Commission and traffic support under demand uncertainty in a dual-channel supply chain

기술 요약: 수요 불확실성 하에서의 이중 채널 공급망 내 수수료 및 트래픽 지원

문제 정의
본 연구는 제조업체, 오프라인 소매업체, 그리고 에이전시 플랫폼으로 구성된 이중 채널 공급망 내에서 디지털 플랫폼의 공동 운영 의사결정을 조사한다. 핵심 문제는 플랫폼이 사전적(ex ante) 수요 불확민성 하에서 비례적 수수료율($\tau$)과 검증 가능한 트래픽 지원 투자($s$)를 어떻게 동시에 결정해야 하는가이다. 수수료와 서비스 투자를 별개이거나 외생적인 것으로 취급하는 기존 모델과 달리, 본 연구는 수익화(수수료)와 수요 창출(트래픽 지원) 사이의 피드백 루프를 조사한다. 플랫폼은 수요 상태가 실현되기 전에 이러한 도구들을 약정하며, 하류 기업(제조업체 및 소매업체)은 수요 상태가 관찰된 후 가격을 조정한다. 본 분석은 수요 불확실성, 채널 대체성, 그리고 채널 간 파급 효과가 어떻게 상호작용하여 균형 결과, 복지 및 규제 함의를 형성하는지 파악하고자 한다.

방법론
본 논문은 다음과 같은 구조적 요소를 갖춘 제약된 확률적 스택켈버그 게임(constrained stochastic Stackelberg game)을 채택한다:

• 의사결정 타임라인: 플랫폼이 먼저 계약 $(\tau, s)$를 제안한다. 그 후 제조업체는 에이전시 채널 참여 여부를 결정한다(참여 제약). 수락 시, 수요 상태 $z \in \{H, L\}$가 실현된다. 제조업체는 온라인 소매 가격($p_{e,z}$)과 도매 가격($w_z$)을 설정하고, 이어 소매업체가 오프라인 가격($p_{o,z}$)을 설정한다.
• 수요 구조: 이차 형태의 대표 소비자 효용 함수를 사용하여 두 채널에 대한 선형 수요 함수를 생성한다. 이 시스템은 채널 수량과 소비자 잉여 사이의 내부 일관성을 보장한다. 수요 불확실성은 시장 잠재력에 대한 가법적 충격(additive shock)으로 모델링되며, 실현된 상태는 가격 결정 전까지 공통 정보가 된다.
• 이익 함수: 플랫폼은 제조업체 참여 제약, 비음수 수요 및 용량 제약을 준수하면서 기대 이익(수수료 수익에서 볼록한 트래픽 지원 비용을 차감한 값)을 극대화한다. 제조업체는 두 채널로부터의 기대 이익을 극대화하며, 소매업체는 오프라인 마진을 극대화한다.
• 해법 접근법: 후방 귀납법(backward induction)을 통해 부합적 부분게임 완전 균형(subgame-perfect equilibrium)을 구한다. 분석에는 경계 조건(예: 채널 이탈, 참여 제약)이 포함되며, 채널 이동 및 시장 확장의 폐쇄형 임계값(closed-form thresholds)을 도출하기 위해 비교 정학(comparative statics)을 활용한다.

주요 기여
본 논문은 세 가지 주요 이론적 기여를 한다:

1. 수수료-트래픽 교차 인센티브 메커니즘: 본 연구는 수수료와 트래픽 지원이 상보적이거나 대체적일 수 있는 피드백 메커니즘을 식별한다. 높은 수수료는 플랫폼의 직접적인 지원 생성 거래당 수익(수익화 효과)을 높이지만, 동시에 제조업체가 가격을 인상하도록 유도하여 온라인 물량을 감소시킨다(가격-물량 반응). 이러한 도구들은 직접적인 수익화 효과가 유도된 물량 감소를 압도할 때만 상보적이다.
2. 수수료 매개적 불확실성 전달: 분석에 따르면, 고정된 수수료 하에서는 가법적 수요 분산이 트래픽 지원의 내부 조건을 직접적으로 변경하지 않는다. 그러나 수수료가 내생적일 경우, 수요 불확실성은 최적 수수료율을 변화시킴으로써 트래픽 지원에 간접적으로 영향을 미친다. 이 "수수료 매개적" 경로는 왜 불확실성이 실행 가능 경계 근처에서 비단조적(non-monotonic) 정책 조정을 유발하는지를 설명한다.
3. 분석적 파급 임계값: 본 논문은 직접적인 오프라인 트래픽 효과($\phi$)에 따라 세 가지 뚜렷한 시장 결과를 구분하는 두 개의 폐쇄형 임계값을 도출한다: (i) 온라인 확장 및 오프라인 수축(채널 이동), (ii) 두 채널의 동시 확장, (iii) 오프라인 확장 및 온라인 수축. 이 임계값들은 직접적인 브랜드 파급 효과와 가격 매개적 대체 효과를 구분한다.

주요 결과

• 균형 역학: 기본 시나리오에서 플랫폼 최적 수수료(약 0.31)와 트래픽 지원(약 0.06)은 단일 도구 벤치마크보다 높다. 공동 최적화는 수수료 전용 전략에 비해 더 높은 플랫폼 이익과 소비자 잉여를 창출하지만, 저수수료-무지원 체제에 비해서는 제조업체 이익과 소비자 잉여를 감소시킬 수 있다.
• 복지 및 규제: 플랫폼 최적 수수료는 복지 지향적 수수로보다 현저히 높다. 수수료에 대한 규제 상한선은 플랫폼의 내생적 트래픽 지원 감소로 인한 복지 손실보다 소비자 잉여의 직접적인 이득이 더 클 경우에만 사회적 복지를 개선한다. 과도하게 엄격한 상한선은 트래픽 지원 투자를 심각하게 감소시켜 복지 이득을 저해할 수 있다.
• 비용 분담: 제조업체가 트래픽 지원 비용의 일부를 분담하는 협력 메커니즘은 파레토 개선을 이끌 수 있다. 본 연구는 규제되지 않은 균형에 비해 플랫폼, 제조업체, 소매업체, 소비자의 결과가 모두 개선되는 완만한 비용 분담 구간(기본 시나리오에서 약 0 ~ 0.27)을 식별한다.
• 수치적 민감도: 500회의 파라미터 추출을 통한 몬테카를로 시뮬레이션은 수수료 전용 전략보다 공동 최적화가 우월한 대부분의 실행 가능한 사례(가능한 경우의 95.8%)에서 수수료와 지원 간의 상보성이 유지됨을 확인한다.

의의 및 주장
본 논문은 플랫폼 공급망 내에서 가치 추출, 수요 생성, 채널 갈등 및 규제 간의 상호작용을 설명한다고 주장한다. 본 연구는 수수료와 트래픽 지원을 독립적인 결정으로 취급하는 것이 중요한 피드백 루프를 가린다고 주장한다. 구체적으로, 본 연구는 다음을 강조한다:

• 낮은 수수료가 항상 복지를 개선하는 것은 아닌데, 이는 플랫폼의 수요 생성 투자 감소를 유발할 수 있기 때문이다.
• 수요 불확실성은 단순히 리스크를 통해서가 아니라, 최적 수수료 구조에 미치는 영향을 통해 플랫폼 투자 전략에 영향을 미친다.
• 규제 정책은 트래픽 지원에 대한 플랫폼의 내생적 반응을 반드시 고려해야 한다. 수수료 상한에 대한 정적 분석은 잘못된 정책 권고를 낼 수 있다.

연구 결과는 플랫폼 거버넌스 도구가 공급망 역학과 어떻게 상호작용하는지에 대한 메커니즘 기반 프레임워크를 제공하며, 수수료 구조와 지원 투자가 서로를 강화하거나 약화시키는 조건에 대한 검증 가능한 조건을 제시한다. 본 연구는 이러한 결과들이 경험적 추정이 아닌 정규화된 시나리오 범위를 사용한 구조적 모델로부터 도출되었음을 강조하며, 이는 인과적 경험적 검증보다는 이론적 메커니즘을 명확히 하는 데 목적이 있다.