第38卷第6期
2024年12月
江苏科技大学学报(自然科学版) vo】．38 No．6
Journal of Jiangsu University of Science and Technology(Natural Science Edition) Dec．2024
DOI：10．20061／j．issn．1673—4807．2024．06．014
政府一平台电商协同监管大数据
的演化博弈研究
“杀熟”／J、兀气<
王海燕1，赵久富2，郑雪琪1，张 娜1，毛昭军3
8
(1．南京信息工程大学商学院，南京210044)
(2．31700部队，辽阳111000)
(3．军事科学院系统工程研究院，北京100091)
摘要：为有效遏制数字经济背景下平台卖家大数据“杀熟”行为，推动平台经济高质量发展，文中在现有研究基础I：，以
演化博弈理论为核心，分析了信息不对称情境下政府、平台电商与平台卖家问的利益博弈关系，构建了协同监管激励机制
模型．通过引人政府规制，求解政府与平台电商最优惩罚力度、最优激励监管系数以及各主体行为演化方向，讨论大数据
“杀熟”监管时各外生变量对各主体最优策略选择的影响，证明了协同监管的优越性与必要性，为网络交易市场监管提供理
论参考．
关键词：数字经济；大数据“杀熟”；演化博弈；数值仿真
中图分类号：x323；F224 文献标志码：A 文章编号：1673—4807(2024)06—090—12
Research on the eVolutionary game theory of goVernment-platfbrm
e-commerce coUaboratiVe regulation of big dataⅣkilling off7
WANG Haiyanl，ZHA0 Jiufu2，ZHENG Xueqi1，ZHANG Nal，MAO Zhaojun3+
【1．Busin(、ss Sch()()l，NaI巧i”g Univ(!_rsi‘y(){InfoⅡIlati()n S(’i(、nc(1 an(I T(1(1hn()l(19y，Nanji“g 2l0044，China)
(2．Unit 31700，“aoy“g 11 1000，Chla)
(3．Svstem En西rleerirlg Research Irlstitute，Academv of Militarv Sciences，BeⅢrlg lO0091．China)
Abstract：’Ib eⅡectiVely curb the big data”killing o±I”behaVior o{。plat±brm seUers in the context of the digital e—
conomy and promote the high—quality deVelopment of the platfbrm economy， this paper， based on existing re—
search and using eV01utionary game theory as the core， analyzes the interest game relationship 1)etween the gov—
ernment，plaⅡbrm e一(：ommer(：e，and plat{brm seUers in the(：()ntext()f in{brmati()n asymmetry， and(：onstru(：ts a
collaboratiVe regulatory incentive mechanism model． By introducing government regulations，the optimal punish—
ment intensity，optimal incentive supeI．vision coefficient，and evolution direction of each entity 7s behavior fbr e一
(：ommer(：e between the goVernment and the plat{brm are s()lve(1． The impa(：t()f exogenous variaI)les()n the()ptimal
strategy selection of each entity during big data“killing off”I．egulation is discussed，the superiority and necessity
of collaboratiVe regulation proven，and theoretical refbrence provided fbr the regulation of online trading markets．
Key words：digital economy，big data 7’killing off，7，evolutionary game，numerical simulation
平台经济是数字经济的组织形态，引领着数字
经济模式和场景创新，成为数字经济发展的新动能
和新引擎．但是，虽然平台经济推动了数字经济的
急速增长并促进其高度繁荣，但是却带来了新的社
收稿日期：2023—10一12
基金项目：江苏高校哲学社会科学研究重火项目(2022sJzD080)；江苏省社科基金项目(22EYB001)
作者简介：千海燕(1998 )，女，硕十研究生
。通信作者：毛昭军(1980 )，男，副研究员，研究方向为体系智能、博弈优化．F．mail：24945247@qq．com
引文格式：王海燕，赵久富，郑雪琪，等．政府一平台电商协同监管大数据“杀熟”的演化博弈研究[J]．汀苏科技大学学报(自然科学版)
2024，38(6)：90一101．DOT：10．2006l／i．issn．1673—4807．2024．06．014．
万方数据
第6期 王海燕，等：政府一平台电商协同监管大数据“杀熟”的演化博弈研究 91
会风险问题．平台经济的特征是参与主体众多、交
易信息海量、线上线下信息不对称以及网络外部性
鲜明，凶此传统经济下的市场失灵问题呈现出新的
形式，同时也蔓延出比如假冒伪劣产品盛行、网络
产业犯罪、“大数据”杀熟等问题，对数字经济和平
台经济的监管体系提出了新的挑战[1。．尤其大数
据“杀熟”因其特有的智能化、系统化、批量化、隐
蔽性等特点，制约了平台经济的健康发展，成为平
台经济可持续发展急需解决的重点问题．因此，如
何有效制约大数据“杀熟”现象成为政府、学术屑、
实业界关注的热点话题．
平台卖家的大数据“杀熟”行为侵犯了消费者
的知情权、公平交易权和隐私权，处于电子商务产
业链顶端的电商平台应当承担起监管职责，制止平
台卖家的“杀熟”行为．但是，囿于平台电商与平台
卖家缔结了组织内委托代理关系，使平台电商一方
面要对平台卖家的违规行为进行监督惩戒，同时又
要对受到外部指责的平台卖家给予积极的保
护_2。4j．可见，平台交易市场仅通过内部监管还远
远不够．为此，政府出俞了系列法律条文，明确将涉
及消费者切身利益的在线刷单、虚假评论等平台乱
象纳入法律监管范同内，以保障网络交易环境与消
费者权益．可见，充分发挥政府的导向作用、加强政
府监管，对于破解平台电商“监管困境”，形成公平
健康的平台交易环境显得尤为重要．但是囿于政府
机构的信息劣势和高昂的执行成本，仅政府规制也
难以起到预期的效果．因此，构建合理有效的协同
监管治理机制，加强政府与平台电商间的互动，对
促进平台经营规范化与合法化，推动网络市场高质
量发展具有重要意义．
目前学术界关于大数据“杀熟”监管的研究，
从研究方法上来说，有较多学者运用博弈论对监管
问题展开研究．尤其政府的介入引起了学术界的广
泛关注，如：文献[5]建立一对多的政府与企业对
称博弈模型，得出加大政府对企业的检查频率、降
低企业自律成本有利于规范企业自身行为．文献
[6]构建了不完全信息下的i方静态博弈模型，发
现企业、经销商和政府监管部门严格规范自身行为
与否取决于各自的监管力度、监管成本．文献[7]
构建了政府和企业之问的混合战略博弈模型，探讨
了双方博弈关系及不同情况下的最优策略选择．事
实上，大数据“杀熟”协同监管问题是多个群体随
机配对的反复博弈问题，适用于演化博弈分析_8 J．
相比传统博弈方法，演化博弈方法在处理监管问题
时的优势主要体现在：第一，考虑时序变化，能够从
长时期的角度观察分析博弈的动态变化，参与者通
过模仿、学习的过程，最终实现各种策略的群体比
例达到演化稳定均衡状态，适应性对演化过程进行
调整和分析凹。10。．其二，以有限理性替代完全理性，
考虑博弈主体会犯错以及多种因素的不确定性，更
符合实际情况．因此，演化博弈论在经济管理等相
关领域得到了广泛应用11。12I．为进一步剖析“监管
困局”的内在形成机理并加以破解，一些学者采用
演化博弈的方法建立了监管机制．如文献[13]构
建了生产者、消费者和监管者构成的两期博弈模
型，剖析食品安全“监管困局”的内在形成机理．文
献[14]通过构建“平台卖家一平台电商一政府”的
演化博弈模型，剖析平台电商信用“监管困局”的
内在形成机理并加以破解．文献[15]构建“政府一
平台一企业”3个主体之间的非对称演化博弈模型，
通过数值仿真分析政府补贴力度和平台成本分担
比例对系统演化稳定策略的影响．
已有的国内外相关文献为文中的研究提供较
好的基础和研究参考，也为平台经济协同监管与激
励机制的研究奠定了理论基础．尤其是数字经济治
理、平台经济治理等相关热点问题的研究已经涉及
了协同监管方面的内容，为做好平台经济多主体协
同监管的研究提供了思路．但是，既有研究从内容
看，缺乏对于平台经济多主体监管框架及激励机制
的系统研究．国外对于平台经济多主体协同监管的
研究大多集中在治理的意义、案例或困境方面，对
于平台经济多主体协同监管研究的借鉴作用有限．
国内对于平台经济多主体协同监管及激励机制的
研究尚处于起步阶段，对于平台经济多主体协同监
管的分析框架、监管主体识别、激励机制设计等方
面，都还缺乏有价值的研究成果，无法为决策提供
科学依据．
基于此，文中以政府、平台电商、平台卖家为研
究对象，以演化博弈理论为基础，构建政府一平台
电商一平台卖家的i方演化博弈模型，重点分析在
信息不对称情况下，多主体协同监管对平台卖家行
为选择策略的影响，通过案例数值仿真讨论了成
本、惩罚力度等外生变量对各主体最优策略选择与
期望收益的影响，冀期能够为数字经济背景下大数
据“杀熟”监管激励的理论有所补充．因此，文中的
主要贡献在于：首先，考虑到平台电商信用监管困
局，引入政府规制，建立多元主体协同监管机制；其
次，引入演化博弈理论，在有限理性的假设条件下
分析政府、平台电商与平台卖家的决策策略、期望
收益等，理清多元主体协同监管激励机制的内在机
万方数据
92 江苏科技大学学报(自然科学版) 2024年
理；最后，通过数值仿真分析政府、平台电商、平俞
卖家达到最优稳定状态的均衡条件，实现监管激励
下各方利益最大化的目标相容，进一步补充了大数
据“杀熟”监管理论．
1演化博弈模型构建
1．1基本假设
(1)博弈主体假设．文中演化博弈模型中涉及
到的博弈主体有政府、平台电商和平台卖家：①政
府：在互联网背景下，政府制定处罚、税收、补贴等
管理措施是促进网络平台市场公平定价、维护消费
者权益的重要保障．在大数据“杀熟”协同监管过
程中，政府可以制定管理措施，投入人力物力积极
监管，或者采取放养式管理，不进行市场干预，消极
监管．因此，政府的策略选择为{积极监管，消极监
管}．②平台电商：平台电商作为平台卖家的直接
管理者，在完善优化网络定价方面有着举足轻重的
地位．平台电商在平台交易中可以可持续发展为目
标，承担监管主体责任积极监管，或者以利润最大
化为原则消极监管．凶此，平台电商的策略选择为
{积极监管，消极监管}．③平台卖家：平台卖家是
优化平台交易环境的中坚力量和主要实施者，在平
台交易中可以选择诚信为本，公平定价，或者利益
至上，选择“杀熟”定价．
(2)设大数据“杀熟”监管过程中，政府选择
积极监管的概率为戈(0≤戈≤1)，则政府选择消极
监管概率为卜戈；平台电商选择积极监管的概率为
“o≤y≤1)，则选择消极监管概率为1_y；平台卖
家选择公平定价的概率为。(0≤。≤1)，则杀熟定
价的概率为1
1．2参数设置
3个博弈主体都可以通过不断学习、模仿来调
整自身的策略行为选择，最终达到博弈均衡．模型
相关假设及说明如表1．
表l模型参数假设及其含义诠释
Table 1 Model parameter hypothesis and interpretation
参数
假设
含义诠释
c． 政府积极监管时付⋯的成本
口． 政府消极监管力度(o≤序l≤1)
， 政府积极监管、平台电商不积极监管时政府对平台
⋯
电商征收的税款
， 政府积极监管、平台卖家杀熟定价时政府对平台卖
1
家征收的税款
G． 政府的基本效益
R． 政府积极监管获得的额外收益
续表
参数
假设
含义诠释
政府不积极监管损失的收益比率
地方政府积极监管时巾央政府对地方政府的奖励
地方政府积极监管并促进平台电商积极监管时中
央政府对地方政府的奖励
地方政府积极监管并促进平台卖家公平定价时中
央政府对地方政府的奖励
地方政府积极监管并促进平台电商积极监管、平台
卖家公平定价时中央政府对地方政府的奖励
政府不积极监管遭受的声誉、机会成本等额外损失
政府积极监管、平台电商积极监管、平台卖家公平
定价获得的额外收益增加比率
政府积极监管、平台电商积极监管时获得的额外收
益增加比率
政府积极监管、平台卖家公平定价时获得的额外收
益增加比率
平台电商积极监管、平台卖家公平定价时获得的额
外收益增加比率
平台电商积极监管时付出的成本
平台电商消极监管时力度(o≤启。≤1)
平台电商的基本收益
平台电商积极监管获得的额外收益
平台电商不积极监管造成的声誉、社会影响力等额
外损失
平台电商不积极监管而损失的收益比率
平台卖家公平定价政府和平台电商都积极监管时
给与平台卖家的补贴
。 平台卖家公平定价政府积极监管时给与平台卖家
。
的补贴
。 平台卖家公平定价平台电商积极监管时给与平台
q
卖家的补贴
P4 平台电商积极监管时政府给与平台电商的补贴
G 平台卖家公平定价付出的成本
G 平台卖家的基本收益
兄 平台卖家杀熟定价产生的额外收益
尺。 平台卖家公平定价获得的声誉等收益
5， 平台卖家公平定价带来的利润损失
。 平台卖家杀熟定价被查处造成的声誉、客户流失等
u4
额外损失
Fl 平台卖家杀熟定价被政府处罚的罚金
F， 平台卖家杀熟定价被平台电商处罚的罚金
B 平台电商消极监管被政府处罚的罚金
∞． 平台卖家杀熟定价时被发现的概率(0≤叫．≤1)
叫。 平台电商消极监管被发现的概率(o≤∞，≤1)
2
根据上述假设，可得三方演化博弈矩阵如表
“E
也
毛
q
&
6
y
肛
“
Q腹Q恐
是
也
P
万方数据
第6期 王海燕，等：政府一平台电商协同监管大数据“杀熟”的演化博弈研究 93
表2政府、平台电商和平台卖家混合策略博弈收益矩阵
Table 2 ReVenue matrix of mixed strategy game among goVernment，platform e-commerce and platform sellers
2演化稳定策略求解
2．1 三方复制动态方程分析
根据模型假设，令政府积极监管、不积极监管
以及其平均收益分别为U、U．，和U，，则有：
UI=，名×(6G1一P1+E4一E2一E3+E1)+y×(yGl—rl—F3一
P4+E2一E1)+三×(肛Gl一疋一F1一P2+E3一E1)一
Cl(肛G1一疋一F1一P2+E3一E1)一Cl+Rl+疋+F1+丁1+
B+Gl+El
uNI=AlGl_JBlcl一5l+(1一z)形lFl+(1一y)w2F3
UI=戈×Ul+(1一戈)×UNl
同理可得平俞电商积极监管的期望收益巩、
消极监管的期望收益砜，及其平均收益u。，如下：
UP=l纪×(6G2一P1)+戈×(yGl+P4)+。×(仪G2一F2一
P3)一C2+R2+F2+G2
UNP=戈(一丁l—F3+职F3)一z形lF2—p2C2+A 2G2一S2+
形lF2一耽F3
UP=y×UP+(1一y)×UNP
则平台卖家公平定价的期望收益u。杀熟定
价的期望收益砜。及平均收益％为：
Uc=a纱×(6G3+2P1)+戈×(肛G3+P2)+y×(dG3+P3)一
C1一S1+R4+G1
UNc=戈(一砭一Fl+形1F1)+扎一F2+形lF2)+R3一S4一
形1F1一形lF2+G3
Uc=。×Uc+(1一z)×UNc
复制动态微分方程的基本原理，即参与者选取
某种策略的增长率dp(f)／df与该时期f选取该策
略的人数比例成正比，而且与选取该策略的收益与
平均收益的差值成正比．据此，则政府、平台电商和
平台卖家的动态复制方程以x)，F(v)，F(z)分别
为：
及办警刊(即瓦)训(1引灿．也．)=
戈《11)Ⅻ弘《6Gl-Pl+日一哎一E3+E1)+
y×(yGl一丁l—F3一P4+职F3+E2一E1)+
。×(肛Gl一疋一Fl—P2+形lFl+E3一E1)+El+
(卢l一1)cl+(1一A1)Gl+尺1+疋+Fl+丁l+F3+
S，一肜．F，一职B J
F(y)=警训("瓦)=
y×(1一y)×(UP—UNP)=
y×(1一y)×[蝣×(6G2一P1)+戈×(yG2+r1+
F3+P4一职F3)+。×(“G2一P3一F2+形lF2)+
(卢2—1)C2+(1一A 2)G2+R2+F2+S2一形1 F2+
职F，]
以小豢喇(盱玩)叫(1训灿c也c)=
。×(1一。)×[yx×(6G3+2P1)+戈×(肛G3+
P2+疋+F1一形lFl)+y×(战G3+P3+F2一
形lF2)一C3一S3一R3+R4+S4+形lFl+形lF2 J
2．2三方演化路径及其稳定性分析
采用微分方程稳定性定理来分析3个博弈主
体的稳定性和策略演化路径．根据微分方程的稳定
性定理，政府、平台和电商的复制动态方程的稳定
点应满足如下条件：
只x)：o，塑型<o；
d戈
及y)：o，掣<o；
oj、
只。)：o，塑堕<o，其中
万方数据
94 江苏科技大学学报(自然科学版) 2024年
鉴型：(1也)×[弘×(6G．一P．+E。一E：一E，+E．)+y×
d工
(yGl一rl一凡一P4+_【『，2F3+E2一E1)乜×(胪l—r2一Fl—
P2+ⅣlFl+E3一E1)+El+(卢l一1)Cl+(1一A1)Gl+Rl+
咒+F1+r1+F3+51一形l Fl—I『_2F3 J；
姿型：(1—2y)×【嬲×(6G：一P。)堋(，，G：+T。+F。+
町
P4一彤2F3)+。×(“G2一P3一F2+彤lF2)+(卢2—1)C2+
(1一A 2)G2+R2+F2+S2一I『_l，2+彤2F3 j；
型≥型：(1一勉)通≯短6G，+2P。)慨疆萨，+P：+丁：+F，一Ⅳ，F。)+
皤
y《dG3+P3+F2一_[『TlF2)一C3一S3—尺3+R4+S4+_【『TlFl+_[『T1 F2 J
进一步可得m政府演化的动态复制相位如图
l(令y4=
(1叩1)C1+(Al一1)Gl—El—Rl一，2一Fl一，l—F3一S1+
ⅣlFl+形2F3一。×(肛G1一r2一F1一P2+彤lFl+E3一E1) 、
。×(踮1一Pl+E4一E2一E3崛)+yGl一r1一F3一P4+I『_2F3坩2一El
图1政府演化的复制动态相位图
Fig．1 Replication dynamic phase diagram
of government eVolution
从图1中可知，政府的演化策略的走向既受到
模型中各参数的影响，也受平台电商和平台卖家策
略选择的影响．当0<y<y4时，政府的稳定策略为
“消极监管”；当0<y+<y<1时，政府的稳定策略为
“积极监管”；当y=y+时，政府的任何策略都为稳
定状态．
类似的，得出平台电商的复制动态相位图如图
2(令戈+=
(1叩：)c2《A：一1)G：冰：书：书：+_【『f。F：一贩几1{(砸：一P3—疋+_【『_-Fz j
。珂犯：_P。)1G2+，，+巴十P4一畈B
图2平台电商的复制动态相位图
Fig．2 Replication dynamic phase diagram
Of pIatform e-commerce
从图2中可知，平台电商的演化策略的走向既
受到模型中各参数的影响，也受政府和平台卖家的
策略选择的影响．当0<戈+<戈<l时，平台电商的稳
定策略为“积极监管”；当0<搿<戈8时，平台电商的
稳定策略为“消极监管”；当x=戈。时，平台电商的
任何策略都为稳定状态．
同理，平台卖家的复制动态相位图如图3(令
y
7=
G+s3+B—心—s4一形．F1一形．F21《pG3+P2+咒+F．一职E)
戈《6G3+2PI)乜G3+P3+R一形I疋
盈一蓼一一
鬻㈣一◇㈣一
万方数据
第6期 王海燕，等：政府一平台电商协同监管大数据“杀熟”的演化博弈研究 95
卖家的共同作用，凶此统筹研究具有重大意义．根
据Ritzberge“1996)，三方演化博弈策略，只需要分
析E，(0，0，0)、E，(1，0，0)、E，(0，1，0)、E。(0，0，
1)、E。(1，1，o)、EJ 1，o，1)、E又o，1，1)、ER(1，1，1)
) 的渐进稳定性．根据Fridman(1991)提出的方法，对
于一个由微分方程系统描述的群体动态，其均衡点
的稳定性是南该系统的雅可比矩阵分析得到的．基
于前文所述的复制动态方程，可以得出雅克比矩阵：
1．，。。 t，，： t，。3
，=ll，：。t，：：，：，l，其中，各单元具体数值如
t，3。 ，32 ．，33
图3平台卖家的复制动态相位图
Fig．3 Replication dynamic phase diagram
of platform sellers
从图3中可知，平台卖家的演化策略的走向既
受到模型中各参数的影响，也受平台电商的影响．
当0<v7<y<1时，平台卖家的稳定策略为“公平定
价”；当0<y<y 7时，平台卖家的稳定策略为“杀熟定
价”；当y=y7时，平台卖家的任何策略都为稳定状
态．
2．3 三方共同作用的演化策略稳定性分析
上一小节从单个博弈主体的行为选择出发，分
析了各主体策略演化过程及其行为影响因素，但平
台经济的稳定健康发展需要政府、平台电商和平台
F：
l，ll=(1—2戈)×l弘×(6Gl一尸l+E4一E2一E3+E1)+
y×(yGl一丁l—F3一P4+彬2F3+E2一E1)+
z×(肛G1一咒一F1一P2+形1F1+E3一E1)+El+
(届l一1)cl+(1一A1)Gl+Rl+疋+Fl+丁l+F3+
S．一形。F．一％几]
t，12=戈×(1一戈)×l。×(6Gl—Pl+E4一E2一E3+E1)+
yGl一丁l—F3一P4+形2F3+E2一El j
t，13=戈×(1一戈)×l孔6Gl—Pl+E4一E2一E3+E1)+
肛G1一P2一疋一F1+形1F1+E3一E1 J
厶，=y矮17)报。双6G—P1)+yG+正+B+Pj一畈B)
如=(1匆)近髂《瞩-P。№《yG2+一也+P4一职E)+
。必o，G2—_P3—疋+％F2)氓卢：一1心《1—_A：)(12十R：+
F，+S，一形．F，+职F，]
如=y《1了)江戈×6G2—P．)乜G2—P3—疋+彤疋)
厶l=z×1吃I y双6G3+2P1)机G十P2+疋+Fl一彤Fl J
如=。必1≮)过戈×6G3+2P．№G3+P3+疋一彤疋]
t，=j3i l吃M弘涎瞩馏。№汉鹏+P2+疋叩。一彤F。H
y×(“G3+P3+F2一形lF2)一C3一S3+R4一R3十S4+
形1Fl+形lF2]
若均衡点满足det．，>0，td<0两个条件，则均
衡点为演化动态过程的局部渐近稳定点．根据雅可
比矩阵的局部稳定分析法，结果如表3．
表3各均衡点对应的雅可比矩阵特征值
Table 3 Jacobian matrix eigenvalues corresponding to each equilibrium point
骢一一藜
万方数据
96 江苏科技大学学报(自然科学版) 2024年
肛G1一咒一F1一Jp2+形】F】+E3+
(卢1—1)C1+(1一A1)G1+尺】+咒+
F1+711+F3+s】一形1 F1一职凡
一yGl+rl+F3+P4一E2一w2F3+
(1]B】)cl+(Al一1)Gl—R】一疋一
Fl—rl—F3—5】+彤lFl+w：F3
6Gl—Pl+E4+yGl—r】一F3一P4+耽F3机Gl—
E7(0，1，1) 咒一，l—P2+Ⅳ】F】+(卢l一1)C】+(1一A1)Gl+
R】+疋+Fl+rl+F3+S】一形lFl一％F3
—6Gl+_P】一E4～yGl+7’l+F3+_P4一w2F3-JuG】+
E。(1，l，1) 咒+Fl+Jp2一ⅣlFl+(1叩】)Cl+(Al一1)Gl一
尺l一咒一Fl一71l—F3一S】+形1Fl+w2F3
文中主要分析达到政府积极监管、平台积极监
管、电商公平定价的稳定状态，即分析E。(1，1，1)
的现实约束，在表3的基础上，可知，若满足：
(1)一6Gl+Pl—E4一yGl+rl+F3+P4一w2F3]虬Gl+
孔+Fl+P2一形lFl+(1一卢1)cl+(Al一1)Gl—Rl一疋一
Fl一丁l—F3一Sl+形lFl+贩F3<0，
(2)—6G2+Pl—yG2一丁1～F3—P4+w，2F3一dG2+P3+
疋一形F：H l叩：)C：“A：一1)G：—R：一疋一S：+E疋一
职B<0，
(3)一6G3—2Pl一肛G3一P2一咒一Fl+形lFl—dG3一
P3一F2+形lF2+C3+53一R4+R3一S4一形1Fl一肜lF2<0，
此时，E。为均衡点．
3仿真演化博弈
在政府、平台电商与平台卖家构建的动力系统
中，涉及不同策略组合的收益与成本，采取不同组
合策略的概率分布等参数或变量，都可以通过雅可
比矩阵判断演化系统在平衡点的稳定性，但是难以
详细刻画均衡的实现过程以及不同参数对演化过
程的影响．为了在不同情形下对政府、平俞电商与
平台卖家之间的演化博弈过程进行分析，本文采用
数值分析的方法对理论分析进行验证，即通过对模
型参数进行取值，模拟政府、平台电商与平台卖家
之间博弈的变动趋势，进而系统全面的揭示政府、
平台电商与平台卖家进行决策的一般性规律．
文中数值分析参数以著名网络平台电商某宝
旗下商城的一桩“杀熟”事件为例，2020年3月7
日，某宝用户称会员在其商城购买商品时价格比普
通用户更高，随后更多网友发现该商城存在严重的
“杀熟”定价行为，比如，3．8妇女节活动期间，一款
洗面奶在不同用户、不同型号手机上有至少5种不
同的价格，由低到高一次为16．03，21．9，24．9，31．
7，35．46元．即使是同一个用户，使用不同帐号登
录，显示的价格亦不同．此类现象在该平台并不限
于上述化妆品一案，有网友计算出，该商城针对不
同用户的价格差别约为10％．事实上，对于“大数
据杀熟”，《中华人民共和国价格法》明确规定，经
营者不得对提供相同商品或者服务，对具有同等交
易条件的其他经营者实行价格歧视．违反该规定
的，责令改正，没收违法所得，并处违法所得5倍以
下的罚款．
以上述案例为背景，文中特设在政府、平台电
商与平台卖家的博弈系统中，政府介入监管需付出
成本50万元，平台监管花费48万元，卖家公平定
价付出成本40万元，地方政府积极监管会获得额
外收益5万元，同时会获得中央政府基本奖励10
万元，政府不积极监管造成的名誉等损失5万元，
同时损失基本收益比率0．8，若平台积极监管，会
获得额外收益及政府相关补贴5万元，平台若不积
极监管，也会被政府处以3万元的罚款，平台卖家
若杀熟定价，会获得额外收益7万元，造成客户流
失等损失4万元，违规行为若被发现没收违法所得
9万元，若公平定价，短期内造成利润损失7万元．
综上，本节利用Matlab软件做仿真分析，分别
探讨在不同参数影响下博弈双方的演化结果．初始
结果如图4．其中^、为政府选择积极监管策略的
野峨雌蚶㈣忡㈨肾
舯呐M呐峨∽^姚化一～～～～一一一峨
3++
一
nJ
i
F
c
s。掣∽¨舭竹∽晰
n■
一
，
4
即
毋。一_，娟^删野峨时州挑㈤
叫∥撕
v一心‘叱瑚，^z埘即也鸲∽∽奸∽∽㈣一一一一一一卅一一一一一一她一一一
■一，巴畎坷叻一，q+-竹¨川r，巴乃搿一
万方数据
第6期 王海燕，等：政府一平台电商协同监管大数据“杀熟”的演化博弈研究 97
初始概率^、为平俞电商采取积极监管的初始概
率，％为平台卖家公平定价的初始概率，横坐标表
示演化博弈的时问，纵坐标表示各主体行为选择的
概率．因初始演化强调自然状态下各方的选择结
果，特设三方主体的初始概率为0．5，演化结果如
图4，表明系统自发的演化稳定趋于(0，0，0)，即政
府选择消极监管，平台电商选择消极监管，平台卖
家趋于“杀熟”定价．
0 2 4 6
时间
图4系统初始状态演化图
Fig．4 Initial state evolution diagram of the system
3．1成本对系统演化的影响
为验证成本对各主体行为选择的影响，分别取
政府积极监管成本为55、50、45、40、35，平台电商
积极监管成本为53、48、43、38、33，平台卖家公平
定价花费的成本为46、40、34、28、22．演化结果如
图5．
1 0
0 9
0 8
0 7
0 6
斟
壁¨
中0 4
0 3
0 2
01
0
1 O
0’9
0 8
0 7
0 6
挂
塞os
中0 4
0 3
0 2
01
O
时间
(a1政府积极监管
C246
C240
c]234
C228
G222
0 5 1 O 1 5
时间
(c)平台卖家公平定价
图5成本对系统演化影响
Fig．5 Impact of cost on system evoIution
研究结果表明，成本对于系统演化稳定具有决
定性影响．对于政府而言，总体上政府采取积极监
管的概率随着监管成本的减小而增大．具体来说，
以演化时间1为界，当政府监管成本为55和50
时，政府存1处均已达到消极监管的稳定状态，且
成本越大，政府会以更快的速度选择消极监管．政
府在网络市场监管过程中，因信息不对称问题以及
卖家投机行为的隐蔽性特点，监管本身存在较大难
度，往往无法达到预期标准．此时，若监管成本很
高，政府高成本投入并不能切实纠察平台交易违规
行为，便更倾向消极监管．当监管成本的降低到45
时，政府在演化初期以大于0．5的概率倾向选择积
极监管，但随着时间推移，政府最终还是选择消极
监管并保持稳定．当监管成本降到45以下时，政府
财政压力减小，为切实履行社会责任，树立政府形
象，打造良好的社会公信力，政府会以较快的速度
选择积极监管．
同样，平台电商积极监管的概率随着成本的降
低而增大．当监管成本较高时，平台电商与平台卖
家缔结的组织内委托代理关系使得平台电商更倾
向舍弃高额成本支出进行监管，转而维护平台卖家
以获取更多利润．而当监管成本降到一定程度，平
台电商以较小的支出，便能收获顾客信任、声誉等
社会效益，符合可持续发展的经营理念，由此，平台
电商会快速转向积极监管，并且成本越低，速率越
快．
作为以盈利性为目的的经济组织，平台卖家更
是“利益优先”，以利益最大化作为其行为选择的
重要依据，因此平台卖家对成本变化的敏感性要高
于平台电商与政府．平台卖家选择公平定价时，相
对于“杀熟定价”本身会损失一部分额外收益，因
此成本较高时，平台卖家会毫不犹豫选择“杀熟定
0
9
8
7
6
5
4
3
2
1
O
∽
∞
啦
们
％
¨
¨
∞
吡
叭
o
*壁世如
一隐睦疆隧陡
∽
吣
吣
们
晰
吣
¨
吣
呲
¨
万方数据
98 江苏科技大学学报(自然科学版) 2024年
价”，而且成本越高，速率越快．定价成本较低时，
平台卖家若选择公平定价，便能以较低的支出收获
口碑、消费者忠诚等社会效益，同时，还能收获政府
与平台电商的相关补贴，一定程度上弥补了公平定
价的损失，因此，平台卖家会积极选择公平定价．
3．2惩罚对系统演化的影响
探究各监管主体的惩罚措施对于系统演化的
影响，仿真结果如图6．
0 5 l 0 1 5
时间
(a)‘，‘变化
0 5 1 0 1 5
时间
(b)‘，‘变化
F25，f24
F=10，只=8
F=15，t=12
F=20，只=16
F，=25，只=20
0 5 1 0 1-5
时间
(c)‘，‘变化
图6政府惩罚力度、平台电商惩罚力度对系统演化影响
Fig．6 Innuence of government punishment intensity
and platform e-commerce punishment intensity
on system eVolution
研究结果表明，惩罚对于系统演化稳定具有重
要作用．惩罚措施对于各监管主体属于非正式收
入．尤其政府作为主要监管主体，其惩罚力度更能
反应出政府对整治平台乱象的重视程度，惩罚力度
越高，政府越倾向于选择积极监管．对于平台电商
而言，一方面承受政府对其消极监管的惩罚支m，
一方面收获监管平台卖家违规行为带来的惩罚收
入．随着政府惩罚力度的增强，平台消极监管带来
的损失增加，当损失增强到一定程度，平台会降低
违规行为发生的概率，同时增强对平俞卖家的监
管，以期通过对平台卖家投机行为的惩罚获取相应
的收入补贴，由此，平台会逐渐转向积极监管．同
时，由图可知，当惩罚支m与惩罚收入差距较小时，
平台电商倾向选择消极监管．随着各监管主体惩罚
力度的增加，当惩罚收入远高于惩罚支出时，平台
会选择积极监管．平台卖家作为惩罚措施的实施对
象，当政府与平俞电商惩罚力度较小时，对平台卖
家造成的损失不足以抵消“杀熟定价”获得的额外
收益，平台卖家仍会坚持“杀熟定价”．随着各监管
主体惩罚力度的增强，平俞卖家若继续开展违规行
为便面临着高额损失，由此，卖家会在较短时间内
选择公平定价，减少“杀熟定价”带来的亏损．
3．3监管力度对系统演化的影响
(1)政府监管力度对系统演化的影响
为探究政府监管力度对系统演化的影响，对政
府监管力度系数分别取0．2，o．3，o．4，o．5，o．6，仿
真结果如图7．
时间
(a1对政府合作影响
1
O
O
O
0
0
O
0
O
O
讲鏖世如
I
O
O
O
O
0
O
O
O
O
*罐世如
0
9
8
7
6
5
4
3
2
●
0
1
0
O
0
O
O
O
0
O
O
悔罐世如
万方数据
第6期 王海燕，等：政府一平台电商协同监管大数据“杀熟”的演化博弈研究 99
时间
(c)对平台卖家合作影响
疗20 2
口20 3
疗20 4
口20 5
占=0 6
图7政府监管力度对系统演化影响
Fig．7 Innuence of government regulation
intensity on system eVolution
由图7可知，随着政府监管力度的增强，系统
最终达到(积极监管，积极监管，公平定价)的理想
状态，并且保持长期稳定．具体来说，以演化时问
0．5为界，当政府监管系数为0．2时，政府倾向选
择消极监管，而平台电商与平台卖家则均在0．5之
前分别达到消极监管与杀熟定价的状态．表明当政
府监管力度较小时，政府会花费较少的人力物力改
造平台监管机制、降低对违规行为的惩治力度，但
因信息不对称性以及卖家投机行为的隐蔽性特点，
较小的监管力度无法切实优化网络市场环境，久之
政府便开始消极监管．而平台电商与平台卖家在缺
少政府管控情况下，更是以自身利益最大化为原
则，继续保持投机行为．当政府监管力度上升到
0．3时，仍以演化时间0．5为界，政府以高于0．9
的概率倾向于积极监管并保持稳定，平台电商有选
择消极监管的倾向，但因政府监管力度的增强，最
终迫于政府压力转而选择积极监管，并保持稳定．
而平台卖家在0．5时已经达到杀熟定价的状态，作
为盈利性组织，其第一选择就是能获得额外收益的
“杀熟定价”，但政府的强力监管会增加平台卖家
被曝光的风险，不仅面临高额惩罚支出，还会影响
卖家声誉、降低顾客忠诚度，不利于卖家的可持续
发展，为维持企业形象，考虑企业的长期发展，卖家
最终会选择公平定价．随着监管力度增强到0．3以
上，政府、平台电商与平台卖家均会以较快的速度
达到(积极监管，积极监管，公平定价)的稳定状
态，并且监管力度越大，达到稳定状态的速率越快．
基于此，政府可以通过加强监管力度，提高罚金、增
加监督检查频率等措施，增加平台电商与平台卖家
的违规损失，促进平台电商、平台卖家规范行为的
形成．
(2)平台电商监管力度对系统演化的影响
为探究平台电商监管力度对系统演化的影响，
分别取平台监管系数为0．2，0．3，0．4，0．5，0．6，数
值仿真分析结果如图8．
时间
(a)对政府合作影响
时间
(b)对平台电商合作影响
岛=0 2
最=0 3
0产．4
最=0 5
见二0 6
时『叫
(c1对甲台卖家合作影响
图8平台电商监管力度对系统演化影响
Fig．8 Innuence of platform e-commerce
superVision on system evolution
由图8可知，平台监管力度增强，有利于系统
达到(积极监管，积极监管，公平定价)的稳定状
态．具体来说，以演化时间0．5为界，当平俞监管系
数为0．2，0．3，0．4时，政府选择消极监管，而平台
电商与平台卖家则分别选择消极监管与杀熟定价．
可见，当平台电商监管力度较小时，不足以遏制平
台卖家通过投机行为攫取高额利润，因此平台卖家
会选择杀熟定价．平台电商的监管投入不仅无法遏
¨
∞
眦
"
％
¨
¨
吣
毗
叭
o
*晕世舡
万方数据
100 江苏科技大学学报(自然科学版) 2024年
制平台乱象，还要持续投入支出，以自身利益为着
眼点，平台电商最终会选择消极监管．对于政府而
言，平台监管力度并未对政府产生影响，政府会保
持其初始选择消极监管．而当平台监管力度大于
0．4时，系统最终会达到(积极监管，积极监管，公
平定价)的理想状态并保持稳定，且监管力度越
大，达到理想稳定状态的速率越快．具体来说，当平
台电商监管力度足够大，平台卖家投机行为带来的
收益不足以弥补平台电商高强度监管带来的损失，
平台卖家便会减少投机行为，转向选择公平定价．
对于平台电商，其监管力度越大，获得的财政收益
与社会效益越大，平台电商就越会选择积极监管．
此时，通过平台电商的监管，已经在很大程度上遏
制了卖家的投机行为，降低了政府监管网络交易市
场的难度，为维护政府形象，获取民众信任、声誉等
社会效益，政府会主动承担监管责任积极监管，并
且随着平台电商监管力度的增强，达到稳定状态的
速率越快．可见，平台电商亦可通过加强监管力度，
带动各主体达到理想的稳定状态．
此外，通过对比图7，8还可以看出，政府监管
力度能对各主体行为产生显著影响，而平台监管力
度需要达到一定程度才会影响系统状态，但平台监
管相较政府监管能在更短时问内促使各主体达到
稳定状态．进一步说明了政府与平台电商协同监管
的必要性，能保证监管主体以最小的人力物力快速
达到稳定状态．
(3)政府与平台电商协同监管对系统演化的
影响
上述结论可见协同监管的必要性，为进一步探
究政府与平台电商协同监管作用下系统的演化规
律，将两主体监管力度合并实施，仿真结果如图9．
0 0 5 l 5 2 0 2 5
=o 2，p220 2，z020 5
502，且502，，。50 5
=0 2，岛20 2，犷o 5
=o 3，晟20 2，。。=o 5
=o 3，p220 2，，020 5
20 3，卢：20 2，％20 5
=04，岛202，z020 5
=04，p2202，，。20 5
二04，见20 2，气20 5
20 5，卢220 2，z。20 5
=0 5，且20 2，y020 5
图9政府与平台电商协同监管对系统演化的影响
Fig．9 Innuence of coUaborative reguJation between the
goVernment and platform e-commerce on system evolution
力度的监管水平，也会促使整个系统在短时间内向
(积极监管，积极监管，公平定价)的方向演化并且
保持稳定．这也就意味着政府与平台电商协同监管
的效果优于政府或者平俞电商单独监管的作用，加
强政府与平台电商的有效互动是必要的．
4结论与对策建议
根据以上分析，文中得出主要结论：①在自然
状态下，政府、平台电商与平台卖家构建的博弈模
型很难向着(积极监管，积极监管，公平定价)的理
想状态自然演化．②成本、惩罚力度、政府与平台
电商的监管力度等参数对系统达到理想状态具有
重要意义．③政府与平台电商协同监管效果更具
优越性，加强政府与平台电商的良性互动能以最小
的支出换取最大化的收益．在此基础上，为能更好
地发挥监管主体作用，打造更公平透明的市场交易
环境，保护消费者权益，减少大数据环境下平台电
商的“杀熟”行为，文中提出如下政策建议：
(1)建立完善的法律规制体系，严惩重罚，绝
不姑息
大数据“杀熟”行为涉及面比较广，需要多主
体共同参与监管，其中，政府的监管监察具有不可
替代的作用．对此，政府需将大数据“杀熟”行为纳
入明确的法律治理范围内．对违规企业根据其具体
情况施以严惩重罚，要触及违规卖家的“痛点”，增
加其违法成本，使其不敢“再犯”．此外，可以规定
网络平俞应当公示其平台服务协议及支付规则，充
分发挥政府监管的力量，真正刹住这种“薅用户羊
毛”的失信行为，重构平台市场诚信交易的氛围．
(2)增强各监管主体问的良性互动，增强监管
力度，降低监管成本
政府要主动进行监管，加大监管力度，增强与
平台电商问的良性互动，建立科学有效的信息共享
渠道．提高对监管的资金投入，摒弃传统的监管方
式，充分运用互联网、大数据等技术开展价格检测．
(3)加大宣传，提高公众维权意识，发挥社会
监督力量
多种监管方式并存可以形成实现多元共治．公
众监督是对政府监督的一种有效补充，基于此，政
府应充分利用新媒体平台的宣传优势，加强消费者
维权知识的宣传教育工作，提高公众维权意识，降
低举报成本．同时，对商家展开培训、教育，使其梳
理正确的经营理念，自觉杜绝价格欺诈行为．
参考文献(References)
南图9可知，即使政府与平台电商者B保持较低 [1]汗旭晖，任晓雪．政府治理视角下平台电商信用监
¨
∽
瞄
盯
％
¨
¨
∞
¨
¨
僻鏖世中
万方数据
第6期 王海燕，等：政府一平台电商协同监管大数据“杀熟’’的演化博弈研究 101
管的动态演化博弈研究[J]．中国管理科学，2021， the。ry approach[J]．J0urnal。f Man89eHlent in Engi一
29(12)：29—41． neerj“g，2015，31(6)：04015005．
[2]
[3]
4]
6]
7
8
LIN T，CHENG H K，WANG F S，et a1．A studv of on—
line auctit)n sellers’intention to switch Dlatll0I-m： The
case of Yahoo!Kimo versus Ruten—eBav[J]． Decision
Sciences，2012，43(2)：241—272．
GREWAL R，CHAKRAVARTY A，SAINI A．Govem—
ance mechanisms in Business—to—Business electronic
markets l J j．Journ a1 of Marketjng，2010，74(3)：46—
62
上JLAMBECK E L，I’A Y LUR’I’A．Supplier evasion t)f a
buyer’s audit：Implications fbr motivating supplier so—
cial an(1 environmental responsibilitv[J]． Manufa(·tur—
ing and Service 0perations Manage瑚ent，20l 6，l 8(2)：
184—197．
曹裕，俞传艳，万光羽．政府参与下食品企业监管博
弈研究[J]．系统工程理论与实践，2017，37(1)：
140—150．
赵荧梅，郭本海，刘思峰．不完全信息下产品质量监
管多方博弈模型[J]．中国管理科学，2017，25(2)：
111一120．
朱立龙，郭鹏菲．政府冷链食品企、Ip质量安全监
管博弈分析[J]．中国管理科学，2016，24(增1)：
644—649．
ETD M S，ET．一ADAWAY I H，COATNEY K T．Ev01u—
tionary stable strategy fbr postdisaster insurance：Game
[9]全吉，储育青，王先甲．具有惩罚策略的公共物品博
弈与合作演化[J]．系统工程理论与实践，2019，
39(1)：14l一149．
[10] 王先甲，夏可．多人雪堆演化博弈在愿景驱动规则
下的扩展平均丰度函数[J]．系统工程理论与实践，
2019，39(5)：1128—1136．
1 1 1 J CAI G S，KOCK N． An ev01utionary game theoretjc
perspective on e—collaboration：The collaboration ef玷rt
an(1 me(1ia relatiVeness[J]． European Journal 0f 0peI’一
ational ReseaI℃h，2008，194(3)：82l一833．
[12]杨丰梅，王安瑛，吴军，等．基于博弈论的C282C模
式下电商信用监管机制研究[J]．系统工程理论与
实践，2017，37(8)：2102—2110．
[13]谢康，肖静华，赖金天，等．食品安全“监管困局”、
信号扭曲与制度安排[J]．管理科学学报，2017，
20(2)：1—17．
[14]汪旭晖，任晓雪．基于演化博弈的平台电商信用监
管机制研究[J]．系统工程理论与实践，2020，
40(10)：2617—2630．
[15]周晓阳，赵凡，刘莹，等．政府补贴和成本共担如何
影响平台和企业策略选择一基于三方演化博弈
[J]．控制与决策策，2022，37(2)：293—302．
(责任编辑：顾琳)
(上接第68页)
[10]
[11]
[12]
YA0 P，TANG H，ZHOU K，et a1．Influence of incljn—
ation of welding torch on weld bead during pulsed
GMAW process_J]．Materials，2020，13(11)：2652—
2669．
YANG Z，FANG C，WU M，et a1．The mechanisms of
aI℃coupling and rotation in cable—type welding wire
c02 welding l J J． Journal of Materials Processing
Technolt)gv，2018，255：443—450．
YANG Z，FANG C，CHEN Y，et a1．Efkct of forces on
dynamic metal transfbr behavior of cahle—tvpe weldi—
ng wire gas metal arc weⅫng[J j． The Tnternatjona1
[13]
[14]
Joumal of AdVanced Manufac￡u“ng Technology，201 8，
97(1／2／3／4)：8l一90．
方臣甯，陈志伟，胥国祥，等．缆式焊丝c0。气体保
护焊工艺研究[J]．金属学报，2012，48(11)：1299—
1305．
SEMAK V，MATSUNAWA A．The r01e of recojl pres—
sure in energy balance during laser materials pmcessi—
n乱J J． Journal of Physi(1s D Applie(1 Physics，1 999，
3O(18)：2541—2552．
(责任编辑：顾琳)
万方数据
