大数据时代零售企业多边平台发展与协同定价策略研究，本文主要内容关键词为：零售企业论文,时代论文,定价策略论文,数据论文,平台论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
以大数据、物联网、云计算等新型信息技术为代表的互联网数字化时代给现代零售企业提出了新的挑战：海量数据的激增、渠道和设备选择的增加、消费者心理与行为特征个性化、市场机遇高速增长与品牌忠诚度的下降。因此，大数据时代零售企业如何应用互联网工具重构生产、流通、消费关系结构，加强线上线下零售业相关资源的整合与合作，构建交叉型多边平台式零售模式，是未来我国零售业优化资源配置、提升渠道整体运行效率的有效路径。在大数据时代的背景下，零售企业的管理与运营方式更加网络化和柔性化，零售企业通过重塑与客户、网民群体、社会媒体、员工、上下游合作企业以及竞争对手之间的交互关系，通过产业价值链资源有效整合，构建多群体互惠共生的新型协同网络，并在多方协同共赢条件下进行协同定价策略的分析和制定，是现代零售企业迫切需要解决的问题。 一、大数据时代为零售企业带来的机遇与挑战 大数据作为现代信息技术变革中的里程碑，对现代零售企业的管理理念、组织结构、运营方式以及商务决策有深刻的影响。现代零售企业管理决策在大数据时代被激发更多的创新需求，不再完全依赖于经验判断，而是越来越依赖于海量数据的深度分析与挖掘。随着大数据时代信息传播效率的提升，各行各业都积累了海量交易数据和交互数据。现代零售企业大数据的类型丰富多样，根据海量数据产生的来源不同，分为商务过程数据（由传统信息系统产生）、环境状态数据（由物联网产生）、社会行为数据（由社会媒体产生）和物理实体数据（由智能制造产生）。大数据时代给现代零售企业带来了巨大冲击和影响的同时，也为行业转型与重构带来了机遇和挑战。 首先，大数据时代，现代零售企业的各项运营工作和决策活动都需要建立在海量的数据（信息）发布、传播、搜索、分析、存储和挖掘等基础上，零售企业对于不同来源、不同类型的流量数据和行为数据都能被广泛获取，在平台组织内有序传播与合理解读，促使组织内部的透明度和沟通效率大幅提升，员工、消费者、合作伙伴之间的界限渐渐消弭，并大规模地收集相关数据，以期对零售企业的运营、营销、定价等方面及时反馈，实时追踪并有所预判。 其次，大数据时代，零售企业通过海量可拓展数据中挖掘有价值的信息，带来“以客户为中心”营销与服务模式的创新。如大规模定制化精准营销、依托海量信息拓展服务等。企业商务大数据平台为现代零售企业能更精准地接触客户、理解客户提供工具支持。零售企业通过大数据平台有效提升增值服务空间，将线上线下零售深度结合并延伸服务范围，通过娱乐化的购物体验、经验化的线上社交评价，进一步增强顾客粘性与活跃用户占比，降低流量获取成本，并根据市场要求快速调整。 最后，大数据时代零售企业应用各种新技术、新模式，使得现代零售企业的边界逐渐变得模糊，零售企业内外部信息系统整合，通过将零售企业的销售管理系统与上游所有供应商信息系统应用与数据平台共享，全面实现生产、仓储、配送、销售、物流等诸多环节一体化，实现供应链库存同步、存货共管；利用大数据系统的信息处理与数据挖掘手段，对存货周转数据深度分析，从而优化库存管理，打造无缝衔接，减少进销过程中的摩擦成本，提升供应链的反应速度，促进零售企业逐步实现基于供应链的社会化协作，从而真正体现零售企业商业模式创新带来的价值提升和极致体验。 二、大数据时代现代零售企业多边平台协同发展 全球化与信息化的高速发展，为大数据时代现代零售企业的协同发展提供了良好的机遇与平台。在高运营成本和竞争加剧的双重压力下，零售平台成为传统零售企业实施战略转型的目标。零售平台的兴起掀起了传统零售企业平台化转型的热潮，也丰富了商业生态的多样性。随着零售平台的全面开放与商业模式创新，网络零售平台与传统店铺的进一步融合使得平台的参与群体数量也随平台所提供服务类别的广泛而进一步增长，因此，多边零售平台模式的兴起与发展成为零售业未来主流的发展模式。 随着消费者个性化需求的不断升级与发展，一站式购物已经不再是单一地理位置的商品一站式服务，而是线上线下相结合，实现顾客的完美体验。因此，为了满足消费者对于新型“一站式购物”的需求，零售业多边平台式商业模式应运而生。立足于满足消费者的个性化需求，现代零售企业在突破零售业一般价值链分析基础上进行价值链协同创新，采用更有效的方式促进多方群体（制造商、经销商、服务商、店商、消费者）的互动，在多边平台上实现资源渠道共享。随着现代零售企业多边平台模式的建立与推广，平台经历着“共创→共生→共享→共赢”四个发展阶段。 1.搭建零售企业价值链信息共享平台，实现多边平台共创。 现代零售企业通过重构业务流程和整合产业价值链，有效利用信息技术积累亿万级的海量数据，建设统一的商品销售全流程管理信息平台，实现数据与应用无缝链接，使企业间的协作关系更加紧密，从而以更低的成本和更便捷的渠道将产品交付给顾客，不断提高企业市场响应速度，满足消费者个性化、多样化的需求，促进零售产业价值链的协同发展。例如，京东商城在强大且开放的平台数据信息支持和帮助下，逐步实现从3C品类向品类齐全的综合类购物网站转变。 2.整合零售企业实体和虚拟资源网络，实现多边平台共生。 基于大数据的多渠道融合商业技术应用平台，协助零售企业对已有的实体销售网络与虚拟资源网络进行线上线下网络整合与智能合作互动，分析互联网与移动端、线上线下等不同渠道消费者行为及其内在联系，通过顾客心理、行为数据识别，设计潜在的个性化服务，挖掘客户的潜在需求，寻找新的市场和商业机会，从而带动实体店铺的O2O转型，营造以需求大数据分析为核心的用户全流程体验创新模式，从传统的电商和B2C电商零售模式转变为以客户为中心的本地化和精准化协同服务的二者融合模式，实现零售企业多边平台成员的协同共生与发展。例如，苏宁通过苏宁易购和传统门店线上线下的渠道与资源整合，完美实现综合连锁零售商与互联网零售商相融合的战略转型。 3.构建价值链协同与利益均衡机制，实现多边平台共享。 大数据时代，现代零售企业通过整合周边的资源网络以延伸企业的边界，将供应商或经销商整合进自己的价值链，实现零售渠道与供应商之间的深度联营与库存共管，构建基于大数据驱动的零售企业价值链协同平台，在打破和颠覆中实现渠道整合和跨界转型，在迭代反复的过程中寻求价值链多方群体的利益均衡与协同发展。例如，沃尔玛与1号店的合作，利用全球采购优势打造1号店进口商品的品牌形象，逐步探索实现价值链协同发展和利益共享。 4.重塑商业生态圈与平台战略，实现多边平台共赢。 大数据时代下，零售企业逐渐由商品零售商向日常消费服务提供商转变。立足于现代日常消费服务领域，定位于服务多边群体机制，提升各群体之间的同边与跨边网络效应，基于产业链结构重构与垂直整合，重新塑造零售企业商业生态圈平台和应用；企业的组织结构和管理模式也逐渐向智能化和柔性化发展，基于商业生态圈的整体发展需求与战略调整的角度，制定商业生态圈的平台战略，从而有效引导和协调商业生态系统多方群体之间的互动和协同。例如，淘宝网除了原有的商品零售平台业务，注重整合全国本地化服务业态资源，打造综合生活服务生态圈。 三、大数据时代零售企业多边协同定价策略 传统的双边零售平台模式中定价策略是向买卖双方收取不同的交易费用确定的。根据交易费用来源的不同，可分为会员费制、佣金制和二部收费制三种情况。总结近十几年发展历程，国内零售企业采用的双边平台定价策略经历了从买卖双方的免费到其中一方免费一方收费的转变。最初零售平台模式引入之时，以淘宝商城为典型代表的零售企业对买卖双方（即顾客和供应商）承诺一定期限的免费政策，由此带来的网络外部性效应正好推动了零售平台的快速发展和扩张。然而，随着国内电子商务市场规模爆发式增长，顾客对产品的质量和售后服务水平赋予更高的期望和要求。因此，国内主要B2C网络零售平台在完善服务内容和提升服务水平的基础上，逐步采取了对顾客免费而对供应商收取一定费用的价格结构策略。 随着新一代信息技术的飞速发展和海量数据的积累，如何在满足多边群体和不同细分市场需求的基础上，让零售企业拥有更多自主营销决策与价格策略的选择与确定，不再依赖于经验直觉判断，而是通过对海量数据进行严谨的数理统计分析，从而预测顾客实际行为的变化，实施多边协同定价策略，是现代零售企业管理者重点关注的问题。 1.根据零售平台多边群体的相互作用，实现协同定价。 根据平台生态圈发展阶段的不同，在考虑到每一边群体的定价策略对其他边群体影响的基础上，进行协同定价模式的选择，其中影响因素包括需求价格弹性、平台成长时的边际成本、同边的网络效应、多地栖息的可能性以及现金流汇集的方便度等。因此，在对其中一边群体某项服务进行定价时，必须考虑到价格对该群体付费意愿的影响，以及能够让利给其他边群体的比例，不同边的群体对价格的敏感度也不同。通过大数据分析与模拟平台可以清楚地反映他们间的交易或消费行为的相互作用与影响，以及新的定价方式可能激起的群体涟漪效应，从而修正并调整定价策略。通过大数据分析多方群体对价格弹性的高低，明确区分平台上的多边群体哪边群体是付费方，哪边群体是被补贴方。而平台企业对“付费方”的定价策略，要根据“被补贴方”的多地栖息现象而确定。因此，“被补贴方”群体的多地栖息现象将加剧平台间的竞争，而导致“付费方”群体的价格竞争。基于大数据零售企业多边平台协同定价策略的制定，一方面帮助平台企业构建“付费方”群体最优定价模型，另一方面在面向“被补贴方”群体的利益分享中寻求均衡，从而进一步弱化价格竞争带来的负面效应，促进平台多边群体协调发展。 2.针对零售平台多边群体的不同定位，实现多元化动态定价。 在协同定价时，主要是以提供的服务价值为定价依据，平台企业可将产品或服务分门别类进行划分、打包，根据多边群体在平台中承担的义务和权力不同，提供一系列多元化价格选择方案，让不同定位的群体从中进行决策。在平台综合考虑多边群体的相互作用基础上，对于服务价值的定价模式也从传统的纯粹描述性分析转变为基于大数据平台预测性分析。相比传统定性描述性分析，预测分析法可帮助企业从大数据平台中获得可转化为具体行动的多元定价辅助。随着大数据分析领域的迅猛发展以及零售行业的转型、并购与重组越发频繁，零售平台企业对数据的控制与管理达到了一个新的水平。业务部门可根据多边群体市场的变化，随时随地利用大数据平台进行动态性定价试验，而不是仅凭经验和主观臆测。与此同时，大数据平台还可支持零售平台企业持续改善定价流程，在试验分析与提炼过程中，发现最具竞争力和发展潜力的产品或服务类别，为定价提供决策参考。 3.基于大数据平台的海量数据支持，实现个性化定价。 零售平台企业通过大数据平台可以搜集并记录每一边群体在各种渠道和平台协同各个阶段的流量数据和交互数据，获取到多边群体的价格弹性，并帮助企业在制定价格策略时，充分结合不同渠道及群体的详细成本以及相应的服务成本数据，推动平台企业提升个性化服务质量而获得最优化的利润。大数据背景下，零售企业产品品类繁多，销售终端数据割裂，碎片化特征显著，零售平台企业通过大数据平台将这些孤立的数据与分散的链接进行整合研究，并针对多边群体承担角色的特殊性，探索发现其中所蕴涵的相互关系，从不同的侧面反映出零售企业多边市场各主体的网络行为特征，在此基础上分析和预测价格变动范围、价格竞争态势以及非价格因素影响等，从而实现卓有成效的交易管理。随着平台协同演化与多边群体的进化，在相应调整价格策略之时，也需要考虑到对于每一边群体的最大影响，选择适当时机进行个性化情景与效果分析，通过大数据统计分析制定合理价格，从而有助于消除不同群体、产品、渠道及地理位置的竞争与合作障碍。 4.基于数据驱动的零售平台战略调整，提升平台数据竞争力。 大数据时代零售平台利用互联网与物联网等带来的海量数据，通过挖掘、分析与业务应用，深入了解多边群体需求与认识度以及各自的竞争定位，并根据平台的协同发展进行调整，部分定价计划通过数据仿真与模拟甚至能逆向作用，帮助企业发现战略中的错误判断，使价格策略更加顺应企业平台战略的需要。通过数据驱动的企业运营管理与决策选择，能非常便捷地将验证假设、分析结果用以辅助企业商务管理及投资决策，为企业的精准营销、柔性运营和决策支持等提供强大的数据平台支持，避免人为干预成本过高。通过大数据平台整合供应链环节，打通障碍，形成平台企业与供应商、客户的价值链纵向联系，逐步形成供应链集成化、协同化的战略模式。 零售平台对于大数据（包括流量数据、行为数据、机器数据）的收集、挖掘和分析得出的信息能够成为引导企业战略转型、改变企业发展路线、促使企业组织架构调整的重要考虑因素。基于数据的持续分析和挖掘，进一步全面整合并优化平台企业多方协作的业务流程，深度剖析企业多方群体决策过程中存在的潜在价值，以数据驱动为导向，构建零售企业平台组织内部协同、内外部协同的价值链生态圈，构建零售业的新型数据竞争力，不断提升企业运营效率和管理水平，帮助企业在激烈的市场竞争中赢得持续优势。标签：大数据论文; 定价策略论文; 市场营销论文; 心理定价策略论文; 群体行为论文; 数据整合论文; 协同设计论文; 电子商务论文; 生活方式论文;