吴 斌，程 晶，宋 琰

（南京工业大学 经济与管理学院，江苏 南京 211816）

0 引言

大数据时代，由于数据获取的便捷性，电商平台为了追求利润最大化，利用大数据“杀熟”现象频繁发生。大数据“杀熟”，指的是卖方利用老客户对产品的信任，利用已形成的购买习惯等要素，对老顾客悄然抬高产品的售价或保持高价，借此谋取巨大利益。电子商务研究中心主任曹磊认为，理论上商家和电商平台都有权对同一件商品进行不同的定价，而不是全部统一定价。商家可以在不损害消费者利益的前提下，实行溢价的经营策略。但在消费者不知情的情况下，并不在其列，否则会产生不利的消费者反应。“杀熟”行为对商家而言，短期内可增加收益，但是暴露之后会失去具有品牌忠诚度的老用户。这种行为在侵犯消费者利益的同时，会扰乱市场秩序，使得线上消费“物美价廉”形象面临崩塌，极有可能造成价格欺诈。“杀熟”现象的发生引发消费者对“大数据经济”的猜忌，线上经营缺乏基本的治理，监督者力不从心是造成这一现象的重要因素。

目前关于“杀熟”现象的学术研究还未有定论，多集中于新闻报道。但有关价格歧视、价格欺诈的研究成果较多，从研究内容上来看，大部分文献比较关注价格歧视对企业经营、政府监管的影响以及如何改善该状况。在企业经营方面，Kao等［1］认为创新水平由外部创新者决定的情况下，价格歧视会抑制企业创新，降低社会福利。张凯等［2］应用双寡头两期动态博弈模型，引入用户满意度，研究双边平台在统一定价和歧视定价以及不同战略情形下的最优定价问题，发现歧视定价策略有助于企业提高利润但不利于提升用户效用和社会福利。有学者针对价格歧视现象提出改善措施，李聪等［3］将买家在线购买历史聚合为买家信誉度，提出了一种面向C2C电子商务的差异化折扣模型，使得C2C卖家根据买家的信誉度实施更精准的一对一营销。Steppe［4］分析了一般数据保护条例（GDPR）与在线价格歧视之间的联系，结果发现赋予人们在歧视定价方面的权利和义务，纠正造成价格歧视的相关决策以及数据，有利于保护个人数据，改善价格歧视状况。黄建华［5］用三方演化模型，研究渠道商价格欺诈农户问题，指出政府监管力度与参与者规模有关，合理适度的监管有助于维护市场秩序。Danias等［6］研究非对称关税作为一个监管机构监管企业的价格歧视行为，结果表明利用该监管机构，控制市场价格，可以增加消费者福利。在关于价格歧视的博弈问题上，演化博弈中的有限理性假设使得研究更具有现实意义，然而上述文献的博弈决策函数是建立在期望效用理论的基础上，与现实有限理性假设相悖。

为了更好的研究人们的决策行为，Kahneman和Tversky［7］从认知心理学的角度提出了较期望理论更加贴近现实人决策的前景理论。在监管方面的研究上，前景理论和演化博弈综合应用在不同的行业中。雷勋平等［8］以前景价值函数表示演化博弈的收益函数，构建食品行业的收益前景值矩阵。Chen等［9］将前景理论嵌入演化博弈框架中，对驾驶员和行人的决策行为进行建模，研究行人穿越马路的安全问题。赵泽斌等［10］运用前景理论和演化动态博弈研究重大基础设施工程的风险管理行为。为了进一步完善人们的决策行为，Kahneman和Tversky［11］首次使用“心理账户”概念研究人们的决策行为。后续，Richard Thaler［12］正式提出“Psychic Accounting（心理账户）”概念，意图解释真实的决策行为。心理账户应用到不同领域的行为分析中，Liu等［13］将消费者心理账户与销售模式联系在一起，研究企业的销售模式对混合促销的影响。李爱梅等［14］通过实证研究探讨了心理账户的认知标签与情绪标签对消费决策行为的影响。陈林等［15］将心理账户理论应用到交通出行的行为选择中。文献［16］将前景理论和心理账户结合应用在投资分析中，文献［17］结合演化博弈模型将其应用到煤矿安全群体的行为研究中。

综上所述，现有研究主要存在以下问题：目前结合前景理论和心理账户并通过演化博弈研究电商平台管理的文献较少；在运用博弈分析解决问题时，多数利用期望效用理论，忽视博弈参与方的价值感知和心理账户，这可能使得研究结果偏离实际；在参与者的行为选择上，现有研究未深入分析参与者选择“冒险行为”的原因。鉴于此，文章综合考虑电商平台和政府部门行为选择的影响因素，将心理账户及前景价值感知函数同演化博弈相结合，构建收益感知矩阵，并基于该矩阵对电商平台和政府部门行为决策进行演化博弈分析，探究抑制电商平台“杀熟”定价，政府部门不履行监管责任的条件，最后通过数值仿真进一步验证影响决策行为的参考因素，结果更加贴近现实，更具有借鉴意义。

1 演化博弈模型构建

电商平台为了增加附加收益，在产品的定价方面可能有投机行为，此时产生的附加收益称为灰色超额利润。本文讨论的是电商平台针对老顾客进行“杀熟”定价的行为。这一行为会影响商家诚信，损害消费者利益，造成价格欺诈，因此相关政府部门有责任对电商平台“杀熟”定价采取措施，进行监管。

1.1 博弈模型基本假设

在不考虑外部环境及其他市场主体影响的情况下，假设只存在电商平台“杀熟”定价这一类经营状况。本文通过演化博弈模型模拟电商平台和政府部门之间的博弈情境，由于博弈本身存在风险决策行为，因此本文做出如下假设：

假设1博弈主体为电商平台和政府部门这两类群体，且均为有限理性，满足前景理论以及心理账户所构建的价值函数，结合前景理论和心理账户的价值函数可以表示为：

其中V（x）表示效价账户即得到回报的判断价值函数，Z（x）表示成本账户即付出成本的判断价值函数，U0表示效价参照点，U1表示成本参照点。λ表示对效价损失规避的敏感度，x表示价值变量，β、θ表示效价相对收益——损失的风险偏好系数，φ、σ表示成本相对损失——收益的风险偏好系数，δ表示对成本损失规避的敏感度。相关的决策函数为：

其中π（ε）表示决策权重函数，它代表决策者对事件发生概率的主观判断或对策略选择的倾向程度，是一种概率评价性的单调增函数，且π（0）＝0，π（1）＝1。r表示决策影响系数，r越大，表明决策权重函数越弯曲，个体对客观概率的辨别率越小。

假设2电商平台和政府部门的博弈行为只包含两种策略的有限集合，其中电商平台根据自身的经营策略可以针对老顾客采取（“不杀熟”，“杀熟”）策略；政府部门作为对电商平台行为的重要监督者，其实际选择可以是（监管，不监管）；本文将消费者群体作为第三方举报团体，消费者只有在政府部门不履行监管责任，电商平台进行“杀熟”定价时进行举报。

假设3考虑到电商平台“杀熟”定价带来的损失，博弈双方都要承担一定的安全风险，如消费者举报后带来的舆论风险、信息泄露风险等。博弈双方只有在同时满足“不杀熟”和履行监管责任时，才能确保整体达到安全状态。在博弈的过程中，双方承担的风险系数是会变化的，且风险会进行传递，风险传递系数不为0。

假设4在政府部门选择监管，电商平台选择“不杀熟”时，此时的风险最低。为了方便研究，假设此时双方承担的事故风险成本为0。政府部门进行监管时，若电商平台“杀熟”定价，政府部门就会发现电商平台的“杀熟”行为，并给予一定的罚款。

1.2 博弈模型参数设定

（1）电商平台的参数设定

CP1表示电商平台不进行“杀熟”的劳动成本，如电商平台在正常经营过程中对人员、平台管理付出的人力、物力等；CP2表示电商平台不进行“杀熟”的努力成本，如电商平台因提升正常收益，对产品服务标准化规范、平台经营进行监督造成的时间精力耗费等；CP3表示电商平台违反诚信道德，“杀熟”后需要承担的心理成本，如违背诚信经营原则的情感以及因精神压力未完成当前决策任务需要支付和承担的成本；LP1表示电商平台被消费者举报所承担的损失；SP1表示电商平台正常经营得到的收益；SP2表示电商平台因“杀熟”定价得到的灰色超额收益；L表示电商平台进行“杀熟”定价时，承担的风险成本，如电商平台形象受损造成的声誉损失以及对消费信任度造成的破坏性后果等；h表示风险传递系数，因为在博弈过程中，双方承担风险的比例是变动的，因此取值可能大于1，也可能小于1。但在本文中，为了体现“杀熟”造成的严重后果，认为政府部门和电商平台对于“杀熟”行为造成的损失应承担平等重要的责任，所以设置h＝1，则政府部门承担的风险成本为hL；P0表示发生经营事故的风险概率；q1表示电商平台不进行“杀熟”定价，政府部门不履行监管职责时需要承担的风险系数；q2表示电商平台进行“杀熟”定价，政府部门履行监管职责时需要承担的风险系数；W0表示电商平台因“杀熟”定价行为遭受政府部门的罚款；α表示消费者举报的概率。

（2）政府部门的参数设定

CG1表示政府部门履行监管职责时需要付出的劳动成本，如政府部门对电商平台监督、管理付出的人力、物力等；CG2表示政府部门履行监管职责时需要付出的努力成本，如政府部门对电商平台监督、管理造成的时间精力耗费等；CG3表示政府部门不履行监管职责时需要承担的心理成本，如不履行职责的情感以及因此造成的工作效率低下、资源的流失等；LG1表示政府部门不履行监管职责时被举报产生的损失，如舆论风波对政府部门的声誉损失等；LG2表示政府部门不实施监管被举报所承担的额外损失，如受到行政处罚等；SG1表示政府部门得到的正常收益，如获得的行政费用、投资收益等；SG2表示政府部门不履行监管职责时，从电商平台处收取的贿赂好处；q3表示政府部门的监管结果与自身提成有关的提成系数；PG表示政府部门从电商平台处得到好处的概率。

1.3 演化博弈模型矩阵构建

将博弈双方的行为成本细化为电商平台“不杀熟”和政府部门履行监管责任时付出的劳动成本、努力成本，因此得到的行为效价为双方群体的正常收益。行为风险为电商平台和政府部门违反法规承担的心理成本以及罚款、被举报的损失，在这种情况下，相应的效价仍然存在。结合上述四点假设和模型参数的设定，构建电商平台、政府部门的传统博弈矩阵，如表1所示。

表1 传统博弈矩阵

通过上述传统博弈矩阵，将效价账户函数V（x）和成本账户函数Z（x）分别代入博弈矩阵中，构建基于前景理论-心理账户的演化博弈矩阵，如表2所示，其中SP1、SP2、SG1、SG2属于效价账户V（x），CP1、CP2、CP3、LP1、CG1、CG2、CG3、LG1、LG2、L、W0属于成本账户Z（x）。

表2 基于前景理论-心理账户的博弈矩阵

2 博弈模型求解与分析

2.1 复制动态方程

假设电商平台采取“不杀熟”定价行为的概率为x、政府部门采取监管措施的概率为y。基于表2，求得电商平台“不杀熟”和“杀熟”的价值感知UPY和UPN以及平均价值感知UP：

同理，得到政府部门采取监管措施和不采取监管措施的价值感知UGY和UGN以及平均价值感知UG为：

根据非对称复制动态演化方式，得到电商平台的复制动态方程为：

其中A表示政府部门监管时，电商平台选择策略的价值函数。B表示政府部门不监管时，电商平台选择策略的价值函数。

同理可得政府部门的复制动态方程为：

其中C表示电商平台“不杀熟”时，政府部门选择策略的价值函数。D表示电商平台“杀熟”时，政府部门选择策略的价值函数。

2.2 均衡点及稳定性分析

建立政府部门与电商平台的复制动态方程，联立得到由政府部门与电商平台构成的二维动力系统G为

由于线上消费的隐秘性、不可预测性，若电商平台为了追求更大的利益进行“杀熟”定价，消费者意识到被“杀熟”后，心理上承受的损失远远大于金钱上的损失。为了提高客户对线上消费的忠诚度，促进平台的稳定发展，电商平台和政府部门都应该履行责任，尽量减少“杀熟”定价行为的发生概率。由动态方程组求出的平衡点不一定是系统的演化均衡策略（ESS），根据Friedman［18］提出的Jacobian矩阵局部稳定性可得：

其中：a11＝（1-2x）［π（y）A+π（1-y）B］，a12＝（1-x）D］，det J＝（1-2x）［π（y）A+π（1-y）B］

当矩阵满足：det J＞0，tr J＜0时，局部均衡点将成为演化均衡点（ESS）。通过计算可以得到四个均衡点处a11、a12、a21、a22的取值，如表3所示。

因此，当

这6个条件同时满足时，系统收敛于（1，1），即（“不杀熟”，监管）策略集，即满足A＞B，C＞D时系统达到最优状态。

表3 均衡点稳定性分析

在点（x0，y0）处，具有常规的雅克比矩阵判断法失效，所以借鉴文献［17］采用微分分析法进行判断，分别求x，y的偏导数，得：

2.3 演化稳定策略分析

约束条件（15）表明无论政府部门实施监管或不监管策略，电商平台的“杀熟”行为效价感知均大于“不杀熟”行为效价感知，电商平台的“不杀熟”行为成本感知均小于“杀熟”行为成本感知；无论电商平台采取“杀熟”或“不杀熟”策略，政府部门的监管行为效价感知均大于不监管行为效价感知，监管行为成本感知均小于不监管行为成本感知，即当电商平台采取“不杀熟”策略和政府部门履行监管职责时，价值感知收益均同时大于对立行为的价值感知收益，此时系统能达到最优状态。

然而，电商平台和政府部门都是有限理性的，在现实生活中存在侥幸心理，这会导致其在决策的过程中不能做出准确的判断，从而阻碍系统达到最优状态。这些阻碍因素在进行“不杀熟”策略，履行监管职责时，会出现行为成本较高、效价较低、心理期望值较高以及风险偏好不同等一系列问题，以下具体分析这些问题产生的原因。

（1）电商平台运营成本，政府部门进行监管时行为成本较高，与之对应的行为效价较低。对于电商平台来说，平台运营需要扩大开源，即提高平台知名度，吸引消费者，在开源的同时也需要在成本与费用方面进行合理控制。电商平台的运营成本包括硬运营成本、软运营成本、人员成本、货品成本等。电商平台的效价包含着对利益的感知，然而随着竞争平台的不断发展，很难出现“一家独大”的现象，利益方面的竞争更加激烈。常规经营策略的效价不能保障，可能会造成电商平台采取一些非常规措施提高平台的收益。

对于政府部门来说，监管的行政成本、运作成本偏高。政府部门对工资的感知度较低，监管机构缺乏有效的绩效评估机制，政府部门工作质量的不合理支出，工作质量与其收入并不具有明显的关系，绩效评估机制并未对政府部门起到激励作用。这一系列弊端增大了政府部门对电商平台运营的监管难度，监管策略的实施对监管机构的灵活性和创新性提出了挑战，监管人员难以做到全方位、不间断的监控，往往是待事物发展出现问题后，法律再跟进。

（2）电商平台、政府部门心理期望值高，希望以较少的付出获得较高的回报。在效价和成本账户中存在不同的参照点（U0，U1），高的心理期望值，易出现高效价参照点，低成本参照点［19］。当效价参照点较高时，主体会对效价差感知强烈，从而加大其对某种行为的选择倾向，即效价参照点较高时反而不利于电商平台选择“不杀熟”策略。对于成本账户来说，发生事故概率的存在使得正常经营成本大于“杀熟”定价经营成本，所以电商平台更倾向于选择“杀熟”定价策略。当成本参照点较低时，则主体对成本差感知强烈，从而减少了对“不杀熟”策略的选择。

（3）在风险决策过程中，损失规避对心理账户影响非常大。在面临损失时，人们是风险偏好的，而在面临获得时，人们是风险规避的［20］。电商平台面对“杀熟”和“不杀熟”行为效价选择时，因效价代表“获得”感知，所以表现为风险规避，此时β、θ较小，λ较大，选择倾向不明显。但是在面对成本选择时，因成本代表“失去”感知，所以表现为风险追求，φ、σ较大，δ较小。在选择“不杀熟”策略时，往往伴随着确定性的付出CP1、CP2，但面对“杀熟”定价策略，仅有一定的概率发生被举报以及惩罚等事故，所以其选择“杀熟”定价策略的概率较大。同理，对于政府部门来说，面对履行监管责任和不履行监管责任的效价和成本选择时，也会出现风险规避与风险追求两种现象，且风险追求较为明显。这是因为在选择履行责任进行监管时，往往伴随着确定性的付出CG1、CG2，但不履行责任，不进行监管时仅有一定的概率发生事故，所以其选择不履行监管的概率较大。

3 数值仿真模拟

本文采用Matlab软件模拟电商平台与政府部门之间的演化状态，可以更加直观的分析不同参考因素对电商平台，政府部门行为选择的影响，设置的初始参数值如下：

CP1＝1.5；CP2＝1.5；CP3＝1；LP1＝3；SP1＝3；

SP2＝4；CG1＝1.5；CG2＝1.5；CG3＝1；LG1＝3；

LG2＝1；SG1＝3；SG2＝1；PG＝0.5；L＝100；

h＝1；P0＝0.03；q1＝0.4；q2＝0.6；β＝0.88；

λ＝2；φ＝0.98；σ＝0.98；δ＝2；r＝0.75

根据Van［21］的参数设定，风险偏好系数β、θ设为0.88，φ、σ设为0.98，风险规避度λ、δ设为2；发生经营事故的风险概率P0根据海因理希理论1∶300原则［22］，设为0.03，决策影响系数r设为0.75［23］，其余初始值的设置则是为了保证行为选择概率能够保持相对稳定所进行的随机赋值，这利于改变其中任何一个参数，能有效观察行为选择概率的变化。

根据上述模型和参数设定，结果分析如下：

（1）改变消费者不同的举报值α，观察其对电商平台、政府部门的群体行为选择变化。

图1 举报值对电商平台、政府部门的影响

如图1所示，改变举报值α，使其从0到1逐渐增加。图1中实线表示α对电商平台x值的影响，虚线代表对政府部门y值的影响，从图中可以看出，随着α的增加，x，y均收敛于1，并且α的增加能使其更快的收敛于1。因此，提高消费者的举报概率能影响电商平台、政府部门的行为，促使电商平台向“不杀熟”策略、政府部门向履行监管行为方向演化。

（2）改变参照点U0、U1的值，观察其对电商平台，政府部门的群体行为选择变化。

如图2所示，改变参照点U0和U1，从-1到1逐渐增加，U1从0到1逐渐增加。图2中实线表示U0对电商平台x值的影响，虚线代表对政府部门y值的影响，点划线表示U1对电商平台x值的影响，点线代表对政府部门y值的影响。从图2中可以看出，随着U0的减少，U1的增加，电商平台和政府部门迅速收敛于1，说明增加成本参照点和降低效价参照点能快速降低“杀熟”和不监管行为的发生。

图2 U0、U1 对电商平台、政府部门的影响

（3）电商平台进行“杀熟”定价被发现后，改变政府部门对其处罚的程度W0以及增加政府部门监管结果与绩效挂钩的提成系数q3，研究电商平台，政府部门的群体行为选择变化。

如图3所示，改变处罚值W0和政府部门的提成系数q3，W0从0到10逐渐增加，q3从0到1逐渐增加。图3中实线表示W0对电商平台值的影响，虚线代表对政府部门y值的影响，点划线表示q3对电商平台x值的影响，点线代表对政府部门y值的影响。从图3中可以看出，随着W0和q3的增加，电商平台向“不杀熟”策略转变，政府部门向监管行为转变，说明增加对电商平台的罚款力度能促进其向“不杀熟”策略演化，提高政府部门的提成系数可以有效的激励政府部门向履行监管职责演化。

图3 W0 和q3 对电商平台、政府部门的影响

通过对电商平台和政府部门演化模型的仿真分析，发现消费者的举报概率、参照点的改变、政府部门的处罚力度以及政府监管群体的提成系数均对参与方的行为策略有一定的影响。对于电商平台，提高影响“不杀熟”定价策略价值收益感知的参数值、降低影响“杀熟”定价策略的价值收益感知参数值，均能促进其向“不杀熟”行为演化。同理，对于政府部门，提高利于监管行为的价值收益感知的参数值，降低影响不监管行为的价值收益感知参数值，可以促进政府部门采取监管行为。

4 结论

本文根据电商平台“杀熟”现状，将前景理论和心理账户引入演化博弈理论中，探讨电商平台与政府部门在“杀熟”监管行为上的博弈问题，分析了影响参与方决策行为的因素，并通过数值仿真技术进行验证，最终获得了以下重要的结论：

（1）消费者的举报行为对电商平台选择“不杀熟”、政府部门选择监管策略很重要。在平台监管过程中，消费者需要提高对公民价值、权利和能力的认识。政府部门需要引导鼓励消费者参与平台的监管，拓宽消费者赋权渠道，将消费者从受众转变为参与者、监督者。

（2）本研究揭示了参照点对参与方决策行为的影响。提高影响“杀熟”行为、不监管行为的成本参照点，降低影响“不杀熟”行为，监管行为的效价参照点，可以抑制电商平台“杀熟”定价行为，加强政府部门监管力度。

（3）提高政府部门群体的提成系数，可以促进政府部门采取“监管”策略。对政府监管群体采取合理的激励措施，有助于提高监管水平，降低“杀熟”现象造成的声誉损失，提高公民对其工作能力的信任度。

（4）加大对电商平台的处罚力度，可以有效抑制电商平台“杀熟”策略。电商平台要想获得长期利益，应该意识到消费者既是收益的来源也是监督者。电商平台需要承担自身在市场中的社会责任，保护消费者权益，遵循市场规则的严谨性，形成正确的成本与收益价值的感知，从根本上杜绝“杀熟”现象的发生。

本文深入分析了电商平台与政府部门之间的“杀熟”博弈，在研究的过程中通过分析影响行为决策的参考因素，认为在后续工作中可以进一步探讨消费者、电商平台、政府部门之间的三方博弈问题。对消费者进行赋权，探讨消费者如何参与平台监管以及如何影响博弈的演化稳定策略。