郝子霖

（上海交通大学，上海 200030）

1 背景

随着互联网技术的飞速发展，旅游业的电子商务模式也应运而生。报告显示，2019年上半年在线旅游（OTA）市场交易额超7000亿：2018年我国旅游人次超过58亿，旅游市场规模达5.97万亿，旅游市场对于线上OTA的需求潜力巨大。面对如此有吸引力的市场，包括国外OTA企业在内的各家平台都在为保持和扩大市场份额而谋划。各家在线旅行代理平台（OTA）竞争激烈，试图提供低价且优质的服务吸引更多的消费者。在高度竞争和消费者价格导向的市场情况下，企业如何合理应对竞争对手价格显得尤为重要。如果竞争对手的低价对企业冲击较大，选择不跟进可能会损失销量甚至丢失市场份额；如果对企业冲击不大，贸然选择跟进则会损失原有的收益。因此，只有合理预估竞争对手价格冲击的影响，更为准确地预测消费者需求、库存水平，制定企业价格、库存决策，才能使企业避免由于反应不当造成的利润受损，从而最大化盈利。

关于竞争环境下的动态定价研究，已有许多学者进行 了 探 索（李 豪 等（2011）、杜 荣 等（2003）、Fisher et al.（2017）。但关于如何应对竞争对手低价的这一领域的实证研究和论证目前还相对匮乏，而该类研究对OTA平台保障和优化自身收益是至关重要的。本文借鉴已有研究结论，基于OTA酒店行业的真实数据，实证研究了OTA酒店行业中，竞争对手价格对企业销量的影响，以及竞争对手平台大小对该影响的调节效应，以期为OTA酒店行业制定合理应对竞争对手价格冲击的策略提供一定的理论支持和启示。

2 假设提出

根据消费者剩余理论，当竞争对手价格更低时，即竞争平台给消费者带来的消费者剩余更大，此时消费者更容易倾向于去竞争平台进行购买。基于该理论，我们构建了假设H1。

H1：当其他变量相同时，竞争对手价格越低，消费者更容易转移至竞争平台。

在消费者转移成本中，经济风险成本、替代者吸引力是其中的重要组成成分。在OTA行业中，平台的市场份额一定程度上可以反映其品牌、形象、售后服务等。进一步而言，市场份额较大的平台，往往其替代者吸引力更强、更容易吸引消费者转移、平台消费者感知的经济风险成本也更低。基于此分析，我们构建了假设H2。

H2：当其他变量相同时，竞争对手的低价来自市场份额更大的平台时，消费者更易转移

本文基于某OTA平台的真实运营订单及价格数据，对竞争者价格差异、竞争者市场份额与平台销量作回归模型，通过变量的显著性水平，验证H1和H2成立与否。

3 数据处理与描述

3.1 数据介绍

我们与一家国内比较有影响力的在线旅游代理商合作进行了此次研究，所有订单和价格数据客观真实。

数据样本包含了该平台东部某大城市一个区域内3家替代性极高的酒店的主房型的订单和价格数据，以及主要4家OTA竞争平台的价格数据。数据时间跨度为自2017年1月至2018年1月。数据集示例如下：

酒店数据集：包含了酒店的各个属性，如酒店代码、酒店星级、消费者评分和所属街道，示例数据如下：

表1 酒店数据集示例

该平台及其竞争对手价格数据集：包含了各酒店各房型在不同的预定日期、入住日期和支付方式下的价格，示例数据如下：

表2 价格数据集示例

订单数据集：包含了实际发生订单的各项信息，例如订单代码、酒店代码、用户代码、订单状态、预定日期、入住日期、预定提前天数、房型代码、支付方式、用户会员等级、入住人数、预订房间数、预定天数、订单总价格和优惠金额，示例数据如下：

3.2 数据清洗与处理

由于钟点房的价格远低于正常客房价格，为排除该价格对模型结果准确性的干扰，我们在原数据中去除了钟点房的订单。

表3 订单数据集示例

此外，由于价格数据集的时间是预定当天前10天到预定当日，因此我们去掉了提前10天以上的订单（无价格信息）。并对入住多天的订单进行了拆分，从而得到各入住日期下的准确销量。

最后，我们将该平台的订单数据与竞争对手价格数据、酒店信息数据进行了合并。

经过以上的数据清洗之后，我们得到了入住日期在2017年1月1日至2017年12月31日之间，3家酒店的4529条订单，其中包含了该平台和其竞争对手的价格以及酒店信息，并以此作为后续分析和研究的数据基础。

3.3 统计性描述

3.3.1 酒店价格波动情况

图1-5刻画了样本酒店1某房型在我们的合作方平台与4家主要竞争平台上的价格波动情况。如图所示，同一酒店在不同平台上的价格区间略有所不同：各平台价格都大致处于200-300元的范围内；最高价格除竞争平台2近500元外，其他4家平台均为近450元。同时，在各平台上，价格随时间波动的分布也有所不同：自有平台高价时其他竞争平台可能为低价；或者自有平台上已处于较高价格水平，但竞争平台定价更高的情况。在这些情况下，竞争对手的低价／高价是否影响到我们的销量水平，而与之相应的，我们是否应该跟进降价／提价，是我们的关注和研究点。

图1 酒店1在我们平台的价格波动分布

图2 酒店1在竞争平台1的价格波动分布

图3 酒店1在竞争平台2的价格波动分布

图4 酒店1在竞争平台3的价格波动分布

图5 酒店1在竞争平台4的价格波动分布

为了更进一步的刻画各平台的价格分布情况，我们对3家酒店绘制了在不同平台型下的价格箱线图。如图6-8所示，酒店1在各平台的平均价格相对一致，但各平台的价格分散程度较为不同。竞争平台1和2的高价相对低价更为分散，而自有平台、竞争平台3和4的高价与低价分散程度相当。对于酒店2和酒店3在不同平台的价格分布则更为明显不同。因此实际数据符合我们的研究前提，即对于OTA酒店行业，存在较为频繁的价格波动，且各竞争平台价格会有所不同，因此可能会面临竞争对手低价威胁也可能保有价格优势。

图6 酒店1在各平台的价格箱线图

图7 酒店2在各平台的价格箱线图

图8 酒店3在各平台的价格箱线图

3.3.2 销量随平台价格分布情况

图9描绘了酒店1的销量在自有平台上的价格分布，整体呈现近似正态分布。左偏的分布表明了在价格较低时，销量会更高。极端值（极低价和极高价）的出现频次较少。

图9 酒店1销量随价格的分布

4 模型构建与分析

4.1 因变量（Dependent Variable）

4.1.1 销量（sales）

对于酒店预订而言，其销量不仅与入住日期相关，还与预定日期相关，不同预订日期客流量会有所不同，OTA酒店行业定价策略也是基于入住日期和预定日期的组合。因此，我们将酒店销量定义为某酒店房型在预定日期、入住日期组合下的销量，作为模型的因变量，并将下列变量纳入相关变量纳入模型。

4.2 相关变量（Independent Variables）

4.2.1 自有平台价格（price）

为与销量的定义口径保持一致，自有平台价格定义为某酒店房型在预定日期、入住日期组合下的价格。

4.2.2 竞争平台价差（minprice）

竞争平台价差定义为，在预定日期、入住日期、酒店、房型的组合下，自由平台价格和所有竞争平台中的最低价的价格差异。当竞争对手价格比自有平台价格便宜时，价差为正，反之为负。

4.2.3 竞争平台市场份额（market＿share）

竞争平台市场份额定义为，竞争对手的实际市场份额相对于自有平台实际市场份额的增益比例，用以衡量竞争平台相对于自有平台对消费者的吸引力及转移成本。例如，如果自有平台的市场份额是20%，平台A的市场份额是30%，则A的竞争平台市场份额为30%／25%-1＝0.5.根据2018年1月trustdata发布的市场份额3，4家对手的相对份额分别为1.02，-0.5，-0.55，-0.75。

4.2.4 其他控制变量（X）

考虑到日期特性、订单特性对销量的影响，我们将其作为控制变量纳入模型。控制变量具体包含：

提前预定的天数，0-10天；

入住日期是否为周末；

入住日期是否为节假日；

取消政策，免费取消为1，不可取消为0；

入住人数，1-2人。

4.3 模型构建与结果分析

4.3.1 多重共线性检验

如表4所示，模型所考虑的变量之前不存在较高的共线性。

表4 变量相关性矩阵

4.3.2 多元线性回归模型

为检验竞争对手价格对自由平台销量的影响，和其市场份额对该影响的调节作用，除自有平台价格、竞争平台价差、竞争平台市场份额这三项外，我们加入了市场份额和竞争对手价格的交叉项。

具体模型展示如下：

其中i表示预定日期和入住日期组合下的一行数据样本，包含销量、价格、日期特性、订单特性等相 关变量取值。

4.3.3 模型稳定性（Robustness）

为证明模型的稳健性，我们先只纳入竞争平台价差作为相关变量做回归模型，然后依次纳入竞争平台市场份额，和竞争平台市场份额与竞争平台价差的交叉项，检验新加入的变量是否显著，同时对新模型参数的数值和显著性与基础模型作比较，从而判断模型和结果的稳健性。

基础模型1与模型2，3的比较和回归结果如表5所示。

表5 竞争对手低价对销量的影响

模型1未加入交叉项和竞争对手市场份额

模型2在模型1的基础上加入竞争对手市场份额

模型3在模型2的基础上加入竞争对手价格和市场份额的交叉项。

根据从模型回归结果，三个模型各变量数值变化不大，符号一致，说明模型中的变量关系稳健。

4.3.4 模型解释

具体而言，竞争平台价差前的系数为负且显著。依据竞争平台价差的定义，数值为正代表竞争对手价格相对自有平台较低，且数值越大价格越低，因此系数为负表明，当其他条件相同时，竞争平台价格越低，自有平台的销量越低，即消费者更容易转移到竞争平台，支持假设H1。

在H2中，我们假定低价来自市场份额更大的竞争平台时，消费者会更容易发生消费转移。模型2中，竞争平台市场份额前系数显著且为负，表明竞争平台市场份额为影响销量的因素之一，且市场份额相对越高时自有平台的销量会越少。模型3中进一步检验了市场份额对低价冲击的调节效应，市场份额与低价的交叉项的系数显著且为负，说明在面临相同的竞争对手价差时，市场份额更大的平台的影响会更强。换句话说，当其他情况相同时，竞争对手的低价来自市场份额更大的平台时，消费者更易转移，因此支持假设H2。

除此以外，关于控制变量的系数符号与基本的商业常识相符。例如，取消政策越宽松时销量越低，离入住时期越远时销量越少（OTA酒店大部分订单集中于临近入住时），节假日订单相比平时明显更多等。进一步表明模型构建较为合理，变量关系较为可靠。

5 结论

本文基于OTA酒店行业数据实证研究了竞争对手价格对企业销量的影响，以及竞争对手平台市场份额大小对该影响的调节效应。结果表明，竞争对手价格越低时，消费者更容易转移至竞争平台，对企业销量有负面影响。而竞争平台的大小会对此负面影响有一定的调节作用，具体而言，同等低价水平下，大平台会对企业销量的冲击更强，消费者会更容易转移。关于平台大小起调节作用的背后原因，一方面是由于消费者对大平台的感知风险成本低、吸引力强，从而转移成本降低；另一方面，大平台营销渠道更多，触及的潜在消费者更多，因此相同低价水平时，其平均对每个潜在顾客的影响更大。

基于本文研究结论，企业在面对竞争对手低价威胁时，应当结合其相对市场份额和价格水平，预估对自身销量的影响，进而合理制定价格策略最优化企业收益。对于较小的竞争平台和较低的低价威胁时，对企业并不会产生较大影响，不需要跟进对手低价；而面对较大的竞争平台以及较大的价格威胁时，则需要更为具体的应对策略。具体实施层面，企业可以根据不同平台在不同价格下的历史销量数据，找到针对某酒店各竞争平台下可以接受的低价范围。企业进而还可以针对不同时期、不同人群，精细化估计竞争平台的低价实际影响，例如节假日与非节假日，忠实用户与非活跃用户。从而精细化制定企业的定价、库存决策，优化企业预期收益。

本文研究不仅对OTA酒店行业有一定启示，同时由于其平台型企业的属性，体现了平台型企业的基本特征与市场情况，其定价及市场规律一定程度上同样适用于其他平台型企业。我国平台型企业飞速发展，2018年较2008年市值比重已由8.2%上升至77%，规模增长22.5倍4，已经渗入到日常生活衣食住行的方方面面。本文的研究结论将对于平台型企业应对竞争对手定价有一定的启示作用。

除对企业实践有一定启示外，也有一定的学术贡献。本文对转移成本中关于企业市场份额的相关理论研究提供了一定的实证支撑，也为未来关于基于竞争对手定价提供了一些研究方向的启示与思路。