information Asymmetry and Sellers’ Strategic Pricing Behavior in Internet Platforms： Evidence from E？Commerce Platforms in China

LIU Chongyang1， QU Chuang2， WANG Xichen3

（1. Energy Development Research Institute of China Southern Power Grid， Guangzhou 510700， China； 2. Center for Digital Economy and Platform Competition Studies， Shandong University， Jinan 250100， China； 3. School of Social Sciences， Tsinghua University， Beijing 100084， China）

Summary：In the era of the digital economy， platforms shape the trading behavior of small businesses and consumers. Platforms influence market efficiency by relying on massive information processing capabilities， bringing new opportunities to improve economic development. Fair competition， clear division of labor， and sound rule of law are the guarantees for the sustainable development of the market， and the key is that market participants can obtain real and sufficient information to make reasonable decisions. However， when the online market becomes a key transaction channel and platforms compete in a low？growth market， it is debatable whether the problem of information asymmetry has been essentially solved.

This paper first constructs a theoretical model based on the search theory to explain the price dispersion problem in platforms from the perspective of quality information asymmetry. The empirical work tests the obvious strategic pricing behavior in the online market based on 2.6 million lines of pricing data from the main online shopping platforms in China’s domestic market. This paper finds that the strategic pricing behavior is strengthened with the increase in the degree of information asymmetry. This result shows that although there are a large number of sellers， the equilibrium price is not as stable as that described by the theory of perfect competition market. Instead， these prices show a high degree of strategic volatility， and the stable relationship between the “strategic” “volatility” and “preferentiality” of market prices and information asymmetry is verified. This paper suggests that regulatory authorities should strengthen the protection of consumers’ right to know and set more clear rules and standards to regulate the behavior of setting virtual online advertisements.

The marginal contributions of this paper are as follows. First， this paper incorporates quality information asymmetry into the framework of search theory， theoretically explains the relationship between market pricing behavior and information asymmetry， enriches relevant research on the internal mechanism of Internet platforms， and provides inspiration for further demonstrating the economic efficiency of Internet platforms. Second， this paper constructs a proxy indicator of information asymmetry through real data of Internet platforms and proves the impact of key factors such as category characteristics， reputation characteristics， and platform characteristics on price formation within the platforms. This result provides direct empirical evidence for building an efficient market mechanism. Third， from the perspective of quality information asymmetry， this paper reveals the main real problems in the Internet platforms as a key transaction channel， providing regulatory policy inspiration for further promoting the healthy development of the internet platforms and the digital economy.

Key words：information asymmetry； strategic pricing； internet platforms； price dispersion； platform economy

（責任編輯：尚培培）

[DOI]10.19654/j.cnki.cjwtyj.2025.03.008

[引用格式]劉重陽，曲創，王夕琛.互聯網平臺中的信息不對稱與賣方策略性定價行為——來自中國電商平臺的證據[J].財經問題研究，2025（3）：101-115.

① 平均價格水平指平臺內標準化后的價格日均值，由每日約15萬條價格數據計算得到。

② 由76 734個商品的連續6日以上的價格數據統計而得。

① 由于不同商品品類之間本身存在價格水平的差異，而由供需理論可知，價格水平與需求數量呈負相關關系，又由于商品購買頻率包含部分需求信息，而價格標準差與價格也呈正相關關系，那么可能導致使用絕對數值時產生的結果同時包含了需求因素與信息不對稱的因素。

① 分層回歸結果未在正文中列出，留存備索。