基于大数据技术的众包物流服务质量竞争策略

doi:10.16381/j.cnki.issn1003-207x.2021.0350

摘要/Abstract

摘要：

考虑到众包物流服务质量依赖于大数据技术和其动态变化的特性以及众包物流企业面临的激烈竞争环境，构建了基于大数据技术的众包物流平台及其接包方的质量竞争微分博弈模型，借助最优控制理论，分析三种情形下双方质量控制水平、利润以及服务质量的变化情况，并探讨大数据技术对双方决策的影响。研究结果表明：服务价格越高，服务平台的质量控制水平和大数据技术水平越高，较高的服务价格和佣金率可以提升接包方的质量控制水平；价格竞争系数越高，服务平台和接包方的利润越高，价格竞争系数超过一定值时，竞争平台的服务价格越高，双方的利润越高，当初始物流服务质量高于一定值时，双方的利润会随服务质量敏感系数的增加而增加；采取大数据技术策略的众包物流平台，平台自身的质量控制水平会得到提高，但不会影响竞争平台的质量控制水平，且对平台自身及其接包方利润的增加更有利，对于接包方而言，无论其服务的平台是否采取大数据技术策略，其质量控制水平都不改变。

关键词: 众包物流, 大数据技术, 服务质量, 微分博弈

Abstract:

In order to realize the rapid increase of transportation capacity， crowdsourcing logistics distribution mode is gradually adopted by O2O platforms in recent years. Meanwhile， the adoption of big data technology， such as real-time tracking of packages and receivers based on GPS and disclosure of identity information of receivers， is conducive to the improvement of crowdsourcing logistics service quality， such as optimizing distribution path and realizing more accurate and rapid matching between the service platform and receivers. Therefore， how to achieve long-term profits in the competitive environment is an urgent problem to be solved for crowdsourcing logistics enterprises.A quality competition differential game model of the platform and its receiver is constructed. The two parties’ optimal quality control level， profits and the optimal service quality track under three cases are solved by using the optimal control method. The impact of big data technology on the decision-making of both sides is also discussed. The results suggest that： the higher the service price， the higher the quality control level and big data technology level of the service platform， the receiver’s quality control level is motivated by higher commission rate and service price. The higher price competition coefficient is， the higher the profits of the service platform and the receiver are. With the increase of the competitive enterprise’s service price， the two parties’ profits are improved when the price competition coefficient exceeds a certain value. When the initial service quality and service quality sensitivity coefficient are lower than a certain value， the higher service quality sensitivity coefficient， the lower the two parties’ profits. When the initial logistics service quality is higher than a certain value， the higher service quality sensitivity coefficient， the higher the two parties’ profit. The competitive platform’s quality control level is not affected by the service platform’s big data technology strategy， however， its own quality control level is improved. Choosing to improve the level of big data technology is more beneficial to the increase of profits of the platform and its receiver. No matter whether the platform improves the big data technology level or not， the receiver’s quality control level remains unchanged. The conclusions are employed to provide targeted suggestions on improving the quality control level and profits of both sides， the big data technology selection strategy of service platforms and controlling the crowdsourcing logistics service quality.

Key words: crowdsourcing logistics, big data technology, service quality, differential game

中图分类号:

F253.3

孟秀丽,杨静,刘波. 基于大数据技术的众包物流服务质量竞争策略[J]. 中国管理科学, 2024, 32(4): 130-140.

Xiuli Meng,Jing Yang,Bo Liu. Competition Strategy of Crowdsourcing Logistics Service Quality Based on Big Data Technology[J]. Chinese Journal of Management Science, 2024, 32(4): 130-140.

图/表 9

表1

符号说明"

符号	符号含义
$q m t$	表示 $t$ 时刻服务平台 $m$ 提供的服务质量，依赖于服务平台和接包方的质量控制水平， $m = 1,2$
$v m i t$	分别表示 $t$ 时刻服务平台 $m$ 在平台建设质量、误差处理和监督配送行为这三个质量指标方面的质量控制水平， $m = 1,2$ ， $i = 1,2, 3$
$w m j t$	分别表示 $t$ 时刻服务平台 $m$ 的接包方在人员沟通质量、时效性和快件完好程度这三个质量指标方面的质量控制水平, $m = 1,2$ ， $j = 1,2, 3$
$b m t$	表示 $t$ 时刻服务平台 $m$ 的大数据技术水平， $m = 1,2$
$β m i$	质量影响系数，分别表示服务平台 $m$ 的平台建设质量、误差处理和监督配送行为这三个质量指标的质量控制水平对自身众包物流服务质量的影响程度， $m = 1,2$ ， $i = 1, ? 2,3$
$γ m j$	质量影响系数，分别表示服务平台 $m$ 的接包方的人员沟通质量、时效性和快件完好程度这三个质量指标的质量控制水平对自身众包物流服务质量的影响程度， $m = 1,2$ ， $j = 1, ? 2, ? 3$
$τ m$	大数据技术水平影响系数，表示服务平台 $m$ 的大数据技术水平对自身众包物流服务质量的影响程度， $m = 1,2$
$δ m$	质量衰减系数，表示不进行质量控制时服务平台及其接包方所组成的服务整体 $m$ 的服务质量的自然下降率， $m = 1,2$
$k v m i$	成本系数，分别表示服务平台 $m$ 的平台建设质量、误差处理和监督配送行为这三个质量指标的质量控制水平的成本系数， $m = 1,2$ ， $i = 1, ? 2, ? 3$
$k w m j$	成本系数，分别是服务平台 $m$ 的接包方的人员沟通质量、时效性和快件完好程度这三个质量指标的质量控制水平的成本系数， $m = 1,2$ ， $j = 1, ? 2, ? 3$
$k b m$	成本系数，表示服务平台 $m$ 的大数据技术水平的投入成本系数， $m = 1,2$
$D 0 m$	服务平台 $m$ 的初始众包物流服务需求， $m = 1,2$
$p m$	众包物流服务价格，服务平台 $m$ 向需求市场收取的服务价格， $m = 1, ? 2$
$? m$	佣金率，表示服务平台 $m$ 支付给接包方的单位报酬率， $0 < φ m < 1$ ， $m = 1,2$
$μ m$	价格敏感系数，表示服务平台 $m$ 收取的服务价格对自身物流需求的影响程度， $m = 1,2$
$k 1 m$	价格竞争系数，表示竞争服务平台 $3 - m$ 收取的服务价格对服务整体 $m$ 的物流需求的替代程度， $m = 1,2$
$η m$	服务质量敏感系数，表示服务整体 $m$ 提供的服务质量对自身物流需求的影响程度， $m = 1,2$
$k 2 m$	服务质量竞争系数，表示竞争服务整体 $3 - m$ 提供的服务质量对服务整体 $m$ 物流需求的替代程度， $m = 1,2$
$χ m$	大数据技术成本优化比例系数，表示服务平台 $m$ 提升大数据技术对自身质量控制成本优化的比例， $m = 1,2$
$ρ$	贴现率

表1

图1

图2

图3

图4

图5

图6

图7

图8

参考文献 23

1	Bag S， Wood L C， Xu C L， et al. Big data analytics as an operational excellence approach to enhance sustainable supply chain performance［J］. Resources Conservation and Recycling， 2019， DOI： 10. 1016/j.resconrec. 2019. 104559 . doi: 10. 1016/j.resconrec. 2019. 104559
2	Buldeo R H， Verlinde S， Macharis C. Shipping outside the box. Environmental impact and stakeholder analysis of a crowd logistics platform in Belgium［J］. Journal of Cleaner Production， 2018， 202（11）： 806-816.
3	Le T V， Stathopoulos A， Van Woensel T， et al. Supply， demand， operations， and management of crowd-shipping services： a review and empirical evidence［J］. Transportation research， 2019， 103（6）： 83-103.
4	Yildiz B， Savelsbergh M. Service and capacity planning in crowd-sourced delivery［J］. Transortation Research Part C， 2019， 100（3）： 177-199.
5	孟秀丽，吴艾婧，杨静. 众包物流服务网络决策优化［J］. 系统工程， 2020， 38（1）： 75-84.
	Meng X L， Wu A J， Yang J. Decision optimization of crowdsourcing logistics service network［J］. System Engineering， 2020， 38（1）： 75-84.
6	Mofidi S S， Pazour J A. When is it beneficial to provide freelance suppliers with choice？ A hierarchical approach for peer-to-peer logistics platforms［J］. Transportation Research Part B： Methodological， 2019， 126（8）： 1-23.
7	Hazen B T， Skipper J B， Ezell J D， et al. Big data and predictive analytics for supply chain sustainability： a theory-driven research agenda［J］. Computers and Industrial Engineering， 2016， 101（11）， 592-598.
8	Zheng K N， Zhang Z P， Song B. E-commerce logistics distribution mode in big-data context： a case analysis of JD.COM［J］. Industrial Marketing Management， 2020， 86（4）： 154-162.
9	孙琦，戢守峰，董明. 数据驱动下收货方质量偏好与电商配送服务质量优化［J］. 中国管理科学， 2019， 27（6）： 41-52.
	Sun Q， Ji S F， Dong M. Optimization of distribution service quality with constraints of quality preference for data-driven model［J］. Chinese Journal of Management Science， 2019， 27（6）： 41-52.
10	Liu W H， Yan X Y， Li X， et al. The impacts of market size and data-driven marketing on the sales mode selection in an Internet platform based supply chain［J］. Transportation Research Part E： Logistics and Transportation Review， 2020， 136（4）：101914.
11	Xiang Z H， Xu M L. Dynamic game strategies of a two-stage remanufacturing closed-loop supply chain considering Big Data marketing， technological innovation and overconfidence［J］. Computers & Industrial Engineering， 2020，145（7）：106538.
12	马德青，胡劲松. 大数据营销与参考价格效应下的闭环供应链协同经营策略研究［J］. 软科学， 2019， 33（11）： 98-106.
	Ma D Q， Hu J S. Research on cooperative operation mode of closed-loop supply chain under big-data marketing and reference price effect［J］. Soft Science， 2019， 33（11）： 98-106.
13	张永明，楼高翔. 竞争型低碳供应链下考虑参考效应的微分博弈［J］. 系统工程， 2018， 36（6）： 101-108.
	Zhang Y M， Lou G X. Differential game model in competitive low-carbon supply chain considering reference Effect［J］.System Engineering，2018，36（6）： 101-108.
14	周尔凤，张廷龙，倪蕾，等. 竞争中的参考价格效应及承诺［J］. 中国管理科学， 2018， 26（8）： 75-85.
	Zhou E F， Zhang T L， Ni L， et al. Advertising and price decisions considering reference price effect［J］. Chinese Journal of Management Science， 2018， 26（8）： 75-85.
15	柳键，万谧宇，周辉，等. 非均衡状态下双寡头价格——质量动态竞争策略［J］. 计算机集成制造系统， 2019， 25（7）： 1839-1854.
	Liu J， Wan M Y， Zhou H， et al. Dynamic disequilibrium strategy for duopoly competition on price and quality［J］. Computer Integrated Manufacturing Systems， 2019， 25（7）： 1839-1854.
16	EI O F， Kim B. Supply quality management with wholesale price and revenue-sharing contracts under horizontal competition［J］. European Journal of Operational Research， 2010， 206（2）： 329-340.
17	王文杰，陈颖，蒋帅杰. 考虑平台竞争的众包物流社会配送服务最优定价策略［J］. 运筹与管理， 2020， 29（10）： 11-20.
	Wang W J， Chen Y， Jiang S J. Optimal pricing for crowdsourcing logistics socialized services under competitive platforms［J］. Operations Research and Management Science， 2020， 29（10）： 11-20.
18	Mentzer J T， Flint D J， Kent J L. Logistics service quality as a segment-customized process［J］. Journal of Marketing， 2001， 65（4）： 82-104.
19	孟秀丽，杨静，吴一凡.考虑奖惩机制和成本互担的众包物流服务质量最优控制［J］.中国管理科学，2022，30（11）：182-195.
	Meng X L， Yang J， Wu Y F. Optimal control of crowdsourcing logistics service quality considering reward-penalty mechanism and cost sharing［J］. Chinese Journal of Management Science， 2022，30（11）：182-195.
20	Nerlove M， Arrow K J. Optimal advertising policy under dynamic conditions［J］. Economica， 1962， 29（114）： 129-142.
21	Tsay A A， Agrawal N. Channel Dynamics Under Price and Service Competition［J］. Manufacturing & Service Operations Management， 2000， 2（4）： 372-391.
22	Cachon G P， Daniels K M， Lobel R. The role of surge pricing on a service platform with self-scheduling capacity［J］. Manufacturing&Service Operations Management， 2017， 19（3）： 368-384.
23	钟丽，艾兴政，汪敢甫. 基于众包的产品价值共创模式选择与补偿机制设计［J］. 系统工程学报， 2020， 35（3）： 365-377.
	Zhong L， Ai X Z， Wang G F. Mode selection of value co-creation and compensation mechanism design based on crowdsourcing［J］. Journal of System Engineering， 2020， 35（3）： 365-377.

[1]	刘浪,陈思仪,陈烁. 制造商价格竞争的纵向延时合作广告与定价策略[J]. 中国管理科学, 2024, 32(9): 182-192.
[2]	贾俊秀,侯毅姝,杜黎. 考虑转诊率的健康服务质量及定价决策研究[J]. 中国管理科学, 2024, 32(6): 109-119.
[3]	王道平,张可,周玉. 政府奖惩下考虑回收率动态随机的闭环供应链微分博弈[J]. 中国管理科学, 2024, 32(5): 158-170.
[4]	杨曼,刘德海. 物理-社会耦合系统下震后多方协同救援的微分博弈模型[J]. 中国管理科学, 2024, 32(1): 115-124.
[5]	姚凡军,肖汉,高野,高红伟. 碳配额交易政策下考虑消费者偏好和成员行为的供应链微分博弈研究[J]. 中国管理科学, 2024, 32(1): 231-241.
[6]	郑月龙, 周冰洁, 白春光, 蔡琴. 双向协同下产业共性技术跨组织合作研发微分博弈模型研究[J]. 中国管理科学, 2023, 31(9): 255-265.
[7]	侯艳辉,管敏,王家坤,孟帆,张昊. 全媒体时代基于微分博弈的网络舆情引导激励机制研究[J]. 中国管理科学, 2023, 31(8): 239-252.
[8]	姜跃, 韩水华, 赵洋. 基于零售商公平偏好的联合碳减排与低碳宣传微分对策研究[J]. 中国管理科学, 2023, 31(7): 173-182.
[9]	胡劲松, 刘玉红, 马德青. 食品安全危机预测下食品供应链动态策略制定及协调[J]. 中国管理科学, 2023, 31(5): 116-131.
[10]	孟秀丽, 刘波, 安坤. 考虑配送员交互作用和服务质量的众包物流运营模式选择[J]. 中国管理科学, 2023, 31(5): 218-229.
[11]	宋金波, 周禹杉, 何秋映. 情绪负荷对网络问政平台运作服务质量和效率的影响—来自文本数据的证据[J]. 中国管理科学, 2023, 31(3): 133-142.
[12]	宋妍,张鹭,张明. 基于微分博弈的环境税政策效果研究[J]. 中国管理科学, 2023, 31(12): 240-248.
[13]	孟秀丽,吴一凡,刘波. 考虑延误险的多期众包物流服务质量优化[J]. 中国管理科学, 2023, 31(12): 87-95.
[14]	郭英, 刘志学, 覃雪莲. 考虑质量成本的物流服务供应链纵向整合策略研究[J]. 中国管理科学, 2022, 30(9): 140-151.
[15]	程粟粟, 张帆, 李冬冬. 基于绿色技术研发的绿色供应链微分博弈及协调模型[J]. 中国管理科学, 2022, 30(8): 95-105.