电商平台制造商生态标签“漂绿”的治理路径——基于平台自治与外部监管视角

Governance Path for Ecological Labeling “Greenwashing” of E-Commerce Platform Manufacturers—Based on Platform Autonomy and External Regulatory Perspectives

摘要: 随着电商发展，平台生态标签已经成为制造商主动披露ESG信息的工具。然而，由于政府监管缺失，电商平台审核不足、消费者投诉无效等，导致平台生态标签情境下“漂绿”问题频发。因此，本文认为，平台宽松监管策略下会加速“漂绿”行为的扩散，导致制造商“漂绿”行为频发。基于此，引入消费者反馈，构建平台制造商–平台–政府之间的三方演化博弈模型，并通过仿真分析探讨了不同因素对系统演化结果的影响。研究发现：随着选择“绿色生产”策略的平台制造商初始比例的不断增加，系统逐渐演化至“绿色生产”的期望方向；消费者好评或差评等反馈行为对平台制造商的行为起到约束作用；政府对平台和制造商的严格处罚，对两者的不良行为存在约束作用，另外当平台选择严格监管策略时，平台对平台制造商采取适当的奖惩措施，系统越有可能演化至“绿色生产”的理想状态。最后，对促进平台生态标签情境下制造商“漂绿”行为治理提出相关对策建议。

Abstract: With the development of e-commerce, platform ecological labels have become a tool for manufacturers to proactively disclose ESG information. However, due to the lack of government regulation, insufficient review of e-commerce platforms, and ineffective consumer complaints, the problem of “greenwashing” frequently occurs in the context of platform ecological labels. Therefore, this article believes that under the loose regulatory strategy of platforms, the spread of “greenwashing” behavior will be accelerated, leading to frequent “greenwashing” behavior by manufacturers. Based on this, consumer feedback is introduced to construct a tripartite evolutionary game model among platform manufacturer, platform and government, and the impact of different factors on the system evolution results is explored through simulation analysis. Research has found that as the initial proportion of platform manufacturers choosing the “green production” strategy continues to increase, the system gradually evolves towards the expected direction of “green production”; consumer complaints and feedback such as positive or negative reviews have a restraining effect on the behavior of platform manufacturers; the strict punishment imposed by the government on platforms and manufacturers has a restraining effect on their misconduct. In addition, when platforms choose strict regulatory strategies and take appropriate reward and punishment measures against platform manufacturers, the system is more likely to evolve into an ideal state of “green production”. Finally, relevant countermeasures and suggestions are proposed for the governance of manufacturers' “greenwashing” behavior in the context of promoting platform ecological labeling.

1. 引言

近年来，环境问题日益严峻，推动绿色生产和消费成为可持续发展的重要抓手。随着电商渗透率提升和消费者环保意识增强，绿色发展已成为平台责任(韩小雅等，2024) [1]。国家发改委《十四五扩大内需战略实施方案》明确要求电商平台建立绿色产品标准体系，推动绿色产品销售。在此背景下，电商平台通过引入平台生态标签(SPE标签)主动披露ESG信息，将产品环境属性可视化，引导消费者行为(王利莎等，2024) [2]。

然而，由于监管滞后、标准不统一及维权机制不完善，平台生态标签存在信息不对称问题。平台为吸引买家、降低审查成本，可能默许或放大漂绿行为，甚至与制造商合谋，导致亚马逊、SHEIN等平台生态标签漂绿事件频发，削弱消费者信任。消费者作为直接参与者，其投诉和反馈能弥补监管信息滞后问题。

因此，从外部监管视角研究平台自治对漂绿行为的影响，对促进平台经济绿色可持续发展具有现实意义。

2. 文献综述

平台生态标签的概念，其起源可以追溯到生态标签的广泛应用与发展之中。它是不同于自贴标签、政府或第三方认证的新兴体系，由电子商务销售平台提供的一种标签，用于向消费者表明该产品在生产、使用、处理等产品生命周期全过程或其中某个过程符合特定的环境保护要求(Guo等，2020) [3]，这种标签以可视、可读的方式展示了产品的环境属性，从而引导并影响消费者的网络购买行为。以家居销售平台红星美凯龙为例，该平台与中国质量认证中心建立战略合作，对符合环保标准的制造商产品进行权威认证并授予生态标签，获得认证的绿色产品不仅可以在美凯龙平台享受专属营销推广服务，还能通过平台电商渠道获得额外的品牌曝光机会(严双琪，2021) [4]。

早期的关于平台生态标签的研究主要是相关的建模和实证分析[5]-[10]，其中较多学者关注到了信息不透明、监管成本昂贵、制造商“漂绿”所导致的生态标签信任质疑与监管问题。实证研究方面：Otterstad (2022)发现了提供纺织品的在线零售商提供有关其可持续性概况和产品可持续性的信息“漂绿”而导致的不信任问题[11]。Salomon (2023)对几家快时尚品牌在其售卖网站上展示生态标签或证书的行为进行了分析，并对其产生的“漂绿”行为进行了相关研究[12]。Vilaça (2022)研究表明，除其他事项外，公司和生态标签提供商必须努力防止混淆和怀疑，并完全避免进行“漂绿”行为[13]。另外，还有少量学者采用演化博弈的方法考虑到利益群体之间的动态演变过程，如王利莎等(2024)在平台生态标签情境下建立了规避企业“漂绿”行为的平台–消费者协同监管机制，考虑平台治理层面。

已有文献大多是从制造商“漂绿”行为治理的视角出发，基于演化博弈、利益相关者等理论，分析“漂绿”行为的成因，以及相关对策建议等。而针对该情境下平台这一微观主体的市场行为研究较少，尤其是缺乏结合政府等外部监管主体来考察平台行为对“漂绿”行为扩散的影响。

事实上，在网络交易规模庞大且参与者众多的背景下，政府监管往往难以全面、实时地发现制造商的“漂绿”行为，这使得政府的监管角色逐渐从直接管制者转向主导者与协调者[14]。在这一转型过程中，直播电商平台凭借其信息优势，能够更有效地弥补监管过程中的信息不对称问题[15]。相较于政府直接监管，平台监管模式具有更高的经济效率。然而，作为市场主体的平台企业，在追求短期利益最大化的动机下，可能对入驻商家的违规行为采取纵容态度，这种监管缺位不仅会形成监管漏洞，更会助长平台内制造商不良行为的扩散。

针对平台监管的有效性问题，学术界已展开多维度探讨。Farrell和Katz [16]从公私合作视角出发，论证了平台作为公共利益监管者的可行性。Fenwick、Leoni和Parker [17] [18]进一步揭示了平台在市场活动中兼具“管理者”与“服务者”的双重角色特征。徐洪海[19]的研究则聚焦制度设计层面。这些研究共同构建了平台监管的理论基础，但如何将其转化为有效的实践机制仍需深入探索。

在此理论基础上，张文浩和张峥(2022) [20]针对平台商家欺诈行为(如以假乱真、虚标价格等)这一具体问题，创新性地构建了商家–平台–政府三方演化博弈模型。李奥庆和巩在武(2024)基于直播平台管理者和犯罪者的双重身份，发现网络直播平台作为管理者，其策略选择与带货网红品控优劣、消费者维权程度、政府监管严宽密切相关[21]。

综上所述，平台在逐利过程中需动态应对制造商策略与政府规制变化，传统博弈聚焦静态均衡，而演化博弈强调动态稳定(Cabrales, 2000) [22]。各方基于利益最大化决策导致系统演化(周春雷等，2024) [23]，该方法因能分析主体互动策略选择被广泛应用(Park等，2019) [24]。本文以信息不对称和外部治理理论为基础，构建消费者–平台–政府三方演化博弈模型，探究外部监管对平台生态标签下漂绿行为演化趋势及平台监管策略的影响，以促进绿色可持续发展。

3. 企业–平台–政府三方演化博弈模型

问题描述：平台作为制造商销售和营销的重要渠道以及生态标签标准制定和授予方，其规则和算法可能影响制造商的营销策略和决策。为吸引卖家和降低审查成本，可能出于自身利益考虑而默许或放大“漂绿”行为，仅依靠平台的事前产品准入监管并不足以有效抑制制造商的“漂绿”行为(杨波，2014)。另外“漂绿”行为往往具有隐蔽性，且网络购物涉及主体广泛，政府部门不具备信息优势且监管能力有限，使得该监管在实际实行中，演变为单一平台监管机制，当平台消极监管时，便增大了制造商“漂绿”行为成功的概率，电子商务平台线上交易大部分是小额交易，考虑到投诉后收益以及投诉成本，多数消费者倾向于放弃维权，选择对制造商进行差评的反馈行为，且消费者在初次依法维权后，平台与制造商互相推脱责任的行为，导致消费者对于线上投诉的概率不断下降，加剧了政府监管信息不对称的可能。2022年国务院发布的《“十四五”市场监管现代化规划》中明确提出，应建立健全消费者评价制度，以有效缓解消费领域的信息不对称问题。

基于此，本文将与平台生态标签下“漂绿”行为密切相关的政府监管部门、电子商务平台、制造商和消费者等多方主体引入演化博弈模型中，构建了消费者参与的平台制造商–平台–政府之间的三方演化博弈模型。在考虑到平台对制造商“漂绿”行为不作为得情况下，就如何督促政府监管部门进行有效监管、促进电商平台加强审查、督促制造商绿色生产、鼓励消费者反馈信息进行合法维权等方面提供了有效的建议。

3.1. 基本假设

根据上述问题描述，构建由平台制造商、平台和政府组成的三方演化博弈模型，并引入消费者投诉机制，并做出如下假设：

假设1：其中平台制造商有绿色生产和“漂绿”生产两种策略，选择绿色生产的概率为$x$ ，$0\le x\le 1$ ，选择“漂绿”生产的概率为$1-x$ ；电商平台有严格监管和宽松监管两种策略，选择严格监管的概率为$y$ ，$0\le y\le 1$ ，选择宽松监管的概率为$1-y$ ；政府的策略合集为严格监管和宽松监管，选择严格监管的概率为$z$ ，$0\le z\le 1$ ，选择宽松监管的概率为$1-z$ 。

假设2：平台制造商提供绿色产品的认证成本为$Cg$ ，提供“漂绿”产品的认证成本为$Cw$ ($Cg>Cw$ )。政府部门严格监管时的成本为$C1$ ，宽松监管的成本为$C2$ ($C1>C2$ )。当平台制造商提供的为绿色生产的产品时，消费者的权益将得到保障，此时，消费者会做出正面反馈，这将为平台及制造商带来制造商形象的增加$Up$ 和$Us$ 。反之，当制造商提供的为“漂绿”生产的产品时，消费者会做出负面反馈。当电商平台积极主动承担审查责任时，监管成本为$Cp1$ ，此时，如果制造商提供的为“漂绿”生产的产品，将会受到电商平台的处罚$P$ ，如果制造商提供的为绿色生产的产品时，电商平台将给予一定的奖励$B$ 。当制造商提供的为“漂绿”生产的产品，电商平台为追求利润最大化，忽略其监管责任，放任制造商“漂绿”行为，甚至与制造商合谋，此时监管成本为$Cp2$ ($Cp1>Cp2$ )，平台获得额外收益$K$ 。“漂绿”生产的产品流入市场，消费者会做出负面反馈，由此将产生损失$L$ ，损失将由平台和制造商共同承担，即制造商承担的损失为$\eta L$ ($0<\eta <1$ )，电商平台承担的损失为$\left(1-\eta \right)L$ ，同时，消费者也会选择是否向政府部门投诉，以维护合法权益，投诉的概率为$\lambda$ ($0<\lambda <1$ )，此时政府监管部门将会对平台以及制造商进行处罚，处罚金额分别为$Fs$ 和$Fp$ ，与其他模型不同，本文认为，平台作为标签授予方，当其严格监管时，制造商的“漂绿”行为可被有效制止，不存在被政府监管发现，而当其宽松监管时，由于“漂绿”行为往往具有隐蔽性，且网络购物涉及主体广泛，政府部门不具备信息优势且监管能力有限，政府严格监管时，“漂绿”行为才有$\theta$ 的可能性被发现，而当政府也宽松监管时，“漂绿”行为的发现仅依靠消费者投诉概率。另外，当政府严格监管时，$\theta$ 既包含政府由于严格监管导致“漂绿”行为被发现的概率，也包含消费者投诉的概率，因此，认为$\theta >\eta$ 。综上所述，模型参数假设及其含义如表1所示。

3.2. 模型构建

根据上述假设及博弈三方的收益分析构建平台、平台制造商、政府三方之间的利益关系以及演化博弈模型的收益支付矩阵。如图1和表2所示。

(1) 各博弈主体的复制动态方程

根据表3的收益矩阵可计算平台制造商、平台、政府的期望收益以及平均期望收益。

(2) 平台制造商的策略稳定性分析

Table 1. Model parameter assumptions and their meanings

表1. 模型参数假设及其含义

参数	含义
$R$	制造商基本收益
$Cg$	制造商绿色生产成本
$Cw$	制造商“漂绿”生产成本
$\lambda$	消费者选择投诉的概率
$C1$	政府部门严格监管的成本
$C2$	政府部门宽松监管的成本
$Up$	消费者正面反馈平台形象增加
$Us$	消费者正面反馈平台制造商形象增加
$Cp1$	平台严格监管情形下的成本
$Cp2$	平台宽松监管情形下的成本
$P$	平台对“漂绿”生产的制造商的惩罚
$B$	平台对绿色生产的制造商的奖励
$K$	平台宽松监管时获得的额外收益
$\theta$	政府严格监管时制造商“漂绿”行为发现的概率
$L$	消费者负面反馈，制造商和平台所受到的损失
$\eta$	损失分担系数
$Fs$	政府监管部门对平台的处罚
$Fp$	政府监管部门对制造商的处罚

Figure 1. Evolutionary game relationship among relevant stakeholders

图1. 相关利益主体间演化博弈关系

Table 2. Platform manufacturer, platform, government collaborative regulatory revenue payment matrix

表2. 平台制造商–平台–政府协同监管收益支付矩阵

博弈主体及策略选择		平台严格监管		平台宽松监管
		政府严格监管	政府宽松监管	政府严格监管	政府宽松监管
平台制造商	绿色生产	$R-Cg+Us+B$	$R-Cg+Us+B$	$R-Cg+Us$	$R-Cg+Us$
		$Up-Cp1-B$	$Up-Cp1-B$	$Up-Cp2$	$Up-Cp2$
		$-C1$	$-C2$	$-C1$	$-C2$
	“漂绿”生产	$R-Cw-P$	$R-Cw-P$	$R-Cw-\eta L-\theta Fp$	$R-Cw-\eta L-\lambda Fp$
		$P-Cp1$	$P-Cp1$	$K-Cp2-\left(1-\eta \right)L-\theta Fs$	$K-Cp2-\left(1-\eta \right)L-\lambda Fs$
		$-C1$	$-C2$	$-C1+\theta Fs+\theta Fp$	$-C2+\lambda Fp+\lambda Fs$

平台制造商选择绿色生产或者“漂绿”生产的期望收益以及平均期望收益分别为：

$\begin{array}{l}{E}_{11}=yz\left(R-Cg+Us+B\right)+y\left(1-z\right)\left(R-Cg+Us+B\right)\\ +\left(1-y\right)z\left(R-Cg+Us\right)+\left(1-y\right)\left(1-z\right)\left(R-Cg+Us\right)\end{array}$ (1)

$\begin{array}{l}{E}_{12}=yz\left(R-Cw-P\right)+y\left(1-z\right)\left(R-Cw-P\right)+\left(1-y\right)z\left(R-Cw-\eta L-\theta Fp\right)\\ +\left(1-y\right)\left(1-z\right)\left(R-Cw-\eta L-\lambda Fp\right)\end{array}$ (2)

$E_1=x{E}_{11}+\left(1-x\right)E_{12}$ (3)

平台制造商策略选择的复制动态方程为：

$\begin{array}{l}F\left(x\right)=\frac{\text{d}x}{\text{d}t}=-x\left(x-1\right)(Cw-Cg+Us+L\eta +Fp\lambda +By+Py-L\eta y\\ -Fp\lambda y-Fp\lambda z+Fp\theta z+Fp\lambda yz-Fp\theta yz)\end{array}$ (4)

命题1：当$y=y^{*}$ 时，不能确定平台制造商的稳定策略；当$y<y^{*}$ 时，平台制造商的稳定策略是“绿色生产”；当$y>y^{*}$ 时，平台制造商的稳定策略是“漂绿”生产，其中，阈值$y^{*}=-\left(-Cg+Cw+Us+L\eta +Fp\lambda +Fp\theta z-Fp\lambda z\right)/\left(B+P-L\eta -Fp\lambda -Fp\theta z+Fp\lambda z\right)$ 。

证明：根据式(4)可得$F\left(x\right)$ 关于$x$ 的一阶偏导：

$\begin{array}{l}{F}^{\prime }\left(x\right)=-\left(2x-1\right)(Cw-Cg+Us+L\eta +Fp\lambda +By+Py-L\eta y\\ -Fp\lambda y-Fp\lambda z+Fp\theta z+Fp\lambda yz-Fp\theta yz)\end{array}$ (5)

令$K\left(y\right)=-\left(Cw-Cg+Us+L\eta +Fp\lambda +By+Py-L\eta y-Fp\lambda y-Fp\lambda z+Fp\theta z+Fp\lambda yz-Fp\theta yz\right)$ ，当 $K\left(y\right)=0$ 时，

$y^{*}=\frac{-\left(-Cg+Cw+Us+L\eta +Fp\lambda +Fp\theta z-Fp\lambda z\right)}{B+P-L\eta -Fp\lambda -Fp\theta z+Fp\lambda z}$ 。

$\frac{\partial K\left(y\right)}{\partial y}=-\left(B+P-L\eta -Fp\lambda -Fp\theta z+Fp\lambda z\right)<0$ ，此时，$K\left(y\right)$ 是关于y的递减函数。

(a) 当$y=y^{*}$ 时，$K\left(y\right)=0$ ，说明x取任何值，系统均处于稳定状态；(b) 当$y<y^{*}$ 时，$K\left(y\right)>0$ ，${F^{\prime }}_x\left(0\right)<0$ 且${F^{\prime }}_x\left(1\right)>0$ ，$x=0$ 为全局稳定策略；(c) 当$y>y^{*}$ 时，$K\left(y\right)<0$ ，${F^{\prime }}_x\left(0\right)>0$ 且${F^{\prime }}_x\left(1\right)<0$ ，$x=1$ 为全局稳定策略，证毕。

命题1表示：平台生态标签情境下，若平台选择严格监管的概率增加，平台制造商的稳定策略会由“‘漂绿’生产”转变为“绿色生产”。因此，当平台选择严格监管策略时，会对制造商提供的产品进行严格检测，对不符合生态标签标准的产品不授予平台生态标签，平台制造商无法“漂绿”生产，逐渐转向“绿色生产”策略。

根据命题1，平台制造商策略演化相位图如图2所示。

Figure 2. Phase diagram of platform manufacturer strategy evolution

图2. 平台制造商策略演化相位图

图2表明，平台制造商选择“‘漂绿’生产”策略的概率为V_A1，选择“绿色生产”策略的概率为V_A2。计算得，

$\begin{array}{c}{V}_{A1}={\displaystyle {\int }_0^1{\displaystyle {\int }_0^{\frac{-Cg+Cw+Us+L\eta +Fp\lambda }{-B-P+L\eta +Fp\lambda }}-\left(\frac{-Cg+Cw+Us+L\eta +Fp\lambda +Fp\theta z-Fp\lambda z}{-B-P+L\eta +Fp\lambda +Fp\theta z-Fp\lambda z}\right)\text{d}z\text{d}x}}\\ =\frac{a}{c}+\frac{c-a}{b}\ln \left(\frac{ab}{C^2}-1\right)\end{array}$ (6)

其中，令$a=-Cg+Cw+Us+L\eta +Fp\lambda$ ，$C=-B-P+L\eta +Fp\lambda$ ，$b=\left(\theta -\lambda \right)Fp$

$V_{A2}=1-V_{A1}=1-\frac{a}{c}-\frac{c-a}{b}\text{ln}\left(\frac{ab}{C^2}-1\right)$ (7)

推论1.1平台制造商选择“绿色生产”的概率关于消费者正反馈给制造商带来形象增加$Us$ 、消费者负反馈造成的损失$L$ 、平台对制造商绿色生产奖励$B$ 、平台对制造商“漂绿”生产处罚$P$ 、消费者投诉概率$\lambda$ 成负相关。这表明，消费者给予产品好评或差评等反馈，会影响平台制造商的声誉，也会影响其他买家的购买决策，对平台制造商具有一定的约束；政府监管部门也应该鼓励消费者参与监督工作，提高消费者投诉概率，发挥消费者间接监督作用；另外，平台作为消费者和制造商的连接枢纽，应建立严格的监管以及奖惩制度，从源头制止制造商的“漂绿”动机。

证明：根据公式(6)、(7)求关于消费者投诉概率的一阶导数，可得$\frac{\partial V_{A2}}{\partial Us}<0$ ，$\frac{\partial V_{A2}}{\partial L}<0$ ，$\frac{\partial V_{A2}}{\partial B}<0$ ，$\frac{\partial V_{A2}}{\partial P}<0$ ，$\frac{\partial V_{A2}}{\partial \lambda }<0$ ，证毕。

(3) 平台的策略稳定性分析

平台选择严格监管或者宽松监管的期望收益以及平均期望收益分别为：

$E_{21}=xz\left(Up-Cp1-B\right)+x\left(1-z\right)\left(Up-Cp1-B\right)+\left(1-x\right)z\left(P-Cp1\right)+\left(1-x\right)\left(1-z\right)\left(P-Cp1\right)$ (8)

$\begin{array}{l}{E}_{22}=xz\left(P-Cp1\right)+x\left(1-z\right)\left(P-Cp1\right)+\left(1-x\right)z\left(\Delta K-Cp2-\left(1-\eta \right)L-\theta Fs\right)\\ +\left(1-x\right)\left(1-z\right)\left(\Delta K-Cp2-\left(1-\eta \right)L-\lambda Fs\right)\end{array}$ (9)

$E_2=y{E}_{21}+\left(1-y\right)E_{22}$ (10)

平台策略选择的复制动态方程为：

$\begin{array}{l}F\left(y\right)=\frac{\text{d}y}{\text{d}t}=y\left(y-1\right)(x\left(Cp1-P\right)\left(z-1\right)-z\left(Cp1-P\right)\left(x-1\right)-x\left(z-1\right)\left(B+Cp1-Up\right)\\ +\left(Cp1-P\right)\left(x-1\right)\left(z-1\right)+z\left(x-1\right)\left(Cp2-K+Fs\theta -L\left(\eta -1\right)\right)-xz\left(Cp1-P\right)\\ -\left(x-1\right)\left(z-1\right)\left(Cp2-K+Fs\lambda -L\left(\eta -1\right)\right)+xz\left(B+Cp1-Up\right))\end{array}$ (11)

命题2：当$z=z^{*}$ 时，不能确定平台的稳定策略；当$z<z^{*}$ 时，平台的稳定策略是“宽松监管”；当$z>z^{*}$ 时，平台的稳定策略是“严格监管”，其中，阈值

$z^{*}=\frac{\left(x-1\right)\left(Cp2-K+Fs\lambda -L\left(\eta -1\right)\right)-x\left(Cp1-P\right)+x\left(B+Cp1-Up\right)-\left(Cp1-P\right)\left(x-1\right)}{\left(x-1\right)\left(Cp2-K+Fs\lambda -L\left(\eta -1\right)\right)-\left(x-1\right)\left(Cp2-K+Fs\theta -L\left(\eta -1\right)\right)}$

证明：根据式(11)可得$F\left(y\right)$ 关于y的一阶偏导：

$\begin{array}{l}{F}^{\prime }\left(y\right)=-\left(2y-1\right)(x\left(Cp1-P\right)\left(z-1\right)-z\left(Cp1-P\right)\left(x-1\right)-x\left(z-1\right)\left(B+Cp1-Up\right)\\ +\left(Cp1-P\right)\left(x-1\right)\left(z-1\right)+z\left(x-1\right)\left(Cp2-K+Fs\theta -L\left(\eta -1\right)\right)-xz\left(Cp1-P\right)\\ -\left(x-1\right)\left(z-1\right)\left(Cp2-K+Fs\lambda -L\left(\eta -1\right)\right)+xz\left(B+Cp1-Up\right))\end{array}$ (12)

令$\begin{array}{l}Q\left(z\right)=x\left(Cp1-P\right)\left(z-1\right)-z\left(Cp1-P\right)\left(x-1\right)-x\left(z-1\right)\left(B+Cp1-Up\right)\\ +\left(Cp1-P\right)\left(x-1\right)\left(z-1\right)+z\left(x-1\right)\left(Cp2-K+Fs\theta -L\left(\eta -1\right)\right)\\ -xz\left(Cp1-P\right)-\left(x-1\right)\left(z-1\right)\left(Cp2-K+Fs\lambda -L\left(\eta -1\right)\right)+xz\left(B+Cp1-Up\right)\end{array}$ ，

当$Q\left(z\right)=0$ 时，

$z^{*}=\frac{\left(x-1\right)\left(Cp2-K+Fs\lambda -L\left(\eta -1\right)\right)-x\left(Cp1-P\right)+x\left(B+Cp1-Up\right)-\left(Cp1-P\right)\left(x-1\right)}{\left(x-1\right)\left(Cp2-K+Fs\lambda -L\left(\eta -1\right)\right)-\left(x-1\right)\left(Cp2-K+Fs\theta -L\left(\eta -1\right)\right)}$

$\frac{\partial Q\left(z\right)}{\partial z}=-Fs\left(\theta -\lambda \right)\left(1-x\right)<0$ ，此时，$Q\left(z\right)$ 是关于z的递减函数。

(a) 当$z=z^{*}$ 时，$F\left(y\right)=0$ ，说明y取任何值，系统均处于稳定状态，(b) 当$z<z^{*}$ 时，$Q\left(z\right)>0$ ，${F^{\prime }}_y\left(0\right)<0$ 且${F^{\prime }}_y\left(1\right)>0$ ，$y=0$ 为全局稳定策略，(c) 当$z>z^{*}$ 时，$Q\left(z\right)<0$ ，${F^{\prime }}_y\left(0\right)>0$ 且${F^{\prime }}_y\left(1\right)<0$ ，$y=1$ 为全局稳定策略，证毕。

命题2表示：随着政府监管部门严格监管概率的增加，平台的稳定策略会由“宽松监管”转变为“严格监管”。因此，在对平台制造商监管行为的防范措施中，政府监管部门的严格监管对该不良行为的治理作用尤为明显，

根据命题2，平台策略演化相位图如图3所示。

Figure 3. Phase diagram of platform strategy evolution

图3. 平台策略演化相位图

图3表明，平台选择“宽松监管”策略的概率为V_B1，选择“严格监管”策略的概率为V_B2。计算得，

$\begin{array}{c}{V}_{B1}={\displaystyle {\int }_0^1{\displaystyle {\int }_0^1\frac{\left(x-1\right)\left(Cp2-K+Fs\lambda -L\left(\eta -1\right)\right)-x\left(Cp1-P\right)+x\left(B+Cp1-Up\right)-\left(Cp1-P\right)\left(x-1\right)}{\left(x-1\right)\left(Cp2-K+Fs\lambda -L\left(\eta -1\right)\right)-\left(x-1\right)\left(Cp2-K+Fs\theta -L\left(\eta -1\right)\right)}\text{d}x\text{d}y}}\\ ={\displaystyle {\int }_0^1{\displaystyle {\int }_0^1\frac{a-bx}{x-1\left(\lambda -\theta \right)Fs}\text{d}x\text{d}y}}=\frac{1}{\left(\lambda -\theta \right)Fs}\left(\left(a-b\right){\displaystyle {\int }_0^1\frac{1}{x-1}\text{d}x}-b\right)\end{array}$ (13)

其中，令$a=Cp1-Cp2+K-L-P+L\eta -Fs\lambda$ ，$b=K-Cp2-B-L-P+L\eta -Fs\lambda +Up$

$V_{B2}=1-V_{B1}=1-\frac{1}{\left(\lambda -\theta \right)Fs}\left(\left(a-b\right){\displaystyle {\int }_0^1\frac{1}{x-1}\text{d}x}-b\right)$ (14)

推论2.2消费者投诉对电商平台选择的影响取决于政府监管部门对电商平台的处罚力度，且电商平台选择“严格监管”策略的概率关于消费者负面反馈造成的损失成正相关。由此表明，消费者投诉可以对电商平台宽松监管行为起到约束作用，但其有效性取决于政府对投诉结果的执行，是否进行处罚。另外消费者负面反馈使制造商和平台共担风险，一损俱损，相互制约，在这种约束下，平台为保护自身利益，往往会选择“严格监管”策略。

证明：根据公式(13)、(14)求关于消费者投诉概率的一阶导数，可得$\frac{\partial V_{B2}}{\partial \lambda }=\frac{\left(\lambda -\theta \right)Fs-\left(-b+\left(a-b\right){\displaystyle {\int }_0^1\frac{1}{x-1}\text{d}x}\right)}{{\left(\lambda -\theta \right)}^{2}Fs}$ ，当$\frac{-b+\left(a-b\right){\displaystyle {\int }_0^1\frac{1}{x-1}\text{d}x}}{\lambda -\theta }>Fs$ 时，$\frac{\partial V_{B2}}{\partial \lambda }<0$ ；当$\frac{-b+\left(a-b\right){\displaystyle {\int }_0^1\frac{1}{x-1}\text{d}x}}{\lambda -\theta }<Fs$ 时，$\frac{\partial V_{B2}}{\partial \lambda }>0$ ；根据公式(14)求关于消费者负面反馈造成的损失$L$ 的一阶导数，可得$\frac{\partial V_{B2}}{\partial \lambda }>0$ ，证毕。

(4) 政府的策略稳定性分析

政府选择严格监管或者宽松监管的期望收益以及平均期望收益分别为：

$E_{31}=xy\left(-C1\right)+y\left(1-x\right)\left(-C1\right)+\left(1-y\right)x\left(-C1\right)+\left(1-x\right)\left(1-y\right)\left(-C1+Fs+Fp\right)$ (15)

$E_{32}=xy\left(-C2\right)+y\left(1-x\right)\left(-C2\right)+\left(1-y\right)x\left(-C2\right)+\left(1-x\right)\left(1-y\right)\left(-C2+\lambda Fp+\lambda Fs\right)$ (16)

$E_3=z{E}_{31}+\left(1-z\right)E_{32}$ (17)

政府策略选择的复制动态方程为：

$\begin{array}{l}F\left(z\right)=\frac{\text{d}z}{\text{d}t}=z\left(z-1\right)(\left(x-1\right)\left(y-1\right)\left(Fp\lambda -C2+Fs\lambda \right)+C1xy-C2xy-\left(x-1\right)\left(y-1\right)\left(Fp-C1+Fs\right)\\ -C1x\left(y-1\right)-C1y\left(x-1\right)+C2x^{\ast }\left(y-1\right)+C2y\left(x-1\right))\end{array}$ (18)

命题3：当$x=x^{*}$ 时，不能确定政府的稳定策略；当$x<x^{*}$ 时，政府的稳定策略是“严格监管”；当$x>x^{*}$ 时，政府的稳定策略是“宽松监管”，其中，阈值

$x^{\ast }=\frac{-\left(C1y-C2y-\left(y-1\right)\left(Fp\lambda -C2+Fs\lambda \right)+\left(y-1\right)\left(Fp-C1+Fs\right)\right)}{\left(y-1\right)\left(Fp\lambda -C2+Fs\lambda \right)-C1\left(y-1\right)+C2\left(y-1\right)-\left(y-1\right)\left(Fp-C1+Fs\right)}$ 。

证明：根据式(18)可得$F\left(z\right)$ 关于$z$ 的一阶偏导：

$\begin{array}{l}{F}^{\prime }\left(z\right)=-\left(2z-1\right)(\left(x-1\right)\left(y-1\right)\left(Fp\lambda -C2+Fs\lambda \right)+C1xy-C2xy-\left(x-1\right)\left(y-1\right)\left(Fp-C1+Fs\right)\\ -C1x\left(y-1\right)-C11y\left(x-1\right)+C2x\left(y-1\right)+C2y\left(x-1\right))\end{array}$ (19)

令$\begin{array}{l}G\left(x\right)=-(\left(x-1\right)\left(y-1\right)\left(Fp-C2+Fs\right)+C1xy-C2xy-\left(x-1\right)\left(y-1\right)\left(Fp-C1+Fs\right)\\ -C1x\left(y-1\right)-C1y\left(x-1\right)+C2x\left(y-1\right)+C2y\left(x-1\right))\end{array}$ ，

当$G\left(x\right)=0$ 时，

$x^{*}=\frac{-\left(C1y-C2y-\left(y-1\right)\left(Fp\lambda -C2+Fs\lambda \right)+\left(y-1\right)\left(Fp-C1+Fs\right)\right)}{\left(y-1\right)\left(Fp\lambda -C2+Fs\lambda \right)-C1\left(y-1\right)+C2\left(y-1\right)-\left(y-1\right)\left(Fp-C1+Fs\right)}$ 。

$\begin{array}{c}\frac{\partial G\left(x\right)}{\partial x}=-(\left(y-1\right)\left(Fp\lambda -C2+Fs\lambda \right)+C1y-C2y-\left(y-1\right)\left(Fp-C1+Fs\right)\\ -C1\left(y-1\right)-C1y+C2\left(y-1\right)+C2y)\\ =-\left(\lambda -1\right)\left(Fp+Fs\right)>0,\end{array}$

此时，$G\left(x\right)$ 是关于$x$ 的递增函数。

(a) 当$x=x^{*}$ 时，$F\left(z\right)=0$ ，说明$z$ 取任何值，系统均处于稳定状态，(b) 当$x<x^{*}$ 时，$G\left(x\right)<0$ ，${F^{\prime }}_z\left(0\right)>0$ 且${F^{\prime }}_z\left(1\right)<0$ ，$z=1$ 为全局稳定策略，(c) 当$x>x^{*}$ 时，$G\left(x\right)>0$ ，${F^{\prime }}_z\left(0\right)<0$ 且${F^{\prime }}_z\left(1\right)>0$ ，$z=0$ 为全局稳定策略，证毕。

命题3表示：随着平台制造商绿色生产概率的增加，政府的稳定策略会由“严格监管”转向“宽松监管”。这表明，当平台制造商可以稳定提供符合生态标签标准的绿色产品时，政府部门为节约监管成本，会逐渐选择宽松监管策略。

根据命题3，政府策略演化相位图如图4所示。

图3表明，政府选择“宽松监管”策略的概率为V_C1，选择“严格监管”策略的概率为V_C2。计算

$\begin{array}{c}{V}_{c1}={\displaystyle {\int }_0^1{\displaystyle {\int }_0^{1-\frac{C2-C1}{\left(\lambda -1\right)\left(Fp+Fs\right)}}\frac{-\left(C1y-C2y-\left(y-1\right)\left(Fp\lambda -C2+Fs\lambda \right)+\left(y-1\right)\left(Fp-C1+Fs\right)\right)}{\left(y-1\right)\left(Fp\lambda -C2+Fs\lambda \right)-C1\left(y-1\right)+C2\left(y-1\right)-\left(y-1\right)\left(Fp-C1+Fs\right)}\text{d}y\text{d}z}}\\ ={\displaystyle {\int }_0^1{\displaystyle {\int }_0^{\frac{a}{b}}\frac{a-by}{1-yb}\text{d}y\text{d}z}}=\frac{a}{b}+1-\frac{a}{b}\ln \left(1-\frac{a}{b}\right)\end{array}$ (20)

Figure 4. Phase diagram of government strategy evolution

图4. 政府策略演化相位图

其中，令$a=C2-C2+1-\lambda Fp+Fs$ ，$b=1-\lambda \left(Fp+Fs\right)$

$V_{c2}=1-V_{c1}=1-\left(\frac{a}{b}+1-\frac{a}{b}\ln \left(1-\frac{a}{b}\right)\right)$ (21)

推论3.1. 政府选择“严格监管”的概率关于消费者投诉概率成负相关，也就是说随着消费者投诉概率的增加，政府逐渐放松监管，这也表明消费者投诉和政府监管之间存在一定的替代效应，两者都能约束制造商和平台，消费者投诉对制造商的“漂绿”行为具有间接监督作用。当消费者投诉概率增大时，政府放松监管，节约政府监管成本，同时也能对平台和制造商起到约束作用。

证明：根据公式(20)、(21)求关于消费者投诉概率的一阶导数，可得$\frac{\partial V_{c2}}{\partial \lambda }<0$ ，证毕。

3.3. 均衡点及稳定性分析

令$F\left(x\right)=0$ ，$F\left(y\right)=0$ ，$F\left(z\right)=0$ ，$x$ 取值为$0,1,x^{*}$ ，$y$ 取值为$0,1,y^{*}$ ，$z$ 取值为$0,1,z^{*}$ ，由此可得到系统稳定点E1 (0, 0, 0), E2 (1, 0, 0), E3 (0, 1, 0), E4 (0, 0, 1), E5 (1, 1, 0), E6 (1, 0, 1), E7 (0, 1, 1), E8 (1, 1, 1)，E9 (x^*, y^*, z^*)。

由包春兵等人可知，在非对称博弈中，如果信息不对称条件成立，则演化稳定策略为纯策略[25]，所以本文只需讨论E1~E8这八个点的稳定性。三方演化博弈系统的雅可比矩阵：

$J=\left[\begin{array}{ccc}\frac{\partial F\left(x\right)}{\partial x}& \frac{\partial F\left(x\right)}{\partial y}& \frac{\partial F\left(x\right)}{\partial z}\\ \frac{\partial F\left(y\right)}{\partial x}& \frac{\partial F\left(y\right)}{\partial y}& \frac{\partial F\left(y\right)}{\partial z}\\ \frac{\partial F\left(z\right)}{\partial x}& \frac{\partial F\left(z\right)}{\partial y}& \frac{\partial F\left(z\right)}{\partial z}\end{array}\right]=\left[\begin{array}{ccc}{a}_{11}& a_{12}& a_{13}\\ a_{21}& a_{22}& a_{23}\\ a_{31}& a_{32}& a_{33}\end{array}\right]$

可得

$\begin{array}{l}{a}_{11}=-x\left(Cw-Cg+Us+L\eta +Fp\lambda +By+Py-L\eta y-Fp\lambda y-Fp\lambda z+Fp\theta z+Fp\lambda yz-Fp\theta yz\right)\\ -\left(x-1\right)\left(Cw-Cg+Us+L\eta +Fp\lambda +By+Py-L\eta y-Fp\lambda y-Fp\lambda z+Fp\theta z+Fp\lambda yz-Fp\theta yz\right)\end{array}$

$a_{12}=-x\left(x-1\right)\left(B+P-L\eta -Fp\lambda +Fp\lambda z-Fp\theta z\right)$ ;

$a_{13}=x\left(x-1\right)\left(Fp\lambda -Fp\theta -Fp\lambda y+Fp\theta y\right)$ ;

$\begin{array}{l}{a}_{21}=-y\left(y-1\right)(\left(z-1\right)\left(Cp2-K+Fs\lambda -L\left(\eta -1\right)\right)+2z\left(Cp1-P\right)-z\left(B+Cp1-Up\right)\\ -2\left(Cp1-P\right)\left(z-1\right)-z\left(Cp2-K+Fs\theta -L\left(\eta -1\right)\right)+\left(z-1\right)\left(B+Cp1-Up\right))\end{array}$ ;

$\begin{array}{c}{a}_{22}=\left(y-1\right)(x\left(Cp1-P\right)\left(z-1\right)-z\left(Cp1-P\right)\left(x-1\right)-x\left(z-1\right)\left(B+Cp1-Up\right)\\ +\left(Cp1-P\right)\left(x-1\right)\left(z-1\right)+z\left(x-1\right)\left(Cp2-K+Fs\theta -L\left(\eta -1\right)\right)-xz\left(Cp1-P\right)\\ -\left(x-1\right)\left(z-1\right)\left(Cp2-K+Fs\lambda -L\left(\eta -1\right)\right)+xz\left(B+Cp1-Up\right))\\ +y(x\left(Cp1-P\right)\left(z-1\right)-z\left(Cp1-P\right)\left(x-1\right)-x\left(z-1\right)\left(B+Cp1-Up\right)\\ +\left(Cp1-P\right)\left(x-1\right)\left(z-1\right)+z\left(x-1\right)\left(Cp2-K+Fs\theta -L\left(\eta -1\right)\right)-xz\left(Cp1-P\right)\\ -\left(x-1\right)\left(z-1\right)\left(Cp2-K+Fs\lambda -L\left(\eta -1\right)\right)+xz\left(B+Cp1-Up\right))\end{array}$ ;

$a_{23}=-y\left(\left(x-1\right)\left(Cp2-K+Fs\lambda -L\left(\eta -1\right)\right)-\left(x-1\right)\left(Cp2-K+Fs\theta -L\left(\eta -1\right)\right)\right)\left(y-1\right)$ ;

$a_{31}=z\left(z-1\right)\left(\left(y-1\right)\left(Fp\lambda -C2+Fs\lambda \right)-C1\left(y-1\right)+C2\left(y-1\right)-\left(y-1\right)\left(Fp-C1+Fs\right)\right)$ ;

$a_{32}=z\left(z-1\right)\left(\left(x-1\right)\left(Fp\lambda -C2+Fs\lambda \right)-C1\left(x-1\right)+C2\left(x-1\right)-\left(x-1\right)\left(Fp-C1+Fs\right)\right)$ ;

$\begin{array}{c}{\alpha }_{33}=\left(z-1\right)(\left(x-1\right)\left(y-1\right)\left(Fp\lambda -C2+Fs\lambda \right)+C1xy-C2xy-\left(x-1\right)\left(y-1\right)\left(Fp-C1+Fs\right)\\ -C1x\left(y-1\right)-C1y\left(x-1\right)+C2x\left(y-1\right)+C2y\left(x-1\right))\\ +z(\left(x-1\right)\left(y-1\right)\left(Fp\lambda -C2+Fs\lambda \right)+C1xy-C2xy-\left(x-1\right)\left(y-1\right)\left(Fp-C1+Fs\right)\\ -C1x\left(y-1\right)-C1y\left(x-1\right)+C2x\left(y-1\right)+C2y\left(x-1\right))\end{array}$

通过复制动态方程求得的均衡点未必满足渐进稳定条件，因此，本文借助Lyapuno判别法，将八个均衡点带入雅可比矩阵中，得到对应的特征值，当特征值均为负实部时，则该均衡点为渐近稳定点；特征值至少有一个为正实部时，则该均衡点为不稳定点；雅可比矩阵中除实部为0的特征值外，其余特征值为负实部，则均衡点为临界状态，稳定性不能由特征符号确定。各均衡点稳定性结果见表3所示。

Table 3. Stability analysis of equilibrium points

表3. 均衡点稳定性分析

均衡点	雅可比矩阵特征值		稳定性 结论	条件
	$\lambda 1$ , $\lambda 2$ , $\lambda 3$	实部符号
(0, 0, 0)	$Cw-Cg+Us+L\eta +Fp\lambda$ , $Cp2-Cp1-K+P+Fs\lambda -L\left(\eta -1\right)$ , $C2-C1+Fp+Fs-Fp\lambda -Fs\lambda$	(×, ×, ×)	ESS
(1, 0, 0)	$Cg-Cw-Us-L\eta -Fp\lambda$ , $Up-P-B$ , $C2-C1$	(×, ×, −)	ESS
(0, 1, 0)	$B-Cg+Cw+P+Us$ , $Cp1-Cp2+K-P-Fs\lambda +L\left(\eta -1\right)$ , $C2-C1$	(×, ×, −)	ESS
(0, 0, 1)	$Cw-Cg+Us+L\eta +Fp\theta$ , $Cp2-Cp1-K+P+Fs\theta -L\left(\eta -1\right)$ , $C1-C2-Fp-Fs+Fp\lambda +Fs\lambda$	(×, ×, ×)	ESS
(1, 1, 0)	$Cg-B-Cw-P-Us$ , $B+P-Up$ , $C2-C1$	(×, +, ×)	不稳定点	-
(1, 0, 1)	$Cg-Cw-Us-L\eta -Fp\theta$ , $Up-P-B$ , $C1-C2$	(×, ×, +)	不稳定点	-
(0, 1, 1)	$B-Cg+Cw+P+Us$ , $Cp1-Cp2+K-P-Fs\theta +L\left(\eta -1\right)$ , $C1-C2$	(×, ×, +)	不稳定点	-
(1, 1, 1)	$Cg-B-Cw-P-Us$ , $B+P-Up$ , $C1-C2$	(×, ×, +)	不稳定点	-

命题3：根据表4可知，E5，E6，E7，E8对应的雅可比矩阵特征值至少存在一个不为负实部，不满足演化稳定条件，所以为不稳定点。而E1，E2，E3，E4可能会达到演化稳定策略，因此，本文通过不同的限制条件分别定义了4种情形进行系统演化稳定分析。

情形1：当满足$-Cg+Cw+Us+L\eta +Fp\lambda <0$ ，$C2-C1+Fp+Fs-Fp\lambda -Fs\lambda <0$ ，$Cp2-Cp1-K+L+P-L\eta +Fs\lambda <0$ 时，均衡点E1 (0, 0, 0)所对应的特征值均为负值，即策略组合(“漂绿”生产，宽松监管，宽松监管)为该系统的演化稳定策略。

情形2：当满足$Cg-Cw-Us-L\eta -Fp\lambda <0$ ，$Up-P-B<0$ 时，均衡点E2所对应的特征值均为负值，即策略组合(绿色生产，消极监管，宽松监管)为该系统的演化稳定策略。

情形3：当满足$B-Cg+Cw+P+Us<0$ ，$Cp1-Cp2+K-L-P+L\eta -Fs\lambda <0$ 时，均衡点E3所对应的特征值均为负值，即策略组合(绿色生产，宽松监管，严格监管)为该系统的演化稳定策略。

情形4：当满足$-Cg+Cw+Fp\theta +Us+L\eta <0$ ，$C1-C2-Fp-Fs+Fp\lambda +Fs\lambda <0$ ，$Cp2-Cp1+Fs\theta -K+L+P-L\eta <0$ 时，均衡点E4所对应的特征值均为负值，即策略组合(绿色生产，宽松监管，严格监管)为该系统的演化稳定策略。

4. 博弈群体联合分析

利用matlab2021b对制造商间“漂绿”行为博弈演化轨迹进行仿真分析，根据假设，具体初始参数设置如下：$R=10$ ；$Cg=8$ ；$Us=1$ ；$B=1$ ；$Cw=6$ ；$P=3$ ；$\eta =0.4$ ；$L=1$ ；$Fp=1$ ；$Up=2$ ；$Cp1=2$ ；$Cp2=1$ ；$Fs=1$ ；$C1=2$ ；$C2=1$ ；$\theta =0.5$ ；$K=0.5$ ；$\lambda =1$ 。

(1) 初始比例变动对系统演化结果的影响

为验证参与主体策略选择不同初始概率下对系统演化结果的影响，现将x、y、z在(0, 1)上以0.2为步长进行初始值取值设定，利用Matlab对平台制造商、平台和政府在不同初始状态下的策略选择动态演化过程进行仿真，结果见图5。

根据图5可知，任意初始策略选择概率下，该演化系统均稳定于(1, 0, 0)这一策略组合，即通过竞争和选择，主体逐渐趋向于一种稳定的均衡状态。这种均衡是市场力量作用的结果，表明市场具有内在的调节能力，可以自发地达到稳定状态。其随着初始策略选择概率的不断增大，系统更快的收敛于稳定状态。

(2) 消费者λ和反馈L对制造商“漂绿”–平台监管行为的影响

随着消费者投诉概率λ (0.3, 0.6, 1)增大，平台制造商绿色生产倾向显著增强(图6(a))。当制造商稳定提供合规绿色产品时，电商平台和政府为节约成本逐步转向宽松监管。消费者负面反馈损失L (0, 1, 5)的增大同样促进制造商绿色生产(图6(b))，形成稳定供给后，平台与政府监管强度同步降低。这种动态平衡表明：消费者监督能有效抑制漂绿行为，而监管成本的优化需求将推动系统向自律性宽松监管演化。

(3) 平台奖励B、P对制造商“漂绿”行为的影响

随着平台的责任意识逐渐增强，奖惩制度日趋严格，对网络卖家的处罚P和奖励B也逐渐提高。

Figure 5. Evolution results under different initial strategy selection probabilities

图5. 不同初始策略选择概率下的演化结果

Figure 6. The impact of consumer λ and feedback L on manufacturer’s “greenwashing”-platform regulatory behavior

图6. 消费者λ和反馈L对制造商“漂绿”–平台监管行为的影响

设$B=\left\{0,1,5\right\}$ ，$P=\left\{0,3,6\right\}$ 。图7(a)，图7(b)表明，随着平台对平台制造商的奖惩力度增大，平台制造商选择“绿色生产”的概率在逐渐增加。如果平台选择“严格监管”策略，对制造商生产的产品进行严格审查，严格符合平台生态标签授予标准，并对“‘漂绿’生产”的制造商进行严格的处罚，此时，平台制造商会倾向于绿色生产策略，但并不是平台对平台制造商的奖惩越高，对制造商绿色生产的约束就越大，从图中可以看出，当奖惩力度达到一定程度，反而会使收敛速度减缓，因此，平台要制定合理的奖惩政策，促进制造商朝向绿色生产发展。

(4) 政府奖惩对平台和制造商“漂绿”行为的影响

随着公众对“漂绿”问题的关注以及政府监管部门监管力度的增大，对平台和平台制造商的处罚力度也逐渐加大。设$Fs=\left\{0,1,10\right\}$ ；$Fp=\left\{0,1,10\right\}$ 。从图8(a)可以看出，随着政府处罚金额的增加，平台向0收敛的速度逐渐变慢。也就是说，对于平台来讲，随着政府对平台的处罚金额逐渐增大，对平台产生威慑作用，平台收敛速度变慢并且当Fs增大到10时，图中存在一个拐点，该拐点表明随着政府监管部门惩罚力度的增大，平台会趋向严格监管策略演化，但随着时间的演化，由于制造商趋向于稳定的提供绿色生产的产品，此时，平台处于节约审查成本考虑，最终会朝向宽松监管的策略演化。图8(b)中表明，通过政府对平台制造商的严格处罚，平台制造商逐渐趋向绿色生产策略，有效抑制制造商“‘漂绿’”行为的发生。

Figure 7. The impact of platform rewards B and penalties P on manufacturers’ “greenwashing” behavior

图7. 平台奖励B和处罚P对制造商“漂绿”行为的影响

Figure 8. The impact of government reward and punishment measures on platform regulatory strategy selection and manufacturers’ “greenwashing” behavior

图8. 政府奖惩措施对平台监管策略选择以及制造商“漂绿”行为的影响

5. 结论与启示

本文基于对电商平台治理视角的研究，丰富了平台治理理论。研究发现：① 制造商初始选择绿色生产的比例越高，系统越易向理想状态演化；② 消费者投诉的约束效果取决于政府处罚力度，处罚越严，投诉对平台监管的抑制作用越强；③ 政府严格处罚能有效抑制制造商“漂绿”行为并减缓平台宽松监管策略的演化速度，当平台实施奖惩机制时更易达成绿色生产均衡。

启示：消费者层面：需通过宣传投诉渠道、优化处理流程及结果公示制度提升维权效能，可考虑对有效投诉者给予激励，形成社会监督合力。

平台层面：奖惩机制虽能促进绿色生产，但宽松监管会纵容“漂绿”，需通过法律明确责任，辅以政府激励(如税收优惠)与监管(定期检查)双重手段。

政府层面：应强化处罚威慑力，完善法规与激励政策，并定期开展专项整治，平衡市场引导与秩序维护。