消费者两阶段选择行为模型研究

第３４卷第５期２０１２年１０月

上海管理科学

ＳｈａｎｇｈａｉＭａｎａｇｅｍｅｎｔＳｃｉｅｎｃｅ

Ｖｂｌ．３４Ｎｏ．５Ｏｃｔｏｂｅｒ．２０１２

文章编号：１００５－９６７９（２０１２）０５一０１９．０６

消费者两阶段选择行为模型研究

赵藜１

田澎１李相勇２

（１．上海交通大学安泰经济与管理学院，上海２０００５２；

２．同济大学经济与管理学院，上海２０００９２）

综述了消费者两阶段选择行为模型的相关文献，介绍了消费者两阶段选择的理论，探讨了在

产品品牌营销与收益管理中消费者两阶段选择行为模型的主要研究内容与方法，总结了其学术贡献与局限，提出了未来研究方向。

关键词消费者行为两阶段选择行为品牌营销收益管理

摘要

中图分类号：Ｆ２７２

文献标识码：Ａ

１

消费者两阶段选择行为理论研究现状

众多研究者从不同的角度研究了消费者两阶段选择行为，对消费者两阶段选择行为的定义已经达成共识，概括地说，由于消费者决策启发式决策规则（ｈｅ埘ｓｔｉｃｄｅｃｉｓｉｏｎ１１ｌｌｅｓ）的存在，消费者通常只会从部分产品中选择购买产品，即采用

两阶段选择模型：在第一阶段（浏览阶段），消费

较不同产品时所产生的选择成本的理论和方法，给出了选择子集的产生原凶与形成方法。当消费者使用各种简化的决策策略时，该理论提供了对

成本的分析测量。Ｈａｕｓｅｒ与ｗｂｍｅ疵ｌｔ（１９９０）进

一步拓展了ｓｈｕｇａｎ（１９８０）的理论，他们指出，如果消费者的效用随着不同的消费场合变化的话，一个理性消费者在形成选择子集时，会权衡决策

成本和从一个更大选择子集中挑选产品带来的额外收益之间的大／Ｊ、。Ｈａｕｓｅｒ与ｗｅｍｅｒｆｅｌｔ（１９９０）

者从可用的产品中选择一个选择子集，在第二阶段（购买阶段），消费者从精简的选择子集中购买

产品（Ｈａｕｓｅｒ等，２００９）。

为了便于讨论，综合了众多研究者的观点，本文先介绍消费者两阶段选择行为理论。文献给出了消费者两阶段选择行为的定义与特征，并对消费者两阶段选择行为对企业营销决策产生的影响展开研究。表１总结了消费者两阶段选择行为理论的主要研究问题与角度。本文将重点从选择子集、品牌回想以及决策启发式规则这三个方面展开讨论。

表１

研究问题选择子集品牌回想决策启发式规则

进而提出通过评估一个品牌能够减少对已知效用的认识偏差和不确定性，而且他们给出了评估是

否将一个品牌放入选择子集的决策指标的分析表达式，并且推导出选择子集大小的分布。

随着研究的深入，研究者们发现，选择子集

的形成方法可以是（ｉ）基于记忆的（ｍｅｍｏｒｙ＿ｂａｓｅｄ）

或者基于外界刺激（ｓｔｉｍｕｌｕｓ－ｂａｓｅｄ）；或（ｉｉ）基

于产品属性的（ａｔｔｒｉｂｕｔｅ＿ｂａｓｅｄ）或者产品品牌的（ｂｒａｎｄ－ｂａｓｅｄ）或（ｉｉｉ）静态的或者动态的（Ｍａｎｒａｉ

与ＡＪｌｄｒｅｗｓ，

消费者两阶段选择行为理论

研究角度产生原因形成方法影响因素存在条件测量方法分类与定义

１９９８）。Ｈａｕｓｅｒ等（２００９）指出营销

管理行为可以直接影响选择子集，且消费者行为方面的研究表明，选择子集决策与赡买决策在产生原因以及形成方法上有着根本性的不同。１．２品牌回想

由于选择子集形成的方法之一就是基于记忆，

品牌回想也是消费者两阶段选择行为中一个重要

１．１选择子集

Ｓｈｕｇａｎ（１９８０）较早地提出了关于消费者比

的研究问题，其中，品牌回想的影响因素是研究

者比较关心的内容。例如，Ｎｅｄｕｎｇａｄｉ（１９９０）指

基金项目：国家自然科学基金（７１１０１１０５）。

作者简介：赵藜，上海交通大学安泰经济与管理学院博士研究生，研究方向：收益管理与定价策略；田澎，上海交通大学安泰经济与管理学院教授，博士生导师；李相勇，同济大学经济与管理学院教授。

上海管理科学

第３４卷

出对于一些基于记忆而做出的品牌选择而言，消

费者必须能够回想起该品牌，如果消费者不能回

忆起该品牌，可能导致他们购买其他品牌。他们

的结果表明，记忆对于品牌选择有影响，而且品

牌的可触及性（ａｃｃｅｓｓｉｂｉｌｉｔｙ）可能影响品牌回想。Ｈｕｔｃｈｉｎｓｏｎ等（１９９４）进而开发了一个一般的马尔科夫模型将回想的可能方面与消费者和营销混合变量联系起来。其中，模型可以被用作估计品牌变量效应和个人使用率对回想延迟的影响。１．３决策启发式规则

在选择子集和品牌回想研究的基础上，研究者发现不同类型消费者采用不同的决策启发式规则来帮助他们确定选择子集，而且决策启发式规

则具有普遍性，它与选择子集以及产品的最终购

买概率息息相关。然而，决策启发式规则却是十分复杂的，是研究最活跃和最广泛的课题之一。下面将从决策启发式规则的存在条件、测量方法以及分类与定义三个方面重点阐述。

１．存在条件

消费者在许多情况下，但不是所有的情况下，采用启发式规则来筛选产品。Ｈａｕｓｅｒ（２０１１）指出，当有许多产品需要筛选（或一个产品的许多方面需要评估）时，消费者在下列情境下，更趋向于使用启发式决策规则：

（１）多产品；（２）成熟产品；

（３）需要评估多个产品特性；

（４）存在时间压力：

（５）消费者具有完成任务的认知方式；

（６）消费者构建了良好的决策启发式规则。２．测量方法

许多营销决策包括产品开发、市场沟通、营销促销等，都需要对消费者这种启发式选择子集规则做出反应。随着ｇｒｅｅｄｏｉｄ方法、贝叶斯推导（ｂａｙｅｓｉａｎｉｎｆｅｒｅｎｃｅ）、机器学习（ｍａｃｈｉｎｅ．

１ｅａｍｉｌｌｇ）、激励对应

（ｉｎｃｅｎｔｉｖｅ

ａｌｉｇｌｌｌｌｌｅｎｔ）和测量

形式（ｍｅａｓｕｒｅｍｅｎｔ

ｆｏ蛐ａｔ）等方法的发展，使得

经济有效地理解、量化和模拟各种启发式成为可

能。ｖｒｏｏｍｅｎ等（２００１）提出了一个基于人工智能的参数计量模型，其中，他们假设选择子集是不可知的，并且给出了模型的参数估计。

３．分类与定义

决策启发式规则可以是理性的，因为消费者权衡认知或搜索成本与从选择子集中选择的效用之间的大小有关。启发式规则也可以是环保理性的，因为消费者可以依赖市场规则而忽略某些特性。总体丽言，选择子集的决策启发式规则可以分

为两大类非补偿性的决策规则（ｎｏｎ－ｃｏｍｐｅｎｓａｔｏ拶ｃｈｏｉｃｅｍｌｅｓ）与补偿性的决策规则（ｃｏＩｎｐｅｎｓａｔｏ哆ｃｈｏｉｃｅｒｕｌｅｓ），在这两大类下，根据消费者对产品属性偏好的决策方法，又可以进一步分为分离的（ｄｉｓｊｌｎｌｃｔｉｖｅ）、关联的（ｃｏｎｊｕＩｌｃｔｉｖｅ）、子集关联的（ｓｕｂｓｅｔｃｏ画蛐ｃｔｉｖｅ）、分离关联的（ｄｉｓｊｕｎｃｔｉｏｎｓｏｆ

ｃｏｎ｛ｕｎｃｔｉｏｎｓ，ＤｏＣ）、按属性刳｝Ｉ涂的（ｅｌｉｍｉｎａｔｉｏｎ—ｂｙ—ａｓｐｅｃｔｓ，ＥＢＡ）、排序的（１ｅｘｉｃｏｇｒａｐｈｉｃ）、加法的（ａｄｄｉｔｉｖｅ）、相等权重的（ｅｑｕａｌｗｅｉｇｈｔｓ）、线性的（１ｉｎｅａｒ）以及取正的（ｔａｌｌｙｉｎｇ）启发式决策规

则（Ｈａｕｓｅｒ等，２００９）。通常来说，非补偿的决策规则比补偿决策规则在认知上更加简单。

Ｈａｕｓｅｒ等（２００９）综述且比较了关于选择子集决策启发式规则的文献，总结了两阶段行为决策启发式规则的分类与定义。另外，他们从实证角度综合地概括了这些文献在数据采集程序、预

测方法、潜在的理论模型上的区别，以及对于不

同的产品类别特性，应该采用哪种文献方法。表２给出了两阶段行为决策启发式规则的分类与定义（Ｈａｕｓｅｒ等，２００９）。值得注意的是，近年来，不断有新的决策启发式规则被研究者发现和验证，根据产品品类、销售渠道以及消费者类型等因素

的不同，消费者选择模型应该选择不同的决策启发式规则。

综上所述，消费者两阶段行为理论确立的消

费者选择子集、品牌回想与决策启发式规则的概念、特征以及形成方法为消费者两阶段选择行为

的应用研究奠定了基础。需要指出的是，正确应用消费者选择子集与决策启发式规则是两阶段选择行为建模的两个关键因素，它们的选择直接影响消费者选择模型与规划模型（动态定价规划、品类规划以及库存规划等模型）的预测准确性，进而影响企业的营销策略。

２消费者两阶段选择行为模型研究现状

在上述消费者两阶段行为理论的基础上，品牌营销学者最早研究两阶段选择模型。研究者提出了众多模型来推导消费者两阶段选择行为与产品选择之间的关系，然后应用实证方法来验证不同产品品类下消费者两阶段选择行为与产品最终购买概率之间的关系，为分析消费者两阶段行为

与销售概率之间的关系做了大量的工作。然而，上述研究大多在假定价格等营销策略是既定的前

提下进行的，关于消费者两阶段行为对企业收益与营销策略的影响方面研究却很少。近几年，收益管理方面的研究学者也开始运用选择子集与决

策启发式规则的相关概念将消费者两阶段行为引

入产品动态定价、晶类规划、库存控制等方面，

第５期赵藜，等：消费者两阶段选择行为模型研究

表２决策启发式规则分类与定义（Ｈａｕｓｅｒ等。２００９）

规则类型

（ｍｌｅｔｙ］ｐｅ）

决策规则

（ｉＩｃｃｉｓｉｏｎｍｌｅ）

决策规则的描述

（ｄｅｓｃ邱ｔｉｏｎ

ｏｆｄｅｃｉｓｉｏｎ

ｎ１１ｅ）

非补偿性的

（ｎｏｎ—ｃｏｍｐ锄ｓａｔｏ搿）

一种属性的存在与否不太可能用其他属性进行补偿

关联的（ｃｏｎｊｕｎｃｔｉｖｅ）

分离的（ｄｉｓｊ吼ｃｔｉｖｅ）排序的

当产品具有所有“必备”的属性，且没有“不应有”的属性时，消费者会考虑该产品

当产品具有一种或多种“必备”属性时，消费者会考虑该产品

首先对属性进行排序，然后根据属性的排名对产品进行排序，消费者然后选择排名最前的ｎ个产品

首先对属性进行排序，首先排除所有不具有排名最高属性的产品，然后排除所有不具有排名第二属性的产品，以此类推，消费者考虑剩下的ｎ个产品选取最能区分是否考虑该产品的属性，然后消费者选择所有具有该属性的产品如果产品具有“ｓ”个“必备”属性，消费者就考虑该产品

如果产品具有（不具有）一种或多种“必备”（“不应有”）属性时，消费者就考虑该产品

一种或多种属性可以补偿另外一种属性的缺失

加法的

（ａｄｄｉｔｉｖｅ）

（１ｅｘｉｃｏ鲫ｈｉｃ－ｂｙ—ａＳｐｅｃｔｓ）

按属性排除的

（ｅｌｉｍ抽ａｔｉｏｎ＿ｂｙ－唧ｅｃ乜，ＥＢＡ）

取最好的

（ｔａｋｅｔｈｅｂｅｓｔ）

子集关联的

（ｓｕｂｓｅｔ

ｃｏｎｊｕｎｃｔｉｖｅ）分离关联的

（ｄｉｓｊ瑚ｃｔｉｏ璐ｏｆｃｏ面皿ｃｔｉｏｎｓ，ＤＯＣ）

补偿性的

（ｃｏｍｐｅｎｓａｔｏｒｙ）

产品的效用是每种属性部分价值的和，消费者考虑超过一定阈的ｎ个产品产品的效用是每种属性特征值的和，通常应用于连续属性值的情况，消费者考虑超过一定阈的ｎ个产品

产品的效用是考虑权重的每种属性特征值的和，通常应用于连续属性值的情况，消费者考虑超过一定阈的ｎ个产品

当属性是两进制时，消费者考虑计算值为正属性的产品

相等权重的

（ｅｑＩｌａｌｗｅｉ９１Ｉｔｓ）

线性的

（１ｉｎｅａｒ）

取正

（ｔａｌｌｙｉｎｇ）

开发了多个规划模型。由于计算的复杂性，研究者还开发了与之相适应的近似算法。下面从品牌营销和收益管理这两大研究领域分别进行阐述。表３总结了消费者两阶段选择行为应用研究的分

类和比较。

ＭＮＩ选择模型研究了用户在网上购物点（ｓｈｏｐｂｏｔｓｉｔｅｓ）的选择决策，其中，选择子集包含了购物点提供给用户的商品。他们的研究发现网络销售商的产品价格和品牌在用户选择决策中起到重要

的决定作用。ｗｕ与Ｒ觚ｇａｓｗ锄ｙ（２００３）通过

一个网上杂货商的顾客在线点击流数据（ｏｎｌｉｎｅｃｌｉｃｋｓ仃ｅａｍｄａｔａ），开发了一个一般模型，该模型加入了消费者搜索是如何影响他们考虑各种品牌程度的因素，且他们发现有些产品特征能影响选

择子集的大小。

２．１品牌营销中的实证模型

研究者首先证明消费者两阶段行为的存在性，然后提出消费者两阶段选择行为和产品选择之间的相互作用，接着论证消费者两阶段选择行为中的各个参数（例如：选择子集，产品属性，决策启发式规则等）与最终产品购买概率之间的相互关系。

１．存在性与购买概率的实证模型

Ｂｅｎ—Ａｋｉｖａ与Ｂｏｃｃａｒａ（１９９５）通过引入消

３．决策启发式规则的实证模型

在两阶段模型的基础上，Ｍｏｅ（２００４）通过一个网络零售上的消费者的点击流数据，应用实证方法对消费者两阶段转化行为进行建模，她的研究结果表明通过消费者点击的产品种类，浏览时间，浏览顺序，消费者的历史购买记录以及决策启发式规则等能够预测消费者购买产品的概率，进而可以优化零售商的营销策略。Ｇｉｌｂｒｉｄｅ与Ａ１１ｅｎｂｙ（２００４）提出了一个包含分离的、关联的

以及互补的决策启发式规则的离散选择模型。他

费者选择子集形成过程中的随机约束效应和偏好与态度的影响来拓展离散选择模型。Ａｎｄｒｅｗｓ与ｓｒｉｎｉｖａｓａｎ（１９９５）开发了一个选择子集形成模型，该模型可以直接使用扫描数据来预测销售表现（消

费者购买概率），而不需要结合消费者选择子集的报告。

２．产品属性与选择子集的实证模型

Ｂｒｏ皿ｅｎｂｅｒｇ与、，抽ｈｏｎａｃｋｅｒ（１９９６）提出了一个两阶段选择过程，他发现消费者对于货架上价

格变化的反应仅限于在选择子集中的品牌（称为局部价格反应）。ＢｒｙｒＩｊｏｌｆｓｓｏｎ与ｓｍｉⅡｌ（２０００）用

们的研究结果表明，超过９０％的受访者使用一个或多个产品属性来筛选产品。在Ｍｏｅ（２００４）的基础上，Ｍｏｅ（２００６）进一步对一个网络零售商的两组营养产品类别的产品浏览和选择进行建模，

上海管理科学

表３消费者两阶段选择行为的应用研究

研究领域

研究方法

研究问题选择子集与购买概率产品属性与选择子集

具体内容

验证了消费者两阶段选择行为的选择子集的影响因素考察了消费者两阶段选择行为和购买概率之间的关系考察了消费者两阶段选择行为中选择子集与产品选择的关系验证了消费者两阶段选择行为与产品属性的关系

第３４卷

研究者

Ｂｅｎ．Ａｋｉｖａ与Ｂｏｃｃａｒａ（１９９Ｓ）Ａｎｄｒｅｗｓ与Ｓｒｉｎｉｖａｓａｎ（１９９５）Ｂｒｏｎｎｅｎｂｅｒｇ与ｖａｌｌｌｌｏｎａｃｋｅｒ

（１９９６）

晶牌营销实证模型

Ｂ删ｏｌｆｓｓｏｎ与Ｓｒｎｉ血（２０００）

决策启发式

规则

验证了消费者两阶段选择行为的选择子集大小受到产品属性特征的影响ｗｕ与Ｒ锄ｇａｓｗａｎｌｙ（２００３）探讨了消费者两阶段选择行为决策规则的产生特点Ｇｉｌｂｒｉｄｃ与Ａｌｌｅｎｂｙ（２００４）考察了特定情形下的消费者两阶段选择行为决策规则与产品购买概率

Ｍｏｅ（２００４）

的关系

讨论了基于消费者两阶段选择行为来预测产品购买概率

Ｍｏｅ（２００６）

近似算法

结合随机梯度算法和近似动态规划构思，提出了一种新的算法优化了Ｂｅｎｓｉｎｌａｓ与ｄｅＢｏｃｒ的随机梯度算法

开发了列生成算法来解决实际规模网络的确定性的线性规划模型优化了离散模型的任意嵌套的预定限制策略优化了连续模型的虚拟嵌套控制策略讨论了混合票价的联合库存控制及价格结构

研究了消费者两阶段选择模型的单行段航空产品的品类规划问题研究了消费者两阶段选择行为的网络资源动态定价问题

Ｂｅｒｔｓｉｍａｓ与ｄｅＢｏｅｒ（２００５）

啪Ｒｙｚｉｎ与Ｖｕｌｃ趾ｏ（２００８）

Ｂｒｏｎｔ等（２００９）

Ｂｅｒｔｓｉｍ觞与ｄｅＢｏｅｒ（２００Ｓ）

收益管理规划模型

库存控制品类规划动态定价

ｖ孤Ｒｙｚｉｎ与Ｖｈｌｃ锄ｏ（２００８）Ｍｅｉｓｓ眦ｒ与Ｓ仃ａＩｌｓｓ（２０ｌＯ）Ｌｉｕ与ｖ锄Ｒｙｚｉｎ（２００８）ｚｈａＩｌｇ与Ｌｕ（２０１１）

她发现当消费者在两个阶段筛选产品时，消费者倾向于仪在单一阶段考虑产品价格和大小属性，而在两个阶段都考虑产品含量属性。

研究者们还发现在收益管理模型中引入消费者两阶段选择行为具有独特的优势，即可以增强

模型的预测有效性（Ｍｏｅ，２００４：Ｍｏｅ，２００６），

出的是，与传统的考虑消费者单一阶段选择行为

收益管理不同的是。加入消费者两阶段选择行为

的模型往往是多维度的与虚拟嵌套的，有时甚至是网络的，由于计算维度和复杂性大大增加，一般情况下问题都是ＮＰ维的。正因为如此，研究者开始开发各种有效的启发式算法来求解。下面将

从近似算法、库存控制、品类规划以及动态定价

能够极大地改进ＭＮＩ模型的表现，也能够帮助管理人员理解各种产品属性和营销策略之间的相

互关系（Ａｍｄｒｅｗｓ与Ｓｒｉｎｉｖａｓａｎ，

１９９５）。ｖ｝ｏｏｍｅｎ

等（２００１）发现两阶段选择模型比单阶段ＭＮＬ模型的适应性和样本外预测性更好。关于早期两

这四个方面来介绍现有收益管理中的考虑消费者两阶段选择行为的规划模型。

１．规划模型的近似算法

首先，Ｂｅｒｔｓｉｍａｓ与ｄｅＢｏｅｒ（２００５）结合随机

梯度算法和近似动态规划构思，提出了一种新的算法来解决计算维度和复杂性等问题。初步的模拟实验表明，该算法可导致巨大的实际收入增加。

阶段模型的实证研究综述，可以参考Ｍａｎｒａｉ与

Ａｎｄｒｅｗｓ（１９９８），其中他们对现存的基于扫描数

据的两阶段模型的过程假设以及其与真实的消费者选择子集形成过程的一致性作了综述。

值得指出的是，所有收益管理模型的基础是确定一个消费者选择模型，要在收益管理中引入消费者两阶段选择行为。就必须先推导出消费者两阶段选择行为与产品购买概率相互关系的模型，上述的营销学者论证了消费者两阶段选择行为对企业收益与购买概率以及营销策略的潜在影响，而且从不同角度探讨了两阶段选择行为与产品购买概率问的关系，因此为收益管理模型中消费者选择模型的构建奠定了基础。但是，企业如何通过定量控制（例如；动态定价、库存控制、品类

优化以及需求预测）等方法动态地调整营销策略来影响消费者的两阶段选择行为且提高收益却并不清楚。

Ｒｙｚｉｎ与ＶＬｌｌｃａｎｏ（２００８）进一步优化随机梯度方法，且证明其速度快，至少是局部收敛的，并且能显著改善性能。最近，Ｂｒｏｍ等（２００９）假设

ｖａｎ

每个客户属于一个细分，该细分即一个选择子集，

接着他们开发了一个基于选择的网络收益管理的

一个列生成算法来解决实际规模网络的确定性的线性规划模型（ｃＤＬＰ），并提出了一个简单的、有效的贪婪启发式算法。

２．库存控制规划模型

Ｂｅｒｔｓｉｍａｓ与ｄｅＢｏｅｒ（２００５）在消费者选择模

型中引入两阶段选择子集的概念，讨论了任意嵌

套的预定限制策略，ｖａｎＲｙｚｉｎ与ｖｎｌｃａｎｏ（２００８）在Ｂｅｒｔｓｉｍａｓ与ｄｅＢｏｅｒ（２００５）的离散模型基础上，

２．２收益管理中的规划模型

在上述实证模型的基础上，研究者可以开始构建消费者两阶段选择行为的规划模型。需要指

基于模拟的网络收益管理，进一步优化了连续模型的虚拟嵌套控制策略。Ｍｅｉｓｓｎｅｒ与ｓｈ＿ａｕｓｓ（２０１０）开发了一个基于消费者两阶段选择行为的网络收益管理方法来解决一个混合票价的联合库存控制

第５期赵藜，等：消费者两阶段选择行为模型研究

及价格结构问题。他们假设无限制票价的可变价

格数量是有限的，构建动态规划模型，且应用混

合整数规划方法找出了无限制票价分配及其潜在最优价格的结构特征。

３．品类规划模型

Ｌｉｕ与ｖａｎＲｙｚｉｎ（２００８）在消费者选择行为

收益管理框架下，应用了消费者两阶段选择子集的概念，研究了多资源网络的单行段航空产品的品类规划问题的特征，他们提出“效率方法”是潜在的识别最优产品组合的有效方法。而且，他们提出一个实际的分解启发式方法将静态ｃＤＬＰ方法转化为动态控制策略。

４．动态定价规划模型

ｚｈａＩｌｇ与Ｌｕ（２０１１）考虑了消费者两阶段选择行为的网络资源动态定价问题，其中选择子集的概率是外生给定的且固定不变，他们开发了一个资源分解方法，并通过数值计算结果表明网络资源的动态定价策略优于传统的静态定价以及基于消费者选择的存量控制策略。

综合所述，在收益管理中，考虑消费者两

阶段行为的定量模型构建研究还十分零星。定量模型研究主要集中探讨基于消费者两阶段选择模

型的求解，在推导有效的算法上取得了很多进

展，从随机梯度方法，列生成算法，到分解启发式方法等。以上这些近似算法已经为考虑消费者两阶段选择的动态定价，库存控制，以及预测等建模奠定了扎实的基础。然而，现有的收益管理建模文献虽然应用了选择子集概念，但他们都假设选择子集的概率是固定的，且定量模型中大多假设加法的决策启发式规则（Ｂｅｒｔｓｉｍａｓ与ｄｅ

Ｂｏｅｒ，

２００５；

Ｌｉｕ与ｖａｎ

Ｒｙｚｉｎ，

２００８：

ｖａｎ

Ｒｙｚｉｎ

与ｖｕｌｃ肋ｏ，２００８；Ｂｒｏｎｔ等，２００９；Ｍｅｉｓｓｎｅｒ与Ｓｔｒａｕｓｓ，２０１０；ｚｈａｎｇ与Ｌｕ，２０１１），

没有讨论ｊ妻

它众多的启发式规则。另外，目前还没有针对消

费者两阶段行为，特别是考虑消费者选择子集形成与决策启发式规则对于企业收益以及动态定价，库存控制等营销策略影响的研究，而这方面的研究将可能大大增强企业预测的准确性，并为其及时做出策略调整作参考。

３总结及展望

与品牌营销下消费者两阶段行为的实证研究相比，在收益管理下消费者两阶段行为的建模研究仍处于起步阶段。结合前面的实证与规划模型分析，本文提出：把消费者两阶段选择行为分别

引人到动态定价、存量控制、品类规划、需求预

测和学习，以及竞争环境下的收益管理这５个研

究方向。

３．１考虑消费者两阶段选择行为的动态定价

ｚｈａｌｌｇ与Ｌｕ（２０１１）最早研究了两阶段消费者选择行为的网络资源动态定价问题，不过，他们假设选择子集的概率是外生给定的且固定不变。而结合前面的实证分析，选择子集形成的概率是与消费者决策启发式规则，产品属性以及营销策略等密切相关的，进一步研究可以首先结合消费者决策启发式规则的主要研究成果，例如加入关联的、分离的、按属性排除等的决策启发式规则。然后，构建与产品属性相联系的可变的选择子集的概率，进而讨论消费者的两阶段选择行为是否

影响企业的预期收益和动态定价策略，如果这种

影响存在，那么一些核心参数，例如，产品类别与属性、消费者决策启发式规则及选择子集概率等又是否以及又是如何影响企业的预期收益和动态定价策略的。

３．２考虑消费者两阶段选择行为的存量控制

考虑消费者单阶段选择行为的存量控制是收益管理中的经典分支，有着丰硕的理论成果。虽

然Ｂｅｒｔｓｉｍａｓ和ｄｅＢｏｅｒ（２００５）以及ｖａＩｌＲｙｚｉｎ与

ｖｕｌｃａｎｏ（２００８）分别得出了离散与连续模型的嵌套控制策略，他们都假设加法的消费者决策启发式规则，但对于其他消费者决策启发式规则下的消费者两阶段选择行为的存量控制策略并没有研究。在此基础上，随着研究的深入，考虑消费者两阶段选择行为的联合库存与动态定价也可能是今后研究的趋势之一。

３－３考虑消费者两阶段选择行为的品类规划

Ｌｉｕ与ｖａｎＲｙｚｉｎ（２００８）在消费者两阶段选择行为收益管理框架下，已经研究了多资源网络的单行段产品品类规划问题的特征。不过，与ｚｈａＪｌｇ与Ｌｕ（２０１１）相似，他们同样假设选择子集的概率是外生给定的且固定不变，进一步研究可以通过把消费者选择子集与购买概率的关系引入消费者选择模型来探讨两阶段选择行为是如何影响企

业的预期收益和产品组合优化策略的。

３．４考虑消费者两阶段选择行为的需求预测和学

习

传统的收益管理已经开始考虑消费者行为对于预测的影响，参照Ｍｏｅ（２００６）对于个人消费者两阶段选择行为与购买概率的建模方法，企业可以通过对消费者两阶段选择行为与产品属性关系的刻画来预测产品的购买概率，进而得出产品

的总需求。随着消费者的到达，根据已有的消费

者购买数据，企业可以进一步对消费者的购买概率进行更新与学习，然后，在此基础上，得出相应的定价、库存以及产品组合等策略。

一２３—

上海管理科学

第３４卷

３．５竞争环境下考虑消费者两阶段选择行为的收益管理

现有的考虑消费者两阶段选择行为的收益管理模型都假设市场是完全垄断的，然而，企业面对具有两阶段选择行为的消费者时，同样面临各种竞争，特别是随着网络销售日益普遍，竞争是白热化的，因此，如果能考虑竞争因素将会大大提高模型的应用范围。与此同时，引入竞争会使问题更加复杂，研究者可以从寡头垄断市场切人，逐渐扩展到完全竞争市场。

参考文献

［１】Ａｊａｙ

Ｋ

Ｍａｎｒａｉ，ＲｉｃｋＬ．Ａｎｄｒｅｗｓ．７Ｉ、Ⅳｏ－ｓｔａｇｅｄｉｓｃｒｅｔｅｃｈｏｉｃｅ

ｍＯｄｅｌｓｆｏｒ

ｓｃａ蚰ｅｒｐ蛐ｅｌ

ｄａｔａ：Ａｎ

ａｓｓｅｓｓｍｅｎｔｏｆｐｒｏｃｅｓｓａＩｌｄ

私汕ｎｐｄｏ璐【Ｊ】．Ｅｕｒ叩锄Ｊｏ叫１ａｌ

ｏｆ０Ｉ＇ｅｒａｔｉｏＭｌＲｃｓｅａｒｃｈ，１９９８，

１ｌ

１（２）：１９３・２１５．

【２］

Ｂａｎ

Ｊ．Ｂ彻ｍｅｎｂｅｒｇ，Ｗｉｌ衔ｅｄ

Ｒ．ｖａｎｌｌｏｎ∽ｋｅｒ－Ｌｉｍｉｔｅｄｃｈｏｉｃｅ

ｓｅｔｓ，ｌＯｃａｌｐｒｉｃｅｒｅｓｐｏｎｓｅａｎｄｉｍｐｌｉｅｄ

ｍｅａｓｕｒｅｓｏｆｐｒｉｃｅ

ｃｏｍｐｅｔｉｔｉｏｎ【Ｊ】．Ｊｏｕｍａｌ

ｏｆ

ＭａｒｋｅｔｉｎｇＲｅｓｅａｒｃｈ，１９９６，３３（２）：

１６３－１７３．

【３】Ｂｊ６ｍ

Ｖｒ嗍蚰，ＰｈｉｌｉｐＨａ地Ｆ砌ｓｅｓ，ＥＩｊ蚰、，姐Ｎｉｅｒｏｐ．Ｍｏｄｅｌ啦

ＣｏｎｓｉｄｅｒａｔｉｏｎＳｅｔｓａｎｄＢｍｎｄＣｈｏｉｃｅＵｓｉｎｇＡｎｉｆｉｃｉａｌＮｅｕｒａｌＮｅ附ｏｒｋｓ叨．Ｅｆ船ｍ岫Ｒ髓ｅ缸ｃｈＩ璐ｌｉｔⅡｔｃ

ｏｆ

Ｍ髓ａｇｅｍｅｎｔ，２００１，

ＥＲＳ．２００１．１０．ＭＫＴ．

【４】

Ｄ．Ｂｅｒｔｓｉｍ私，Ｓ．ｄｅＢｏｅｒ．Ｓｉｍｕｌａｔｉｏｎ—ＢａｓｅｄＢｏｏｋｉｎｇＬｉｍｉｔｓｆｏｒ

Ａｉｒｌｉ酩Ｒ“ｅｎｕｅＭａｎａｇｅｍｅｎｔ【Ｊ】．ｏｐｅｒａｔｉｏｎｓＲｅｓｅａｒｃｈ，２００５，

５３（１）：９０—１０６．【５】

ＤａｎＺｈａｎｇ，ＺｈａｏｓｏｎｇＬｕ．ＡｓｓｅｓｓｉｎｇｔｈｅＶｈｌｕｅｏｆＤｙｎａｍｉｃＰｒｉｃ咄ｉｎ

Ｎｅｔ、】ｌｒｏｒｋ

Ｒｅｖ∞ｕｅＭ锄ａｇｅｍ锄ｔｍ．ＩＮＦＯＲＭＳＪｏｕｍａｌ

∞ｃ∞１ｐｕ曲ｇ，２０ｌｌ，Ｕｏｃ．１１１０．０４８８．

【６】

Ｅｒｉｋ，ＢｒｙｎｊｏｌｆＳｓｏｎ，ＭｉｃｈａｅｌＤ．Ｓｍｊ山．ＦｒｉｃｔｉｏｎｌｅｓｓＣｏｍｍｅｒｃｅ？

ＡＣｏｍｐａｒｉｓｏｎｏｆＩｎｔｅｒｎｅｔａｎｄＣｏｎＶｅｎｔｉｏｎａｌ

Ｒｅｔａｉｌｅｒｓ【Ｊ】．

Ｍａｎａｇ锄ｅｎｔ

Ｓｃｉ∞ｃｅ，２０００，４６（３）：５６３—５８５．

【７】

Ｊ．、Ⅳ色ｓｌｅｙＨｕｔｃｈｉｎｓｏｎ。ＫａｌｙａｎＲａｍａｎ，ＭｕｒａｌｉＫ．Ｍａｎｔｒａｌａ．

ＦｉｎｄｉｎｇＣｈｏｉｃｅＡｌｔｃｍａｔｉＶｅｓｉｎ

Ｍｅｍｏｒｙ：Ｐｒｏｂａｂｉｌ时ＭｏｄｅＩｓ

ｏｆ

ＢｆａｎｄＮａｍｅ

Ｒｅｃａｌｌ【Ｊ】Ｊｏ啪ａｌ

ｏｆ

ＭａｒｋｅｔｉｎｇＲｅｓｅａｒｃｈ，ｌ９９４，

３ｌ（４）：４４ｌ－４６１．【８】

Ｊｉ彻觚Ｗｕ，ＡｒｖｉｎｄＲ鲫ｇ勰ｗ锄ｙ．ＡＦ昵ｚｙ

ＳｅｔＭｏｄｅｌｏｆＳｅａｒｃｈ

托ｄ

ｃｏｎｓｉｄｅｒａｔｉｏｎ

ｗｉ也蛆Ａｐｐｌｉｃａｔｉｏｎｔｏ姐ｏｎｌｉｎｅＭａｒｋｅｔ【Ｊ】．

ＭａｒｋｅｔｉｎｇＳｃｉｅｎｃｅ，２００３，２２（３）：４ｌｌ＿４３４．

【９】

ＪｏｅｍＭｅｉｓｓｎｅｒ’ＡｍｅＫＳ仃叭ｓｓ．Ｐｒｉｃｉｎｇ

ｓ缸ｕｃｔＩｌｒｅ

ｏｐｔｉｍｉｚａｔｊｏｎ

ｉｎｍｉｘｅｄｒｅｓｔｒｉｃｔｅ西、ｍ聆ｓｔｒｉｃｔｅｄ

ｆ打ｅ

ｃｎＶｉｆｏｎｍ髓ｔｓ【Ｊ】．Ｊｏ啪ａｌ

ｏｆ

Ｒｅｖ钮ｕｅ柚ｄ

ＰｒｉｃｉｎｇＭ锄ｇ锄％ｔ，２０ｌＯ，９，３９９＿４１８．

［１０】ＪｏｈｎＲ．Ｈａｕｓｅｒ．Ｃｏｎｓｉｄｅｍｔｉｏｎ

Ｓｅｔ

Ｈｅｕｒｉｓｔｉｃｓ［Ｊ】．ｆｏｎｈｃｏｍｉｎｇ，

Ｊｕｄｇｍｅｎｔ锄ｄＤｅｃｉｓｉｏｎＭａｌｃｉｎｇ，２０１１．【ｌｌ】ＪｏｈｎＲ．Ｈ叭ｓｅｒ＇Ｂｉｒｇｅｒ

ｗｅｍｅ疵ｌｔ．Ａｎ

ＥＶａｌｕａｔｉｏｎＣｏｓｔＭｏｄｅｌ

一２４一

ｏｆＣｏｎｓｉｄｅｒａｔｉｏｎ

Ｓｅｔｓ【Ｊ】Ｊｏ啪ａｌ

ｏｆ

Ｃｏｎ蚴ｅｒ

Ｒｅｓｅａｒｃｈ，１９９０，

１６（４）：３９３．４０８．【１２】ＪｏｈｎＲ。Ｈａｕｓｅｒ’Ｍｉｎ

Ｄｉｎｇ，ｓｔｅｖｅｎＰ．Ｇａｓｌｄｎ。Ａ

Ｃ施ｃａｌ

Ｒｅｖｉｅｗｏｆ

Ｎｏｎ－ｃ叫驴ｎｓａｔｏｒｙ锄ｄＣｏＩｎｐｃｎｓａｔｏ巧Ｍｏｄｃｌｓ

ｏｆ

Ｃｏｎｓｉｄｅｒａｔｉｏｎ。

ＳｅｔＤｅｃｉｓｉｏｎｓ．ＳａｗｔｏｏｔｈＳｏｆｔｗａｒｅＣｏｎｆｃｒｅｎｃｅＰｒｏｃｅｅｄｉｎｇｓ，Ｄｅｌ工ａｙ’ＦＬ，２００９

Ｍａｒｃｈ，２３－２７．

［１３】Ｊｕ蚰Ｊｏｓ６

Ｍｉｍｄａ

Ｂｒｏ峨ＩｓａｂｃｌＭ钿ｄｃｚ・Ｄｉａｚ，（沁ｓｔａｖｏＶｕｌｃ柚ｏ－

Ａ

ＣｏｌｕｍｎＧｅｎｅｒａｔｉｏｎＡｌｇｏｒｉｔｈｍｆｏｒＣｈｏｉｃｅ—ＢａｓｅｄＮｅｔｗｏｒｋ

ＲｅｖｅｎｕｅＭａｎａｇｅｍｅｎｔ［Ｊ】．０ｐｅｒａｉｏｎｓＲｅｓｅａｒｃｈ，２００９，５７（３）：

７６９．７８４．

【１４】ＭｏｓｈｅＢｅｎ－Ａｋｉｖａ，Ｂｍｎｏ

Ｂｏｃｃａｒａ．Ｄｉｓｃｒｅｔｅｃｈｏｉｃｅｍｏｄｅｌｓ

ｗｉｔｈｌａｔｅｎｔｃｈｏｉｃｅｓｅｔｓ【Ｊ］Ｉｎｔｅｍａｔｉｏｎａｌ

Ｊｏ啪ａｌ

ｏｆＲｅｓｅａｒｃｈｉｎ

Ｍａｒｋ劬ｇ，１９９５，１２（１）：９・２４．

【１５】ＰｒａｋａｓｈＮｅｄ岫ｇａｄｉ．ＲｅｃａＵ

ａｎｄ

Ｃｏｎｓ啪ｅｒ

ＣｏｎｓｉｄｅｒａｔｉｏｎＳｅｔｓ：

砌呦ｃｉｎｇＣｈｏｉｃｅ、ⅣｉⅡｌｏｕｔＡｌｔｅ血ｇＢｒ锄ｄＥｖａｌｕａｔｉｏｎｓ［Ｊ】．Ｊｏ啪ａｌ

ｏｆＣｏｎｇ啪ｅｒＲｅｓｅａｒｃｈ，１９９０，１７（３）：２６３－２７６．

【１６】Ｑｉａｎ

Ｌｉｕ，Ｇａｒｒｅｔｔ

ｖａｎ

Ｒｙｚｉｎ．ＯｎｔｈｅＣｈｏｉｃｅ－ＢａｓｅｄＬｉｎｅａｒ

ＰｒｏｇｒａｍｍｉｎｇＭｏｄｅｌｆｏｒＮｅｔｗｏｒｋＲｅＶｅｎｕｅＭａｎａｇｅｍｅｎｔ【Ｊ】．ＭａｎｕｆａｃｔｕｒｉｎｇＳｅｎｒｉｃｅＯｐｅｒａｔｉｏｎｓＭａｎａｇｅｍｅｎｔ，２００８，１０（２）：

２８８－３１０．

［１７】ＲｉｃｋＬ．Ａｎｄｒｅｗｓ，Ｔ．Ｃ．ＳｒｉｎｉＶａｓａｎ．ＳｔｕｄｙｉｎｇＣｏｎｓｉｄｅｒａｔｉｏｎ

Ｅ敝ｔｓｊＩｌＥｍｐｊｒｋａｌＣｈｏｉｃｃＭｏｄｅｌｓｕｓｉｎｇＳｃａ蛐ｅｒＰ锄ｅＩＤａ协忉．

Ｊｏ哪ａｌｏｆＭａｒｋｅ血ｇＲｅｓｅａｒｃｈ，１９９５，３２（１）：３０．４１．

【１８】Ｓｔｃｖ吼Ｍ．Ｓｈｕｇ蛆．１１１ｅＣｏｓｔｏｆＴｂｊ丑ｌ（ｉｎｇ叨．Ｊａ啪ａｌｏｆＣｏｎｓ啪ｃｒ

Ｒｅ鸵ａｒｃｈ，１９８０，７（２）：９９－１１１．

【１９】ＷｅｎｄｙｗＭｏｅ．Ａｎ

Ｅｍｐｉｒｉｃａｌ

１Ｗｏ－ＳｔａｇｅＣｈｏｉｃｅＭｏｄｅｌｗｉｔｈ

ＤｅｃｉｓｉｏｎＲｕｌｅｓ

Ａｐｐｌｉｅｄ

ｔｏ

Ｉｎｔｃｍｅｔ

Ｃｌｉｃｌ【ｓｔｒｃ锄Ｄａｔａ叽Ｊｏ啪ａｌ

ｏｆＭｄ∞ｔｉｎｇＲｅｓｅａｒｃｈ。２００６，ＸＬＩＩＩ：６８０・６９２．【２０】ｗｅｎｄｙｗＭｏｅ，Ｐｅ衙ｓ．Ｆａｄ％Ｄ），ｎ锄ｉｃ

ＣｏｎＶｅｒｓｉｏｎＢｅｈａＶｉｏｒａｔ

Ｅ－Ｃｏ衄ｃｒｃｅＳｉｔｅｓ［Ｊ】．Ｍａｎａｇ锄％ｔＳｃｉｅｎｃｅ，２００４，５０（３）：３２６－３３５．

ＡｎｏＶｅｒＶｉｅｗｏｆｃｏｎｓｕｍｅｒｓ’ｔｗｏ－ｓｔａｇｅｃｈｏｉｃｅ

ｂｅｈａｖｉｏｒｍｏｄｅｌ

Ｚｈ∞“，Ｔｉ雅Ｐ％ｇ，ＬｉＸｉ锄ｇｙｏｎｇ

ＡｂｓｔｒａｃｔｓＴｈｉｓａｒｔｉｃｌｅｓｕｒｖｅｖｓｔｈｅｒｅｓｅａｒｃｈｗｏｒｌ（ｓ

ｏｎ

ｃｏｎｓｕｍｅｒ柳ｏ－ｓｔａｇｅ

ｃｈｏｉｃｅｂｅｈａｖｉｏｒｍｏｄｅｌｓ．Ｉｔｉｎｔｒｏｄｕｃｅｓ

ｔｈｅｔｈｅｏｒｙ，ａｎｄｄｉｓｃｕｓｓｅｓｔｈｅｍａｉｎｒｅｓｅａｒｃｈｃｏｎｔｅｎｔｓ

ａｓ

ｗｅｌｌ

ａｓ

ｍｅｔｈｏｄｓｏｆｍｅｓｅｍｏｄｅｌｓｉＩｌｔｈｅｃｏｎｔｅｘｔｏｆｂｒａｎｄｍａｒｋｅ恤培

ａｎｄ

ｒｅＶｅｎｕｅ

ｍａｎａｇｅｍｅｎｔ．Ｉｔａｌｓｏｓｕｍｍａｒｉｚｅｓｔｈｅｍａｉｎ

ｃｏｎｔｒｉｂｕｔｉｏｎｓａｎｄｌｉｍｉｔａｔｉｏｎｓｏｆｃｕｒｒｅｎｔｒｅｓｅａｒｃｈｅｓ．Ｆｉｎａｌｌｖｉｔｐｍｐｏｓｅｓｓｏｍｅｐｒｏｍｉｓｉｌｌｇ

ａｒｅａｓ

ｆｏｒ如ｔｕｒｅｓｔＩｌｄｉｅｓ．

Ｋｅｙｗｏｒｄｓ

Ｃｏｎｓｕｍｅｒｃｈｏｉｃｅｂｅｈａｖｉｏｒ；Ｔｗｏ—ｓｔａｇｅ

ｃｈｏｉｃｅ

ｂｅｈａｖｉｏｒ；Ｂｒ柚ｄ

ｍａｒｋｅｔｉｎｇ：Ｒｅｖｅｎｕｅ

ｍ锄ａｇｅｍｅｎｔ

消费者两阶段选择行为模型研究

作者：作者单位：刊名：英文刊名：年，卷(期)：

赵藜， 田澎， 李相勇， Zhao Li， Tian Peng， Li Xiangyong

赵藜,田澎,Zhao Li,Tian Peng(上海交通大学安泰经济与管理学院,上海,200052)， 李相勇,LiXiangyong(同济大学经济与管理学院,上海,200092)上海管理科学

Shanghai Management Science2012,34(5)

参考文献(20条)

1.Ajay K Manrai;Rick L.Andrews Two-stage discrete choice models for scanner panel data:An assessment of process andassumptions 1998(02)

2.Bart J.Bronnenberg;Wilfried R.Vanhonacker Limited choice sets,local price response and implied measures of pricecompetition 1996(02)

3.Bjorn Vroomen;Philip Hans Franses;Erjen Van Nierop Modeling Consideration Sets and Brand Choice Using ArtificialNeural Networks 2001

4.D.Bertsimas;S.de Boer Simulation-Based Booking Limits for Airline Revenue Management[外文期刊] 2005(01)5.Dan Zhang;Zhaosong Lu Assessing the Value of Dynamic Pricing in Network Revenue Management 2011

6.Erik,Brynjolfsson;Michael D.Smith Frictionless Commerce?A Comparison of Internet and Conventional Retailers2000(03)

7.J.Wesley Hutchinson;Kalyan Raman;Murali K.Mantrala Finding Choice Alternatives in Memory:Probability Models ofBrand Name Recall 1994(04)

8.Jianan Wu;Arvind Rangaswamy A Fuzzy Set Model of Search and Consideration with an Application to an Online Market[外文期刊] 2003(03)

9.Joern Meissner;Arne K Strauss Pricing structure optimization in mixed restricted/unrestricted fare environments2010

10.John R.Hauser Consideration Set Heuristics 2011

11.John R.Hauser;Birger Wernerfelt An Evaluation Cost Model of Consideration Sets 1990(04)

12.John R.Hauser;Min Ding;Steven P Gaskin A Critical Review of Non-compensatory and Compensatory Models ofConsiderationSet Decisions 2009

13.Juan José Miranda Bront;Isabel Méndez-Díaz;Gustavo Vulcano A Column Generation Algorithm for Choice-Based NetworkRevenue Management[外文期刊] 2009(03)

14.Moshe Ben-Akiva;Bruno Boccara Discrete choice models with latent choice sets 1995(01)

15.Prakash Nedungadi Recall and Consumer Consideration Sets:Influencing Choice without Altering Brand Evaluations1990(03)

16.Qian Liu;Garrett van Ryzin On the Choice-Based Linear Programming Model for Network Revenue Management[外文期刊]2008(02)

17.Rick L.Andrews;T.C.Srinivasan Studying Consideration Effects in Empirical Choice Models Using Scanner Panel Data1995(01)

18.Steven M.Shugan The Cost of Thinking 1980(02)

19.Wendy W Moe An Empirical Two-Stage Choice Model with Decision Rules Applied to Internet Clickstream Data 200620.Wendy W Moe;Peter S.Fader Dynamic Conversion Behavior at E-Commerce Sites[外文期刊] 2004(03)

本文链接：http://d.wanfangdata.com.cn/Periodical_shglkx201205007.aspx