电子商务平台上的数据共享：数据网络外部性的作用

《Expert Systems with Applications》：Data Sharing on E-commerce Platforms: The Role of Data Network Externalities

　　陈浩天|赵瑜|冯佳|侯瑞
中国广东省广州市广东工业大学管理学院，510520

**摘要**
在数据驱动的经济环境中，消费者数据已成为产品改进和服务创新的关键资产，重塑了电子商务平台与制造商之间的互动模式。我们构建了一个博弈论模型，用于研究数据网络外部性如何在品牌竞争的情况下影响平台的数据共享策略，并比较了三种情景：不共享数据、部分共享数据和完全共享数据。首先，我们的研究发现数据网络外部性不仅为供应链成员创造了数据网络效应，还加剧了竞争效应。平台的最优策略取决于佣金率。随着佣金的增加，佣金效应和数据网络效应超过了竞争效应，从而促使策略从“不共享数据”转向“完全共享数据”。其次，尽管制造商总是希望平台共享数据，但更多的数据共享并不总是意味着更好的结果。当数据网络外部性的强度较低且产品之间的可替代性较高时，“部分共享数据”能够让制造商通过产品差异化策略来缓解竞争压力。第三，虽然 ??? network 效应有助于平台与制造商达成双赢结果，但只有在产品之间的可替代性较低时，通过完全共享数据才能实现包含消费者福利的帕累托最优。这些发现为供应链成员在处理电子商务市场中数据价值与竞争风险之间的权衡提供了切实可行的见解。

**引言**
在当今的数字时代，电子商务平台已成为商品交易的中心枢纽，连接着大量的消费者和众多制造商。这种动态环境催生了复杂的竞争格局，平台自有品牌（SB）和制造商支持的国家品牌（NB）之间展开了激烈的竞争。传统观点认为，与国家品牌相比，自有品牌在产品质量和品牌形象方面处于劣势（Chen, Yan, Bian, Han, 2025; Choi, Monier-Dilhan, Réquillart, 2006）。然而，随着大数据和数字技术的快速发展，电子商务平台利用数据分析能力改进产品设计和质量的现象正在挑战这一传统观念，品牌竞争也进入了新的阶段。

随着消费者主权的兴起，越来越多的消费者关注产品与自身需求的匹配度，而非品牌影响力（Mak & Max Shen, 2021）。在消费者追求定制化产品设计的背景下，电子商务平台成为数据驱动经济的最大受益者之一。根据国际数据公司（IDC, 2024）的预测，到2028年全球数据量将达到393.8 ZB，是2018年数据量的10.8倍。通过运用人工智能和机器学习等先进技术，平台能够分析大量的消费者数据，揭示出推动其业务策略的关键信息。这些数据涵盖了消费者行为的多个维度，包括用户信息、浏览历史、搜索关键词、购买记录和产品评论反馈（Arora & Jain, 2024）。值得注意的是，这类数据的收集和利用表现出网络外部性：用户参与度的提高会放大数据量和多样性，使平台能够提升算法精确度、提供个性化的推荐，并推出符合消费者需求的产品改进。反过来，这些改进又吸引了更多用户，形成了一个自我强化的循环，从而增强了平台的优势（Gregory, Henfridsson, Kaganer, & Kyriakou, 2021）。

对于平台而言，这些丰富的数据为通过更精确地匹配产品与消费者偏好来提升自有品牌提供了机会（Lyu, Hu, Zhuang, & Xi, 2023）。例如，亚马逊利用平台上顶级行李销售商Fortem的消费者数据，推出了三个畅销的箱包系列“Amazon Basics”。另一方面，平台也可以与制造商共享数据，帮助其开发对消费者更有价值的产品（Ning & Steven, 2019），例如惠普利用京东提供的消费者数据优化了其产品线，生产专门针对中国市场设计的定制电脑和打印机。对于距离最终消费者较远的制造商而言，没有数据支持的产品改进是一个高风险的决定（Bohlmann, Spanjol, Qualls, & Rosa, 2013）。在传统供应链模型中，产品升级的失败率远高于成功率（Tseng, Aghaali, & Hajli, 2022）。例如，Segway在产品升级和开发过程中未能充分利用消费者数据，导致产品无法满足市场需求，最终造成了重大财务损失。相反，准确且高质量的数据使公司能够通过持续改进产品和服务保持竞争优势（Krafft et al., 2021）。因此，平台的消费者数据对于制造商进行产品和服务改进至关重要。

然而，由于数据分析成本和数据收集能力的限制，制造商往往需要依赖电子商务平台来获取数据分析洞察（Ivanov, Dolgui, & Sokolov, 2022）。制造商越来越担心平台会利用消费者数据来提升自有品牌，这可能会削弱他们的市场地位和盈利能力。同时，鉴于数据网络外部性的影响与平台的市场规模密切相关，制造商市场地位的削弱可能会导致平台可用的消费者数据减少。因此，平台面临一个战略困境：是应通过保留数据来巩固其市场地位，还是应与伙伴制造商共享数据以实现协作优化和整体供应链效率？显然，他们的决策受到数据网络外部性的影响。在实际操作中，电子商务平台采用了两种不同的数据共享策略：部分数据共享（仅共享制造商自身的消费者数据）和完全数据共享（同时共享制造商及其竞争对手的数据）。例如，亚马逊允许卖家免费访问其销售数据，但不提供竞争对手和类似产品的数据；淘宝为卖家的业务提供免费的数据分析服务，同时也提供付费的竞争对手分析服务。其他平台如Ozon则提供免费的基本数据分析服务，包括卖家及其竞争对手的信息，但更全面的服务需要额外付费。

随着平台收集到大量个人消费者数据，关于这些数据的使用、存储和保护方式也越来越受到关注（Gal-Or, Gal-Or, & Penmetsa, 2018）。消费者越来越意识到数据共享可能带来的风险，如数据滥用、身份盗窃或个人信息泄露。为应对这些问题，政府实施了更为严格的数据保护法规。欧盟的《通用数据保护条例》（GDPR）已成为国际标杆，增强了个人对数据的控制权（Choe, Matsushima, & Shekhar, 2024b）。政策制定者旨在防止平台数据滥用导致的不公平竞争和消费者权益侵犯。例如，亚马逊曾因利用第三方卖家数据开发自有品牌产品而受到调查（9）。然而，当消费者数据用于产品改进时，数据网络外部性和平台与竞争对手之间的数据共享对消费者福利的影响仍不明确。

尽管学者们提出了数据网络外部性的概念，但现有研究存在两个主要局限。首先，关于数据共享的研究主要分属两个独立领域：一个关注定价策略，如数据中介或价格歧视（Montes, Sand-Zantman, Valletti, 2019; Zhang, Yue, Zhang, Yu, 2024b）；另一个研究卖家与平台之间的数据共享，未考虑品牌竞争（Arora & Jain, 2024）；关于制造商数据联盟的研究则忽视了平台作为市场分配者和竞争品牌所有者的双重角色（Matsuhisa & Matsubayashi, 2024）。其次，尽管数据网络外部性被认可为提升产品价值和创造跨市场优势的因素（Bhargava, Dubus, Ronayne, Shekhar, 2025; Kr?mer, Shekhar, 2025），但其与平台在竞争性品牌环境中的数据共享决策的相互作用尚未得到系统探讨。以往将数据共享与自有品牌竞争结合的研究大多将数据视为价格歧视的工具（Hu, Li, Liu, & Qu, 2024b）。最近的研究虽然关注了自有品牌与消费者数据的关系，但主要将数据视为服务增强因素，而非产品改进的网络外部性驱动因素（Liao, Lu, Chen, & Xie, 2025）。因此，尽管现实中的平台如京东和亚马逊确实在利用消费者数据及其网络效应来强化自有品牌，但没有研究系统探讨数据网络外部性如何在合作竞争的供应链环境中影响平台的数据共享决策。为了为电子商务平台提供战略指导，需要进一步的研究来明确数据网络外部性如何影响数据共享决策。通过这项研究，我们旨在解决以下问题：
- 平台是否应与竞争对手制造商共享数据？如果共享，应采取何种策略（部分共享或完全共享）？
- 数据网络外部性如何影响制造商和平台的双赢结果？
- 更多的数据共享是否总是对制造商和消费者有益？数据共享能否为供应链成员和消费者带来帕累托改进？

为此，我们构建了一个涉及制造商（he）和平台（she）的博弈论框架。平台拥有自有品牌，并促进制造商国家品牌的在线销售。根据平台不同的数据共享策略，我们考虑了三种可能的情况：（i）不共享数据；（ii）部分共享数据（仅共享国家品牌的数据）；（iii）完全共享数据（同时共享国家品牌和自有品牌的数据）。我们假设产品之间的可替代性对供应链成员的合作关系有显著影响：产品之间的可替代性越强，渠道之间的竞争就越激烈；另一方面，产品之间的差异化降低使得竞争对手的数据更加有价值（Liu, Dan, Zhang, & Ma, 2021），从而强化了数据网络外部性。

本研究首次构建了一个统一的分析框架，同时考虑了数据网络外部性、品牌竞争和平台的数据共享策略选择。该框架不仅允许我们探讨“是否”以及“多少”共享数据的问题，还揭示了数据网络外部性如何通过数据网络效应与竞争效应之间的权衡影响平台和制造商的决策和利润。我们的研究揭示了几个新的发现：首先，平台有两种数据共享策略，其选择取决于佣金率；当佣金率较高时，平台会从不共享数据转向完全共享数据，并且缺乏选择部分共享数据的动力。这是因为高佣金率和数据网络外部性带来的正面效应超过了负面竞争效应。相反，部分共享数据带来的有限数据网络效应不足以弥补其竞争损失。对于制造商而言，更多的数据并不总是更好的选择；当数据网络外部性的强度较低且产品之间的可替代性较高时，制造商更倾向于部分共享数据。这是因为数据网络效应无法抵消竞争带来的损失，差异化策略对制造商更有利。其次，我们全面考虑了不同数据共享策略对平台、制造商和消费者的影响。当数据网络外部性的强度足够高时，供应链成员之间的双赢情况取决于平台的偏好，因为制造商总是希望平台共享更多数据。我们还发现，三赢情况的范围始终小于双赢情况。这种现象背后的直觉是，供应链企业倾向于利用消费者数据生产高价值产品，而由此产生的数据网络外部性会对价格敏感的消费者产生负面影响，尤其是在商品高度可替代的市场中。这表明供应链成员和消费者在数据共享方面的偏好并不总是相同的。当数据被用于产品改进时，监管监督仍然是必要的，以保护消费者的权益。第三，我们将模型扩展到五个实际操作场景。我们的分析揭示了这些场景如何显著地重塑均衡策略。在我们的核心发现中，无论是在同时决策的场景下，还是在产品改进成本的场景下，这些发现都保持稳定。在转售模式下，供应链成员一致偏好完全数据共享。当数据网络的外部性足够强时，消费者也会受益。然而，当平台能够同时决定其销售模式和数据共享策略时，实现与消费者的三赢结果变得更加具有挑战性。当数据分析能力是内生的时，制造商的偏好转向持续支持完全共享。最后，在强制数据共享的场景下，平台可能会选择部分共享以减少竞争伤害，但与制造商实现双赢的结果仍然是不可实现的——这突显了仅依赖监管干预的局限性。本文的结构如下：第2节回顾相关文献，第3节介绍我们的博弈论模型。第4节分析不同数据共享策略下的均衡结果和利润。第5节突出关键结果，而第6节探讨了基础模型的三个扩展。我们在第7节以管理见解作为结论。所有证明都放在附录中。

**文献综述**
我们的论文直接与三个文献流相关：数据共享、数据网络外部性和电子商务平台上的品牌竞争。
**数据共享**。研究企业间信息共享已经成为管理科学中一个重要的研究方向，已有超过五十年的历史。关于平台共享信息的条件和动机的研究受到了广泛关注（Gong, Ignatius, Song, Chai, Day, 2024; Ha, Tian, Tong, 2017; Lu, Ji, Wu, 2017）。

**模型设置**
表2总结了我们模型中使用的所有决策变量和参数的符号。

**均衡分析**
鉴于不同的数据共享场景：N、P和S。通过反向归纳法，我们在本节检验制造商和平台在每个场景下的均衡决策。所有证明都放在附录中。表3总结了不同场景下的均衡结果。

**引理1**
通过比较不同数据共享场景下平台的最优决策，得出：SB的零售价格满足以下条件：存在一个阈值α1，使得pES < pEN < pEP 当且仅当 α > 1?ρ。

**优选的数据共享决策**
我们比较了在不同数据共享场景下平台和制造商的利润。数据共享的影响如下所述：

**命题1**
当ρ > ρ3时，平台选择完全数据共享。否则，平台选择不进行数据共享。
命题1表明，平台有两种取决于佣金率的数据共享策略。平台的数据共享决策受到三种效应的影响：佣金效应、竞争效应和数据网络效应。

**扩展**
本节提出了我们基础模型的五个扩展。为了保持模型的可处理性，我们在每个扩展中只改变一个方面，其余框架保持不变。

**管理见解与结论**
数据分析技术的快速发展使得消费者数据成为一种战略上至关重要的资源，这促使我们研究数据网络外部性如何影响供应链成员在品牌竞争中的数据共享偏好。我们系统地研究了不同数据共享策略对供应链成员的决策、利润和消费者剩余的影响。我们的研究得出了几个新的发现和启示。

**未引用的引用**
缺少引用

**注释**
1. 来源：https://www.idc.com/getdoc.jsp?containerId=prCHC52667624，访问日期：2025年3月30日。
2. 来源：https://www.163.com/dy/article/FB0FT8DU0511NII1.html，访问日期：2025年3月30日。
3. 来源：https://www.prnasia.com/story/archive/2829970_ZH29970_1，访问日期：2025年3月30日。
4. 来源：https://edition.cnn.com/2018/10/30/tech/segway-history/index.html，访问日期：2025年3月30日。
5. 来源：https://www.cifnews.com/article/36023，访问日期：2025年3月30日。
6. 来源：//www.sellerapp.com/blog/amazon-brand-analysis/CRediT
**作者贡献声明**
陈浩天：撰写——原始草稿、验证、软件、方法论、正式分析。
赵幽：撰写——审稿与编辑、撰写——原始草稿、验证、监督。
冯佳：撰写——审稿与编辑、可视化、调查。
侯睿：撰写——审稿与编辑、可视化、调查、软件、概念化。

**利益冲突声明**
作者声明他们没有任何已知的竞争财务利益或个人关系可能会影响本文所述的工作。