定價策略競爭

生產者的定價策略直接會影響到消費者的決策^, 如果兩商品^, 品質完全一樣^, 當 我們有兩者的訊息時且交易成本相同之下^,沒有理由選高價者。 這樣的概念引申 為經濟學中的一價定律(law of one price),或所謂的無套利條件(no-arbitrage condition)。 考慮了時間和空間之後^, 同一種品質的商品^, 淨價值應一致。 然而^,

Varian (1980) 的模型指出了資訊不完全^, 使市場上可能存在所謂的價格歧異

(price dispersion) 的現象。 我們的模型能說明什麼現象^? 如果產品沒有辦法將 其資訊透明化至成本面^,消費者僅能以其意識到的主觀滿足感來評價商品。 在這 個模型並不需價格資訊不完全的假設下^,只要消費者的異質偏好^,仍然可以討論 價格歧異。

更何況在創新的框架之下^, 產品的異質度相當高^, 目的為了盡可能滿足各式 各樣的消費者。 所以是否定高價的生產者一定會被淘汰^, 或者走薄利多銷的生 產者可以成為最後的存活者。 在我們現階段的設定下^, 並沒有得到價格決定論

12這與標準生產者的生產無效率類似。

表 ^7.11: 加成率競爭參數表

參數名稱 型態 ⁽變數⁾ 資料範圍 設定值 生產者人數 整數 ⁽ⁿp) [1,∞) 2

產品成本加成率 實數 ^{(η) [0,}∞) (1) 100% (2) 200%

搜尋強度 實數 ^(rs) [0, 1] 50%

註^{: (1), (2)}為生產者編號對應適用參數^,其餘參數同表^7.1。 獨立進行⁵⁰次。

的結果。 表 ^7.11 為新的參數表。

表^7.12: 生產者獲利表現 加成率競爭組

生產者型態 平均報酬率 平均銷售額 平均利潤 期末總資本額 存貨折損率 低加成率 ^{63.30% 30,580 11,777} 61,346, 657 18.36%

(η = 100%) (0.91%) 1,459 (618) (3,087, 719) (0.46%) 高加成率 ^142.41%∗∗∗ 40,783∗∗∗23,874∗∗∗121,826, 463∗∗∗ 19.17%∗∗∗

(η = 200%) (1.83%) 2,384 (1,426) (7,127, 463) (0.62%) p-value 0.0000 0.0000 0.0000 0.0000 0.0000

註^:各觀察值皆包括⁵⁰個獨立模擬的結果。 括號內的數值為標準差。^p-value為^t檢定的結果^, 虛無假設^{, H0:}低加成率生產者變數平均數≥高加成率生產者變數平均數。

實驗結果 市場佔有率的情況我們並沒有將圖顯示出來^, 因為兩家生產者的佔 有率情況^,從模擬一開始到結束都維持在^50%左右。 顯示即使加成率高達^200%

仍然可以吸引來訪的消費者。 對於消費者和生產者的連結關係是建立在消費成 功與否^, 在願付價格與效用兌換率高達 ⁵ 倍的情形下^{, 2} 倍的加成率並不會讓 消費者打退堂鼓。 因此^, 很直覺地我們會想到如果使用消費者剩餘來做為消費 者強化式學習的權重^,結果可能會有所改變。 另外^,如果加成率再提高到某一個 程度可能也會對這個情況下的市場佔有率造成影響。 以上這兩點都是想要突顯 某一部分生產者競爭的效果。 這些都是可以在後續研究討論的課題。 然而^, 我們 的模擬正好突顯出兩種極端的形態^, 前面消費者搜尋強度 ^100% 的情況是競爭 最激烈的情形^; 後者搜尋強度降為 ^50% 則為極端保護生產者的情形。 後者正好 將市場分隔^, 雖然消費者偶爾會流動^; 但是整體而言^, 剛好抵銷。 所以生產者等 於是在自己所得到的一半市場中穩定的經營。 我們看到表^7.12 的結果顯示高加 成率的生產者除了存貨折損率較高^, 各方面的獲利表現均顯著地優於對手。

以上的結果驗證了我們之前的臆測^, 高加成率的生產者得到的資訊更為精 確。 雖然讓他折損更多的存貨^,但同時也為他帶來更高的生產優勢。 為了證實這 個想法^, 我們再來比較這兩家生產者所帶來的消費者剩餘。 在 ⁵⁰ 次模擬中^, 消 費者剩餘達到最大的模擬為第 ¹⁷ 次模擬。 我們將該模擬最後一代的兩個生產 者獲利最大的商品樹取出。

圖^7.8: 表^7.11 第 ¹⁷次模擬^, 第 ⁵⁰⁰⁰ 代^, 低加成率生產者獲利最高的商品

圖^7.9: 表^7.11 第 ¹⁷次模擬^, 第 ⁵⁰⁰⁰ 代^, 高加成率生產者獲利最高的商品

圖 ^7.8 中的商品^, 生產成本為 ^55, 按照低加成率的定價^, 售價為 ⁵⁵× 2 = 110。 此商品的消費者願付最高價格為⁵×(4³+4²+4+4) = 440。 因此^,這個商 品所帶來的消費者剩餘為⁴⁴⁰− 110 = 330。 表 ^7.8 的商品^,生產成本為^31, 照 高加成率的定價為⁹³。 此商品的消費者剩餘為⁵×4⁴−93 = 1187。 同樣的方法 我們也檢視了 ⁵⁰次模擬中消費者剩餘最低的模擬^, 第 ¹⁶ 次模擬。 計算出低加 成率獲利最高的商品帶給消費者的剩餘為⁵×(4²+ 4²+ 4×4)− 47× 2 = 146, 高加成率的為 ⁵× (4³ + 4² + 4)− 45 × 3 = 285。 以上的願付最高價格都是 按照消費者的共同偏好來估計^, 所以實際上可能會有誤差。 然而^, 誤差值不會改

變我們所觀察的結果。 高加成率的生產者在創新的環境中^, 就平均值而言^, 其將 有更佳的表現空間。 因為合理的加成率須介於消費者可以接受的範圍內。 所以 在這個消費者資訊較不流通的情境下^, 生產者只要能在一開始和消費者完成交 易^,接下來的日子就不太需要擔心競爭對手所帶來的壓力。 相反的^, 若由極端的 情形來看^,高加成率生產者的定價高到成本的 ¹⁰⁰ 倍^, 消費者大概很難接受^,也 沒有能力消費這樣的商品。 所以高定價生產者將永遠被消費者拒於千里之外^,此 時^,其將失去優勢^, 在市場上完全地消失。

消費者搜尋強度與生產者策略

前一章的結果是否穩健 ^(robust); 換言之^, 當環境改變生產者存活力是否受到 影響。 在模型中^, 部分參數與市場環境有關^, 透過這些參數的設定^, 可以讓我們 來檢視環境改變的影響。 接下來^, 除了與生產者本質相關的參數之外^,我們把環 境有關的部分挑選出來^,討論有哪些參數可能改變生存力^,以便進一步的驗證所 得到的結論。

1. 生產者人數^: 這個參數直接與競爭壓力有關。 第一^, 單純的人數增加^, 將 使不確定性提高^;第二^,生產者策略族群的比例^,例如^: 改變人數使交配率 (突變率⁾ 競爭的生產者比例有所改變^, 當高交配率 ⁽高突變率⁾ 的生產者 比例減少^, 他們的獲利表現是否還能夠維持顯著的優勢^? 換言之^, 社會中 能夠容納多元性的生產者所佔的比例很小^,其存活性是否會受到仰制^?或 者是檢驗社會看待冒險的態度對創新有何影響(Diamond, 1997)?

2. 每代注入營運資本^: 如果沒有每期注入新的營運資本^, 表示生產者必須完 全使用自有資金^, 或不斷累積利潤轉化成未來的營運資金。 所以若無持續 注入資金^, 生產者一旦因資金不足而停業^, 將完全沒有東山再起的機會。

所以我們將這個參數做為與金融市場的一個接口^,代表生產者的資金取得 環境。

3. 消費者人數與消費者所得^: 這兩個參數共同構成市場的規模。 因此^, 相對 於生產者人數^, 此亦與競爭壓力有關。 市場規模愈大^, 生產者的人數不變 下^,存活將愈容易。 然而^,擴大市場規模無疑是增加計算機評估的時間。 所 以若要同時考量計算資源^, 暫時不會考慮擴大市場規模。

4. 消費者偏好與願付價格^:這裡涉及四個參數共同的效果^,包括總偏好深度、

共同偏好深度、 偏好轉換效用底數以及願付價格與效用兌換率等。 假設其

它條件不變^,只有願付價格與效用兌換率改變^,以目前的參數值為⁵倍^,相 當於生產者若生產出符合消費者偏好的商品^,消費者除了以指數函數來計 算效用並且再乘以 ⁵ 倍作為願付價格。 所以中間的議價空間其實相當大^, 舉例來說^, 若生產者的成本加成率僅為 ^100%。 表示生產者初始生產的商 品^, 不論品質如何^, 只要不會太複雜而導致成本過高^, 使售價高出消費者 願付價格^, 都有很高的機會成功銷售。 因此^, 這幾個參數可以詮釋為消費 者對商品知識的敏感度^, 消費者的評價若愈能反映出商品的真實價值 ⁽成 本^),則表示消費者的知識水準愈高。

5. 消費者的搜尋強度^: 當設定為 ^50% 搜尋^, 則失去市場佔有率的生產者將 很難挽回失去的客源^,強者恆強與弱者恆弱的局面可能很難打破。 第⁷章 後半部^, 顯示兩寡佔生產者不同策略下 ⁵⁰ 次模擬的市場佔有率。 當願付 價格比成本明顯較高^, 表示消費者對商品知識的敏感度並不高^, 生產者有 可能會濫竽充數^, 如此一來^, 整個篩選機制將會癱瘓。 可能會導致無法明 確比較生產者參數差異所帶來的表現。

我們選擇消費者搜尋強度做為訊息流通程度的一個變數。 之前章節的實驗都 是以^50%的搜尋強度來描述消費者^,換言之^,市場訊息的流通程度是受限的。 事 實上^, 隨著資訊流通技術的進步^, 消費者對商品訊息的掌握能力已經大幅改善。

因此^,如果從放寬這個限制出發將可以讓我們瞭解^,訊息流通程度的改變對市場 經濟有什麼影響。

8.1 模擬樣本數

表^8.1: 寡佔基本模型參數表 ⁽完全搜尋強度⁾

參數名稱 型態 ⁽變數⁾ 資料範圍 設定值 生產者人數 整數 ⁽ⁿp) [1,∞) 2

註^:其餘參數同表^7.1。

我們已經討論過在獨佔環境與市場明顯區隔的寡佔環境所需的模擬樣本數。

然而^, 現在的環境跟之前相比^, 正好是一個明顯的對比^, 在兩家生產者的寡佔情 況^, 如果雙方沒有合作的可能^, 加上市場區隔不明顯^, 將具有最為激烈的競爭行 為。 因此^, 我們懷疑⁵⁰個模擬樣本數可能不足以突顯生產者的策略差異所帶來

的效果。 回歸到最單純的想法^,我們以表^8.1 做為出發點。 消費者的強勢區辨能 力^,可能讓兩家生產者很難有共存的局面。 兩者所有的條件都一模一樣^, 競爭的 結果勢必帶來成王敗寇的下場。 而運氣 ^(luck) 在這裡扮演了一個重要的角色。

0 0.1 0.2 0.3 0.4 0.5 0.6

1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97 101 105 109 Avg. ROI Tot. Capital Avg. Sales Avg. Profit Avg. RIL

Sample Size

p-value

圖 ^8.1: 兩母體平均數差異檢定 ^p 值與樣本數

表 ^8.2: 生產者獲利表現

生產者型態 平均報酬率 平均銷售額 平均利潤 期末總資本額 存貨折損率 生產者 ^{(1) 34.62% 32,809 14,390} 74,408, 458 34.16%

(58.63%) (24,351) (11,380) (56,873, 952) (30.49%) 生產者 ^{(2) 33.15% 32,702 14,324} 74,081, 799 34.81%

(57.11%) (24,276) (11,314) (56,543, 161) (29.73%) p-value 0.4291 0.4876 0.4504 0.4838 0.4401

註^:以上為¹⁰⁰個獨立模擬的結果^,括號內的數值為標準差。^p-value為^t 檢定的結果^,虛無假 設^{, H0:}生產者⁽¹⁾變數平均數⁼生產者⁽²⁾變數平均數。

基於上述的觀察^, 在進入正式實驗之前^, 一個基本的問題^: 需要多少模擬樣 本數才能夠消除生產者的運氣所導致的差異^? 圖 ^8.1 顯示在不同的樣本數下檢

基於上述的觀察^, 在進入正式實驗之前^, 一個基本的問題^: 需要多少模擬樣 本數才能夠消除生產者的運氣所導致的差異^? 圖 ^8.1 顯示在不同的樣本數下檢