范丹丹，徐 琪，王文杰

(東華大學旭日工商管理學院，上海 200051)

考慮線上線下需求遷移下的供應鏈O2O最優(yōu)服務決策研究

范丹丹，徐 琪，王文杰

(東華大學旭日工商管理學院，上海 200051)

在新興電子商務環(huán)境中，線上與線下服務水平往往影響各自的客戶需求，由此產生線上線下需求相互遷移而影響供應鏈系統(tǒng)的利潤。本文考慮供應鏈O2O系統(tǒng)中客戶需求受線上與線下服務影響，分別建立客戶需求遷移和不遷移兩種情形下，線下門店為品牌商自營門店的集中式服務決策模型，以及線下門店為品牌商加盟門店的分散式服務決策模型；計算集中式決策下使得O2O系統(tǒng)利潤最大化的最優(yōu)服務水平，以及分散式決策下使得品牌商與線下加盟商達到Nash均衡的最優(yōu)服務水平以及所需條件，并通過算例仿真對所建模型結果進行驗證和分析。研究結果表明，在集中式決策下，當且僅當線上或線下一方提供服務時，需求遷移或不遷移兩種情形下的供應鏈O2O系統(tǒng)利潤均可達到最優(yōu)；當線上線下均提供服務時，只有需求不遷移情形可達到O2O系統(tǒng)最優(yōu)。而分散式決策下，線上或線下單方提供服務及雙方均提供服務時，若滿足一定條件，需求不遷移和需求遷移兩種情形始終存在Nash均衡解。

O2O；需求遷移；最優(yōu)服務決策；Nash均衡

1 引言

當前，O2O(Online to Offline)模式發(fā)展迅猛，對傳統(tǒng)產業(yè)的滲透、改變乃至顛覆超乎了人們的想象。根據(jù)艾瑞咨詢數(shù)據(jù)顯示，2015年中國電子商務市場交易規(guī)模達16.2萬億，其中，本地生活O2O達38.4%。O2O模式借移動互聯(lián)網跨地域、碎片化時間利用的優(yōu)勢，線上提供信息搜索等服務、線下提供試穿體驗等服務。越來越多的品牌商通過與電商平臺合作或者自建APP等助推網購市場向“線上+線下”推進。例如，服裝品牌優(yōu)衣庫的線上線下引流的O2O、美特斯邦威的體驗O2O等。這種O2O模式下，線下通過試穿、定制等個性化服務，實現(xiàn)購物體驗；線上通過貨品、價格信息的及時獲知實現(xiàn)方便交易。線上需求與信息服務水平相關，線下需求與體驗服務水平相關，線上線下的服務相互影響，同時也影響著線上線下需求的相互遷移變化，因而，O2O優(yōu)化的服務決策對供應鏈的整體績效具有重要的意義。

從已有相關文獻來看，關于O2O模式的研究主要集中在網購的影響因素，如信息、交通、消費者購物習慣，以及線上線下定價決策、服務決策等方面。Cheema等[1]針對不同的產品類型分析了線上和線下信息對網購的影響；Perdikaki等[2]研究了顧客訪問實體商店的交通成本及便利性對線下購買決策的影響；Hsieh等[3]利用反向傳播神經網絡算法針對消費者的位置選擇最優(yōu)的線下門店地址；Chintagunta等[4]、Chocarro等[5]分析消費者線上線下購物習慣，研究客戶渠道選擇和渠道轉移；Zhang Jun等[6]分析了O2O三種渠道模式下制造商與零售商的定價和服務競爭策略；Chen Xu等[7]針對零售服務供應鏈O2O模式，探討了三種權力結構下制造商與零售商的定價決策；Gallino等[8]對O2O的線上交易、線下取貨模式進行了研究。此外，在互聯(lián)網時代，供應鏈通過服務水平的提升可獲得更大的競爭優(yōu)勢。對此，已有較多文獻在雙渠道或多渠道供應鏈中探討服務相關決策問題。如陳遠高和劉南[9]考慮價格和渠道服務差異，研究了雙渠道供應鏈中的分銷渠道服務最優(yōu)決策；但斌等[10]針對異質產品考慮制造商電子渠道為傳統(tǒng)渠道提供服務努力，建立了消費者不同偏好以及服務努力影響程度的效用模型，提出了兩部收費協(xié)調策略；艾興政等[11]通過建模分析傳統(tǒng)零售渠道與電子渠道下價格與服務的績效關系，研究服務搭便車行為對雙渠道協(xié)調機制的影響；肖劍等[12]考慮雙渠道的服務競爭與合作；Hua Guowei等[13]研究了直銷渠道服務水平，即訂貨提前期對雙渠道制造商和零售商價格策略的影響；Yan Ruiliang和Pei Zhi[14]探討了零售渠道服務對雙渠道供應鏈利潤的影響;王瑤等[15]針對雙渠道分別銷售異質品，考慮傳統(tǒng)零售渠道服務對直銷渠道產品銷售的負溢出效應，構建了刻畫產品差異和服務溢出效應的雙渠道供應鏈的需求模型和利潤模型；丁鋒和霍佳震[16]在價格競爭和服務競爭同時作用下供應鏈的協(xié)調運作策略，分析了零售商合作與非合作情景下雙渠道供應鏈成員的博弈均衡；陳軍等[17]考慮渠道服務水平和網絡渠道接受度，研究了雙渠道供應鏈中零售商與制造商的服務合作決策問題；Chen等[18]分別針對零售渠道的產品多樣性服務以及直銷渠道的訂貨提前期服務，構建了雙渠道決策模型。

綜上，已有研究較多的集中在服務努力影響程度、渠道服務水平、差異化服務等方面，關注的是渠道服務競爭帶來的產品效益。但在O2O模式下供應鏈線上線下服務協(xié)同的研究還比較少。而供應鏈O2O如何在需求變化下協(xié)同優(yōu)化服務，為客戶提供更好的、一致性的體驗服務，提高客戶黏性是O2O系統(tǒng)共同創(chuàng)造服務價值的關鍵，此方面的研究亦少見文獻。那么，當線上和線下需求受O2O服務水平影響時，供應鏈O2O系統(tǒng)最優(yōu)服務決策究竟如何制定？本文針對線上線下需求遷移和沒有遷移兩種情形，建立線下門店是品牌商自營門店和加盟門店兩種模式下的優(yōu)化服務決策模型，通過分析供應鏈收益變化，研究供應鏈O2O互動的最優(yōu)服務決策，從而提高供應鏈O2O系統(tǒng)的整體效益。

2 問題描述

考慮一個品牌商和線下門店構成的供應鏈O2O系統(tǒng)。品牌商同時通過線上直銷渠道和線下門店零售產品。線下門店有自營和加盟兩種類型，自營門店與線上直銷渠道同屬品牌商所有，加盟門店既作為品牌商的線下體驗店提供線下體驗服務，同時也作為獨立的零售商銷售產品，此時品牌商與線下加盟門店是合作競爭關系。品牌商的線上服務包括產品信息搜索、比價、下單支付交易等，線下門店提供服務體驗、產品搭配、取貨、退貨等服務。產品的需求具有不確定性，其受線上和線下服務努力水平的影響，由此影響品牌商線上直銷渠道和線下門店的銷售量及雙方的收益。線上直銷渠道和線下門店都可以通過自己的服務努力，以刺激客戶需求，提高自身利潤。在此，使用下標1代表線下門店，2代表品牌商線上渠道。

本文假設線上和線下總需求D具有如下形式：

其中，s1是線下服務水平；s2是線上服務水平；K是服務水平的敏感系數(shù)，反映了市場對服務水平的響應；φ表示服務水平對需求的影響指數(shù)，直接影響需求的增幅。此形式需求函數(shù)具有以下兩個性質：

(1) 無論是線上還是線下服務水平，當任意一方提高服務努力時，需求都增加；

(2) 服務水平的邊際效應遞減，即D(s1,s2)是服務努力水平的嚴格凹函數(shù)，滿足：

3 模型構建及分析

3.1 線上線下需求無遷移情形下O2O最優(yōu)服務決策模型(EIDS模式)

為了對比分析，首先考慮顧客線上和線下需求遷移不受O2O服務影響的模式。該模式下顧客選擇購買產品的渠道偏好比例是一定的，即線下和線上的需求分別是D1(s1,s2)=βD(s1,s2)和D2(s1,s2)=(1-β)D(s1,s2)，其中β∈(0,1)是線上線下需求的分配比例，為一個常數(shù)。

3.1.1 線下體驗門店為品牌商自營門店情形

該情形可視為供應鏈O2O集中決策模式。此時供應鏈系統(tǒng)的目標就是選擇合適的線上線下服務水平，使得整個供應鏈系統(tǒng)收益最大。此時供應鏈O2O系統(tǒng)的利潤為：

其中，cβ=βc1+(1-β)c2。

證明：對供應鏈O2O系統(tǒng)利潤π(s1,s2)關于s1和s2求二階偏導得：

故系統(tǒng)總利潤函數(shù)是聯(lián)合凹函數(shù)。為了最大化系統(tǒng)利潤，只需要考慮一階條件等于0即可。即：

(1)

(2)

1)當s1和s2不全為0時

2)當s1和s2均不為0時

定理1指出，在供應鏈O2O系統(tǒng)中，線下門店為品牌商自營門店的集中式決策下，當線上和線下的服務效率相等時，線上和線下的服務水平只要滿足一定的條件，即可達到供應鏈O2O系統(tǒng)協(xié)同服務最優(yōu)。若線上和線下的服務效率不相等，系統(tǒng)很難達到最優(yōu)，此時只有一方不提供服務，另一方承擔所有的服務任務時，系統(tǒng)才可能達到最優(yōu)。

3.1.2 線下體驗門店為加盟商的情形

該情況可視為供應鏈O2O分散決策模式。此時，線下門店為品牌商的加盟商，它與品牌商是獨立的決策關系，各自都以自身利潤最大化為目標。這是一個非合作博弈形式，我們探討其Nash均衡。

線下加盟商的利潤是：

品牌商的利潤是：

當品牌商線上服務水平s2給定時，線下加盟商的決策目標為最大化自身利潤，此時求其最優(yōu)服務水平s1，令：

(3)

同理，當線下加盟商的服務水平s1給定時，可得品牌商線上最優(yōu)服務水平的響應函數(shù)：

(4)

然而，式(3)、式(4)不一定能夠同時成立，如果這種情況發(fā)生，則某一方的服務水平為0。

1) 若w=w0，則系統(tǒng)有多個Nash均衡，不能確定O2O線上和線下各提供多少服務，但不可能為0。達到均衡時，他們的服務水平關系式總是滿足：

定理2說明在線下為加盟商的供應鏈O2O分散式決策下，若批發(fā)價格等于響應函數(shù)的邊界點w0，則線上線下均需要提供服務，且服務只要滿足一定的條件即可達到Nash均衡；若批發(fā)價格不等于w0，則只有一方不提供服務，雙方才能達到均衡，得到Nash均衡下的最優(yōu)收益。

3.2 線上線下需求遷移情形下O2O最優(yōu)服務決策模型(EDDS模式)

3.2.1 線下門店為品牌商自營門店的O2O集中式決策情形

此時供應鏈O2O系統(tǒng)總利潤為：

此時的決策目標是找到線上線下最優(yōu)的服務水平以最大化O2O集中式系統(tǒng)總利潤，即maxπ(s1,s2)。

定義1：相對線上渠道，線下渠道完全占優(yōu)當且僅當c1

如果一個渠道相對于另一個渠道完全占優(yōu)，實際上意味著該渠道不僅在服務水平上占優(yōu)，在其他銷售效率等方面也占優(yōu)。

命題1是相當直觀的，對于線上線下需求遷移情形，當品牌商和線下自營店為O2O集中式系統(tǒng)時，線上或線下一方服務水平或銷售活動完全占優(yōu)的情況下，這一方已可使整個O2O系統(tǒng)達到效益最大。如果不考慮能力限制，顯然由該渠道完成服務等工作是最優(yōu)的，另一方不需要再提供服務努力。

如果線上或線下沒有一方完全占優(yōu)，為了使O2O集中式系統(tǒng)利潤最大化，有如下定理：

若不考慮(c2-c1)Ksφ-1=(η1-η2)的情形，則O2O集中式系統(tǒng)最優(yōu)解總是出現(xiàn)在邊界上。這個定理說明在線上線下需求遷移下，供應鏈O2O集中式系統(tǒng)中，即使O2O一方沒有完全占優(yōu)，為了使供應鏈O2O集中式系統(tǒng)利潤最大化，也只需要線上或線下一方付出服務努力，即系統(tǒng)最優(yōu)解總是出現(xiàn)在邊界上。

若要判定哪個邊界解是系統(tǒng)最優(yōu)解，需要比較π(0,s2)和π(s1,0)。

3.2.2 線下門店為加盟商的供應鏈O2O分散式決策情形

在供應鏈O2O分散式決策下，線下加盟商和品牌商都以自身利潤最大化為目標。此時線下加盟商的利潤是：

品牌商的利潤是：

Nash均衡解的存在性：

根據(jù)Nash均衡存在性定理，這里的策略空間為非空緊凸集，線下加盟商與品牌商的利潤函數(shù)均連續(xù)且嚴格擬凹，所以Nash均衡解一定存在。

若同樣按照3.1.2小節(jié)進行求解，很難得到Nash均衡下線下加盟商與品牌商最優(yōu)服務水平的解析解，故本文通過分析其性質得到相關結論。首先討論Nash均衡解在邊界上的情形，得到定理4。

推論2說明，當線上和線下均提供服務時，達到Nash均衡的最優(yōu)服務水平需滿足以上必要非充分條件。以上分別從邊界和內點討論了EDDS模式分散式決策下線下加盟商與品牌商達到Nash均衡時其最優(yōu)服務水平需滿足的條件，下面給出該Nash均衡解的求解過程。

(5)

證明：線下加盟商為了最大化自身利潤，關于s1求導得：

而品牌商同樣為了最大化自身利潤，關于s2求導得：

因為s1和s2不同時為0，所以求解方程組：

4 數(shù)值仿真分析

本節(jié)以國內一家典型的快時尚服裝品牌商M為例進行數(shù)值分析。品牌商M線下門店有直營門店和加盟門店兩種類型，其中加盟門店占90%左右，自2014年以來M品牌全面推進全渠道O2O平臺，形成線上線下統(tǒng)一定價的銷售模式。已知M品牌某產品的單位批發(fā)價格w=80元，銷售價格p=200元，品牌商提供產品給線下門店的單位物流成本c1=40元，通過網絡直接銷售產品的單位物流成本為c2=40元，服務努力水平的敏感系數(shù)K=10，服務努力水平對需求的影響指數(shù)φ=0.5，線下與線上服務努力投入的成本系數(shù)η1=η2=5。下面討論線下和線上服務努力水平s1和s2對利潤的影響。假設線下線上服務努力水平s1和s2分別取值為0-200，步長為20時，相應的利潤變化分別討論如下。

4.1 EIDS模式下服務水平對利潤的影響

EIDS模式下，線上線下需求沒有遷移，即需求分配比例β不受線下線上服務水平的影響。設β=0.7，s1和s2對利潤的影響如圖1所示。

圖1 EIDS模式下利潤隨s1和s2的變化

接著，我們分析取不同β時，線下線上服務努力水平s1和s2對利潤的影響。若β取0-1，步長為0.1，s2=0時，所得結果如圖2所示。圖2中，當線下門店為品牌商的自營門店時，系統(tǒng)總利潤隨著s1的增加先增后減，當s1=160時，系統(tǒng)利潤達到最優(yōu)64000，但系統(tǒng)總利潤不受β影響，因為系統(tǒng)總需求一定。當線下門店為品牌商的加盟門店時，在分散式情形下，線下加盟商利潤隨著s1的增加先增后減，隨著β的增加不斷增加，當s1=120,β=1時，線下加盟商利潤達到最大；品牌商的利潤隨著s1的增加不斷增加，但隨著β的增加利潤不斷減少，因為線下需求增多，將影響線上收入。

圖2 不同β下s1對利潤的影響

圖3 不同β下s2對利潤的影響

接著設s1=0，分析線上服務努力s2以及需求分配比例β對利潤的影響，如圖3所示。當線下門店為品牌商的自營門店時，集中式決策下系統(tǒng)總利潤隨著s2的增加也先增后減，且系統(tǒng)總利潤仍不受線下需求分配比例的影響。而當線下門店為品牌商的加盟門店時，分散式決策下線下加盟商的利潤隨著s2和β的增加均不斷增加；而品牌商的利潤隨著s2的增加先增后減，隨著β的增加不斷減少，故品牌商需要適當提高線上服務努力水平。

由此得出，需求比例β變化對自營集中式決策的系統(tǒng)總利潤沒有影響，但隨著線上線下服務水平的增加系統(tǒng)總利潤呈先增加后減少趨勢；在加盟分散式決策下線下加盟商利潤隨著β增加而增大，隨著線下服務水平的增加先增后減，隨著線上服務水平的增加不斷增加，品牌商則相反。

4.2 EDDS模式下服務水平對利潤的影響

當線上線下需求有遷移，即需求比例β受線下線上服務努力水平s1和s2影響時，我們分析s1和s2對利潤的影響，如圖4所示。在集中式決策下，線下門店為品牌商的自營門店，此時系統(tǒng)總利潤隨著s1或s2的增加呈現(xiàn)先增加后減少的趨勢，在s1=160，s2=0或s1=0，s2=160處取得最大值，且由于假設(c2-c1)×K×sφ-1=η1-η2=0，系統(tǒng)最優(yōu)解可能出現(xiàn)在內點，即當s1=140，s2=80或s1=80，s2=140時，系統(tǒng)利潤也達到最大值64000，驗證了定理3的結論。

圖4 EDDS模式下利潤隨s1和s2的變化

5 研究結論

從上述研究及仿真數(shù)值計算分析，我們可得到以下研究結論：

(3) 集中式決策下EIDS和EDDS模式的系統(tǒng)總利潤均隨著服務水平的增加呈先增加后減少趨勢，且影響力度相同，可見當品牌商同時經營線上網店與線下門店時，其不能無限制的提高服務水平。分散式決策下EIDS模式的線下加盟商利潤隨著線上服務水平的增加不斷增加，而EDDS模式則不斷減少，但均隨著線下服務水平的增加先增后減；品牌商的利潤則均隨線上服務水平的增加先增后減，隨線下服務水平的增加不斷增加。故品牌商在提供合適的線上服務的同時要刺激線下加盟商服務投入，而線下加盟商則需要觀察品牌商線上服務投入，制定最優(yōu)的服務策略。

6 結語

當今，O2O模式借移動互聯(lián)網跨地域、碎片化時間利用的優(yōu)勢，實現(xiàn)了滲透率的快速提升。線下通過個性化體驗服務，線上通過產品、價格等信息服務，平衡了消費者所追求的高效與體驗兩種需求，轉變了以電商渠道消化庫存的傳統(tǒng)思維。因而，供應鏈O2O模式正在為企業(yè)帶來新一輪的變革。然而，供應鏈O2O模式的核心競爭力在于線上線下的協(xié)同服務能力，盡管當前O2O發(fā)展勢頭強勁，但存在著供應鏈線上與線下協(xié)同等諸多問題。本文從O2O服務協(xié)同的視角，考慮線上線下服務水平影響O2O系統(tǒng)的需求進而產生需求遷移效應的情況，通過建立不同情形下的利潤模型，求解線上線下最優(yōu)服務水平，以及線下加盟商與品牌商達到Nash均衡的條件，并通過模擬仿真計算，對需求無遷移和需求遷移兩種情形下的最優(yōu)服務決策進行了對比分析，得到了有意義的結論。該研究對企業(yè)實踐新興的O2O運作管理有一定的參考價值，而進一步考慮線上線下服務環(huán)境發(fā)生變化、以及價格不一致情況下的O2O服務協(xié)同是今后進一步研究的方向。

[1] Cheema A, Purushottam P. Relative importance of online versus offline information for Internet purchases: Product category and Internet experience effects[J]. Journal of Business Research, 2010, 63(9): 979-985.

[2] Perdikaki, O, Saravanan K, Jayashankar M S. Effect of traffic on sales and conversion rates of retail stores[J]. Manufacturing & Service Operations Management, 2012, 14(1): 145-162.

[3] Hsieh H C, Chen Y C, Lin H C. More precise: Stores recommendation under O2O commerce[J]. International Journal of Computing and Digital Systems, 2014, 3(2): 91-99.

[4] Chintagunta P K., Chu J h, Cebollada J. Quantifying transaction costs in online/off-line grocery channel choice[J]. Marketing Science, 2012, 31(1): 96-114.

[5] Chocarro R, Mónica C, Villanueva M L. Situational variables in online versus offline channel choice[J]. Electronic Commerce Research and Applications, 2013, 12(5): 347-361.

[6] Zhang Jun, Chen Hong, Wu Xiaozhi. Operation models in O2O supply chain when existing competitive service level[J]. International Journal of u-and e-Service, Science and Technology, 2015, 8(9): 279-290.

[7] Chen Xu, Wang Xiaojun, Jiang Xinkuang. The impact of power structure on the retail service supply chain with an O2O mixed channel[J]. Journal of the Operational Research Society, 2016, 67(2): 294-301.

[8] Gallino S, Moreno A. Integration of online and offline channels in retail: The impact of sharing reliable inventory availability information[J]. Management Science, 2014, 60(6): 1434-1451.

[9] 陳遠高, 劉南. 具有服務差異的雙渠道供應鏈競爭策略[J]. 計算機集成制造系統(tǒng), 2010, 16(11): 2484-2490.

[10] 但斌, 王瑤, 王磊, 等. 考慮制造商服務努力的異質產品雙渠道供應鏈協(xié)調[J]. 系統(tǒng)管理學報, 2013, 22(6): 835-841.

[11] 艾興政, 馬建華, 陳忠, 等. 服務搭便車的電子渠道與傳統(tǒng)渠道協(xié)調機制[J]. 系統(tǒng)工程學報, 2011, 26(4): 507-514.

[12] 肖劍, 但斌, 張旭梅. 雙渠道供應鏈中制造商與零售商的服務合作定價策略[J]. 系統(tǒng)工程理論與實踐, 2010,30(12): 2203-2211.

[13] Hua Guowei, Wang Shouyang, Cheng T C E. Price and lead time decisions in dual-channel supply chains[J]. European Journal of Operational Research, 2010, 205(1): 113-126.

[14] Yan Ruiliang, Pei Zhi. Retail services and firm profit in a dual-channel market[J]. Journal of Retailing and Consumer Services, 2009, 16(4): 306-314.

[15] 王瑤, 但斌, 劉燦, 等. 服務具有負溢出效應的異質品雙渠道供應鏈改進策略[J]. 管理學報, 2014, 11(5): 758-763.

[16] 丁鋒, 霍佳震. 服務水平對雙渠道供應鏈協(xié)調策略影響研究[J]. 中國管理科學, 2014(22): 485-490.

[17] 陳軍, 何圓, 賴信. 信息不對稱下雙渠道供應鏈服務合作激勵機制研究[J]. 工業(yè)工程, 2015, 17(5): 108-113.

[18] Chen K Y, Kaya M, ?zer ?. Dual sales channel management with service competition[J]. Manufacturing & Service Operations Management, 2008, 10(4): 654-675.

Optimal Service Decisions Consideration Demand Shift Between Online andOffline in Supply Chain O2O System

FANDan-dan,XUQi,WANGWen-jie

(School of Glorious Sun of Business and Management, Donghua University, Shanghai 200051,China)

With the development of mobile internet, the emerging e-commerce O2O (Online to Offline) business strategy with the support of the widespread use of mobile apps and e-transactions has gained significant popularity in the retail industry. As a business strategy, O2O commerce draws potential customers from online channels to physical stores according to offline stores’ service level，vice versa. Therefore, some of customers change their buying channel from one to the other when service level of online or offline changes, which is called demand shift. Thus, channel demand will be affected, as well as O2O system’s profit.

In this paper, with the consideration of impact of the service levels to demand in both online channel and offline channel, the optimal service decisions in supply chain O2O system are studied. The two kinds of situations are discussed, one situation is that demand does not shift, although affected by the levels of service; the other is that demand shift from one channel to the other with the change of service levels. In each situation, there exist two different decision models, i.e., the centralized and decentralized service decision models of O2O system, respectively. The centralized decision model means the brand supplier provides products to self-own stores; while the decentralized decision model means the brand supplier provides products to its franchise stores. The optimal service strategy of centralized system and decentralized system are investigated, respectively. More specifically, a two-echelon supply chain O2O system with one brand supplier and offline stores is considered. The brand not only sells the product to the offline stores but also sells directly to the end customer through its online stores. For centralized system, the total profit model is established to discuss the optimal service levels to maximize the total profit of the system. Further, similar to the centralized system, for the decentralized system, the profit models of the brand supplier and the offline franchisee are established, respectively. Then, the optimal service levels that make the brand and the franchisee achieve Nash equilibrium are discussed. Accordingly, the condition for Nash equilibrium solution is obtained.

The research results show: 1) for the centralized system, when one of online and offline provides services, the O2O system can achieve the optimal no matter demand no shift or not. If both online and offline services are provided, only in the case that the demand is not shift between online and offline, the O2O system can obtain optimal profits. 2) for the decentralized system, whether one of online and offline provides services or both provide services, only if some conditions are met, the O2O system always achieve Nash equilibrium both in demand shift and no shift situation . Finally, a typical clothing brand M in China is taken as an example for numerical analysis. Some parameters are assumed, and the impact of service levels on profits is discussed. Our research is helpful to companies who make optimal service decision as they practice the emerging O2O commerce.

online to offline; demand shift; optimal service decisions; Nash equilibrium

1003-207(2017)11-0022-11

10.16381/j.cnki.issn1003-207x.2017.11.003

F224

A

2016-04-08；

2017-03-05

國家自然科學基金資助項目(71572033, 71172174)

徐琪(1963-)，女(漢族)，浙江人，東華大學旭日工商管理學院教授，博士生導師，研究方向：供應鏈管理、運作管理、電子商務等，E-mail: xuqi@dhu.edu.cn.