定金預(yù)售模式下的電商線上促銷及送貨策略研究

王夏陽　江彤　周家鑫

[摘要]基于消費(fèi)者選擇理論，考慮電商平臺在大型促銷活動中采用的定金預(yù)售模式（消費(fèi)者提前支付部分定金，支付尾款時可減免等同定金數(shù)額價款），及零售商提前送貨策略（消費(fèi)者支付尾款前將產(chǎn)品發(fā)送至消費(fèi)者所在地附近），構(gòu)建關(guān)于是否提前送貨的對比模型，討論兩種送貨策略下的最優(yōu)折扣系數(shù)。研究表明：兩種策略下企業(yè)均在消費(fèi)者全部選擇直接購買時利潤最大;定金預(yù)售策略看似可以鎖定部分市場需求，卻并非企業(yè)的最優(yōu)選擇;即使商品退貨成本高于定金，只要消費(fèi)者支付尾款的比例足夠高，提前送貨策略始終優(yōu)于按時送貨。

[關(guān)鍵詞]“雙十一”;定金預(yù)售;消費(fèi)者選擇;提前送貨;折扣銷售

[中圖分類號]? F724.6;F252[文獻(xiàn)標(biāo)識碼]? A[文章編號]? 1673-0461（2022）04-0016-09

一、研究背景

隨著我國移動互聯(lián)網(wǎng)技術(shù)的快速發(fā)展以及物流體系的逐漸完善，越來越多的消費(fèi)者開始習(xí)慣于網(wǎng)上購物。2020年6月，淘寶、拼多多、京東、天貓、咸魚及唯品會等網(wǎng)絡(luò)零售互聯(lián)網(wǎng)平臺的月度活躍用戶均超過5千萬，其中淘寶、拼多多與京東三大平臺更是超過2億。雖然零售電商主要由幾大平臺掌握，但這幾大平臺間的競爭十分激烈。極光APP數(shù)據(jù)顯示，2020年“雙十一”期間人均裝載4.2個購物APP，因此，零售平臺不得不推出多種促銷方式以吸引消費(fèi)者在自己平臺消費(fèi)。2020年“雙十一”購物狂歡節(jié)以來，“定金+尾款”的定金預(yù)售促銷方式引人注目。此種促銷方式即消費(fèi)者提前支付商品定金，在尾款結(jié)算時，定金可以抵扣一部分商品的價格。預(yù)售活動相比于其他普通的折扣促銷活動，除了增加“雙十一”收入外，商家還可以提前了解消費(fèi)者的需求，進(jìn)而提前準(zhǔn)備貨物派送，降低由于“爆倉”以及用戶等待貨物時產(chǎn)生的退貨行為所帶來的額外物流運(yùn)輸成本。然而，即使提前送貨有上述好處，但是如果消費(fèi)者放棄支付尾款，提前送貨反而會增加運(yùn)營成本，如何做出合適的決策則需要商家在二者之間權(quán)衡。雖然多數(shù)商家積極參與這一零售狂歡活動，也有部分企業(yè)的做法與眾不同。例如，2020年11月4日，網(wǎng)易嚴(yán)選發(fā)布《今年“雙11”，我們將退出這場大戲》的公開信中表示網(wǎng)易嚴(yán)選將退出“雙十一”促銷活動，這也暗示“雙十一”的促銷活動可能并未給經(jīng)營者帶來額外收益?，F(xiàn)有研究尚未涉及商家在考慮定金預(yù)售下的折扣促銷應(yīng)如何設(shè)定折扣系數(shù)以使得利潤最大，由此衍生出來的送貨策略的相關(guān)研究也尚未開展。有鑒于此，本文將研究商家是否應(yīng)參加定金預(yù)售活動以及是否應(yīng)提前送貨，并為商家的最優(yōu)折扣價格制定提供理論指導(dǎo)。

學(xué)術(shù)界關(guān)于網(wǎng)絡(luò)預(yù)售的研究主要集中在策略型消費(fèi)者的決策行為、產(chǎn)品預(yù)售與動態(tài)定價等方面。

首先，有關(guān)策略型消費(fèi)者行為的研究近些年在運(yùn)營管理的交叉研究領(lǐng)域發(fā)展迅速。策略型或前瞻性消費(fèi)者是指為了獲得更高的效益而延遲購買的消費(fèi)者， 一般延遲購買是為了等待商品降價[1]。與策略型消費(fèi)者對應(yīng)的消費(fèi)者被稱為短視型消費(fèi)者，這類消費(fèi)者不考慮跨時期決策，而僅根據(jù)當(dāng)前效益來決策是否購買，早期研究中學(xué)者一般假設(shè)消費(fèi)者為此類。隨著互聯(lián)網(wǎng)技術(shù)的日益成熟，信息廣泛、快速傳達(dá)的成本逐漸降低，消費(fèi)者可以獲取商品價格在市場上的動態(tài)信息，學(xué)界越來越多地開始探討策略型消費(fèi)者的相關(guān)問題。除了被廣泛研究的基于策略型消費(fèi)者的定價策略[2]，LIU等[3]討論了策略型消費(fèi)者參與的限量供給如何影響收益，SU[4]研究了策略型客戶對供應(yīng)鏈績效的影響，YUAN等[5]探討了策略型消費(fèi)者如何影響非法租賃時尚產(chǎn)品行為。除從理論層面建立模型討論策略型消費(fèi)者行為的影響，也有學(xué)者采用實證及實驗的方法展開研究。NAIR[6]的實證研究表明消費(fèi)者的策略行為對美國視頻游戲產(chǎn)品定價有重要影響;TANG等[7]通過對消費(fèi)者交易數(shù)據(jù)進(jìn)行聚類分析，對策略型消費(fèi)者行為進(jìn)行測量，獲得了策略型消費(fèi)者的耐心水平和比例。SONG等[8]設(shè)計實驗，研究了庫存量對策略型消費(fèi)者決策的影響。CHEN等[9]通過實驗來研究策略型消費(fèi)者在不同的定價方案中的行為模式是否保持一致?？傮w而言，策略型消費(fèi)者已成為商家進(jìn)行決策時不容忽視的一類消費(fèi)者。遵循這一思路，本文在考慮策略型消費(fèi)者的基礎(chǔ)上進(jìn)行商家運(yùn)營策略的討論。與上述文獻(xiàn)不同的是，本文將消費(fèi)者策略行為的程度作為可討論的變量，而非將所有消費(fèi)者均假定為策略型消費(fèi)者。

其次，在預(yù)售策略的相關(guān)研究方面，定價問題是研究的一貫重心。其中，動態(tài)定價一直是熱門討論的主題，BITRAN等[10]總結(jié)了關(guān)于動態(tài)定價的文獻(xiàn)，本文所關(guān)注的定金預(yù)售模式也屬于動態(tài)定價的一種。學(xué)界對預(yù)售的研究可以追溯到DANA[11]將預(yù)售作為在完全競爭市場的價格歧視手段。此后學(xué)者研究了不同商業(yè)背景下的預(yù)售模式，主要分為溢價預(yù)售和折扣預(yù)售。學(xué)界最初關(guān)于預(yù)售問題的研究主要集中在易逝品的新產(chǎn)品預(yù)售如何影響第二期的需求預(yù)測精度方面，TANG等[12]對有不確定需求的易逝品的預(yù)售折扣進(jìn)行討論，SHEN等[13]在對奢侈品預(yù)售的討論中認(rèn)為利用消費(fèi)者炫耀性消費(fèi)可以提高預(yù)售價格并且提高需求的預(yù)測精度。雖然預(yù)售可以幫助商家降低供給與需求不匹配的風(fēng)險，但是增加了消費(fèi)者估值不確定而帶來的風(fēng)險。WANG等[14]和WU等[15] 則研究了退款策略對預(yù)售價格的影響。此外，還有學(xué)者從其他情景出發(fā)研究預(yù)售策略。其中，LI等[16]討論了考慮產(chǎn)品擴(kuò)散效應(yīng)情況下的預(yù)售策略，HUANG等[17]研究的預(yù)售策略假設(shè)商家產(chǎn)能有限并且提供贈品，YANG等[18]從供應(yīng)鏈角度考慮三級供應(yīng)中兩個預(yù)售折扣。與已有文獻(xiàn)研究的假設(shè)不同，本文研究的“雙十一”期間的競爭性產(chǎn)品預(yù)售策略與前述的新產(chǎn)品預(yù)售策略有本質(zhì)的不同，此處預(yù)售的目的不是為了更新零售商需求預(yù)測信息，而是考慮獲取參與預(yù)售的消費(fèi)者的訂單信息以提前送貨至消費(fèi)者所在地，實現(xiàn)更為有效的物流布局，應(yīng)對“爆倉”問題，進(jìn)而降低送貨成本。且本文考慮的預(yù)售是基于定金模式，同時具有促銷的效果，因而此時的問題既涉及影響消費(fèi)者決策的價格促銷決策，又涉及影響商家運(yùn)營成本的送貨方式?jīng)Q策，這與以往著重關(guān)注定價或需求預(yù)測的研究具有本質(zhì)的差異。

最后，學(xué)術(shù)界關(guān)于策略型消費(fèi)者的預(yù)售策略問題的研究日益得到重視。在基于策略型消費(fèi)者假設(shè)來討論預(yù)售策略方面，WEI等[19]研究了預(yù)售決定產(chǎn)量的預(yù)售策略，并發(fā)現(xiàn)限制未來產(chǎn)品的可得性可以有效減少策略型消費(fèi)者的等待行為。在本文的討論中，由于考慮的是競爭性產(chǎn)品，為更符合現(xiàn)實情況，本文假設(shè)預(yù)售時并不會出現(xiàn)缺貨現(xiàn)象。何瑩瑩等[20]基于策略型消費(fèi)者建立報童模型并利用消費(fèi)者期望效用理論討論零售商是否為預(yù)售商品購買運(yùn)費(fèi)險，這與本文探討的零售商是否針對預(yù)售商品提前發(fā)貨有類似。殷哲等[21]探究定金增值策略如何應(yīng)對零售商預(yù)售時的策略型消費(fèi)者等待行為。結(jié)果顯示，定金增值系數(shù)的大小以及支付定金的比例決定了消費(fèi)者是選擇通過支付定金的形式鎖定優(yōu)惠以應(yīng)對價值不確定風(fēng)險，還是選擇通過延遲購買以應(yīng)對風(fēng)險。與上述研究不同，本文假設(shè)消費(fèi)者對其準(zhǔn)備購買的產(chǎn)品已有一定了解，因此產(chǎn)品在預(yù)售期沒有價值不確定性。劉彎彎[22]基于策略型消費(fèi)者行為以及消費(fèi)者估價不確定性討論了預(yù)售策略的定價及庫存。儲紅艷等[23]構(gòu)建了實施定金預(yù)售模式背景下，單一零售商面臨隨機(jī)需求和消費(fèi)者價值不確定的訂貨與定金設(shè)定決策模型。這些研究的著眼點在于庫存決策，均沒有考慮到預(yù)售時會對商家和消費(fèi)者均產(chǎn)生影響的送貨決策。楊雪等[24]基于Hotelling模型構(gòu)建消費(fèi)者效用函數(shù)和零售商利潤函數(shù)，探討預(yù)售時間、定金額度、膨脹系數(shù)對消費(fèi)者決策的影響。陳婧等[25]在考慮消費(fèi)者估值不確定性和消費(fèi)者預(yù)訂到達(dá)情況下分析電商企業(yè)針對策略型消費(fèi)者的折扣預(yù)售策略。這些研究將企業(yè)的消費(fèi)者估值不確定性、庫存決策等與策略型消費(fèi)者的購買行為建立聯(lián)系，并根據(jù)問題的特征采取了不同的建模方法，對本文的研究方法選擇有著借鑒意義，本文也是在Hotelling模型的框架下展開消費(fèi)者的決策分析。但是，與上述研究不同的是，本文假設(shè)消費(fèi)者均為告知型消費(fèi)者，將研究重心放在定金預(yù)售策略的設(shè)計及兩種不同送貨策略的最優(yōu)決策及其對比方面。

總體而言，雖然當(dāng)前已有一些文獻(xiàn)討論了網(wǎng)絡(luò)預(yù)售問題，以及定金預(yù)售模式下針對策略型消費(fèi)者的折扣策略，但本文的模型設(shè)定一方面緊密結(jié)合了“雙十一”的最新預(yù)售模式，另一方面與現(xiàn)有研究僅關(guān)注價格不同的是，本研究還分析了當(dāng)前定金預(yù)售模式下所引發(fā)廣泛關(guān)注的提前送貨策略問題，本研究的結(jié)論有助于指導(dǎo)互聯(lián)網(wǎng)零售企業(yè)更好地協(xié)調(diào)其促銷與運(yùn)營決策。

二、問題描述與模型假設(shè)

本文研究線上零售商在電商平臺銷售單一產(chǎn)品時的定金預(yù)售策略以及是否需要提前發(fā)貨。在定金預(yù)售策略下，商品售賣分為兩個時期：預(yù)售期與正常銷售期。由于電商平臺會在預(yù)售期前廣泛宣傳平臺預(yù)售活動，且在購物節(jié)期間進(jìn)行促銷也為消費(fèi)者所普遍默認(rèn)，因此不同于儲紅艷等[23]的研究，本文假設(shè)所有消費(fèi)者都是告知型消費(fèi)者，即消費(fèi)者已通過各種渠道了解了產(chǎn)品的預(yù)售信息，知曉預(yù)售期和正常銷售期的商品價格。消費(fèi)者付款分兩次進(jìn)行：在預(yù)售期開始時消費(fèi)者僅支付定金，在預(yù)售期結(jié)束時再支付尾款，商家則承諾在收到消費(fèi)者所支付的尾款后一定時期（如三天）內(nèi)發(fā)貨。本模型中的消費(fèi)者將在預(yù)售期開始時比較在預(yù)售期以定金預(yù)售方式購買及正常銷售期購買商品所產(chǎn)生的效用，選擇在預(yù)售期立即購買或者采取定金預(yù)售方式購買，或者離開不買。當(dāng)預(yù)售商品的價格低于預(yù)期價值，且采取定金預(yù)售方式購買的凈效用最高時，消費(fèi)者將會支付預(yù)售定金。本文假設(shè)支付定金的消費(fèi)者支付尾款的概率為λ。

本文假設(shè)線上零售商處于競爭性行業(yè)內(nèi)，此時市場整體供應(yīng)量充足，因此商家會滿足所有訂單，零售商與消費(fèi)者都清楚商品不會出現(xiàn)缺貨現(xiàn)象。此外，由于促銷活動由電商平臺發(fā)起，因此預(yù)售期結(jié)束消費(fèi)者支付尾款后發(fā)貨的商家非常多，甚至有可能會出現(xiàn)“爆倉”現(xiàn)象。如果零售商在約定的支付時間后才統(tǒng)一發(fā)貨，不論是第三方物流承運(yùn)商還是零售商自營物流部門都有可能面臨更高的運(yùn)營成本。因此，倘若電商企業(yè)在收到消費(fèi)者的預(yù)付定金后，在約定發(fā)貨期前提前布局發(fā)貨，不僅能降低發(fā)貨高峰期的運(yùn)營成本，還能減少消費(fèi)者的等待成本，給消費(fèi)者以很大的心理安全感、滿足感，從而降低零售商面臨退款的風(fēng)險。不過，由于退貨問題涉及的影響因素較多，為了將問題聚焦在預(yù)售策略設(shè)計和送貨方式選擇上，本文的討論中對此暫不考慮。假設(shè)提前發(fā)貨時商品單位成本為c_m，預(yù)售期結(jié)束時才發(fā)貨的商品單位成本為c，c>c_m。當(dāng)然，還存在另一種可能：商家選擇安排提前發(fā)貨，但是消費(fèi)者卻選擇放棄支付尾款，那么商家就需要召回已發(fā)貨的產(chǎn)品。假設(shè)召回產(chǎn)品的單位成本為cr。此外，在預(yù)售期還會有一些直接購物的消費(fèi)者（不采用支付定金的方式參與預(yù)售），此類消費(fèi)者往往在零售商銷售平緩期產(chǎn)生購買行為，其運(yùn)營成本不高，因此商品單位成本也近似為c_m。

由于促銷活動是由電商平臺發(fā)起，線上零售商選擇跟隨平臺促銷方案。而平臺為了統(tǒng)一管理促銷力度，會限定定金金額以及定金折扣力度。本文假設(shè)平臺給零售商提供幾種定金大小的選擇，零售商不能自己完全決定定金大小，但是能從平臺的方案中進(jìn)行選擇。另外，平臺規(guī)定定金能在正式銷售期抵扣同等定金大小的金額。例如，消費(fèi)者在預(yù)售期為正常銷售價格為300元的商品支付20元的定金，那么該商品頁面的預(yù)售期價格將會變?yōu)?80元（尾款為260元）。除定金預(yù)售活動，平臺還推出了跨店全平臺滿減活動，例如淘寶在“雙十一”的“滿300減40”以及“滿200減20”的活動。在此基礎(chǔ)上，商家還可以進(jìn)行相應(yīng)促銷活動，例如滿減優(yōu)惠券，即零售商可通過提供不同滿減策略實現(xiàn)自己希望達(dá)到的折扣力度，因此本文假設(shè)零售商可自由決策商品的折扣力度。

圖1描繪了定金預(yù)售策略的事件流程。t0時刻預(yù)售期開始，零售商根據(jù)平臺提供的定金數(shù)額選擇pf來決策折扣力度α，所有消費(fèi)者觀察到促銷力度后決策是否支付定金或直接購買，t1時刻預(yù)售期結(jié)束，商家恢復(fù)正常銷售，部分消費(fèi)者在進(jìn)一步權(quán)衡商品的價值估值與購買成本后，會選擇放棄支付尾款。參數(shù)及變量符號說明見表1。

消費(fèi)者的購買決策過程描述如下。

在預(yù)售期間消費(fèi)者可查看商品信息，假設(shè)消費(fèi)者對商品的效用服從[0，V]的均勻分布，為討論方便，本文以V為單位將效用、價格和成本都轉(zhuǎn)化為[0，1]區(qū)間的變量，例如真實價格P=V×p。由于需要等待，消費(fèi)者對未來獲得的商品估值有預(yù)期折扣β。在LEVIN等[26]的模型中，β可以解釋為消費(fèi)者采取策略性等待的程度，β=0意味著消費(fèi)者完全不會考慮等待至預(yù)售期結(jié)束時獲得產(chǎn)品，這類消費(fèi)者為短視型消費(fèi)者;β=1意味著消費(fèi)者忽略等待時間成本，是完全的策略型消費(fèi)者。β∈（0，1）則表示消費(fèi)者不損失購買產(chǎn)品的效用前提下愿意等待商品發(fā)貨的時長度，這種假設(shè)可以綜合解釋消費(fèi)者延遲購買的效用。

三、零售商最優(yōu)折扣定價決策

當(dāng)消費(fèi)者在預(yù)售階段支付定金，零售商可提前獲得訂單的送貨地址。雖然零售商做出的承諾是預(yù)售期結(jié)束后的一定時間內(nèi)統(tǒng)一發(fā)貨，但面臨平臺大范圍的促銷活動，零售商在承諾時間段發(fā)貨極有可能影響商品送貨速度。因此，為降低運(yùn)營成本以及提高消費(fèi)者線上購物滿意度，部分零售商選擇在約定的發(fā)貨期前發(fā)貨，將貨物運(yùn)至消費(fèi)者所在地附近，消費(fèi)者支付尾款后會迅速收到貨物。接下來分別討論零售商選擇提前送貨和正常送貨時的最優(yōu)折扣定價決策。

（一）零售商正常送貨時的最優(yōu)折扣定價決策

（二）零售商提前送貨時的最優(yōu)折扣定價決策

綜上所述，在大型促銷活動中，理性的線上零售商應(yīng)將折扣系數(shù)定在沒有消費(fèi)者支付定金的程度，即消費(fèi)者要么直接購買要么放棄購買。這也從某種程度說明了網(wǎng)易嚴(yán)選為何表示網(wǎng)易嚴(yán)選將退出“雙十一”促銷活動。而對于堅持參加“雙十一”活動的零售商來說，能夠給出一個吸引人的折扣率可能是希望犧牲部分利潤獲得更多的消費(fèi)者或是更多流量的關(guān)注。用一部分利潤去換取更多的消費(fèi)者不僅可以穩(wěn)固自身產(chǎn)品在市場的占比，并且能吸引新用戶嘗試產(chǎn)品。

四、零售商不同送貨策略的影響分析

五、數(shù)值分析

保持其他參數(shù)不變，令α從0增加到1.5。兩種模型下的利潤曲線見圖3。實線表示按時發(fā)貨的利潤曲線，虛線表示提前發(fā)貨的利潤曲線。隨著折扣系數(shù)不斷增加，零售商的利潤不斷增加，并且存在折扣時提前發(fā)貨的利潤始終大于按時發(fā)貨的利潤。雖然兩種策略下都能在某處取得極大值，但該處的折扣系數(shù)均不具有現(xiàn)實意義。

令α=0.8，c_r從0增加到0.2。兩種模型下的利潤曲線見圖4。隨著召回已發(fā)貨產(chǎn)品的單位成本不斷增加，兩種策略的利潤差距變小，提前發(fā)貨的利潤在召回成本小于提前送貨成本時就小于按時發(fā)貨的利潤。

在上述的假設(shè)下，將λ從0增加到1。兩種模型下的利潤曲線見圖5。隨著消費(fèi)者總體選擇支付尾款的比例不斷增加，兩種策略的利潤差距變小，當(dāng)消費(fèi)者總體選擇支付尾款的比例小于某個值時，商家應(yīng)選擇按時送貨;當(dāng)消費(fèi)者總體選擇支付尾款的比例大于該值時，商家應(yīng)該選擇提前送貨。

在上述的假設(shè)下，討論消費(fèi)者購買的人數(shù)隨著折扣率的變化情況。如圖6所示，隨著折扣率不斷增加，即折扣力度不斷下降時，放棄購買的人不斷增加，甚至?xí)^支付定金的人數(shù)。

六、結(jié)語

本文針對當(dāng)前互聯(lián)網(wǎng)電商平臺大型促銷活動中預(yù)售定金折扣模式的折扣系數(shù)及商家是否進(jìn)行提前送貨的決策問題進(jìn)行了研究。通過構(gòu)建和分析線上零售商按時送貨、提前送貨的不同模型，探討了在預(yù)售定金模式下零售商的折扣率如何影響其利潤，并厘清了由此衍生的提前送貨策略的適用情景，研究表明：無論線上零售商是否提前送貨，最優(yōu)折扣系數(shù)均為支付定金的消費(fèi)者能接受的最高折扣系數(shù)，此時支付定金的人數(shù)恰好為零，這說明零售商不參與預(yù)售定金活動能獲得更多的利潤。當(dāng)放棄支付尾款的用戶占比極少時，零售商采用提前送貨策略優(yōu)于按時送貨策略;即使退回提前送貨商品的成本遠(yuǎn)高于消費(fèi)者提前支付的定金，這一結(jié)論仍然成立。這也解釋了為什么近年來耐克等大型公司會率先采用提前送貨策略，這種提前送貨的模式也迅速為線上零售商所青睞。本文的研究有助于更好地理解定金預(yù)售策略及其對電商企業(yè)和消費(fèi)者的影響。合理地運(yùn)用定金預(yù)售策略以及由此衍生的提前送貨策略，一方面有利于電商企業(yè)改進(jìn)經(jīng)營績效，另一方面也可以為消費(fèi)者提供互聯(lián)網(wǎng)情境下合理消費(fèi)的信心保障。同時，本文的研究也為相關(guān)部門進(jìn)一步規(guī)范和引導(dǎo)互聯(lián)網(wǎng)企業(yè)的良好運(yùn)行提供了決策支持。

圖6不同折扣率下消費(fèi)者人數(shù)變化未來的研究可以進(jìn)一步拓展：①本文未考慮消費(fèi)者數(shù)量波動及分布問題?，F(xiàn)實中線上零售商并不總能確定消費(fèi)群體的總數(shù)量，后續(xù)相關(guān)研究可以考慮消費(fèi)者總量分布的不確定性。②對消費(fèi)者而言，他們通常會在正常銷售期支付尾款時再次評估產(chǎn)品，并以此來決定是否支付尾款。本文將支付尾款比例設(shè)為一個參數(shù)，未來研究可以放松此假設(shè)。③本文的研究著重于考察互聯(lián)網(wǎng)電商平臺大型促銷活動期電商企業(yè)的定金預(yù)售策略對其利潤的影響過程，進(jìn)一步的研究可以將這一影響過程與平時的影響進(jìn)行對比分析，采用收集一手?jǐn)?shù)據(jù)、開展實證研究來做進(jìn)一步探討，使研究更為全面客觀。

[參考文獻(xiàn)][1]LEVIN Y， MCGILL J， NEDIAK M. Optimal dynamic pricing of perishable items by a monopolist facing strategic consumers[J]. Production and operations management， 2010， 19（1）：40-60.

[2]GNSCH J， KLEIN R，? NEUGEBAUER M，et al. Dynamic pricing with strategic customers[J]. Journal of business economics， 2013， 83（5）：505-549.

[3]LIU Q， VAN RYZIN G J. Strategic capacity rationing to induce early purchases[J]. Management science， 2008， 54（6）：1115-1131.

[4]SU X. Intertemporal pricing with strategic customer behavior[J]. Management science， 2007， 53（5）：726-741.

[5]YUAN Q， SHEN B. Renting fashion with strategic customers in the sharing economy[J]. International journal of production economics， 2019， 218：185-195.

[6]NAIR H. Intertemporal price discrimination with forward-looking consumers： application to the US market for console video-games[J]. Quantitative marketing and economics， 2007， 5（3）：239-292.

[7]TANG Y， SONG Y， XU C. Optimal pricing and ordering policies with different patience levels of consumers[J]. Industrial management & data systems， 2021， 121（2）：436-455.

[8]SONG Y， ZHAO X， ZHU W. Decision biases of strategic customers with private product-value information： an experimental study[J]. Production and operations management，2019， 28（5）：1305-1319.

[9]CHEN J， ZHAO Y. High price or low price？ an experimental study on a markdown pricing policy[J]. European journal of operational research， 2020， 284（1）：240-254.

[10]BITRAN G， CALDENTEY R. An overview of pricing models for revenue management[J]. Manufacturing & service operations management， 2003， 5（3）：203-229.

[11]DANA J. Advance-purchase discounts and price discrimination in competitive markets[J]. Journal of political economy， 1998， 106（2）：395-422.

[12]TANG C， RAJARAM K， ALPTEKINOGLU A， et al. The benefits of advance booking discount programs： model and analysis[J]. Management science， 2004， 50（4）：465-478.

[13]SHEN B， ZHANG T， XU X， et al. Preordering in luxury fashion： will additional demand information bring negative effects to the retailer？ [Z]. Decision sciences， 2020-10-07.

[14]WANG G， DONG Z， LI Z. A comparative study on retailers refunding strategies considering products advance selling[C]. 22nd International Conference on Industrial Engineering and Engineering Management， 2015.

[15]WU M， TEUNTER R， ZHU S. Online marketing： when to offer a refund for advanced sales[J]. International journal of research in marketing， 2018， 36（3）：471-491.

[16]LI X， XU X， SUN Y. Advance selling strategies for oligopolists by considering product diffusion effect[J]. Kybernetes， 2016， 45（5）：744-759.

[17]HUANG K， KUO C， SHIH H. Advance selling with freebies and limited production capacity[J]. Omega， 2017， 73：18-28.

[18]YANG F， NIU Q， KONG J， et al. The impacts of advance-order discounts on a three-echelon supply chain[J]. Computers & industrial engineering， 2020， 145：106498.

[19]WEI M， ZHANG F. Advance selling to strategic consumers： preorder contingent production strategy with advance selling target[J]. Production and operations management， 2018， 27（7）：1221-1235.

[20]何瑩瑩，郭春香.預(yù)售模式下基于策略型消費(fèi)者退貨行為的運(yùn)費(fèi)險決策研究[J].管理學(xué)報，2018，15（8）：1249-1255.

[21]殷哲，王舒.考慮消費(fèi)者策略行為的定金增值預(yù)售策略研究[J].工業(yè)工程與管理，2019，24（5）：106-111.

[22]劉彎彎.基于策略型消費(fèi)者的預(yù)售策略研究[J].上海管理科學(xué)，2014，36（6）：60-62.

[23]儲紅艷，張欽紅.定金預(yù)售模式下網(wǎng)絡(luò)零售商定金與訂貨量決策研究[J].上海管理科學(xué)，2018，40（2）：70-76.

[24]楊雪，劉曉峰.互聯(lián)網(wǎng)時代零售商預(yù)售策略研究——基于定金膨脹模式的分析[J].價格理論與實踐，2020（5）：125-128.

[25]陳婧，陳淮莉.購物節(jié)電商折扣預(yù)售策略研究——基于消費(fèi)者最高估值與預(yù)售實現(xiàn)率的分析[J].價格理論與實踐，2019（4）：137-140.

[26]LEVIN Y， MCGILL J， NEDIAK M. Dynamic pricing in the presence of strategic consumers and oligopolistic competition[J]. Management science， 2009， 55（1）：32-46.Research on the Promotion and Delivery Strategies of E-commerce Companies

under Pre-sell System

Wang? XiayangJiang? Tong Zhou? Jiaxin

（1. Sun Yat-sen University， Guangzhou 510275， China; 2. Zhejiang University， Hangzhou 310058， China）

Abstract：? Based on consumer choice theory， the authors of this paper studied the pre-sell system adopted by E-commerce companies， and pre-balance delivery strategy. （Pre-sell system is one in which consumers can choose to pay a deposit so the same amount of money can be reduced in the balance. And pre-balance delivery strategy is one in which the retailers can send out the goods to a place near the consumers before they pay the balance.） They made a comparison between two delivery strategies： one is to deliver the goods before the balance is paid （pre-balance delivery）; the other is to deliver the goods after the balance is paid （after-balance delivery）. They also studied the maximum discount factor under these two different strategies. Then， they drew the following conclusions： no matter when to deliver the goods， the company can get maximum profits when the consumers choose to pay directly. Pre-sell system seems to be a good way to lock the consumers， but it is not the best way. Even when the cost of returning goods is higher than the deposit， pre-balance delivery strategy is better than after-balance delivery only if a high percentage of consumers will pay the balance.

Key words：“double eleven online shopping event”; pre-sell system; consumer choice; pre-balance delivery; promotion discounts

（責(zé)任編輯：李萌）