孫紅英, 田 宇

(1.仲愷農(nóng)業(yè)工程學(xué)院計(jì)算科學(xué)學(xué)院，廣州 510225； 2.中山大學(xué)管理學(xué)院，廣州 510275)

節(jié)日營(yíng)銷陣發(fā)效應(yīng)下供應(yīng)鏈網(wǎng)絡(luò)結(jié)構(gòu)穩(wěn)定性分析

孫紅英1,2, 田 宇2

(1.仲愷農(nóng)業(yè)工程學(xué)院計(jì)算科學(xué)學(xué)院，廣州 510225； 2.中山大學(xué)管理學(xué)院，廣州 510275)

經(jīng)過(guò)數(shù)據(jù)分析，發(fā)現(xiàn)在節(jié)日營(yíng)銷中顧客對(duì)商品的需求數(shù)量往往因節(jié)日的刺激而呈現(xiàn)明顯的陣發(fā)效應(yīng)，即非線性、間歇性批量增長(zhǎng)。為研究這種需求陣發(fā)效應(yīng)下供應(yīng)鏈網(wǎng)絡(luò)結(jié)構(gòu)的穩(wěn)定性，在Poisson模型的基礎(chǔ)上，將供應(yīng)鏈網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)的增長(zhǎng)視為節(jié)點(diǎn)數(shù)批量到達(dá)，構(gòu)造了新的網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)批量到達(dá)且呈指數(shù)增長(zhǎng)的Poisson供應(yīng)鏈網(wǎng)絡(luò)模型，并利用平均場(chǎng)方法解析計(jì)算了節(jié)點(diǎn)的增長(zhǎng)動(dòng)態(tài)性特征。解析結(jié)果表明，在電商節(jié)日營(yíng)銷中，供應(yīng)鏈網(wǎng)絡(luò)度分布是穩(wěn)定的，穩(wěn)態(tài)度分布服從指數(shù)為1的冪律分布，并且非線性增長(zhǎng)方式對(duì)于網(wǎng)絡(luò)平均度分布的影響差異較小。模型和相關(guān)結(jié)論對(duì)電商企業(yè)在正確運(yùn)用節(jié)日營(yíng)銷手段的同時(shí)，防范網(wǎng)絡(luò)崩潰風(fēng)險(xiǎn)具有十分重要的啟示。

節(jié)日營(yíng)銷；供應(yīng)鏈網(wǎng)絡(luò)；批量到達(dá)；穩(wěn)定性

0 引言

陣發(fā)效應(yīng)一般是指某一事件具有在短期內(nèi)頻繁出現(xiàn)，之后在很長(zhǎng)一段時(shí)間不出現(xiàn)的特征[1-2]。自2009年電商巨頭淘寶在其創(chuàng)造出的“雙11”(“光棍節(jié)”)上收獲了0.52億元的佳績(jī)后，每年“雙11”已成為消費(fèi)狂歡節(jié)(如圖1所示)，2014年其當(dāng)天營(yíng)業(yè)額(24小時(shí)銷售額如圖2所示)甚至是美國(guó)傳統(tǒng)節(jié)日“黑色星期五”的幾倍[3]。2014年，美國(guó)零售商Costco以及Amazon也相應(yīng)提出“Singles Day”的促銷模式，這表明，“雙11”節(jié)日消費(fèi)狂歡已從天貓(Tmall.com)擴(kuò)展到全部電商企業(yè)，從中國(guó)擴(kuò)散到全球。節(jié)日營(yíng)銷顧客需求量短時(shí)間激增，具有集中性、突發(fā)性、反常性和規(guī)模性特點(diǎn)，但節(jié)日前后需求急劇下降，相對(duì)節(jié)日營(yíng)銷期間的需求數(shù)量級(jí)懸殊很大，使得節(jié)日營(yíng)銷呈現(xiàn)明顯的陣發(fā)效應(yīng)。姚燦中[1]發(fā)現(xiàn)大型物流系統(tǒng)在節(jié)日期間出庫(kù)時(shí)間間隔具有陣發(fā)特征。節(jié)日營(yíng)銷期間陣發(fā)效應(yīng)帶來(lái)顧客消費(fèi)需求(節(jié)點(diǎn))呈現(xiàn)“井噴式”增長(zhǎng)，勢(shì)必使得供應(yīng)鏈網(wǎng)絡(luò)結(jié)構(gòu)變得越來(lái)越復(fù)雜，對(duì)網(wǎng)絡(luò)的穩(wěn)定性帶來(lái)沖擊。事實(shí)上，若將供應(yīng)鏈中的原材料供應(yīng)商、制造商、分銷商、零售商和顧客看作是復(fù)雜網(wǎng)絡(luò)中的節(jié)點(diǎn)，將他們之間的供需關(guān)系看作是邊，這樣供應(yīng)鏈中的企業(yè)節(jié)點(diǎn)或企業(yè)個(gè)體之間的關(guān)系就構(gòu)成了相應(yīng)的網(wǎng)絡(luò)[4]。例如，在淘寶這個(gè)交易平臺(tái)上，少量的核心電商企業(yè)組成了供應(yīng)鏈網(wǎng)絡(luò)的主干節(jié)點(diǎn)，圍繞核心電商企業(yè)進(jìn)行商品配送或生產(chǎn)的大量企業(yè)構(gòu)成了供應(yīng)鏈網(wǎng)絡(luò)的節(jié)點(diǎn)。

淘寶集市和淘寶商城的季度銷售額報(bào)表[5](如圖3，圖4所示)顯示，第四季度的成交業(yè)績(jī)明顯超過(guò)前三個(gè)季度，我們認(rèn)為這是由于“雙11”、“雙12”等節(jié)日促銷引起的供應(yīng)鏈網(wǎng)絡(luò)規(guī)模呈爆發(fā)性增長(zhǎng)所導(dǎo)致的。假如我們把需求激增視為在一個(gè)單位時(shí)間間隔內(nèi)，有多個(gè)新節(jié)點(diǎn)同時(shí)加入系統(tǒng)，那么此時(shí)供應(yīng)鏈網(wǎng)絡(luò)的穩(wěn)定性(本文特指度分布的穩(wěn)定性)是否發(fā)生變化？目前，針對(duì)這種供應(yīng)鏈網(wǎng)絡(luò)中節(jié)點(diǎn)批量增加的研究還是空白，解決這個(gè)問(wèn)題將有助于更好地研究電子商務(wù)中的諸如節(jié)日營(yíng)銷等一系列需求不穩(wěn)定或突發(fā)狀況中供應(yīng)鏈網(wǎng)絡(luò)的魯棒性。

資料來(lái)源： http://www.fashangji.com/news/show/3205/2014.11.11圖1 淘寶歷年“雙11”銷售額Fig.1 The historical sales data in single′s Day

資料來(lái)源：www.taobao.com圖2 2014年11月11日24小時(shí)銷售額Fig.2 The sales data in 2014 single′s Day

圖3 2009年淘寶集 市季度成交額Fig.3 Taobao quarterly turnover in 2009

圖4 2009年淘寶商 城季度成交額Fig.4 Taobao mall quartely turnover in 2009

1 研究現(xiàn)狀

Choi[6]首次提出將供應(yīng)鏈網(wǎng)絡(luò)看做是一個(gè)復(fù)雜的適應(yīng)系統(tǒng)，并探討了必要性。但基于復(fù)雜網(wǎng)絡(luò)的視角來(lái)探索供應(yīng)鏈系統(tǒng)的穩(wěn)定性研究還處于起步階段，并且使用的模型大多是復(fù)雜網(wǎng)絡(luò)中的BA模型及其擴(kuò)展模型。郭進(jìn)利[7-9]論證了BA模型關(guān)于節(jié)點(diǎn)等時(shí)間間隔進(jìn)入系統(tǒng)的缺陷，提出了一個(gè)新的模型——Poisson模型，并考察了網(wǎng)絡(luò)節(jié)點(diǎn)連續(xù)時(shí)間增加的供應(yīng)鏈網(wǎng)絡(luò)特征，利用更新過(guò)程理論對(duì)這類網(wǎng)絡(luò)進(jìn)行分析，認(rèn)為原有模型將無(wú)法反映供應(yīng)鏈網(wǎng)絡(luò)增長(zhǎng)的真實(shí)情況。他的研究表明，供應(yīng)鏈型有向網(wǎng)絡(luò)具有雙向冪律度分布，并且穩(wěn)態(tài)平均入度和出度分布的冪律指數(shù)的取值區(qū)間為(2, +∞)。楊琴等[10-11]改進(jìn)了文獻(xiàn)[7]中的Poisson模型，提出了一個(gè)供應(yīng)鏈有向含權(quán)網(wǎng)絡(luò)演化模型，獲得了節(jié)點(diǎn)出入強(qiáng)度分布和網(wǎng)絡(luò)出入強(qiáng)度分布的解析表達(dá)式，其數(shù)據(jù)仿真的結(jié)果與度分布的解析解也相符。在以上文獻(xiàn)的研究中，前提假設(shè)是供應(yīng)鏈網(wǎng)絡(luò)的規(guī)模是穩(wěn)定擴(kuò)大的，并且嚴(yán)苛假設(shè)每個(gè)時(shí)刻只增加一個(gè)節(jié)點(diǎn)。這個(gè)假設(shè)過(guò)于理想化，并不符合電商節(jié)日營(yíng)銷的供應(yīng)鏈網(wǎng)絡(luò)實(shí)際情況。姚燦中等[2,12]通過(guò)對(duì)某大型物流系統(tǒng)基地出庫(kù)時(shí)間間隔進(jìn)行統(tǒng)計(jì)分析發(fā)現(xiàn)，時(shí)間間隔具有陣發(fā)特征，并服從冪律指數(shù)為2.5的冪律分布。這種陣發(fā)性是指某種行為可能在短期內(nèi)頻繁發(fā)生而在很長(zhǎng)時(shí)間內(nèi)又不發(fā)生，與節(jié)假日有關(guān)。那么，需求呈現(xiàn)非線性增長(zhǎng)的節(jié)日營(yíng)銷陣發(fā)效應(yīng)下的電子商務(wù)供應(yīng)鏈網(wǎng)絡(luò)結(jié)構(gòu)是否也具有類似的冪律分布？這值得研究。

在一些復(fù)雜網(wǎng)絡(luò)模型的研究中，也有一些文獻(xiàn)考慮了節(jié)點(diǎn)數(shù)的非線性增加。李季等[13]把同一時(shí)刻新增大量節(jié)點(diǎn)數(shù)稱為節(jié)點(diǎn)數(shù)加速增長(zhǎng)，并針對(duì)這個(gè)現(xiàn)象在BA模型的基礎(chǔ)上提出了一個(gè)節(jié)點(diǎn)數(shù)加速增長(zhǎng)的復(fù)雜網(wǎng)絡(luò)生長(zhǎng)模型，假設(shè)每個(gè)時(shí)間步加入一批新節(jié)點(diǎn)，加入的新節(jié)點(diǎn)數(shù)量與當(dāng)前總節(jié)點(diǎn)數(shù)成正比，發(fā)現(xiàn)當(dāng)增長(zhǎng)率等于1時(shí)，加速增長(zhǎng)因素對(duì)于網(wǎng)絡(luò)的影響不明顯，但是當(dāng)增長(zhǎng)率接近或大于0.1時(shí)，加速增長(zhǎng)因素對(duì)于網(wǎng)絡(luò)的影響是顯著的。郭進(jìn)利，汪麗娜[14]也改進(jìn)了Poisson模型網(wǎng)絡(luò)節(jié)點(diǎn)的增長(zhǎng)方式，提出了每個(gè)單位時(shí)間內(nèi)增加的節(jié)點(diǎn)是批量的并且節(jié)點(diǎn)到達(dá)時(shí)間間隔服從Poisson分布，討論了冪指數(shù)增長(zhǎng)和對(duì)數(shù)增長(zhǎng)兩種情況：第一，假設(shè)到達(dá)的節(jié)點(diǎn)數(shù)是冪指數(shù)增長(zhǎng)的，解析得到的結(jié)論是該模型的冪律指數(shù)區(qū)間為(1, 3)；第二，假設(shè)到達(dá)的節(jié)點(diǎn)數(shù)是對(duì)數(shù)增長(zhǎng)的，得到的結(jié)論是該模型與BA模型完全相同。

本文考慮一個(gè)由物流配送商(多家)和顧客來(lái)構(gòu)成的單級(jí)供應(yīng)鏈。顧客網(wǎng)上購(gòu)物，產(chǎn)生訂單，由物流配送商負(fù)責(zé)將訂單產(chǎn)品配送給顧客。因此，用顧客來(lái)表示節(jié)點(diǎn)，如果顧客之間選擇同一家物流配送商，則連邊，表示資源的競(jìng)爭(zhēng)，顯然，這是一個(gè)有向網(wǎng)絡(luò)。結(jié)合2014年11月11日24小時(shí)的遞增銷售增長(zhǎng)趨勢(shì)(圖2)以及圖3、圖4中2009年淘寶季度成交額所呈現(xiàn)的指數(shù)增長(zhǎng)趨勢(shì)，本文借助“排隊(duì)論”的思想，借鑒文獻(xiàn)[13]和[14]中的模型設(shè)定并進(jìn)行改進(jìn)，將其應(yīng)用到電商節(jié)日營(yíng)銷背景下的供應(yīng)鏈網(wǎng)絡(luò)研究中?？紤]節(jié)日營(yíng)銷陣發(fā)效應(yīng)市場(chǎng)需求批量增加情況，將Poisson網(wǎng)絡(luò)模型引入到供應(yīng)鏈管理問(wèn)題中，結(jié)合節(jié)日營(yíng)銷的“井噴”效果，模擬需求是批量到達(dá)且數(shù)量呈指數(shù)增長(zhǎng)的陣發(fā)特征，構(gòu)建了網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)批量到達(dá)且呈非線性增長(zhǎng)、批次服從Poisson分布的供應(yīng)鏈網(wǎng)絡(luò)模型，使用平均場(chǎng)方法分析了該網(wǎng)絡(luò)的動(dòng)力學(xué)特征，并對(duì)網(wǎng)絡(luò)演化過(guò)程進(jìn)行了數(shù)值模擬，發(fā)現(xiàn)模擬值與解析計(jì)算結(jié)果相吻合。研究可為節(jié)日營(yíng)銷物流配送網(wǎng)絡(luò)壓力疏通提供理論參考。

2 模型描述

2006年，郭進(jìn)利[7]在BA模型基礎(chǔ)上提出Poisson模型，即新節(jié)點(diǎn)的到達(dá)服從Poisson分布，在Poisson模型基礎(chǔ)上，本文提出模型假設(shè)。

2.1 模型假設(shè)

本文假設(shè)節(jié)點(diǎn)的增長(zhǎng)是批量到達(dá)并呈現(xiàn)指數(shù)增長(zhǎng)的情況，具體步驟如下：

1) 初始。網(wǎng)絡(luò)從初始由較少的m0個(gè)節(jié)點(diǎn)組成的完全網(wǎng)絡(luò)。

2) 增長(zhǎng)。每個(gè)時(shí)間步按照參數(shù)為λ的Poisson過(guò)程同時(shí)到達(dá)αN(t)(α>1)個(gè)新節(jié)點(diǎn)，在t時(shí)刻，每個(gè)新節(jié)點(diǎn)帶有m條有向邊連接到m個(gè)不同的網(wǎng)絡(luò)中已經(jīng)存在的節(jié)點(diǎn)(m≤m0)，并且入邊數(shù)服從二項(xiàng)分布B(m,p)，出邊數(shù)服從二項(xiàng)分布B(m,1-p)。事實(shí)上，在假設(shè)顧客是節(jié)點(diǎn)的前提下，新增顧客與原有顧客會(huì)產(chǎn)生資源競(jìng)爭(zhēng)，假設(shè)新顧客每次只與m個(gè)不同的顧客發(fā)生競(jìng)爭(zhēng)關(guān)系，所以就有m條邊。這里，0

3) 擇優(yōu)連接。供應(yīng)鏈網(wǎng)絡(luò)中節(jié)點(diǎn)的度反映了供應(yīng)鏈企業(yè)在網(wǎng)絡(luò)中的交易的頻率，度越大的企業(yè)在供應(yīng)鏈網(wǎng)絡(luò)中越處于核心位置，越容易吸引顧客與之合作。考慮到供應(yīng)鏈的方向性，新節(jié)點(diǎn)的m條邊擇優(yōu)連接的概率分為以下兩種情況：

(1)當(dāng)選擇網(wǎng)絡(luò)中已有的節(jié)點(diǎn)i為終點(diǎn)時(shí)，選擇i的概率П1i取決于節(jié)點(diǎn)i的入度Ii

(1)

(2)當(dāng)選擇網(wǎng)絡(luò)中已有的節(jié)點(diǎn)i為起點(diǎn)時(shí)，選擇i的概率П2i取決于節(jié)點(diǎn)i的出度Oi

(2)

2.2 模型解析

由于主要考察供應(yīng)鏈網(wǎng)絡(luò)長(zhǎng)時(shí)間的演化過(guò)程，將N(t)視為節(jié)點(diǎn)批次的到達(dá)過(guò)程，則N(t)是具有參數(shù)為λ的Poisson過(guò)程，由Poisson過(guò)程理論[15]知，在[0,t)內(nèi)到達(dá)網(wǎng)絡(luò)的節(jié)點(diǎn)批次的平均數(shù)約為

μ(t) =E(N(t)) =λ(t)

(3)

為方便描述，引入一些符號(hào)。ti表示第i批節(jié)點(diǎn)進(jìn)入網(wǎng)絡(luò)的時(shí)刻，Iij(t)表示在時(shí)刻t第i批節(jié)點(diǎn)中第j個(gè)節(jié)點(diǎn)的入度，Oij(t)表示在時(shí)刻t第i批節(jié)點(diǎn)中第j個(gè)節(jié)點(diǎn)的出度。

1)入度分析

假定Iij(t)是連續(xù)實(shí)值變量，由于Iij(t)的變化率正比于概率П1(Iij),故由連續(xù)理論，Iij(t)滿足動(dòng)態(tài)方程

(4)

其中，

將上式帶入(4)，不難得到

(5)

(6)

因此，

(7)

而根據(jù)Poisson過(guò)程理論[15-16]，節(jié)點(diǎn)的到達(dá)時(shí)間變量ti服從Γ分布，即

(8)

對(duì)于任意給定的i，h，t>0，且im，有

=P(khj(t)≥k)

(9)

這表明，節(jié)點(diǎn)批量到達(dá)的供應(yīng)鏈網(wǎng)絡(luò)也滿足“富者愈富”現(xiàn)象，這與電子商務(wù)節(jié)日營(yíng)銷中大品牌、大網(wǎng)店可以獲得巨大的收益而一些中小型電商卻很難盈利的現(xiàn)實(shí)情況是相符的[17]。

由(9)不難得到第i批節(jié)點(diǎn)中第j個(gè)節(jié)點(diǎn)的瞬態(tài)入度分布為

而

因此，

(10)

由(10)可得到該網(wǎng)絡(luò)的穩(wěn)態(tài)平均入度分布為

(11)

2)出度分析

與入度分析相同，假定Oij(t)是連續(xù)實(shí)值變量，由于Oij(t)的變化率正比于概率П2(Oij),故由連續(xù)理論，Oij(t)滿足動(dòng)態(tài)方程

(12)

與入度分析的推理過(guò)程類似，可以得到該網(wǎng)絡(luò)的穩(wěn)態(tài)平均出度分布為

(13)

由(11)和(13)可知對(duì)于充分大的t和正整數(shù)k，穩(wěn)態(tài)平均入度和出度分布的冪律指數(shù)均為

γ=1

(14)

在一個(gè)供應(yīng)鏈網(wǎng)絡(luò)同一時(shí)刻節(jié)點(diǎn)快速增加時(shí)，網(wǎng)絡(luò)服從冪律分布，這也符合電子商務(wù)中的無(wú)標(biāo)度現(xiàn)象，例如自2001年中國(guó)加入WTO(世貿(mào)組織)后，順豐、EMS、DHL等3大快遞巨頭占領(lǐng)商務(wù)快遞市場(chǎng)的絕對(duì)份額，而天貓、淘寶等電商的快遞業(yè)務(wù)又被“三通一達(dá)”占據(jù)了90%[18]，大部分中小型快遞公司只有很少連接節(jié)點(diǎn)，而少部分物流配送企業(yè)卻擁有很多節(jié)點(diǎn)，起到核心節(jié)點(diǎn)作用。

3 數(shù)值仿真

針對(duì)上文模型，通過(guò)數(shù)值仿真檢驗(yàn)?zāi)Ｐ凸?jié)點(diǎn)的冪律特性。為考察參數(shù)α，圖5為批次數(shù)N= 60，α= 1.1，m=3，λ=0.01，p=0.6時(shí)的節(jié)點(diǎn)網(wǎng)絡(luò)穩(wěn)態(tài)平均出度分布圖。圖6為批次數(shù)N= 10，α= 2.2，m=3，λ=0.01，p=0.6時(shí)的節(jié)點(diǎn)網(wǎng)絡(luò)穩(wěn)態(tài)平均入度分布圖。

圖5 節(jié)點(diǎn)呈指數(shù)增長(zhǎng)出度分布圖(1<α<2)Fig.5 Exponential growth out-degree distribution (1<α<2)

圖6 節(jié)點(diǎn)呈指數(shù)增長(zhǎng)入度分布圖(α≥2)Fig.6 Exponential growth in-degree distribution (α≥2)

4 結(jié)論與討論

2009年以來(lái)，節(jié)日營(yíng)銷成為電商營(yíng)銷的新手段和方式，全民參與率已連續(xù)三年超過(guò)55%[19]，呈現(xiàn)明顯的陣發(fā)效應(yīng)。電商節(jié)日營(yíng)銷供應(yīng)鏈網(wǎng)絡(luò)的最大特點(diǎn)是顧客訂單短時(shí)間集中批量到達(dá)，對(duì)電商和物流配送商網(wǎng)絡(luò)短時(shí)間造成極大的壓力，處理不當(dāng)可能會(huì)出現(xiàn)網(wǎng)絡(luò)突然崩潰現(xiàn)象。本文為模擬陣發(fā)效應(yīng)下，市場(chǎng)需求訂單在短時(shí)間內(nèi)激增的網(wǎng)絡(luò)結(jié)構(gòu)，在已有研究的基礎(chǔ)上構(gòu)造了網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)批量到達(dá)且呈指數(shù)增長(zhǎng)的Poisson供應(yīng)鏈網(wǎng)絡(luò)模型，分析了在節(jié)日營(yíng)銷情景中供應(yīng)鏈節(jié)點(diǎn)呈現(xiàn)指數(shù)批量增長(zhǎng)時(shí)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，并利用平均場(chǎng)方法解析計(jì)算了節(jié)點(diǎn)的增長(zhǎng)動(dòng)態(tài)性。解析結(jié)果表明，批量節(jié)點(diǎn)按照批次到達(dá)的指數(shù)非線性增長(zhǎng)，其穩(wěn)態(tài)度分布冪律指數(shù)為1，并且發(fā)現(xiàn)非線性增長(zhǎng)方式對(duì)于網(wǎng)絡(luò)平均度分布的影響差異較小，這表明網(wǎng)絡(luò)結(jié)構(gòu)長(zhǎng)尾形狀穩(wěn)定，整個(gè)分布形態(tài)是穩(wěn)定的，訂單的差異性是穩(wěn)定的。即，雖然顧客的訂單需求短時(shí)間內(nèi)增加很多，但并不會(huì)改變物流配送網(wǎng)絡(luò)的度分布，網(wǎng)絡(luò)結(jié)構(gòu)是穩(wěn)定的。

研究得出的結(jié)論對(duì)電商和物流供應(yīng)商正確運(yùn)用節(jié)日營(yíng)銷手段，妥善應(yīng)對(duì)節(jié)日營(yíng)銷需求陣發(fā)效應(yīng)下物流配送網(wǎng)絡(luò)節(jié)點(diǎn)突然爆發(fā)式增長(zhǎng)給網(wǎng)絡(luò)穩(wěn)定性帶來(lái)的壓力，防范網(wǎng)絡(luò)在節(jié)日營(yíng)銷期間突然發(fā)生崩潰風(fēng)險(xiǎn)具有十分重要的啟示。一方面，節(jié)日促銷期間顧客訂單依然服從冪律分布，熱銷訂單的銷售量最多，而大部分訂單的銷售量較低，因此，電商只需加大熱銷產(chǎn)品的庫(kù)存量；另一方面雖然結(jié)構(gòu)穩(wěn)定，但是物流網(wǎng)絡(luò)的流通效率無(wú)法在短期內(nèi)去馬上適應(yīng)激增的數(shù)量需求。訂單的總數(shù)量上是激增的，這是造成物流配送企業(yè)爆倉(cāng)的主要原因，為了緩解末端配送壓力，不少電商采取措施來(lái)應(yīng)對(duì)物流配送問(wèn)題。例如，天貓選擇簽約社區(qū)包裹自提點(diǎn)，順豐采用增加專機(jī)航線，也有不少電商采用“O2O” 方式，利用實(shí)體門店為消費(fèi)者提供服務(wù)等。

電商創(chuàng)造的“雙11”等節(jié)日營(yíng)銷作為一種新的商業(yè)形態(tài)，是營(yíng)銷方式的新發(fā)展和新革命。節(jié)日營(yíng)銷帶來(lái)了需求呈現(xiàn)明顯的陣發(fā)效應(yīng)，如何應(yīng)對(duì)這種陣發(fā)效應(yīng)，防止節(jié)日營(yíng)銷期間供應(yīng)鏈網(wǎng)絡(luò)出現(xiàn)崩潰的風(fēng)險(xiǎn)，是研究供應(yīng)鏈網(wǎng)絡(luò)的新領(lǐng)域。本模型是在電子商務(wù)的節(jié)日營(yíng)銷情景下建立的，只是刻畫差異性特征的穩(wěn)定性問(wèn)題。在演化機(jī)制中也僅僅考慮了節(jié)點(diǎn)增長(zhǎng)的情況，但假如將節(jié)日促銷結(jié)束后涌現(xiàn)大批量退換貨的情況考慮進(jìn)來(lái)，就要在模型中設(shè)置節(jié)點(diǎn)退出、老節(jié)點(diǎn)互聯(lián)等情況。因此，在今后的研究中，需要綜合考慮上述因素，引入相關(guān)變量對(duì)模型進(jìn)行修正和改進(jìn)，使其能夠更好地刻畫現(xiàn)實(shí)電商企業(yè)交易中的復(fù)雜供應(yīng)鏈網(wǎng)絡(luò)，為緩解電商節(jié)日營(yíng)銷期間需求陣發(fā)效應(yīng)下物流配送壓力提供新的決策方法。

[1]OliveiraJG,BarabasiAL.Humandynamics:DarwinandEinsteincorrespondencepattern[J].Nature,2005,437:1251-1253.

[2]姚燦中.物流系統(tǒng)出庫(kù)行為動(dòng)力學(xué)的統(tǒng)計(jì)特征分析[J].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué),2014, 11(4): 80-86. Yao Canzhong.The study of behavior dynamics of large logistics system based on time scaling law[J].Complex Systems and Complexity Science,2014, 11(4): 80-86.

[3]中國(guó)新聞網(wǎng).外媒：當(dāng)美國(guó)”黑色星期五”遇上中國(guó)”雙十一” [DB/OL]. [2014-12-01].http://www.chinanews.com/hb/2014/12-01/6832027.shtml. Chinanews.com.Foreign media: when the United States Black Friday met China double eleven.[DB/OL]. [2014-12-01].http://www.chinanews.com/hb/2014/12-01/6832027.shtml.

[4]張成海.供應(yīng)鏈管理技術(shù)與方法[M].北京:清華大學(xué)出版社,2002.

[5]發(fā)商機(jī)網(wǎng). 2014天貓、淘寶雙十一數(shù)據(jù)直播：2014年雙十一交易額571億[DB/OL]. [2014-11-11].http://www.fashangji.com/news/show/3205/. fashangji.com.2014 tmall, taobao dual eleven data broadcast: 2014 double eleven transaction volume of 57 1billions[DB/OL].[2014-11-11].http://www.fashangji.com/news/show/3205/.

[6]Choi T Y,Dooley K J,Rungtusanatham M.Supply networks and complex adaptive systems: control versus emergence [J]. Journal of Operations Management, 2001(3):351-366.

[7]郭進(jìn)利.供應(yīng)鏈型網(wǎng)絡(luò)中雙冪律分布模型[J].物理學(xué)報(bào), 2006, 55(8):3916-3921. Guo Jinli.The bilateral power-law distribution model of supply chain networks[J].ACTA Physica Sinica, 2006, 55(8):3916-3921.

[8]郭進(jìn)利.有向復(fù)雜網(wǎng)絡(luò)的Poisson模型[J].上海理工大學(xué)學(xué)報(bào), 2006, 28(3):227-232. Guo Jinli.Poisson model of directed complex networks[J].J University of Shanghai for Science and Technology, 2006, 28(3):227-232.

[9]郭進(jìn)利.老節(jié)點(diǎn)間有相互連接的供應(yīng)鏈型有向網(wǎng)絡(luò)[J].系統(tǒng)管理學(xué)報(bào), 2007, 16(3):337-344. Guo Jinli.Supply chain type directed networks between old nodes linked mutually[J].Journal of Systems & Management, 2007, 16(3):337-344.

[10] 楊琴, 陳云.基于泊松過(guò)程的供應(yīng)鏈復(fù)雜網(wǎng)絡(luò)模型[J].系統(tǒng)工程, 2012, 30(9):57-62. Yang Qin,Chen Yun.Supply chain complex network model based on poisson process[J].Systems Engineering,2012, 30(9):57-62.

[11] 楊琴, 姚娟.基于TDE模型的供應(yīng)鏈有向含權(quán)網(wǎng)絡(luò)[J].系統(tǒng)管理學(xué)報(bào), 2013, 22(5):640-646. Yang Qin,Yao Juan.Weighted directed supply chain network based on TDE model[J].Journal of Systems &Management,2013, 22(5):640-646.

[12] 姚燦中,鄭旭洲.物流基地出庫(kù)行為動(dòng)力學(xué)的分形特征分析[J].計(jì)算機(jī)應(yīng)用研究,2014, 31(9):2613-2616. Yao Canzhong.Zheng Xuzhou.The study of behavior dynamics of large logistics system based on time scaling law[J]. Application Research of Computers,2014, 31(9):2613-2616.

[13] 李季, 汪秉宏, 蔣品群, 等.節(jié)點(diǎn)數(shù)加速增長(zhǎng)的復(fù)雜網(wǎng)絡(luò)生長(zhǎng)模型[J].物理學(xué)報(bào), 2006, 55(8):4051-4057. Li Ji,Wang Binghong,Jiang Pinqun,et al.Growing complex network model with acceleratingly increasing number of nodes[J].ACTA Physica Sinica,2006, 55(8):4051-4057.

[14] 郭進(jìn)利, 汪麗娜.冪律指數(shù)在1與3之間的一類無(wú)標(biāo)度網(wǎng)絡(luò)[J].物理學(xué)報(bào), 2007,(10):5635-5639. Wang Lina,Guo Jinli.Scale-free networks with the power-law exponent between1and 3[J].ACTA Physica Sinica,2007,(10):5635-5639.

[15] Ross S. M.. Stochastic Processes [M]. New York: John Wiley &Sons Inc, 1991.

[16] 何聲武.更新過(guò)程理論 [M].上海: 華東師范大學(xué)出版社, 1990.

[17] 中金在線網(wǎng).“雙十一”電商大戰(zhàn)小網(wǎng)店為何不賺錢 [DB/OL]. [2012-11-20]. http://roll.sohu.com/20121120/n358146751.shtml. CnFol.com.Why the small online shops can not win in the double eleven [DB/OL]. [2012-11-20]. http://roll.sohu.com/20121120/n358146751.shtml.

[18] 王品輝, 龔里.中國(guó)快遞行業(yè)幾大陣營(yíng)與格局報(bào)告 [DB/OL]. [2016-03-31]. http://www.56products.com/News/2016-3-31/F9HDFDBB4KD4C841116.html Wang Pinhui,Gong Li.China express industry several camps and pattern Report [DB/OL]. [2016-03-31].http://www.56products.com/News/2016-3-31/F9HDFDBB4KD4C841116.html

[19] CNNIC. 2015年雙十一網(wǎng)民參與度達(dá)57.7% [DB/OL]. [2015-11-25]. http://www.askci.com/news/chanye/2015/11/25/105317ut17.shtml. CNNIC.2015 double eleven Internet users to participate in up to 57.7%[DB/OL]. [2015-11-25].http://www.askci.com/news/chanye/2015/11/25/105317ut17.shtml.

(責(zé)任編輯 耿金花)

Stability Analysis of Supply Chain Network Structure Under Created Holiday Marketing

SUN Hongying1,2， TIAN Yu2

(1.College of Computational Science, Zhongkai University of Agriculture and Engineering, Guangzhou 510225, China;2.School of Business, Sun Yat-sen University, Guangzhou 510275, China)

In the past, some large electricity providers for marketing through traditional festivals, but the effect gradually achieve Extreme. 2009, Jack Ma created “Nov.11” and named “Singles day” and carried out marketing. The results amazed us. Different from the traditional festivals, the created holiday marketing is new trend and new field to research. This paper constructs a network of nodes and showed a batch arrival Poisson supply chain network model based on the exponential growth of the Poisson network model and analyze the nodes growth dynamic with a mean-field approach. The analysis shows the power-law exponent on stabilization distribution of attitudeis 1,furthermore, the numerical results and the theoretical values are in good agreement.

holiday marketing; supply chain network; batch arrival; stability

1672-3813(2017)02-0075-07；

10.13306/j.1672-3813.2017.02.011

2014-11-10；

2016-07-12

國(guó)家自然科學(xué)基金(71172162，71462008)

孫紅英(1979-)，女，山東菏澤人，博士研究生，副教授，主要研究方向?yàn)楣?yīng)鏈管理。

田宇(1968-)，男，湖北荊州人，博士，教授，主要研究方向?yàn)槲锪鞴芾?、渠道管理?/p>

F274，N947

A