聖塔非研究所

培育競爭策略

2026-03-18 · 工作論文 · 更新 2026/03/19 上午12:23

摘要 我們對不對稱競爭的策略影響感興趣。先前的工作(Carpenter、Cooper、Hanssens & Midgley [CCHM] 1988)估計了「無競爭反應」和「最適競爭反應」極端情況下非對稱市場份額模型的納許均衡價格和廣告支出。然而,在這兩種競爭場景中製定行銷計劃都存在三個重要的限制。首先,這種「靜態」的單期策略無法深入了解主要製造商和零售商在一段時間內採取的行動。…

本頁只刊出中文翻譯與中文說明;英文原文請見下方原文連結。

原文連結

論文資訊

  • 類型:工作論文
  • 編號:工作論文 #1347
  • 日期:2026-03-18

摘要

我們對不對稱競爭的策略影響感興趣。先前的工作(Carpenter、Cooper、Hanssens & Midgley [CCHM] 1988)估計了「無競爭反應」和「最適競爭反應」極端情況下非對稱市場份額模型的納許均衡價格和廣告支出。然而,在這兩種競爭場景中製定行銷計劃都存在三個重要的限制。首先,這種「靜態」的單期策略無法深入了解主要製造商和零售商在一段時間內採取的行動。隨著時間的推移,諸如廣告脈衝「與」更持續的曝光,或每日低價「與」深度折扣等策略會逐漸實施。正如 CCHM 研究中所呼籲的那樣,現在是研究動態、多時期策略的時候了。其次,CCHM 平衡分析中缺乏不對稱的主要來源。不對稱有兩個主要來源。不對稱可能源自於穩定的交叉競爭效應。例如,價格分級假說(Blattberg 和 Wisniewski 1989)表明,當民族品牌開始銷售時,它們會對區域品牌施加穩定的競爭壓力,而區域品牌無法透過降價來應對。當區域品牌上市時,它們會對經濟和自有品牌產生壓力,而這些品牌無法恢復。這些都是不對稱的交叉競爭效應。但行銷產品的暫時差異也會導致不對稱。一個品牌單獨銷售可能會比與該類別中的其他四個品牌一起促銷獲得更多的收益。品牌產品的「獨特性」可能會在特定的選擇環境中產生不對稱競爭(Nakanishi 等人,1974 年;Cooper 和 Nakanishi,1983 年和 1988 年)。雖然 CCHM 研究將獨特性測量納入其反映不對稱競爭的方法的開發中,但均衡分析使用了一個更簡單的模型,沒有考慮這種不對稱的來源。第三,CCHM 的工作研究了市場份額,而我們在零售掃描儀數據中觀察到的銷售水平的巨大波動鼓勵我們研究不對稱「銷售」響應的策略影響。當市場反應在銷售量和市佔率上根本不對稱時,我們希望研究多時期策略。傳統的調查途徑存在重大障礙。數學探索受到阻礙,因為不對稱的來源明顯違反了規範經濟模型的全局凸性要求。數學探索的一個主要替代方案是多周期模擬,例如 Axelrod 的第一次錦標賽(Axelrod 1984)或 Fader/Hauser 錦標賽(Fader & Hauser 1988)。雖然這些策略的優點是可以隨著時間的推移而實施策略,但到目前為止,它們僅在對稱和假設的市場反應函數下進行。我們希望使用表徵「真實」市場中品牌行為的不對稱市場反應函數來研究穩健策略的演變。遺傳演算法(Holland 1975)提供了一種機制,我們可以透過它來研究穩健策略的演化。下一節將介紹「遺傳演算法」以及它們如何適用於行銷策略的研究。接下來是對先前從不對稱競爭角度分析的美國區域咖啡市場的討論(Cooper 1988,Cooper 和 Nakanishi 1988)。然後,將來自該市場的不對稱模型的數據與遺傳演算法一起使用,為該市場培育簡單的人工代理。 「我們將證明,在有限的測試中,我們可以使這些代理商的表現超越品牌經理在該區域市場的歷史表現。」最後,我們將討論這種情況的原因以及可以採取哪些措施來擴展我們的方法。雖然我們將主要關註一組建模技術和一個特定市場,但重要的是要強調我們提出的方法具有更大的適用性。事實上,它們可以用於任何能夠很好地體現競爭性行銷行為的利潤後果的行銷情況。這種表示法可能採用顯式線性或非線性模型的形式,或者可能更像是“黑盒”表示(例如數值近似或神經網路)。 給定這樣的利潤函數,人工代理可以被制定和遺傳優化,以穩健且有利可圖的方式玩多周期動態博弈。我們對 CCHM 傳統中的不對稱市場模型以及區域咖啡市場的重視,只是提供了整體方法的一個案例說明。