【摘 " 要】 當前，一些零售商通過自有在線平臺為用戶提供BOPS（Buy Online and Pick-up in Store）全渠道購物模式和個性化推薦服務(wù)。然而，在線購物存在兩個弊端：一是在線購物平臺隱私信息安全事件頻發(fā)，引發(fā)了用戶對其個人隱私信息的擔憂；二是在線購物極易造成用戶與產(chǎn)品的不匹配，降低了用戶在線購買意愿。為刺激在線購物需求，全渠道零售商可為用戶提供無理由退貨服務(wù)和個性化推薦關(guān)閉選項?；跓o理由退貨的市場背景，考慮用戶的隱私關(guān)切行為，將市場劃分為非隱私關(guān)切型市場、隱私關(guān)切型市場以及混合型市場三類，構(gòu)建允許退貨情形下全渠道零售商實施個性化推薦策略與否的六個決策模型，分析退貨和隱私關(guān)切行為對全渠道零售商利潤、定價和個性化推薦決策的影響。研究表明：（1）無論全渠道零售商是否實施個性化推薦策略，基本退貨量、隱私關(guān)切型用戶的隱私關(guān)切程度和市場占比的增加都會造成零售價格、市場銷量和利潤的減少；（2）實施個性化推薦策略后，全渠道零售商均可在三種市場中制定更高零售價格，且零售價格和零售商利潤隨個性化推薦精度敏感系數(shù)單調(diào)遞增；（3）全渠道零售商采用個性化推薦策略后，非隱私關(guān)切型市場和隱私關(guān)切型市場的利潤都實現(xiàn)了正向增長，且實施后零售商可在更高的隱私關(guān)切程度下開啟在線購物平臺，混合型市場下全渠道零售商實施個性化推薦策略受限制因素較多，即采用個性化推薦策略不一定有利于零售商利潤增長。

【關(guān)鍵詞】 隱私關(guān)切；無理由退貨；BOPS；個性化推薦；定價

中圖分類號：F272 " " 文獻標志碼：A " " "文章編號：1673-8004（2024）06-0096-14

一、引言

在線購物和移動支付技術(shù)突破了傳統(tǒng)實體門店的空間和時間限制，用戶可以隨時隨地瀏覽和購買產(chǎn)品，并享受便捷的快遞配送服務(wù)［1］。隨著用戶對產(chǎn)品體驗需求增強，在線零售商們開始增設(shè)BOPS（Buy Online and Pick-up in Store，線上下單、門店取貨）購物渠道。當前，一些在線零售商如三福、屈臣氏等采用了“線上購物+快遞配送”渠道（純線上渠道）和BOPS渠道相結(jié)合的全渠道購物模式。然而，因各種原因（貨不對板、沖動購買等）造成的網(wǎng)購退貨率居高不下。即使BOPS模式下用戶可前往門店取貨，很多產(chǎn)品存在的問題只會在使用過程中被用戶發(fā)現(xiàn)。因此，一些在線零售商提供“七天無理由退換貨”服務(wù)。在全渠道零售模式中，不同渠道的退貨方式和費用對用戶的購買決策影響不同。例如，選擇純線上渠道的用戶退貨時需將產(chǎn)品郵寄回指定地址，且由于退貨產(chǎn)生的運費由用戶個人承擔；而選擇BOPS渠道的用戶退貨時可直接在線取消訂單，無需支付額外費用。

用戶選擇在線平臺進行購物時，其位置信息、搜索痕跡、購買記錄以及關(guān)聯(lián)好友等隱私信息被平臺所搜集。因此，在線平臺對用戶數(shù)據(jù)的處理與維護的表現(xiàn)，對用戶是否選擇其服務(wù)產(chǎn)生影響。近年來，隱私信息安全事件頻發(fā)，引發(fā)了用戶對隱私信息的關(guān)注。有研究表明，隱私關(guān)注不僅影響用戶對平臺提供隱私信息的意愿［2］，還會影響其是否選擇在線購買決策［3］。此外，與實體店鋪相比，在線平臺為用戶提供了更加豐富的產(chǎn)品選擇，但也存在挑選產(chǎn)品過于耗時的弊端。為此，一些在線零售商借助于用戶數(shù)據(jù)和算法設(shè)計，向用戶精準推送符合其需求的個性化產(chǎn)品，有效提升了用戶在線購物體驗。但同時，基于用戶數(shù)據(jù)的個性化推薦系統(tǒng)更易引起用戶對其隱私信息的擔憂。顯然，無論在線零售商是否提供個性化推薦服務(wù)，用戶及其線上購物信息都有可能發(fā)生被泄露［4］或被惡意利用的風險［5］。為維護用戶合法權(quán)益，2022年出臺的《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》（以下簡稱《規(guī)定》）要求算法服務(wù)提供者為用戶提供算法關(guān)閉服務(wù)，即用戶可決定是否接受個性化推薦服務(wù)。隨著《規(guī)定》的出臺，淘寶、京東等在線購物平臺在隱私管理選項中提供“個性化推薦”關(guān)閉功能，給予隱私關(guān)切型用戶更多的選擇。

基于以上研究背景，有如下問題值得探討：（1）不同渠道的退貨策略和用戶隱私關(guān)切行為如何影響用戶的購買行為？（2）退貨和用戶的隱私關(guān)切行為會對BOPS全渠道零售商的決策和利潤產(chǎn)生何種影響？（3）個性化推薦策略的引入能否在保證用戶在線購物體驗的同時使全渠道零售商獲取更高收益？這些也是BOPS全渠道零售商亟須解決的問題。為了回答以上問題，本文以退貨和用戶隱私關(guān)切行為為研究背景，探討全渠道零售商的決策選擇。與本文相關(guān)研究主要涉及全渠道退貨、用戶隱私關(guān)切行為和個性化推薦三方面的內(nèi)容。

關(guān)于全渠道退貨的研究已經(jīng)得到不少學者的關(guān)注，主要從兩個維度展開研究。第一個維度主要探究退貨情形下BOPS渠道的引入對零售商利潤的影響機制，如劉金榮等［6］的研究表明，當在線退貨率或BOPS渠道不便利程度滿足一定條件時，BOPS渠道的引入能為零售商帶來更高收益；趙菊等［7］發(fā)現(xiàn)當產(chǎn)品匹配率較高或BOPS渠道退貨成本較低時，BOPS渠道可有效增加零售商利潤。第二個維度主要研究退貨和用戶行為因素對全渠道零售商的決策影響，如陳彥和曲洪建［8］從用戶策略行為出發(fā)，結(jié)合退貨和預售探究BOPS全渠道零售商的最優(yōu)折扣和訂貨決策；陳飔佳等［9］基于用戶失望厭惡行為，對比分析不同退貨渠道下零售商的利潤值，并根據(jù)用戶失望厭惡程度給出了最優(yōu)退貨策略；葛晨晨等［10］根據(jù)用戶的購物行為和消費偏好具有多樣性，對新老零售商是否開辟BOPS渠道的四種競爭策略展開分析，分析得出競爭環(huán)境下零售商開設(shè)BOPS渠道的均衡策略。

用戶在使用在線購物平臺的過程中，其身份信息、購買記錄等個人隱私信息必然面臨被平臺收集和利用的風險［11］。目前，已有不少研究表明有部分平臺利用用戶隱私信息進行營利活動，如Acquisti等［12］指出賣方可通過在線數(shù)據(jù)庫對重復購買顧客進行價格歧視；Chen等［13］揭示了競爭企業(yè)通過實施個性化定價來爭奪目標細分市場份額；Ramon等［14］和Rodrigo等［15］發(fā)現(xiàn)平臺出售用戶隱私信息給零售企業(yè)以獲取利潤。這些行為損害了用戶既有利益，引發(fā)用戶對其隱私信息的關(guān)切行為?，F(xiàn)有文獻對用戶隱私關(guān)切行為的研究內(nèi)容主要集中在：（1） 隱私關(guān)切行為對在線購物平臺的負面影響，如張嵩等［16］認為用戶隱私關(guān)切行為會影響其風險感知度以及在線購物決策；王樂等［17］采用代理和社會契約理論模型，進一步驗證了隱私被侵犯經(jīng)歷引發(fā)用戶對平臺不提供或提供虛假信息；（2）對隱私關(guān)切行為的補救舉措，如程佳聰［18］提出電子商務(wù)平臺應(yīng)為用戶提供隱私保護服務(wù)；劉百靈等［19］通過實證方式驗證了隱私保護服務(wù)可有效緩解其隱私關(guān)切程度，使用戶更傾向于披露個人信息和使用平臺服務(wù)；楊海芳等［20］考慮到用戶在線隱私信息存在泄露風險，提出了一種基于k-匿名原則的最小化信息損失隱私保護方法。

有部分學者認為平臺引入個性化推薦系統(tǒng)可刺激用戶的在線購物需求［21］，并且在推薦系統(tǒng)的設(shè)計中應(yīng)涉及用戶偏好隨時間變化的特征，兼顧用戶的多樣性和準確性等多方面需求［22］。顯然，實現(xiàn)個性化推薦的效果必然以用戶披露個人隱私信息為依托［23］，因而用戶對平臺提供隱私信息的準確性對個性化推薦系統(tǒng)的實現(xiàn)具有關(guān)鍵影響。Adomavicius等［24］從推薦系統(tǒng)的準確性、系統(tǒng)干擾以及不確定性等角度探討個性化推薦系統(tǒng)對用戶支付意愿的影響機制，研究結(jié)果表明較低的個性化推薦會損害用戶在線支付意愿；Bastani等［25］也驗證了較低準確性的個性化推薦可能導致用戶退出購物平臺。由上述研究可知，用戶對個人隱私的關(guān)切程度不僅決定了平臺能否提供精準的個性化推薦服務(wù)，也影響用戶是否接受平臺的個性化推薦服務(wù)［26］。

由文獻梳理可知，當前關(guān)于全渠道退貨的研究中較少涉及用戶隱私關(guān)切行為，且現(xiàn)有文獻大多關(guān)注隱私關(guān)切行為如何影響用戶進行平臺選擇［17］和具體的隱私保護手段［20］，較少從平臺角度考慮隱私關(guān)切行為對零售商決策的影響。此外，目前學者對個性化推薦的研究主要從企業(yè)利潤最大化角度出發(fā)［27］，忽略了用戶隱私關(guān)切行為對個性化推薦策略實施的影響。因此，本文在BOPS全渠道退貨中考慮用戶隱私關(guān)切行為，構(gòu)建全渠道零售商是否實施個性化推薦策略的決策模型，通過利潤對比探討不同隱私市場的個性化推薦策略的實施條件，并分析相關(guān)因素對全渠道零售商決策和利潤的影響機制。

二、問題描述與假設(shè)

考慮全渠道零售商如三福、屈臣氏等通過自有在線平臺，為用戶提供純線上渠道（線上下單，快遞配送）和BOPS渠道（線上下單，門店自提）兩種購物渠道。兩種渠道的產(chǎn)品價格均為p，用戶可根據(jù)自身偏好選擇其中一種渠道進行購物。純線上渠道用戶的購買行為均在在線平臺完成（online），簡稱為o渠道；BOPS渠道用戶的購買行為涉及在線平臺和實體店鋪兩個渠道，簡稱為b渠道。當用戶對產(chǎn)品不滿意時（非質(zhì)量缺陷產(chǎn)品），可在線申請退貨退款服務(wù)，退回的產(chǎn)品可進行二次銷售。其中，選擇o渠道的用戶在線申請退貨后，需要自行墊付運費r將產(chǎn)品郵寄回平臺指定地址，用戶退貨后可獲得的退貨價格（產(chǎn)品價格與退回產(chǎn)品運費之差）為p-r；選擇b渠道的用戶退貨時只需在線取消訂單，退貨后用戶可獲得的退貨價格為p。

為不失一般性，本文將市場標準化設(shè)為1。其中，o渠道的市場需求為ω（0.5＜ω＜1），b渠道的市場需求為1-ω?？紤]到部分用戶具有隱私關(guān)切行為，本文根據(jù)隱私關(guān)切型用戶占比λ將市場劃分為非隱私關(guān)切型市場（NM市場，λ=0）、隱私關(guān)切型市場（YM市場，λ=1）以及混合型市場（MM市場，0＜λ＜1）。此外，本文采用隱私關(guān)切系數(shù)δ（0＜δ＜1）來刻畫用戶隱私關(guān)切程度，隱私關(guān)切系數(shù)δ越小（大），用戶的隱私關(guān)切程度越高（低）。當全渠道零售商未采用個性化推薦（PR）策略時，在線平臺持有用戶隱私信息，用戶的隱私關(guān)切程度影響其是否選擇在線平臺和購買決策；當全渠道零售商采用PR策略時，隱私關(guān)切型用戶可通過關(guān)閉個性化推薦服務(wù)來保護個人隱私信息，此時用戶隱私關(guān)切程度為0，即δ=1。綜上可知，用戶的隱私關(guān)切以及退貨行為共同影響產(chǎn)品市場需求，進而影響零售商進行定價和個性化推薦決策，故本文考慮全渠道零售商未實施和實施PR策略的兩種策略情形。

由趙曉敏和胡淑慧［28］的研究可知，市場需求隨零售價格單調(diào)遞減、隨退貨價格單調(diào)遞增。結(jié)合前文分析可知，用戶隱私關(guān)切行為和個性化推薦服務(wù)水平同樣影響市場需求。綦勇等［29］的研究表明，隱私關(guān)切型用戶認為在線平臺會利用個人隱私數(shù)據(jù)進行“大數(shù)據(jù)殺熟”，且可能會設(shè)置較高的零售價格。因此，隱私關(guān)切型用戶的隱私關(guān)切程度越高，其越不愿意付出與非隱私關(guān)切型用戶同等的產(chǎn)品價格。在需求函數(shù)中體現(xiàn)為用戶隱私關(guān)切程度越高，市場需求隨用戶隱私程度單調(diào)遞減趨勢越大（市場需求對產(chǎn)品價格越敏感）。當全渠道零售商實施PR策略時，非隱私關(guān)切型用戶在線購物搜索時間縮短，由此增加的市場需求為βti。其中，ti和β分別為個性化推薦服務(wù)精度和敏感系數(shù)，ti的決策體現(xiàn)在全渠道零售商針對用戶實施相應(yīng)精度控制，即個性化推薦頻次或推薦算法精確度（個性化推薦的產(chǎn)品與用戶需求的匹配度）。

（二）有PR策略的情形

當零售商實施PR策略后，非隱私關(guān)切型用戶選擇使用個性化推薦系統(tǒng)，隱私關(guān)切型用戶則在推薦管理中關(guān)閉個性化推薦選項。非隱私關(guān)切型用戶因使用個性化推薦系統(tǒng)提高了搜索效率和購物體驗，進而間接增加了產(chǎn)品需求量βti。因此，NM市場和YM市場總需求函數(shù)分別為：

當全渠道零售商提供個性化推薦關(guān)閉選項服務(wù)時，用戶的隱私關(guān)切程度有效緩解，故實施PR策略時YM市場的均衡解與未實施PR策略時NM市場的均衡解一致，且和π與μ成負相關(guān)。對比全渠道零售商實施PR策略前后均衡解的一階偏導數(shù)可知，實施PR策略后零售價格、市場銷量與零售商利潤隨基本退貨量μ單調(diào)遞減的趨勢增大。這是由于未實施PR策略前，用戶的隱私關(guān)切系數(shù)δ和基本退貨量μ共同影響均衡解變動趨勢，即δ增長帶來的正向變動彌補了μ增長帶來的負向變動。具體地說，在相同的基本退貨量μ下，未實施PR策略時全渠道零售商能夠有效捕獲用戶隱私信息，可以通過設(shè)置高零售價格來獲取更高收益；實施PR策略時隱私關(guān)切型用戶可選擇隱藏個人隱私信息，全渠道零售商難以獲取用戶偏好信息，只能借助于低價策略刺激市場需求，即通過產(chǎn)品的性價比吸引用戶在線購物，故此時μ對零售價格p的負向影響更為顯著。因此，在YM市場中，全渠道零售商應(yīng)考慮實施兩個舉措：一是多角度展示產(chǎn)品外觀及功能，及時解答用戶對產(chǎn)品的疑問，并借助用戶購買評價提升用戶對產(chǎn)品的價值感知；二是借助優(yōu)惠券、返利等方式向用戶進行匿名產(chǎn)品問卷調(diào)查，根據(jù)用戶需求信息調(diào)整產(chǎn)品頁面，并完善物流體系和產(chǎn)品售后支持服務(wù)。

在MM市場情形中，當全渠道零售商實施PR策略時隨μ單調(diào)遞減、隨β單調(diào)遞增，這與NM市場一致。此外，命題6表明隱私關(guān)切型用戶市場占比λ負向作用于均衡解。其原因在于，當隱私關(guān)切型用戶市場占比λ增大時，全渠道零售商只能為較少的非隱私關(guān)切型用戶提供個性化推薦服務(wù)?？紤]到利潤最大化，全渠道零售商降低個性化推薦精度，而這會導致市場需求減少，且用戶愿意為此付出的預期價格降低。為刺激需求量的增加，全渠道零售商選擇降低產(chǎn)品價格，并且降價也會使退貨量降低，間接增加了市場銷量。然而，降價帶來的市場銷量增量無法彌補由個性化推薦精度降低帶來的市場銷量減量，故市場銷量仍呈現(xiàn)下降趨勢。產(chǎn)品價格和銷量的降低直接引起全渠道零售商的利潤降低，π與λ成反比得證。由此，在MM市場中，若全渠道零售商考慮實施PR策略，需考慮如何降低隱私關(guān)切型用戶市場占比λ和基本退貨量μ，并提高用戶對個性化推薦服務(wù)的偏好程度β?？梢詮娜齻€方面實施改進：一是全渠道零售商通過個性化推薦系統(tǒng)搜集非隱私關(guān)切型用戶的偏好信息，并根據(jù)用戶的退貨原因重新進行精準的產(chǎn)品匹配；二是全渠道零售商應(yīng)明確隱私數(shù)據(jù)用途和公開隱私保護組織體系，向用戶普及隱私安全知識，并通過第三方隱私安全認證機構(gòu)提高用戶對在線購物平臺的信任度；三是全渠道零售商可在購物平臺開設(shè)個性化推薦購物分享專區(qū)，并利用社交媒體宣傳其平臺個性化推薦系統(tǒng)優(yōu)勢，吸引更多用戶選擇在線平臺的個性化推薦服務(wù)。

（三）對比分析

在本節(jié)中，我們將通過對比三種市場情形下零售商實施PR策略前后的均衡解，來探究各市場情形下PR策略的具體實施條件，可以得到命題7、命題8和命題9。由于篇幅的原因省略了詳細證明過程。

命題7 "實施PR策略后，三種隱私市場中全渠道零售商均能設(shè)置高產(chǎn)品價格，且非隱私關(guān)切型市場的產(chǎn)品價格最高。

命題7表明，當采用個性化推薦策略時，無論用戶是否具有隱私關(guān)切行為，全渠道零售商都能在市場中制定較高價格決策。這是由于個性化推薦服務(wù)滿足了非隱私關(guān)切型用戶的便捷購物需求，允許隱私關(guān)切型用戶拒絕平臺搜集個人隱私信息，故用戶愿意為個性化推薦服務(wù)支付產(chǎn)品溢價。此外，進一步對比三種隱私市場實施個性化推薦策略后的均衡價格發(fā)現(xiàn)，全渠道零售商在NM市場中制定的產(chǎn)品價格最高。原因在于，隱私關(guān)切型用戶未能享受到個性化推薦服務(wù)帶來的便利和定制化體驗，不愿意為此支付與非隱私關(guān)切型用戶相同的價格。出于利潤最大化考慮，全渠道零售商選擇提供相對較低的產(chǎn)品價格。因此，當市場中存在隱私關(guān)切型用戶時，全渠道零售商可在關(guān)閉個性化推薦服務(wù)選項中增設(shè)原因選項，根據(jù)用戶隱私關(guān)切原因采用合理的應(yīng)對措施，并同時權(quán)衡隱私保護費用和效益，不斷完善個性化推薦服務(wù)，吸引更多用戶使用個性化推薦服務(wù)。

命題8 "實施PR策略后，NM市場（YM市場）的市場銷量增加（減少），MM市場的市場銷量的變化受到隱私關(guān)切型用戶占比及其隱私關(guān)切程度的影響。

命題8表明，全渠道零售商采用個性化推薦策略后并不一定能有效促進市場銷量增加。這是由于實施個性化推薦策略后，全渠道零售商在市場中設(shè)置了更高的產(chǎn)品價格。在NM市場情形中，采用個性化推薦服務(wù)使非隱私關(guān)切型用戶心理預期價格高于產(chǎn)品價格，市場銷量實現(xiàn)正增長；在YM市場情形中，關(guān)閉個性化推薦服務(wù)消除了用戶隱私顧慮，但由此帶來的心理預期價格增量不足以彌補產(chǎn)品價格上漲幅度，故市場銷量減少。此外，在MM市場中，隱私關(guān)切型用戶的市場占比和隱私關(guān)切程度越高，產(chǎn)品價格上漲給市場銷量帶來的負向影響作用越大。因此，為使個性化推薦取得更好的服務(wù)效果，全渠道零售商應(yīng)做好兩個方面的工作：一是盡可能消除由在線購物引發(fā)的隱私風險，及時回應(yīng)用戶對在線購物的隱私關(guān)切問題，強調(diào)品牌的隱私保護價值導向，降低隱私關(guān)切型用戶的隱私關(guān)切程度；二是進一步加強在線購物平臺的用戶隱私管理，為用戶提供隱私信息選擇權(quán)限，盡可能將隱私關(guān)切型用戶轉(zhuǎn)化為非隱私關(guān)切型。

命題9 "在NM和YM市場情形中，實施PR策略是全渠道零售商的最優(yōu)策略；在MM市場情形中，全渠道零售商選擇實施PR策略必須滿足下列條件之一：（a）當δ7≥1和0＜δ＜δ2時；（b）當A＞0，0＜δ7＜1和δ2＞δ7時；（c）當A＞0，0＜δ7＜1和δ2＜δ7，且當0＜δ＜δ2或δ7＜δ＜1時；（d）當A＜0，0＜δ7＜1和δ2＞δ7，且當0＜δlt;min{δ6，1}時；（e）當A＜0，0＜δ7＜1和δ2lt;δ7，且當0＜δ＜δ2或δ7＜δ＜min{δ6，1}時。

由命題9可知，個性化推薦策略使得NM市場和YM市場的全渠道零售商獲取了更高收益。原因在于，在NM市場中，個性化推薦服務(wù)作為全渠道零售商吸引用戶在線購物舉措，有效刺激了市場需求并提高用戶的預期產(chǎn)品價格；在YM市場中，個性化推薦服務(wù)允許用戶隱藏個人隱私信息，使得隱私關(guān)切型用戶愿意支付高額溢價，盡管市場銷量較之前有所下降，但價格增長幅度高于市場銷量減少幅度，故全渠道零售商的收益增加。然而，在MM市場情形中個性化推薦策略并不總是全渠道零售商的最優(yōu)策略。盡管全渠道零售商能夠制定高價格決策，但市場銷量并不總能實現(xiàn)正增長，且價格增長帶來的利潤增量并不一定會能彌補市場銷量減少的利潤減量。這是由于當市場中同時存在兩種隱私類型用戶時，隱私關(guān)切型用戶市場占比負向作用于全渠道零售商的個性化推薦決策。當市場中隱私關(guān)切型用戶較多時，全渠道零售商只能采用低水平的個性化推薦服務(wù)，而這使得非隱私關(guān)切型用戶不再愿意支付高額價格，并有可能放棄購買產(chǎn)品。全渠道零售商只能降低產(chǎn)品價格來刺激用戶在線購物，但低價決策并不一定能有效刺激市場需求，最終可能導致全渠道零售商利潤呈現(xiàn)負增長趨勢。因此，在MM市場情形中，全渠道零售商需要謹慎采用個性化推薦策略：當不采用個性化推薦服務(wù)為占優(yōu)策略時，全渠道零售商應(yīng)著重于對產(chǎn)品的詳細展示，并提供實時客服支持讓用戶更全面地了解產(chǎn)品及其功能，減少由在線購物時用戶無法感知產(chǎn)品真實價值而造成的退貨；當采用個性化推薦服務(wù)為占優(yōu)策略時，全渠道零售商應(yīng)著重于滿足用戶的隱私保護需求，強調(diào)數(shù)據(jù)保護和隱私安全措施，并借助其他用戶個性化推薦反饋來吸引隱私關(guān)切型用戶使用個性化推薦服務(wù)。

四、算例分析

現(xiàn)在通過參數(shù)賦值來檢驗μ、δ、λ和β對各市場情形中全渠道零售商實施PR策略前后利潤的影響機制，以此來驗證三種隱私市場PR策略的實施條件。根據(jù)趙曉敏等［28］、嚴建援等［31］、楊文勝等［32］、司銀元等［33］和謝軍等［34］的參數(shù)設(shè)定方法，遵從假設(shè)及參數(shù)間的比例關(guān)系，相關(guān)參數(shù)賦值如下：c=0.2，ω=0.6，k=1，r=0.06，a=1，b=0.5，γ=0.3，β、μ∈［0，0.5］，δ、λ∈［0，1］。由此，得到在NM市場和YM市場情形中全渠道零售商實施PR策略前后的利潤值對比圖，如圖2和圖3所示。

由圖2可知，在NM市場情形下，未實施PR策略時全渠道零售商利潤隨μ單調(diào)遞減，實施PR策略后全渠道零售商利潤隨μ單調(diào)遞減、隨β單調(diào)遞增，這也驗證了命題1和命題4。可以發(fā)現(xiàn)，無論是否采用PR策略，高μ值均會使全渠道零售商利潤大幅減少，即便在高β值下全渠道零售商也未能取得較高收益。由圖1易知，在任意μ和β值下，實施PR策略后全渠道零售商的利潤值表現(xiàn)更好，故其在NM市場中會選擇實施PR策略。

由圖2還可發(fā)現(xiàn)，當μ較?。é獭?）時，隨著β的增加，實施PR策略前后的全渠道零售商的利潤差距增加，即此時采用PR策略對利潤的增加貢獻較為顯著。因此，在NM市場中全渠道零售商應(yīng)降低基礎(chǔ)退貨量和強化用戶對個性化推薦服務(wù)的偏好程度，具體可實施兩項舉措：一是通過返現(xiàn)、優(yōu)惠券等獎勵方式鼓勵用戶對產(chǎn)品進行在線評價，深度分析用戶評價信息，挖掘用戶真實需求，向用戶推薦更準確的產(chǎn)品，減少由產(chǎn)品不匹配引起的基本退貨量；二是深度優(yōu)化個性化推薦界面，設(shè)計更加簡潔、美觀、方便的推薦頁面，提高用戶對個性化推薦服務(wù)的偏好程度。

圖3中黑色曲面左側(cè)為未實施PR策略時全渠道零售商開啟線上平臺的無效區(qū)域，黑色曲面右側(cè)則為開啟線上平臺的有效區(qū)域。在有效區(qū)域內(nèi)，實施PR策略后的零售商利潤值高于其未實施PR策略時的利潤，且在無效區(qū)域內(nèi)零售商實施PR策略后的利潤值表現(xiàn)為正值，故PR策略是在YM市場情形中全渠道零售商的最優(yōu)選擇。與NM市場一致，隨著μ的增大，全渠道零售商利潤采用PR策略后所帶來的利潤增長的效果減弱。此外，在未實施PR策略時的有效區(qū)域內(nèi)，零售商利潤隨μ（δ）單調(diào)遞減（增），實施PR策略后零售商利潤隨μ單調(diào)遞減，命題2和命題5得證。

觀察圖3可知，在YM市場情形中，實施PR策略后全渠道零售商的利潤明顯增加，但利潤隨μ的增加而大幅減少。對比圖2和圖3可知，實施PR策略且當μ較低時，與YM市場相比，較高的β值使NM市場的利潤實現(xiàn)了跨越式增長。所以，在YM市場中全渠道零售商應(yīng)考慮如何弱化隱私關(guān)切型用戶的隱私關(guān)切程度，從而鼓勵用戶使用個性化推薦服務(wù)，可以考慮兩項舉措：一是引入更加安全的數(shù)據(jù)保護技術(shù)，降低隱私信息風險，為用戶提供更可靠的在線購物環(huán)境；二是向用戶告知個性化推薦服務(wù)的數(shù)據(jù)使用范疇和用途，對產(chǎn)品價格信息進行全時段披露，促進用戶對在線購物平臺的認可。

在MM市場中全渠道零售商實施PR策略的限制因素較多，此處采用四組參數(shù)值：（a）β=0.1，μ=0.1；（b）β=0.4，μ=0.1；（c）β=0.1，μ=0.4；（d）β=0.4，μ=0.4，旨在對比分析 δ和λ的變化對不同PR策略下全渠道零售商利潤的影響，分別對應(yīng)圖4（a）、圖4（b）、圖4（c）和圖4（d）。

由圖4可知，基于給定的其他參數(shù)值，在不同μ和β值下，有效區(qū)域內(nèi)MM市場實施PR策略后的利潤值均高于未實施PR策略時，且在無效區(qū)域內(nèi)零售商實施PR策略后的利潤值為正，故采用個性化推薦服務(wù)是有益的。對比圖4（a）和圖4（b）可知，當隱私關(guān)切型用戶市場占比λ趨向于0時，實施PR策略后的利潤隨β單調(diào)遞增幅度增大，與未實施PR策略時的利潤差增大；對比圖4（c）和圖4（d）可知，當隱私關(guān)切系數(shù)δ趨近于1時，實施PR策略前后的利潤差逐漸縮小，但較高β值下的利潤差呈現(xiàn)增大趨勢。

對比圖4（a）和圖4（c）、圖4（b）和圖4（d）可知，當μ增加時，無論是否實施PR策略，全渠道零售商的利潤都會下降。即使β值較高，低μ值使全渠道零售商只能獲得較低收益，且實施PR策略前后的利潤差也隨μ的增加而減小。由此可知，無論μ值如何，全渠道零售商的利潤隨β增加的幅度較??；而β不變時，利潤隨μ遞減的幅度較大，即β對利潤的影響遠小于μ對利潤的影響。

因此，在MM市場中全渠道零售商應(yīng)考慮如何降低基本退貨量，并盡可能降低隱私關(guān)切型用戶的隱私關(guān)切程度和市場占比，這可以最大程度地發(fā)揮PR策略的優(yōu)勢；且若市場中隱私關(guān)切型用戶較少時，全渠道零售商應(yīng)采取有效措施增加用戶對個性化推薦的偏好程度（提升β值），從而獲取更高利潤。這里，對于MM市場中可考慮三項舉措：一是全渠道零售商可在自有平臺開設(shè)社群板塊，鼓勵用戶在社群板塊進行產(chǎn)品分享，通過個性化推薦成功案例展示等方式，增加用戶對個性化推薦服務(wù)的偏好程度；二是深度挖掘社群板塊中用戶分享的信息，提高個性化推薦的精準度，給予產(chǎn)品或服務(wù)的使用說明及一些風險事項提醒，降低退貨的概率；三是針對隱私關(guān)切型用戶，零售商可在平臺中增設(shè)安全板塊，向用戶告知平臺采用個性化推薦服務(wù)的安全性和便捷性，鼓勵用戶使用個性化推薦服務(wù)。

五、結(jié)論

在線購物在給用戶提供便利的同時，也增加了退貨和用戶隱私關(guān)切行為的概率?；诖耍疚姆謩e構(gòu)建了三種隱私市場的全渠道零售商利潤函數(shù)，求解并分析了在未采用或者采用個性化推薦策略下，全渠道零售商的最優(yōu)價格、市場銷量以及利潤，得出各隱私市場的最優(yōu)定價和個性化推薦決策。主要結(jié)論有五個。第一，基本退貨量負向影響零售商利潤，故零售商應(yīng)盡可能地收集和分析用戶偏好信息，精準推薦符合用戶需求的產(chǎn)品。第二，隱私關(guān)切型用戶的隱私關(guān)切程度及其市場占比與零售商利潤成負相關(guān)。零售商應(yīng)為用戶提供相應(yīng)的隱私保護服務(wù)，并盡可能降低隱私風險的負面影響。第三，個性化推薦精度敏感系數(shù)正向影響零售商利潤。為獲取更高利潤，零售商應(yīng)提升用戶對個性化推薦服務(wù)的偏好程度，并優(yōu)化個性化推薦頁面和提高個性化推薦的精確性。第四，實施個性化推薦策略后，三種隱私市場中零售商均可實現(xiàn)更高的產(chǎn)品定價，且非隱私關(guān)切型市場中的價格最高，故全渠道零售商應(yīng)著重消除用戶對隱私信息的關(guān)切行為，吸引更多隱私關(guān)切型用戶使用個性化推薦服務(wù)。第五，在（非）隱私關(guān)切型市場全渠道零售商實施個性化推薦策略可有效增加利潤，但在混合型用戶市場中，其利潤取決于隱私關(guān)切型用戶隱私關(guān)切程度和市場占比的共同作用，即個性化推薦策略并不總是全渠道零售商的最佳選擇。

本文的研究還存在一定缺陷，如只考慮了純線上渠道產(chǎn)品通過“線上購買+郵寄退貨”方式退回至在線購物平臺，而目前像UNIQLO、ZARA等全渠道零售商同時支持“線上購買+郵寄退貨”和“線上購買+線下退貨”的跨渠道退貨行為。此外，個性化推薦服務(wù)等與市場競爭相關(guān)的問題［35-36］，也是值得關(guān)注的研究點，故未來研究可深入到跨渠道退貨策略下用戶的隱私關(guān)切行為對全渠道零售商的決策影響，并進一步探究不同隱私情形下個性化推薦策略的實施條件。

參考文獻：

［1］ " ACIMOVIC J， GRAVES S C. Mitigating spillover in online retailing via replenishment［J］.Manufacturing amp; Service Operations Management，2017，19（3）：419-436.

［2］ " 周濤，魯耀斌.隱私關(guān)注對移動商務(wù)用戶采納行為影響的實證分析［J］.管理學報，2010（7）：1046-1051.

［3］ " TANG Z， HU Y U， SMITH M D. Gaining trust through online privacy protection： self-regulation， mandatory standards， or caveat emptor［J］. Journal of Management Information Systems，2008，24（4）：153-173.

［4］ " CHEN Y， ？魻ZER ？魻. Supply chain contracts that prevent information leakage［J］.Management Science，2019，65（12）：5619-5650.

［5］ " KE T T， SUDHIR K. Privacy rights and data security： GDPR and personal data markets［J］.Management Science， 2022，69（8）：4389-4412.

［6］ " 劉金榮，徐琪，陳啟.考慮網(wǎng)絡(luò)退貨和渠道成本時全渠道BOPS定價與服務(wù)決策［J］.中國管理科學，2019（9）：56-67.

［7］ " 趙菊，程薇嘉，邱菊，等.考慮跨渠道退貨的BOPS全渠道策略［J］.系統(tǒng)工程學報，2022（1）：104-116.

［8］ " 陳彥，曲洪建.考慮預售與退貨的全渠道服裝BOPS零售策略［J］.工業(yè)工程與管理，2021（5）：140-149.

［9］ " 陳飔佳，官振中.消費者失望厭惡下全渠道零售商退貨策略研究［J］.中國管理科學，2023（11）：217-227.

［10］ 葛晨晨，朱建軍.考慮異質(zhì)性顧客多重交互行為的全渠道競爭策略研究［J］.系統(tǒng)工程理論與實踐，2023（5）：1395-1413.

［11］ 鄭海，向發(fā)佳，楊莎.均衡發(fā)展：數(shù)字經(jīng)濟與數(shù)據(jù)法治化治理研究［J］.重慶文理學院學報（社會科學版）：2023（1）：87-99.

［12］ ACQUISTI A， VARIAN H R. Conditioning prices on purchase history［J］.Marketing Science，2005，24（3）：367-381.

［13］ CHEN Z， CHOE C， MATSUSHIMA N. Competitive personalized pricing［J］.Management Science，2020，66（9）：4003-4023.

［14］ CASADESUS-MASANELL R， HERVAS-DRANE A. Competing with privacy［J］.Management Science，2015，61（1）：229-246.

［15］ MONTES R， SAND-ZANTMAN W， VALLETTI T. The value of personal information in online markets with endogenous privacy［J］.Management Science，2019，65（3）：1342-1362.

［16］ 張嵩，趙佳莉，吳劍云.LBS的隱私關(guān)注與采納意向的模型構(gòu)建及實證［J］.計算機集成制造系統(tǒng)，2018（2）：524-532.

［17］ 王樂，王璐瑤，孫早.隱私侵犯經(jīng)歷對網(wǎng)絡(luò)用戶自我披露的影響機制［J］.系統(tǒng)工程理論與實踐，2020（1）：79-92.

［18］ 程佳聰.電子商務(wù)中的誠信危機與對策探析［J］.重慶文理學院學報（社會科學版），2009（1）：55-58.

［19］ 劉百靈，楊世龍，李延暉.隱私偏好設(shè)置與隱私反饋對移動商務(wù)用戶行為意愿影響及交互作用的實證研究［J］.中國管理科學，2018（8）：164-178.

［20］ 楊海芳，王明征.基于最小化信息損失的用戶隱私保護方法［J］.系統(tǒng)工程理論與實踐，2021（2）：483-497.

［21］ LI X， GRAHL J， HINZ O. How do recommender systems lead to consumer purchases？ a causal mediation analysis of a field experiment［J］.Information Systems Research，2022，33（2）：620-637.

［22］ SONG Y， SAHOO N， OFEK E. When and how to diversify： a multi-category utility model for personalized content recommendation［J］.Management Science，2019，65（8）：3737-3757.

［23］ WANG C， ZHENG Y， JIANG J， et al. Toward privacy-preserving personalized recommendation services［J］. Engineering，2018，4（1）：21-28.

［24］ ADOMAVICIUS G， BOCKSTEDT J C， CURLEY S P， et al. Effects of online recommendations on consumers’ willingness to pay［J］.Information Systems Research，2018，29（1）：84-102.

［25］ BASTANI H， HARSHA P， PERAKIS G， et al. Learning personalized product recommendations with customer disengagement［J］.Manufacturing amp; Service Operations Management，2022，24（4）：2010-2028.

［26］ 王偉軍，王陽，王玉珠，等.移動商務(wù)用戶個性化推薦采納行為影響因素的實證研究［J］.系統(tǒng)管理學報，2017（5）：816-823.

［27］ XU Z， DUKES A. Personalization from customer data aggregation using list price［J］.Management Science，2022，68（2）：960-980.

［28］ 趙曉敏，胡淑慧.網(wǎng)購環(huán)境下在線零售商的退貨運費承擔策略研究［J］.中國管理科學，2019（1）：53-62.

［29］ 綦勇，侯澤敏，曹金霞.差異化隱私數(shù)據(jù)保護政策下的廠商數(shù)據(jù)利用策略研究［J/OL］.中國管理科學：1-13.（2023-03-21）［2023-08-26］.https：//doi.org/10.16381/j.cnki.issn1003-207x.2022.0763.

［30］ DAN B， XU G， LIU C. Pricing policies in a dual-channel supply chain with retail services［J］.International Journal of Production Economics，2012，139（1）：312-320.

［31］ 嚴建援，李雅婷.考慮個性化增值服務(wù)的BOPS交叉渠道運營研究［J］.工業(yè)工程與管理，2019（3）：130-138.

［32］ 楊文勝，李宗活，司銀元，等.BOPS零售模式下考慮信息共享的電子優(yōu)惠券投放策略［J］.工業(yè)工程與管理，2021（2）：179-187.

［33］ 司銀元，楊文勝，劉森，等.考慮消費者網(wǎng)購偏好行為的企業(yè)定向優(yōu)惠券投放策略［J］.系統(tǒng)工程，2020（1）：36-44.

［34］ 謝軍，黃鶴.考慮消費者退貨的電商平臺營銷策略研究［J/OL］.中國管理科學：1-12.（2022-08-11）［2023-08-20］.https：//doi.org/10.16381/j.cnki.issn1003-207x.2021.1173.

［35］ 王筱婷，曾遠.論數(shù)據(jù)在市場支配地位認定條款中的影響［J］.重慶文理學院學報（社會科學版），2023（1）：103-116.

［36］ 孫裕金.互動、情感、消費——直播打賞的社會學詮釋［J］.長江師范學院學報，2023（6）：46-53.

責任編輯：吳 " 強；校對：穆 " 剛

Research on Pricing and Personalized Recommendation Decisions for Omnichannel Retailer Considering Returns and User Privacy Concerns

ZHOU Yali1， LIN Rui2， CHENG Jinshi1

（1. School of Economics and Management， Anhui Polytechnic University， Wuhu Anhui 241000， China;

2. School of Economics and Management， Chongqing University of Arts and Sciences， Yongchuan Chongqing 402160， China）

Abstract： Currently， some retailers provide users with BOPS（Buy Online and Pick-up in Store） omni-channel shopping model and personalized recommendation service through their own online platforms. However， there are two drawbacks in online shopping. Firstly， the frequent occurrence of privacy information security incidents on online shopping platforms has caused users to worry about their personal privacy information. Secondly， online shopping can easily lead to a mismatch between users and products， reducing users’ willingness to make online purchases. In order to stimulate consumers’ online shopping demand， omni-channel retailer provides users with no-excuse return service and a personalized recommendation closure option. Based on the market background of no reason to return， considering the user’s privacy concern behavior， the market is divided into three categories： non-privacy concerned market， privacy concerned market， and mixed market. Six decision models are constructed to analyze the impact of return and privacy concern behavior on the profit， pricing and personalized recommendation decision of the omni-channel retailer. The study shows that： 1）Whether the omni-channel retailer implements a personalized recommendation strategy or not， the increase in the basic return volume， degree of privacy concerns and market share of privacy-concerned consumers will result in a reduction in retail prices， market sales， and profits. 2）After implementing the personalized recommendation strategy， the omni-channel retailer is able to set a higher retail price in each of the three types of markets， retail prices and profits of the omni-channel retailer increase monotonically with the personalized recommendation accuracy sensitivity factor. 3）After the omni-channel retailer adopts the personalized recommendation strategy， the profits of the non-privacy-concerned market and the privacy-concerned market have achieved positive growth， and the retailer can open the online shopping platform at a higher degree of privacy concerns. The implementation of the personalized recommendation strategy by the omni-channel retailer in a mixed market is subject to more constraints， which means that the adoption of the personalized recommendation strategy is not necessarily conducive to the retailers’ profit growth.

Key words： privacy concerns； return without reasons； BOPS； personalized recommendation； pricing strategy

收稿日期：2023-11-16

基金項目：安徽省哲學社會科學規(guī)劃項目“再生資源回收活動獎懲政策下的成員沖突分析”（AHSKY2022D114）。

作者簡介：周雅莉（1996— ），女，安徽銅陵人，碩士研究生，主要從事供應(yīng)鏈管理與優(yōu)化研究和消費者行為研究；林銳（1979— ），男，四川武勝人，副教授，碩士，主要從事管理決策研究；程晉石（1978— ），男，安徽淮南人，教授，博士，博士生導師，主要從事供應(yīng)鏈管理與優(yōu)化和消費者行為研究。