北京工業(yè)大學經濟與管理學院 郝博
隨著我國經濟社會發(fā)展進程的深入,在各種對內、對外經濟活動中的沖突與爭議將不可避免的發(fā)生,需要用商務談判的方法來解決。談判能否達成一致,決定著各種經濟活動的成敗。談判策略則是商務談判研究的一個關鍵問題也是商務談判活動中的難點所在,對商務談判領域的發(fā)展具有重要的現(xiàn)實意義。目前,國內外已有許多商務談判策略和方法被提出,但由于所面臨的對象、解決的問題各不相同,而且基礎理論、技術發(fā)展水平也在不斷提高,所以至今還沒有一個通用的商務談判策略。本文從傳統(tǒng)意義上的商務談判和自動化的商務談判兩個層面評述了談判策略的發(fā)展現(xiàn)狀以及有代表性的學術觀點,并提出了在未來商務談判研究中所需關注的適應性策略研究熱點問題,以識別當前研究狀況不足之處,梳理商務談判策略研究線索,以提出進一步研究方向。
競爭分配型談判是指雙方以一種競爭的態(tài)度完成對固定數(shù)額的利益分配。在此類談判中的關鍵問題是誰將取得最大的利益。有些人將這類談判命名為零和博弈或非合作性談判[1]。它只涉及“一個議題—固定數(shù)額—我所得即是你所失”,具有完全意義的分配性。對于這種談判類型,H.Raiffa就曾指出:“除非交易活動對談判各方有利,否則它是不會發(fā)生的。最糟糕的結果是,談判因為某方過度貪婪而最終失敗。當然,談判方最好在談判議題可能的取值區(qū)間內促成交易”。這也是解決此類談判問題的核心策略所在,關鍵是要確定談判雙方的議題取值幅度是否存在一定程度的一致性。舉個例子,某公司A與某公司B就某支股票大宗交易價格進行談判,其議價區(qū)域如圖1所示。
在圖1中,議價區(qū)域的端點(A1、B1)是兩個保留價格(談判方的價格底線),雙方更愿意達成一致,而不是陷入僵局,在這一案例中,它包括從4000萬元到5000萬元的所有可能價格,如果雙方的保留價格存在重疊區(qū)域(B2、A2),那么談判即可以通過雙方達成協(xié)議而成功。相反,如果保留價格不存在重疊區(qū)域,那么議價就是反向的,即雙方不會接受任何協(xié)議組合,談判也絕不會成功。
合作整合型談判是指雙方以一種合作的態(tài)度在促成交易時共同創(chuàng)造價值并進行利益分配的過程。在這類談判中,盡管也存在各種各樣的沖突與競爭,但談判雙方始終本著合作的態(tài)度來解決問題和化解沖突。有些學者將這類談判稱為非零和或合作性談判[2]。與競爭分配型談判相比,合作整合型談判是建立在另一基本假設下的,即是對談判各方的目標、利益和偏好等進行更全面的評估將帶來更多的共同收益,使交易活動達到雙贏。如圖1所示案例,倘若將其放在一個合作整合型談判環(huán)境下,談判的范圍將不僅僅局限于交易價格、保證金比例或其他一些單獨的議題,還會涉及很多諸如談判者的決策偏見、長期伙伴關系建立等潛在議題。事實上,在這種談判中存在大量創(chuàng)造價值的機會。這種創(chuàng)造性發(fā)揮效用的前提是談判雙方都確實了解自己和對方的偏好或關鍵利益點。在此類談判中,正確的策略是談判者不應假設“固定數(shù)額”,而是要尋求那些雙贏的綜合性交換,否則,即便雙方就某一議題的期望值是一致的,他們也會因為假設了“固定數(shù)額”而相信談判的結果總是單贏的(談判中沒有合作只有競爭),以致談判雙方最終未能達成一致。
圖1 A公司與B公司的談判議價區(qū)域
基于博弈論的談判[3]是指通過尋求均衡解來從所有談判解的可行域中取得最優(yōu)決策。其策略是以效用為中心,以效用最大化為目標,這種方法假定智能談判agent是自利的,即在給定的約束條件下最大化自己的收益。Jun Hu提出了一基于拍賣的博弈agent模型和一出價談判算法,為使買方agent確定價格更精確,出價更合理,該模型與算法提供了一個新的建立買方agent的有效方法;F Lopes則應用博弈論技術給出了一種均衡策略,并將其進行了形式化描述,以此來實現(xiàn)在討價還價博弈中的提議交互。在實踐過程中,基于博弈論的談判是建立在談判agent對解空間以及對手的行為等具有完全信息的前提下的,由于談判環(huán)境的隨機性與動態(tài)性,使得這一假設一般不能成立,因此,一些學者還通過引入機器學習算法將該策略進行擴展,這樣就以談判agent的“有限理性”克服了博弈論中的“完全理性”假設。
基于啟發(fā)式的談判[4]則并不要求尋得最優(yōu)談判解,而是將談判解的可行域限制在某一特定范圍內,并放寬了資源和其他約束條件,最后通過經驗驗證來尋得一滿意解。其策略是通過經驗的驗證來尋找“足夠好”的非最優(yōu)近似解,通常是利用啟發(fā)式的決策函數(shù)來評價和產生提議。CB Cheng提出了一個在第三方驅動的電子商務市場中的自動談判機制,在這一談判中,談判agent能夠通過啟發(fā)式算法學習對手agent談判議題的權重,以這些信息和對手的最后提議為依據,通過一模糊推斷系統(tǒng)產生談判策略,使得談判順利進行;CM Jonker則在多屬性談判問題的背景下,建立起了一談判機制,并與啟發(fā)式的決策函數(shù)相結合,使得談判agent能夠使用由對方提供的不完全的偏好信息來改善自身談判效能,讓談判解更加接近帕累托均衡解。
基于辯論的談判[5]則是在一般自動談判模式的基礎上增加了辯論的因素,以此來在談判中交互額外的且有價值的信息(承諾或理由等),最終影響談判對手的偏好、態(tài)度、目標等,并修正本方的信念,使得提議被對方接受的可能性大大提高。其策略是通過引入辯論機制,經過辯論的產生、評估與選擇這一過程使得談判agent能夠影響對手的信念或是意圖來增強其合作性,減少沖突并化解僵局。L Amgoud將談判內容描述為某個論據,通過比較論據之間的相對重要性來對辯論談判內容進行選擇;PM Dung提出了一種基于辯論的商務合同談判方法,認為agent本體應是具有信念和偏好的,為了簽訂合同,agent要完成兩階段談判過程:第一階段,買方agent確定對合同條款的結構化目標和偏好,并通過基于辯論的決策支持對偏好等進行解釋;第二階段,買方agent確定在第一階段要履行條款的子集,輸出結果即是買方和賣方之間一組可能的協(xié)議組合。
走進自動化談判時代以來,為了克服傳統(tǒng)意義上商務談判中所存在的目標不一致、偏好不確定、環(huán)境的多變、信息不完備、資源不足、易于陷入僵局等缺陷,基于辯論的談判以其信息獲取的便利性、僵局化解的確定性等優(yōu)勢得到了快速的發(fā)展。自此,如何才能讓談判agent更加智能的根據談判環(huán)境(包括其他agent的行為)的變化自適應地調整自身策略,進而促成談判已成為商務談判策略研究方面的新熱點。研究思路主要包括基于談判環(huán)境的變化、基于對手模型等等。S Saha提出了一種基于貝葉斯網絡的辯論和決策模型,認為對方決策機制中相關因素的影響力以及因素間的依賴關系可以用貝葉斯網絡來表示。該辯論和決策模型的特點是agent能夠根據在談判進行中所積累的經驗、知識對對手模型的貝葉斯網絡進行實時更新,從而來選擇和操控談判的環(huán)境,產生一種更加有效的辯論,以提高自己的提議被其他agent接受的可能性;黃京華則繼承了JR Oliver利用遺傳算法優(yōu)化門限序列來尋得談判解的思想,在確定了基于agent的談判系統(tǒng)的目標和特征的基礎上,研究了一種基于遺傳算法的agent談判模型。它把自動談判過程看作是一個在談判空間(由談判議題和可能的解組成)中搜索的最優(yōu)化問題,且是一個動態(tài)的搜索過程。該模型的特點是agent能在談判過程中學習和發(fā)展新的適應性談判策略。
商務談判作為經濟談判的一個重要組成部分,近年來已逐漸成為國內外一個新興的且極具發(fā)展前景的研究領域。國內外學者對其進行了很多理論與實踐的研究,在商務談判策略方向上也取得了較大進步,無論是在傳統(tǒng)意義上的商務談判,還是在信息時代背景下的自動化談判領域,都獲取了新的進展??偨Y以往關于商務談判策略的研究,主要有兩方面的結果:(1)在傳統(tǒng)的商務談判中,競爭分配型談判策略的關鍵是要確定談判雙方的議題取值幅度是否存在一定程度的一致性;合作整合型談判策略的關鍵是要在確定談判雙方偏好或利益點的基礎上尋求創(chuàng)造性的解決方案。然而,21世紀是“競爭、合作、雙贏”的時代,沒有“只有競爭而無合作”的談判,也沒有“只有合作而無競爭”的談判,如何幫助談判者將兩種談判策略進行適當?shù)慕M合,實現(xiàn)在“競合”中獲得雙贏?這一問題將值得進一步研究。(2)信息時代中的自動化談判策略則通常是以博弈論、啟發(fā)式算法和辯論作為基礎理論,并引申形成了多種策略方法,其中基于辯論理論的適應性談判策略克服了其他兩種策略理論(博弈論、啟發(fā)式)存在的缺陷,已成為商務談判策略研究方面的新熱點,其研究成果必將促進商務談判向更加高效和雙贏的方向發(fā)展。
[1]劉強,蘇秦.供應商競爭下的供應鏈多邊談判[J].運籌與管理,2011,20(2).
[2]李海燕,宋寒,饒凱.基于Nash協(xié)商博弈的關聯(lián)供應鏈合作行為研究[J].工業(yè)工程與管理,2011,16(3).
[3]樂建兵,楊建梅,趙海霞.基于Zeuthen談判策略的博弈仿真研究[J].科技管理研究.2006(2).
[4]CM.Jonker, V.Robu, J.Treur. An agent architecture for multi-attribute negotiation using incomplete preference information[J]. Autonomous Agents and Multi-Agent Systems, 2007,15(2).
[5]張鴿,蔣國瑞,黃梯云.基于辯論的多agent商務談判產生機制研究[J].計算機應用研究,2011,28(2).