【文章內(nèi)容簡介】 對方對交易完成之期望度較高。II. 效用遞增策略(Utility Increase Strategy 。 UIS)：即一開始給予較小幅的讓步，期后慢慢增加讓步的幅度，即一開始移動較小的議價空間，期后放大幅度至交易完成。特色為讓使用者有著對讓步更高的期待，而寧愿等待對方有著更大的讓步，而造成交易無法完成。III. 效用平均策略(Utility Neutral Strategy 。 UNS):即給予對方固定的讓步，后再以固定幅度的讓步直至交易結束。使用此法也會導致使用者的耐心等待，而造成交易可能無法完成。 模糊理論介紹模糊理論(Fuzzy Theory)[33]，在1965年，由美國加州大學柏克萊分校的扎德（. Zadeh）教授，在探討人類主觀或思考過程的定量化處理方法時，發(fā)現(xiàn)處理一些不明確問題時，傳統(tǒng)科學定量方法無法解決此類問題，因此他提出了模糊集合(Fuzzy Sets)，用于解決模糊、不明確的問題。模糊理論利用歸屬函數(shù)(Membership Functions)來表達模糊集合，藉由歸屬度的高低顯示模糊程度的大小。 模糊集合在一般集合(Sets)理論中，元素(Elements)和集合之間的關系只有屬于和不屬于兩種關系，但現(xiàn)實生活中某些事物關系無法精準的用集合理論表達，例如天氣冷熱，到底幾度才叫天氣熱？或者幾度才叫天氣冷？如果用集合理論來看，那就是到攝氏幾度才算天氣熱集合，或者攝氏幾度才算天氣冷集合。為幫助人類在處理此類俱有模糊、不確定特色的問題，扎德教授提出模糊集合理論，利用歸屬函數(shù)求出歸屬值，其值必介于0~1之間，它可以用下列式子表示：其中A代表一模糊集合，x代表此模糊集合里的元素，X代表宇集(Universe of discourse)，fa(X)代表模糊集合A的歸屬函數(shù)。此外，模糊集合不可以為空集合，模糊集合若有子集合(Subset)也必定是模糊集合。表達模糊集合的方式有兩種：l 方法一：定義歸屬函數(shù) 范例：real numbers close to 10A={x , fa(x) │ fa (x) = 1 / [1 + (x10)]}l 方法二：列出所有元素之歸屬值，可分為離散和連續(xù)兩種形式 范例：integers close to 10A= / 7 + + + 1/10………離散形式范例2：real numbers close to 3A = ∫R (1/1+(x3)2)/x………連續(xù)形式接下來我們利用一個范例解釋模糊集合，假設有一間房子有10間房間，求對4人小家庭的舒適度，”舒適度”本身屬不明確的問題，利用模糊集合表示為A={(1,),(2,),(3,),(4,1),(5,),(6,)}，而此范例宇集為{1,2,3….10}。 模糊數(shù)模糊數(shù)[30]也是模糊集合的一種，不過模糊數(shù)的成立條件比模糊集合更嚴謹，它俱有以下特性：l 必須為常態(tài)(Normal)：意即模糊集合里的某一元素，其歸屬值必須為1l 必須俱有凸性(Convex)：指任一模糊集合而言，對于任意的實數(shù)x1，x2的區(qū)間[x1,x2]里的所有實數(shù)x而言，如果滿足下列條件即稱俱備凸性。l 兩個模糊數(shù)經(jīng)過數(shù)學運算后必為模糊數(shù)。l 有正模糊數(shù)和負模糊數(shù)。模糊數(shù)的形式有很多種，如鐘形、三角形、梯形、鼓形…在這節(jié)里，我們僅介紹常見的三角模糊數(shù)和梯形模糊數(shù)。三角模糊數(shù)(X,Y,Z)可以表示如圖五，若要求A的歸屬值，其歸屬函數(shù)為如下：　　　　　　　　　　　　　　　　圖七 三角模糊數(shù)資料來源：John Y. and Reza L., Fuzz Logic [30]梯形模糊數(shù)(W,X,Y,Z)可以表示如圖六，歸屬函數(shù)為如下：圖八　梯形模糊數(shù)資料來源：John Y. and Reza L., Fuzz Logic [30] 語意變數(shù)扎德教授[34]在1975年提出語意變量(Linguistic Variables)的觀念，用來處理傳統(tǒng)數(shù)值概念無法表達的問題，該變量是以口語化文字或句子來形成的變量，例如，“感覺”變量，我們無法利用傳統(tǒng)數(shù)值概念明確表達感覺，我們只能用感覺「很好」、「尚可」、「很不好」來形容，用以描述語意變數(shù)的相對大小程度，這些口語化的形容詞所構成的集合，就稱為此感覺語意變量的「詞語組」。而詞語組中的元素(也就是口語化的形容詞)都將定義各自的歸屬函數(shù)，用以推算各元素的歸屬度。近年來，利用模糊理論所發(fā)展的決策方法很多，如模糊多準則決策(Fuzzy MCDM)、模糊線性規(guī)劃( Fuzzy LP)、模糊階層分析(Fuzzy AHP)、模糊控制(Fuzzy Logic Control)…非常多的決策方法，本研究所使用的決策方法為模糊控制，因此在本節(jié)里僅介紹模糊控制決策方法的決策流程。模糊化（Fuzzification）所謂模糊化，即將變量的操作量放入模糊歸屬函數(shù)中，進而判斷變量在各詞語組的歸屬程度，例如我們定義A為賣方出價的滿意程度，而模糊化可以如下圖表示：圖九 模糊化資料來源：John Y. and Reza L., Fuzz Logic [30]上圖為歸屬函數(shù)，而NB、NS、ZO、PS、PB各代表語意變量A的詞語組，其中N代表負 (Negative)，P代表正 (Positive)，B代表Big，M代表Medium，S代表Small，ZO代表Zero，NB代表Negative Big，也就是相對于中心的標準來說它有著顯著的差距，且這樣的差距是負的，NS，ZO，PS，PB的解釋則依此類推。，，而其余的歸屬度則為0 。模糊推論( Fuzzy Inference )在此步驟中，主要是配合前面步驟中各變量模糊化的歸屬度配合模糊規(guī)則庫里的規(guī)則進行推論，目的是找出推論結果在詞語組下的歸屬度。所謂規(guī)則庫，乃是模糊推論模式設計者依據(jù)其相關領域的專業(yè)知識和經(jīng)驗，設定詞語組之間的關聯(lián)程度，決定推論結果的詞語組。我們假設Xi為輸入語意變量，Rj為詞語組，C代表推論結果，opk為布爾運算子(Boolean Operation)，一模糊規(guī)則可表示如下:其中，其中，而是所有詞語組構成的集合。以本研究來說，假設買方非常不滿意賣方出價(X1)，且買賣雙方價格差距(X2)很少，那推論結果(C)買方價格讓步的幅度一定很少，把上句話轉為公式，就可得到IF (X1 is NB and X2 is NB) Then C is NB。而模糊推論即是采用一推論方法，取得推論結果在各詞語的歸屬值。在研究中我們采用相乘取最大（Maxproduct method）推論方法，此法的主要精神即取推理結果詞語組的最大值作為推論結果，其意義為所有輸入因子和結果之變動關系為正向。以上面的模糊規(guī)則例子來說，，180。=，而C于NB的最終歸屬值，為所有推論中C于NB的歸屬值最大者。利用同樣的方式，可以將C的NS，ZO，PS，PB之對應值求出來。解模糊化( Defuzzification )在前幾個步驟中，我們僅知推論結果在各詞語組下的歸屬程度，無法使用它作決策，因此我們使用解模糊方法求出判斷值，再依此值作決策。解模糊的方法有很多，常見的解模糊方法有重心法（Center of Gravity method）、形心法（Center of Area method）、最大最小集合（Minmax pose method）法等。在我們的研究里采用泛用度最高的解模糊方法為重心法，其公式如下：其中， C為解模糊的結果，M為推論結果的詞語組個數(shù)，代表歸屬值，C(i)代表各詞語組的上下界。 峰態(tài)系數(shù) 所謂峰態(tài)(Kurtosis)[45]，指統(tǒng)計資料分配中有向某個數(shù)值集中的趨勢，在次數(shù)分配圖上會有山峰型態(tài)，而峰態(tài)簡單的分類可分為高狹峰(LeptoKurtosis)、常態(tài)峰(MesoKurtosis)和低闊峰(PlatyKurtosis)。顧名思義，所謂高狹峰是指數(shù)據(jù)集中于均值或眾數(shù)附近，常態(tài)峰(MesoKurtosis)指數(shù)據(jù)分配接近一般的常態(tài)分配，而低闊峰指數(shù)據(jù)分散于兩端?！　《鍛B(tài)的衡量可利用峰態(tài)系數(shù)計算，其運算方式如下：1. 先求平均數(shù)2. 再求四級動差(Moment)Ｍ，其公式為：，其中N代表數(shù)據(jù)數(shù)，X代表數(shù)據(jù)值3. 再求變異數(shù)，公式為：4. 將步驟3之值平方，求5. 峰態(tài)系數(shù)為6. 如果=3，則判斷為常態(tài)峰如果3，則判斷為高狹峰如果3，則判斷為低闊峰第三章 網(wǎng)絡群體采購議價模式 議價模式設計原理，前人所提群體采購模式，不論從學術面或實務運作面來看，均僅俱備基礎協(xié)商的功能，而沒人針對群體采購在買賣雙方的議價協(xié)商層面作詳細探討；我們認為，若群體采購模式不俱備協(xié)商功能，買方不可以跟賣方討價還價，這可能會造成一個不公平的議價環(huán)境。下圖為本研究所發(fā)展的群體采購概念圖，即群體采購的消費者先透過網(wǎng)絡完成聚集的動作，針對目標商品決定初步出價價格跟賣方協(xié)商；當賣方收到買方所提的出價后，可根據(jù)出價的高低決定是否接受，若不接受即另出價跟買方協(xié)商，當買方收到后，亦可決定是否接受；若不接受，則再出價，如此反復下去，直到協(xié)商結束或買方主動放棄。圖十 群體采購協(xié)商概念圖不過群體采購本質上乃是一個多對一的商業(yè)模式，若要將協(xié)商的精神導入，可以將協(xié)商分成兩階段檢視，第一階段為買方之間的協(xié)商，其協(xié)商原則是「合作的」，協(xié)商目的是要整合所有買方的意見，凝聚彼此共識，提出一個所有買方都能接受的結果，以便跟賣方協(xié)商，由于賣方面對的是一個買方群體，故此買方群體的所有成員對賣方而言均視為一同；第二階段乃是將眾多買方集合為一群體，跟賣方進行議價協(xié)商，因此買賣雙方彼此協(xié)商原則是「競爭的」，協(xié)商目的是要盡可能壓制對方出價，以取得一個好價錢。所以，我們的群體采購在議價模式設計上，同時俱有「合作」和「競爭」兩個本質。 中國最大的資料庫在流程設計上，我們參考了Howard Raiffa和吳文華等人的研究，將議價過程以Howard Raiffa的協(xié)商四階段(協(xié)商準備階段、議價策略階段、讓步策略階段、結束協(xié)商階段)分開來探討，針對每階段設計群體采購議價協(xié)商模式。以下是每階段設計的原則：1. 協(xié)商準備階段：買方必須先決定群體采購的目標商品，并等待其它志同道合的買方，待累積到一定數(shù)量后，旋即開始準備議價。由于群體采購買方彼此之間是合作關系，若能在協(xié)商階段買方之間制定出議價策略，讓彼此在互有共識下，進行后續(xù)的協(xié)商動作，相信能增加買方內(nèi)部協(xié)商效率，進而加速整體協(xié)商效率。我們從原始的真實人類協(xié)商議價策略中出發(fā)，考量那些因子可以導入群體采購議價模式中，故我們參考吳文華的研究，導入「讓步總次數(shù)」和「最大讓步幅度」兩個元素，另外為了求得眾買方對價格的接受程度，我們加入「群體理想成交價格」和「群體最高可接受價格」兩個元素，這兩個元素分別是由所有買方輸入之「理想成交價格」和「最高可接受價格」的集合中取最小值而來，理想成交價代表買方心中認為最合適的成交價格，而最高可接受價格代表買方心中認定可接受目標商品的最高價格。在研究中，我們設計「群體理想成交價格」為買方第一次跟賣方議價的價格，而「群體最高可接受價格」在研究里設計為買方議價終止條件之一，為買方議價底線，而「讓步總次數(shù)」為買方總共對賣方議價讓步的次數(shù)，「最大讓步幅度」為買方每回合買方讓步幅度的上限。為了在接下來的讓步策略階段作更精準的判斷，我們要求買方在此階段排序決策變量(賣方出價滿意度平均、買賣雙方出價差距之比率)在心中的重要性。而有關于決策變量定義及其排序，我們會在下面章節(jié)介紹。以上可以得知，在研究中，所謂議價策略是由「讓步總次數(shù)」、「最大讓步幅度」、「群體理想成交價格」、「群體最高可接受價格」和「決策變量重要性排序」這五個元素組合而成，這五個元素的操作性定義如下：l 「讓步總次數(shù)」和「最大讓步幅度」：針對這兩個元素乃求取所有買方之平均值。他們的操作性定義分別如下： 其中，代表群體采購買方總數(shù)，M為群體采購整體采購量，Xi為第i位買方之采購量，N為消費者人數(shù)。l 「群體理想成交價格」和「群體最高可接受價格」這兩個元素乃求取所有買方輸入之最小值。他們的操作性定義分別如下： l 排序「賣方出價滿意度」和「買賣雙方出價差距之比率」在心中的重要性進行：即買方?jīng)Q定那一變量是第一重要，而那一變是第二重要。2. 開局階段： 買方根據(jù)「群體理想成交價格」先對賣方出價。3. 讓步階段：在進行協(xié)商的過程中，買賣雙方可能對價格互有歧見，為求達成協(xié)商，買賣雙方必需互相讓步，才有可能達成共識。但在議價過程中，買方不只一人，如何讓買方形成共識，作出立場一致的讓步，是本階段研究的重點；而我們提出的解決構想是使用模糊控制，我們考量模糊控制俱有解決模糊性問題和求得一個「不壞」的解答之特性，非常適合解決這一類的問題，因群體采購買方議價是一個多人決策問題，議價目標均為提出一個「好價錢」，不過「好價錢」每個人的看法不同，而「好價錢」本身無法使用傳統(tǒng)數(shù)理統(tǒng)計方法表達，故我們使用模糊邏輯設計決策模式；此外，利用模糊化決策變量，經(jīng)由模糊推論，能快速推論出一個解答，免去眾買方為協(xié)商出「好價錢」而爭論不休，影響整體協(xié)商效率。但問題尚未完全解決，雖然使用模糊推論能加速協(xié)商效率。但傳統(tǒng)模糊推論模式的推論規(guī)則，經(jīng)常是由模式設計者根據(jù)在該領域的經(jīng)驗或知識建構而成的，而且通常是靜態(tài)的，不太會改變。然而，在網(wǎng)絡群體采購的應用中，由于每個群體采購議價團體成員均不同，理應針對群體采購議價團體成員之偏好，建構其專屬的推理規(guī)則。因此，在本研究中，我們設計由群體采購買方針對決策變量之重要性進行排序，再由排序結果找出群體采購團體對決策變量之權重，進而客制化推理規(guī)則，讓每個群體采購團體都有其專屬推理規(guī)則。另外，在模糊控制中的解模糊化的步驟中，模式設計者所設定的解模糊的范圍，亦會影響買方出價的讓步幅度。如果買賣雙方在議價的過程中，買方對于利用解模糊化求得之出價感到不符期望，在本研究中，我們也加入回饋與修改機制，針對群體采購者對出價之滿意度，適度地調整解模糊之范圍，進而