基于消费者品牌崇拜的闭环供应链品牌投入决策研究

Brand Investment Decisions in Closed-Loop Supply Chains Considering Consumer Brand Worship

摘要: 在“双碳”战略推动循环经济发展的背景下，本研究构建了一个考虑消费者品牌崇拜心理的闭环供应链定价决策模型，探讨品牌要素对供应链各环节决策的影响机制。研究表明，品牌崇拜通过品牌增益效应和回收协同效应创造双重价值：一方面增强产品市场溢价能力，另一方面提升资源回收效率，形成“品牌情感–回收效率–经济绩效”的闭环增强回路。研究揭示了品牌建设在循环经济中的战略意义，不仅能够提升前端市场价值，还能优化后端资源再生效率，为企业在绿色转型背景下制定品牌战略提供了新的理论视角和实践路径。

Abstract: Under the “Dual Carbon” strategy promoting the development of a circular economy, this study constructs a pricing decision model for closed-loop supply chains that incorporates consumer brand worship. It explores how brand elements influence decision-making across supply chain stages. The research shows that brand worship creates dual value through brand enhancement and recycling synergy effects: it strengthens product market premium capability while improving resource recycling efficiency, forming a self-reinforcing mechanism linking “brand emotion-recycling efficiency-economic performance.” The study highlights the strategic importance of brand building in the circular economy, demonstrating its ability to enhance both front-end market value and back-end resource recycling efficiency. It offers new theoretical insights and practical approaches for enterprises to develop brand strategies during the green transition.

1. 研究背景

2020年，中国向世界作出“2030年前碳达峰、2060年前碳中和”的战略目标，标志着国家战略层面的绿色转型全面启动[1]。这一战略决策的紧迫性源于双重现实困境：作为制造业大国，我国“贫油少气”的资源禀赋与能源安全需求形成结构性矛盾，同时国际贸易中绿色标准的提升推动产业转型[2]。在此背景下，发展循环经济成为突破发展瓶颈的重要路径——根据产业数据显示，全国生态环保产业营收规模已突破2.2万亿元，A股上市环保企业数量较2012年增长近170% (从86家增至230家)，凸显了产业规模的扩张与资本市场的认可[3]。

在“双碳”战略框架下，资源回收产业正成为破解资源环境约束的关键环节。以废旧电器电子回收市场为例，全球年处理量已从2014年的4180万吨增至2019年的5360万吨，五年间增长超28%。而中国市场的增速更为显著，年复合增长率达13%~15%，远超全球平均水平[4]。这种指数级增长态势表明，基于循环经济的“城市矿山”开发模式正在形成，一个蕴含千亿级价值的资源再生市场已进入爆发期。

在这个千亿级别的资源再生市场中，品牌产品与普通产品在回收效率和价值实现上呈现显著分化。以电子消费品为例：苹果手机在二手市场以54.8%的回收占比稳居首位，其旗舰机型iPhone 16 Pro (1 TB)单月回收价格涨幅高达4410元，展现出极强的保值能力[5]。同时通过对比各品牌主力机型1年后的回收保值率，也能发现，品牌力越高，其回收能力越强，苹果手机的保值能力甚至超越红米手机10% [6]。这种分化在家电领域同样显著。正规拆解企业数据显示，品牌家电因标准化设计和模块化组件，拆解效率比杂牌产品高40%，资源再利用率提升35% [7]。以冰箱为例，品牌产品可拆解出近100个部件，包含20余种可回收材料，而杂牌产品因有毒粘合剂和混合材料导致再生成本激增。

品牌崇拜(Brand Worship)在此背景下展现出超越传统营销价值的战略意义——它成为打通消费端到回收端的关键情感纽带。消费者对品牌的忠诚度不仅体现为购买溢价意愿(如苹果用户换机周期长达3.5年)，更延伸至回收参与积极性。这种情感连接创造了实质性经济效益。其转化为回收竞争力，最终形成“消费忠诚→高回收率→低成本再生→产品溢价”的闭环增强回路。本文将在传统的闭环供应链定价模型的基础上考虑消费者品牌崇拜对于模型的影响，从而优化模型，让模型更贴近现实，为企业品牌战略决策提供参考。

2. 文献综述

2.1. 闭环供应链定价决策研究现状

早期的闭环供应链决策研究聚焦于决策权力分配对定价效率的影响，核心矛盾在于分散决策导致的“双重边际效应”。Savaskan等(2004)开创性地提出三级闭环供应链模型，证明在零售商回收模式下，集中决策可使零售价降低8%~12%，回收价提高15%~20%，系统总利润提升25%以上[8]。然而，由于企业间信息壁垒和利润分配争议，集中决策在实践中面临实施困境。为调和这一矛盾，学者们引入契约协调机制优化分散决策。谢家平(2020)分析了不同回收模式下的最优决策，并研究契约协调对利润的影响[9]。尤天慧等(2021)进一步引入行为经济学因素，发现风险态度显著改变决策逻辑：风险规避型制造商会降低批发价约5%以转移风险，而风险偏好型零售商则提高零售价3%获取风险溢价[10]。

随后，政府和消费者的作用在闭环供应链中也逐渐体现。赖小菊等(2024)详细对比了三类补贴，回收补贴(Model S)，再制造补贴(Model T)和复合补贴(Model ST)之间的区别[11]。李春发等(2021)基于再制造品接受度将市场分为新品偏好型(价值感知差异 > 25%)、性价比追求型(差异率10%~25%)、环保导向型(差异率 < 10%)三种类型，并针对此深入研究了E-闭环供应链[12]。喻海飞等(2021)在数据产品闭环供应链中引入质量衰减系数δ，提出“高开低走”定价策略：新品上市初期高价利用时效性溢价，随后阶梯降价促进二手交易，全生命周期价值提升30% [13]。尽管研究不断深化，现有闭环供应链决策研究仍存在盲区——情感因素量化缺失，当前模型多聚焦理性经济动机(如价格敏感度β、低碳偏好)，忽视情感纽带的非经济价值。

2.2. 品牌价值与品牌崇拜

品牌从区别标识演化为价值载体的历程，折射出市场竞争范式的深刻变革。早期学者Ogilvy (1955)将品牌定义为“多项无形资产的总和，包括属性、名称、声誉等”，强调其符号识别功能[14]。随着消费升级，Mutimer (2014)进一步指出品牌是“增强消费者认知与忠诚的无形资产”，凸显其关系联结价值[15]。这种从“物”到“人”的转向，在Aaker (1991)的品牌资产五星模型中达到理论高峰，Aaker的核心洞见在于揭示品牌忠诚度是资产价值的核心：当消费者从“满意购买者”升级为“承诺购买者”时，其流失率可降低80%，价格敏感度下降50% [16]。中国学者孙曰瑶(2007)补充了行为经济学视角，提出品牌本质是“降低选择成本的信任符号”——当消费者对品牌形成排他性选择惯性时，其决策时间缩短60%，且愿支付溢价[17]。

在闭环供应链中，品牌崇拜通过多条路径对定价规则造成影响。首先是弱化了价格敏感系数，Yan (2019)的感知价值模型证明：品牌价值能够通过效用补偿效应降低价格敏感度[18]。其次，品牌崇拜通过“情感–行为–系统”三阶段传导提升回收率，Rahman (2025)实验表明：高品牌信任群体对回收瑕疵的容忍度提升60%，其归因模式呈现为品牌偏差(Brand-favorable Bias) [19]。本文将从以上两条路径出发，深挖品牌崇拜对于闭环供应链定价决策的影响，从而弥补模型缺口。

与现有研究相比，本研究的边际贡献主要体现在以下两个方面的模型创新：

(1) 理论框架的拓展：从“价格驱动”到“品牌情感与价格双驱动”，将需求函数拓展为$Q=a-\beta p+\gamma A$ 。其中，A为品牌投入，γ为品牌增益系数。这一改进将品牌投入从一种沉没成本转化为能直接刺激需求的核心决策变量，更准确地反映了品牌崇拜所产生的“非价格依赖”性需求。

(2) 品牌作用维度的深化：从单一“需求侧”到“需求侧 + 回收侧”联动。传统模型中品牌价值仅作用于前端市场，而本研究模型创新性地提出品牌回收协同系数(θ)，将回收价格内生化地建模为品牌投入的函数$r=r_0-\theta A$ 。这揭示了品牌崇拜的溢出效应：高品牌忠诚度不仅提升购买意愿，还通过增强用户信任与参与意愿，显著降低回收交易的搜寻与说服成本，从而优化整个闭环的成本结构。

综上所述，本研究通过将消费者品牌崇拜心理量化为“品牌增益效应(γ)”与“回收协同效应(θ)”两个关键参数，并将其嵌入闭环供应链决策序列，构建了一个更为精细化和现实化的理论模型。这一创新不仅丰富了闭环供应链理论，更重要的是，它为企业在“双碳”战略下，如何通过品牌建设这一软实力来协同提升经济与环境绩效，提供了全新的决策视角和量化工具。

3. 问题描述与模型假设

本文考虑由制造商、零售商和第三方回收商组成的再制造闭环供应链系统。如图1所示。在正向供应链中，制造商首先在长期决策中决定自己的品牌投入A，之后在短期决策中以批发价w将新产品和再制造产品批发给零售商，零售商以零售价p将产品售卖给消费者。在逆向供应链中制造商以回收价r从消费者手中收购废旧产品，并在经过处理后，重新生产再制造品。

Figure 1. Closed-loop supply chain system

图1. 闭环供应链系统

此外，为简化分析，该模型还做出以下假设：

(1) 假设新品和再制造产品在品质、外观等方面无明显差异，消费者对其认可度相同，因此二者售价相同[20]。同时，为了保证闭环供应链系统中各方有利可图，有$p>w>c_m$ ，$s>r$ 。

(2) 假设产品的需求除了受到产品本身价格p的影响外，还受到产品品牌投入A的影响，表示为$Q=a-\beta p+\gamma A$ ，其中$a>0$ ，是市场默认最大需求；$\beta >0$ ，是产品的价格敏感系数，表示产品价格升高，需求会下降；$\gamma >0$ ，是品牌增益系数，表示品牌投入越高，需求越高[18]。

(3) 假设$I$ 表示制造商对产品的品牌投入成本，$I=\frac{1}{2}k{A}^2$ ，其中k是品牌投资系数[21]。

(4) 假设产品回收价格r是品牌投入A的线性函数，$r=r_0-\theta A$ ，其中$r_0$ 是初始的回收价格；$\theta >0$ ，是品牌回收协同系数，表明品牌投入越高，消费者忠诚度越高，参与回收的热情就越高，从而降低回收成本[19]。同时，为了确保回收成本的经济合理性，即$r\ge r_{\text{min}}>0$ ，引入品牌投入上限约束：

$A<A_{\text{max}}=\frac{r_0-r_{\text{min}}}{\theta }$ ，其中$r_{\text{min}}$ 表征物理不可压缩成本。

(5) 假设再制造产品节约的成本为$\text{Δ}$ ，$\text{Δ}=c_m-c_{rm}$ ，其中$c_m$ 是制造商制造新品的单位成本；$c_{rm}$ 是制造商生产再造品的单位成本。为保证再造品有利可图，有$\text{Δ}>r$ 。

文章中用到的符号说明如表1所示。

Table 1. Variables and their definitions

表1. 变量及变量定义

符号	定义	符号	定义
$w$	制造商的批发价格(决策变量)	$h$	回收投入系数
$A$	产品的品牌投入(决策变量)	$r$	制造商的回收价格
$p$	零售商的零售价格(决策变量)	$\theta$	品牌回收协同系数
$g$	闭环供应链系统的回收率(决策变量)	$c_m$	制造商制造新品的单位成本
$a$	市场默认最大需求	$c_{rm}$	制造商制造再造品的单位成本
$\beta$	价格敏感系数	$\Delta$	再制造产品节约的成本
$r_{min}$	物理不可压缩成本	$r_0$	初始的回收价格
$\gamma$	品牌增益系数	$Q$	市场实际需求
$k$	品牌投资系数	$I$	制造商的品牌投入成本
$G$	回收商的回收投入成本

4. 模型构建与求解

在闭环供应链中，制造商、零售商从自身利益出发，以制造商为主导者，零售商为跟随者进行Stackelberg博弈。第一阶段由制造商决定批发价$w$ 、品牌投入$A$ ，第二阶段由零售商根据批发价格决定零售价格$p$ 。

市场需求函数： $Q=a-\beta p+\gamma A$ (1)

制造商收益函数： ${\Pi }_m=\left(w-c_m\right)Q+g\left(\text{Δ}-r\right)Q-\frac{1}{2}k{A}^2$ (2)

零售商收益函数： ${\text{Π}}_r=\left(p-w\right)Q$ (3)

采用逆向递推法求解，可得到闭环供应链各成员的最优决策为：

$A^{\ast }=\frac{\left(\gamma +\beta \theta g\right)\left[a-\beta c_m+\beta g\left(\text{Δ}-r_0\right)\right]}{4\beta k-{\left(\gamma +\beta \theta g\right)}^2}$ (4)

$w^{\ast }=\frac{a+\gamma A^{\ast }+\beta c_m-\beta g\left(\text{Δ}-r\right)}{2\beta }$ (5)

$p^{\ast }=\frac{a+\beta w^{\ast }+\gamma A^{\ast }}{2\beta }$ (6)

命题1：批发价$w$ 和零售价$p$ 随着品牌增益系数$\gamma$ 的增加而增加。

品牌增益系数γ的增加意味着品牌投入能更有效地提升消费者价值感知和购买意愿，这使得需求曲线向右上方移动且变得更为陡峭，消费者对价格的敏感度降低；制造商因此获得定价权，通过提高批发价来回收品牌投资并获取品牌溢价，而零售商也因需求增加和消费者支付意愿增强而能够提高零售价，同时保持足够的销量，从而在供应链各环节实现价值的共同提升。

命题2：批发价$w$ 和零售价$p$ 随着品牌投资系数$k$ 的增加而减少。

品牌投资系数k的增加意味着品牌投入的成本效率降低，单位品牌建设需要付出更高成本，这迫使制造商减少品牌投入以控制总成本，导致品牌对需求的拉动作用减弱和消费者支付意愿下降；面对疲软的市场需求，制造商不得不降低批发价以维持基本销量，而零售商也因失去品牌溢价支撑和面临更激烈的价格竞争，只能通过降低零售价来刺激消费，从而形成供应链各环节价格同步下降的压力。

命题3：批发价$w$ 和零售价$p$ 随着品牌回收率$g$ 的增加而减少。

品牌回收率g的增加意味着更多产品被回收和再制造，这显著降低了制造商的单位生产成本；成本下降使制造商能够在保持利润的同时降低批发价w以扩大市场份额，而零售商也因进货成本降低和再制造产品带来的价格竞争力，能够下调零售价p来吸引更多消费者，从而在供应链中形成成本节约向终端价格传递的良性循环。

5. 数值仿真分析

为检验上述理论模型的性质，并确保数值分析结果具有现实指导意义，本节将基于智能手机行业的特征与相关实证研究，对模型参数进行赋值与范围设定。所有参数的设计均遵循行业现实、技术可行性与模型稳健性原则，具体依据与取值如下。

市场基础参数的设定主要考量了行业的整体规模与消费行为。市场默认最大需求($\alpha$ )设定为2,000,000单位，此数值参考了主流手机品牌在单一重点区域市场(如中国的一个核心销售区)的年销售量级。价格敏感系数(β)设定为550，该取值落在中高端手机价格弹性的实证研究范围内，反映了该细分市场消费者对价格的适度敏感性。

品牌相关参数的设定旨在捕捉品牌战略的核心维度。品牌增益系数(γ)的分析范围设定为[0, 3000]，用以模拟从品牌影响力极弱的新兴品牌(γ值接近0)到拥有强大用户忠诚度的头部品牌(γ值接近上限)的全光谱情景。品牌投资系数(k)的分析范围设定为[2000, 20,000]，表征了品牌投入的效率差异，成熟品牌因规模效应和渠道优势享有较低的k值，而新品牌则面临较高的市场进入成本。品牌回收协同系数(θ)的分析范围设定为[0.1, 1]，用于量化品牌忠诚度向回收便利性与用户参与意愿的转化效率，构建了高黏性生态系统品牌与普通功能型品牌之间的关键区别。

成本与回收参数的取值则基于产业链的实际情况。新品单位成本($c_m$ )设定为1800元，综合考量了中高端手机的物料清单与制造成本。再制造节约成本(Δ)设定为500元，其依据是手机再制造过程中在元器件回收、检测维修和物料再利用环节产生的实际成本节约。在回收方面，回收率($g$ )的分析范围覆盖[0, 0.9]，以涵盖从缺乏回收体系到行业领先的闭环系统等多种情景；初始回收价格($r_0$ )设定为400元，参考了主流机型使用周期后的典型二手残值；而回收价格下限($r_{\text{min}}$ )设定为100元，则反映了回收处理过程中物流、检测、数据清除等环节的不可压缩成本。

品牌增益系数γ在[0, 3000]之间取值，闭环供应链的最优决策以及各成员利润随γ的变化如图2所示。

Figure 2. Brand investment, retail price, wholesale price, and changes in member profits with respect to γ

图2. 品牌投入，零售价，批发价以及各成员利润随γ的变化

从图中可知，随着品牌增益系数$\gamma$ 的增大，品牌投入$A$ ，批发价$w$ ，零售价$p$ 以及各成员利润均增大，验证了命题1。

品牌投资系数$k$ 在[2000, 20,000]之间取值，闭环供应链的最优决策以及各成员利润随$k$ 的变化如图3所示。

Figure 3. Brand investment, retail price, wholesale price, and changes in member profits with respect to k

图3. 品牌投入，零售价，批发价以及各成员利润随k的变化

从图可知，随着品牌投资系数$k$ 的增大，品牌投入$A$ ，批发价$w$ ，零售价$p$ 以及各成员利润均减小，且先快速减小，后缓慢减小，验证了命题2。

回收率$g$ 在[0, 0.9]之间取值，闭环供应链的最优决策以及各成员利润随$\theta$ 的变化如图4所示。

Figure 4. Brand investment, retail price, wholesale price, and changes in member profits with respect to g

图4. 品牌投入，零售价，批发价以及各成员利润随g的变化

从图可知，随着回收率g的增大，品牌投入$A$ 以及各成员利润均增大，批发价$w$ ，零售价$p$ 且均减小，验证了命题3。

6. 结论

本研究通过构建考虑消费者品牌崇拜心理的闭环供应链定价决策模型，系统分析了品牌增益系数、品牌投资系数、品牌回收协同系数及回收率等关键参数对供应链最优决策的影响。实证结果表明，品牌崇拜在闭环供应链中展现出显著的双重价值创造效应：一方面通过提升消费者支付意愿增强前端市场定价能力，另一方面通过降低回收成本优化后端资源再生效率。数值分析结果表明：

品牌增益效应(γ)是前端市场价值实现的关键。其提升能直接激励品牌投入，并通过提升消费者支付意愿，使供应链各环节在价格与利润上实现协同增长，验证了品牌建设在传统价值链中的溢价能力。

品牌回收协同效应(θ)是后端成本优化的核心。该效应的存在，使得品牌投入从单纯的市场费用转变为一项能够降低单位回收成本的战略性投资，从而形成“品牌情感–回收效率–经济绩效”的闭环增强回路，凸显了品牌价值在循环经济中的溢出效应。

回收率($g$ )与品牌投入(A)存在显著的互动关系。回收体系的完善不仅直接提升制造商利润，更能通过放大品牌投入的边际收益，间接优化整个供应链绩效，证明了物理回收网络与品牌情感纽带建设的不可或缺性。

这些发现为“双碳”战略下的企业实践提供了重要启示：制造商应当将品牌建设视为贯穿产品全生命周期的战略投资，而非单纯的营销成本；通过构建品牌情感连接，既能在消费端获得溢价收益，又能在回收端实现成本节约，形成循环经济下的双重竞争优势。政策制定者则应鼓励企业建立品牌化回收体系，完善再生资源交易市场，推动品牌价值与循环经济的深度融合，为构建绿色低碳循环发展经济体系提供微观基础。