網(wǎng)絡(luò)效應(yīng)與新產(chǎn)品創(chuàng)新擴(kuò)散系統(tǒng)仿真分析

郭 琳，應(yīng)洪斌

（1.浙江大學(xué) 管理學(xué)院，杭州 310058；2.浙江師范大學(xué) 經(jīng)濟(jì)與管理學(xué)院，浙江 金華 321004）

0 引言

隨著創(chuàng)新擴(kuò)散由早期在社會學(xué)領(lǐng)域的研究逐漸向新產(chǎn)品領(lǐng)域拓展，創(chuàng)新擴(kuò)散的研究越來越關(guān)注創(chuàng)新如何成功的擴(kuò)散并且影響擴(kuò)散的關(guān)鍵因素有哪些。對于部分產(chǎn)品而言，人際間的內(nèi)部影響不僅僅包括口碑效應(yīng)，還包括網(wǎng)絡(luò)效應(yīng)。網(wǎng)絡(luò)效應(yīng)按照影響的廣度可以分為全局網(wǎng)絡(luò)效應(yīng)和局部網(wǎng)絡(luò)效應(yīng)。全局網(wǎng)絡(luò)效應(yīng)是指總體采納比例對新采納者的影響，而局部網(wǎng)絡(luò)效應(yīng)是指個人網(wǎng)絡(luò)的采納比例對新采納者的影響。

隨著產(chǎn)品復(fù)雜性的提高，潛在采納者知識對決策影響的作用會更大，知識水平高的用戶比知識水平低的用戶更容易判斷產(chǎn)品的效用，而知識水平非常低的用戶因?yàn)槿狈Ξa(chǎn)品信息的整合能力從而無法判斷是否應(yīng)該采納產(chǎn)品，這時知識水平低的用戶會傾向于搜集更多的信息以便降低采納決策的風(fēng)險提高采納決策的判斷能力。因此，本研究將口碑效應(yīng)與網(wǎng)絡(luò)效應(yīng)結(jié)合，區(qū)分了全局網(wǎng)絡(luò)效應(yīng)、局部網(wǎng)絡(luò)效應(yīng)和鄰居間的口碑效應(yīng)，并基于對上述變量的區(qū)分，研究了全局網(wǎng)絡(luò)效應(yīng)在局部網(wǎng)絡(luò)效應(yīng)和口碑效應(yīng)存在的基礎(chǔ)上是否影響新產(chǎn)品創(chuàng)新擴(kuò)散的擴(kuò)散規(guī)模以及擴(kuò)散速度，并且這種影響是否受到產(chǎn)品復(fù)雜性的調(diào)節(jié)作用。

1 研究模型

本研究對Peter van eck,Wander Jager和Peter Leeflang的模型進(jìn)行了拓展，應(yīng)用Netlogo對模型進(jìn)行仿真分析。本研究選擇效用函數(shù)作為決策準(zhǔn)則。在本研究的模型中，引入了兩種影響，一種是知識影響，而另一種是社會影響。知識影響主要是指潛在采納者向他人尋求理解和使用新產(chǎn)品的趨勢，而社會影響是指滿足其他人期望的趨勢。本研究應(yīng)用傳統(tǒng)的兩階段方法來模擬用戶的采納行為，第一階段是意識到新產(chǎn)品的出現(xiàn)，第二階段是是否采納新產(chǎn)品。

在第一個階段，本研究設(shè)計(jì)了兩種途徑讓群體了解到新產(chǎn)品的存在。第一種途徑是通過大眾媒介的方式，在仿真過程中每迭代一次，群體中都會隨機(jī)有一定比例的節(jié)點(diǎn)了解到新產(chǎn)品（比如，本研究設(shè)定為1%）。能夠受到大眾媒體影響的節(jié)點(diǎn)，本研究并沒有采用傳統(tǒng)的兩階段理論，而是借鑒了Watts和Dodds學(xué)者的擴(kuò)散設(shè)計(jì)。傳統(tǒng)的兩階段理論認(rèn)為，大眾媒介的擴(kuò)散是通過先擴(kuò)散給意見領(lǐng)袖（Opinion Leaders，OL），然后通過意見領(lǐng)袖擴(kuò)散給普通用戶，但是現(xiàn)有研究認(rèn)為大眾媒介擴(kuò)散的信息并不局限在擴(kuò)散給意見領(lǐng)袖，并且隨著信息技術(shù)的不斷發(fā)展越來越多的媒介形式也使得大眾傳播可以讓每個個體有一定的概率獲得新產(chǎn)品上市的信息。因此本研究的模型也設(shè)定接受媒體信息的節(jié)點(diǎn)并不局限于意見領(lǐng)袖。第二種途徑是通過人際間信息傳遞發(fā)生的。當(dāng)一個節(jié)點(diǎn)采納了新產(chǎn)品時，他（她）的鄰居有可能通過兩種方式意識到新產(chǎn)品的出現(xiàn)，第一種方式是他（她）的鄰居觀察到該節(jié)點(diǎn)采納了該新產(chǎn)品，第二種方式是他（她）向其鄰居傳遞了新產(chǎn)品出現(xiàn)的信息。因此，本研究認(rèn)為當(dāng)某節(jié)點(diǎn)采納了某項(xiàng)新產(chǎn)品時，那么他（她）的鄰居節(jié)點(diǎn)將會意識到新產(chǎn)品的出現(xiàn)。此外，人際間的信息傳遞還可能通過意見領(lǐng)袖向普通用戶的傳遞。因?yàn)橐庖婎I(lǐng)袖具有社會地位高、信息渠道廣、鄰居節(jié)點(diǎn)多的特點(diǎn)，因此，當(dāng)意見領(lǐng)袖獲取了新產(chǎn)品出現(xiàn)的信息后，他（她）的鄰居節(jié)點(diǎn)也會獲取到新產(chǎn)品出現(xiàn)的信息，即便意見領(lǐng)袖并未采納該新產(chǎn)品。

當(dāng)一個節(jié)點(diǎn)意識到新產(chǎn)品的存在時，那么該節(jié)點(diǎn)則進(jìn)入第二個階段，決定是采納新產(chǎn)品、拒絕采納新產(chǎn)品還是等待。根據(jù)吸收能力理論，當(dāng)節(jié)點(diǎn)間的知識差距超過特定的值后，知識很難在節(jié)點(diǎn)間傳遞。同樣，當(dāng)節(jié)點(diǎn)的知識基礎(chǔ)與需要理解和使用該新產(chǎn)品所需的知識之間差距過大的話，那么該節(jié)點(diǎn)將會拒絕采納該新產(chǎn)品。因此，本研究的模型假定當(dāng)用戶的知識基礎(chǔ)與產(chǎn)品復(fù)雜性的差距超過δ即Ip-I(i,t)＞δ時，該用戶將會拒絕采納該新產(chǎn)品。其中I(i,t)是時間為t時節(jié)點(diǎn)i的知識基礎(chǔ)，而Ip是指產(chǎn)品復(fù)雜性，δ是指知識差距的最大值。當(dāng)潛在采納者的知識基礎(chǔ)與需要理解和使用產(chǎn)品的知識差距小于等于δ時，那么節(jié)點(diǎn)i將會判斷采納該新產(chǎn)品的效用(Ui,t)與自身的效用閾值(Ui,min)的關(guān)系。當(dāng)U(i,t)≥U(i,min)時，節(jié)點(diǎn)i將會采納該新產(chǎn)品，而當(dāng)U(i,t)＜U(i,min)時，節(jié)點(diǎn)i則不會采納該新產(chǎn)品而處于觀察等待的隊(duì)列。效用函數(shù)U(i,t)由知識影響和內(nèi)部影響兩部分組成，其中知識影響(Y(i,t))主要體現(xiàn)產(chǎn)品本身的影響，由節(jié)點(diǎn)的知識基礎(chǔ)與產(chǎn)品復(fù)雜性的差距構(gòu)成；而內(nèi)部影響(X(i,t))主要包括口碑效應(yīng)、局部網(wǎng)絡(luò)效應(yīng)和全局網(wǎng)絡(luò)效應(yīng)所帶來的影響，但是該影響不會超過內(nèi)部影響對新產(chǎn)品采納的最大影響，即內(nèi)部影響的最大影響值是100%。局部網(wǎng)絡(luò)效應(yīng)和全局網(wǎng)絡(luò)效應(yīng)由E(i,t)表示，對節(jié)點(diǎn)的i的影響是通過鄰居產(chǎn)生作用，因而對節(jié)點(diǎn)的i的影響比直接的口碑效用要小。

當(dāng)全部節(jié)點(diǎn)的采納狀態(tài)每迭代一次之后，將會發(fā)生一次節(jié)點(diǎn)的知識轉(zhuǎn)移的過程。潛在采納者只會和已經(jīng)采納新產(chǎn)品的鄰居節(jié)點(diǎn)發(fā)生知識轉(zhuǎn)移。因?yàn)楫?dāng)節(jié)點(diǎn)沒有采納新產(chǎn)品時并沒有獲得使用新產(chǎn)品的經(jīng)驗(yàn)，因而也不會與其鄰居發(fā)生關(guān)于該新產(chǎn)品的知識交換。當(dāng)潛在采納者的鄰居采納了該新產(chǎn)品，并且該鄰居的知識基礎(chǔ)高于潛在采納者的知識基礎(chǔ)并且知識差距不超過δ時，那么潛在采納者會獲取已采納鄰居節(jié)點(diǎn)的部分知識。

上述方程中，βi是節(jié)點(diǎn)受外部影響的程度，Nneighbors-accept(i,t)是節(jié)點(diǎn)i在時間t其已經(jīng)采納的鄰居節(jié)點(diǎn)總數(shù)，Nneighbors-to-tal(i,t)是節(jié)點(diǎn)i在時間t的鄰居節(jié)點(diǎn)的總數(shù)。Nneighbors-neighbors--accept(i,t)是節(jié)點(diǎn)i在時間t其已經(jīng)采納的鄰居的鄰居節(jié)點(diǎn)總數(shù)，Nneighbors-neighbors-toal(i,t)是節(jié)點(diǎn)i在時間t的鄰居的鄰居節(jié)點(diǎn)總數(shù)，Ntotal-accept(t)是時間t全局采納的節(jié)點(diǎn)總數(shù)，而μ則是全局網(wǎng)絡(luò)效應(yīng)是否可得的0和1變量。因?yàn)槿志W(wǎng)絡(luò)效應(yīng)所能帶來的內(nèi)部影響不能超過內(nèi)部影響能帶來的最大值，因此，X(i,t)+βiE(i,t)最大值為1。模型參數(shù)的具體設(shè)置如表1所示。

表1 模型的基本參數(shù)設(shè)置

模型的基本參數(shù)設(shè)置是基于van eck等學(xué)者的設(shè)置[9]。在意見領(lǐng)袖的設(shè)定方面，本研究遵循一個節(jié)點(diǎn)的鄰居節(jié)點(diǎn)數(shù)超過2的時候則成為意見領(lǐng)袖。根據(jù)實(shí)驗(yàn)仿真的結(jié)果，意見領(lǐng)袖占全部節(jié)點(diǎn)的16%-17%，符合Rogers對意見領(lǐng)袖的定義。根據(jù)意見領(lǐng)袖的特點(diǎn)，意見領(lǐng)袖具有知識水平高和創(chuàng)新意識強(qiáng)及不易受內(nèi)部影響等特點(diǎn)。本研究將意見領(lǐng)袖的知識分布與普通用戶進(jìn)行了區(qū)分，滿足了意見領(lǐng)袖知識水平高的要求。對于大眾傳媒的擴(kuò)散比率本研究參照了Jeuland的建議，該學(xué)者認(rèn)為大眾傳媒每次迭代的擴(kuò)散比率不超過1%。本研究將知識差距的最低值設(shè)為0.3，并對該值進(jìn)行了敏感性分析，發(fā)現(xiàn)在該值在0.2（低）、0.3（中）和0.4（高）不會影響結(jié)果的顯著性。因此，本研究選擇了0.3作為知識差距的最低值。根據(jù)吸收能力觀點(diǎn)，因?yàn)橛芯}默知識的存在，知識轉(zhuǎn)移的雙方并不能完全獲得對方的知識，因此，本研究將學(xué)習(xí)能力系數(shù)取值為0.8。

在仿真中，本研究共設(shè)置了三組對比模型，分別是在新產(chǎn)品復(fù)雜性為高、中、低三個情境下潛在采納者能否感知全局網(wǎng)絡(luò)效應(yīng)對新產(chǎn)品創(chuàng)新擴(kuò)散的影響。三組對比模型的參數(shù)設(shè)置如表2所示。根據(jù)表2可知

表2 各模型參數(shù)設(shè)置

模型1至模型6中，模型1和模型2是基于產(chǎn)品復(fù)雜性高的情境，其中模型1是全局網(wǎng)絡(luò)效應(yīng)無法感知，而模型2是全局網(wǎng)絡(luò)效應(yīng)可以感知，以此類推，模型3和模型4是基于產(chǎn)品復(fù)雜性中等的情境，而模型5和模型6則是基于產(chǎn)品復(fù)雜性低的情境。

2 研究結(jié)果

2.1 擴(kuò)散規(guī)模

為了保證結(jié)果的穩(wěn)定性，我們對每個模型運(yùn)行了50次，模擬結(jié)果的描述性統(tǒng)計(jì)如表3所示。在產(chǎn)品復(fù)雜性高、中、低三種情境下，當(dāng)全局采納比例信息可得時，擴(kuò)散規(guī)模的均值都要高于全局采納比例不可得的時候。本研究運(yùn)用SPSS 16.0對對比模型的擴(kuò)散規(guī)模進(jìn)行了兩樣本非參數(shù)檢驗(yàn)分析，結(jié)果如表3所示。根據(jù)表3可知，當(dāng)產(chǎn)品復(fù)雜性高時，新產(chǎn)品的全局采納比例信息可知與全局采納比例信息不可知相比，均值均具有顯著差異（p＜0.001）。與此類似，當(dāng)產(chǎn)品復(fù)雜性中或者低時，全局采納比例信息可知的新產(chǎn)品創(chuàng)新擴(kuò)散規(guī)模都與信息不可知有顯著差異。因此，全局網(wǎng)絡(luò)效應(yīng)對新產(chǎn)品的擴(kuò)散規(guī)模有顯著正向影響。

表3 各模型的擴(kuò)散規(guī)模和擴(kuò)散速度的描述性統(tǒng)計(jì)以及模型間的顯著性水平

本研究關(guān)注的重點(diǎn)是全局網(wǎng)絡(luò)效應(yīng)和產(chǎn)品復(fù)雜性對新產(chǎn)品擴(kuò)散規(guī)模的交互影響。根據(jù)表3可知，當(dāng)產(chǎn)品復(fù)雜性高時，如果潛在采納者無法感知到全局采納比例，新產(chǎn)品的擴(kuò)散規(guī)模是20.6%（SD.=0.065），而當(dāng)潛在采納者可以獲取全局采納比例信息時，擴(kuò)散規(guī)模是35.5%（SD.=0.088），采納比例提高了72.3%；而當(dāng)產(chǎn)品復(fù)雜性中等時，潛在采納者可以獲取全局采納比例信息與不能獲取該信息時，擴(kuò)散規(guī)模提高了22.9%；當(dāng)產(chǎn)品復(fù)雜性低時，僅提高了3.3%。從上述采納比例提高的程度及表4上可以看出，隨著產(chǎn)品復(fù)雜性的降低，全局網(wǎng)絡(luò)效應(yīng)對新產(chǎn)品擴(kuò)散規(guī)模的幫助越來越小。

2.2 擴(kuò)散速度

如表3所示，當(dāng)產(chǎn)品復(fù)雜性高時，不能感知全局采納比例的擴(kuò)散速度的均值要高于可以感知全局采納比例信息時的均值，而在產(chǎn)品復(fù)雜性中和產(chǎn)品復(fù)雜性低的情境下，潛在采納者可以感知全局采納比例的擴(kuò)散速度的均值要高于不能感知該信息的擴(kuò)散速的均值。運(yùn)用兩樣本非參數(shù)檢驗(yàn)發(fā)現(xiàn)，只有在產(chǎn)品復(fù)雜性中等的時候，可以感知全局采納比例信息的擴(kuò)散速度顯著高于不能感知全局采納比例信息的速度，而在其他兩種產(chǎn)品復(fù)雜性的情境下，并未發(fā)現(xiàn)擴(kuò)散速度有顯著差異。因此，在無標(biāo)度網(wǎng)絡(luò)結(jié)構(gòu)下，全局網(wǎng)絡(luò)效應(yīng)不一定對新產(chǎn)品創(chuàng)新擴(kuò)散的擴(kuò)散速度有顯著正向影響。

表4 擴(kuò)散規(guī)模的雙因素方差分析

表5 擴(kuò)散速度的雙因素方差分析

本研究關(guān)注的重點(diǎn)同樣是全局網(wǎng)絡(luò)效應(yīng)和產(chǎn)品復(fù)雜性對新產(chǎn)品創(chuàng)新擴(kuò)散速度的交互影響。運(yùn)用雙因素方差分析發(fā)現(xiàn)，全局網(wǎng)絡(luò)效應(yīng)和產(chǎn)品復(fù)雜性對新產(chǎn)品創(chuàng)新擴(kuò)散速度存在微弱的交互影響（p＜0.01），如表5所示。因此，隨著產(chǎn)品復(fù)雜性的不同，全局網(wǎng)絡(luò)效應(yīng)對新產(chǎn)品擴(kuò)散速度的影響存在差異，全局網(wǎng)絡(luò)效應(yīng)和產(chǎn)品復(fù)雜性對新產(chǎn)品創(chuàng)新擴(kuò)散速度具有微弱的正向交互作用。

3 結(jié)論

本研究的目的是回答全局網(wǎng)絡(luò)效應(yīng)和產(chǎn)品復(fù)雜性是否會影響新產(chǎn)品創(chuàng)新擴(kuò)散的規(guī)模和速度，以及他們之間是否對新產(chǎn)品創(chuàng)新擴(kuò)散的規(guī)模和速度存在顯著交互作用。通過基于智能體的仿真分析和數(shù)理統(tǒng)計(jì)方法，本研究對上述問題進(jìn)行了驗(yàn)證。

雖然已有研究發(fā)現(xiàn)無論是全局網(wǎng)絡(luò)效應(yīng)還是局部網(wǎng)絡(luò)效應(yīng)對消費(fèi)者都有顯著的影響，并且發(fā)現(xiàn)全局網(wǎng)絡(luò)效應(yīng)對新產(chǎn)品擴(kuò)散的影響要小于局部網(wǎng)絡(luò)效應(yīng)。但是，上述的研究是將全局網(wǎng)絡(luò)效應(yīng)與局部網(wǎng)絡(luò)效應(yīng)分開討論，而對于潛在采納者而言，局部網(wǎng)絡(luò)效應(yīng)并不會因?yàn)槿志W(wǎng)絡(luò)效應(yīng)的存在而沒有影。因此，本研究在局部網(wǎng)絡(luò)效應(yīng)產(chǎn)生影響的基礎(chǔ)上，研究全局網(wǎng)絡(luò)效應(yīng)對新產(chǎn)品擴(kuò)散的影響。通過分析發(fā)現(xiàn)，全局網(wǎng)絡(luò)效應(yīng)在局部網(wǎng)絡(luò)效應(yīng)存在的基礎(chǔ)上對于新產(chǎn)品擴(kuò)散依然有非常重要的作用。如果消費(fèi)者可以獲取全局采納比例的信息，那么可以增加整體的采納比例，但是這種作用會隨著產(chǎn)品復(fù)雜性的降低而減弱。

全局網(wǎng)絡(luò)效應(yīng)與新產(chǎn)品創(chuàng)新擴(kuò)散速度呈現(xiàn)出更加復(fù)雜的關(guān)系。基于潛在采納者的網(wǎng)絡(luò)結(jié)構(gòu)是無標(biāo)度網(wǎng)絡(luò)的背景下，全局網(wǎng)絡(luò)效應(yīng)和產(chǎn)品復(fù)雜性對新產(chǎn)品創(chuàng)新擴(kuò)散的擴(kuò)散速度有微弱的正向交互作用，但是產(chǎn)品復(fù)雜性對全局網(wǎng)絡(luò)效應(yīng)與新產(chǎn)品擴(kuò)散速度之間關(guān)系的的調(diào)節(jié)作用并不是簡單的線性關(guān)系，僅在產(chǎn)品復(fù)雜性中等的時候全局網(wǎng)絡(luò)效應(yīng)對新產(chǎn)品的擴(kuò)散速度有顯著正向影響。

本研究對新產(chǎn)品擴(kuò)散的市場策略的制定者同樣有著重要的幫助。對于產(chǎn)品復(fù)雜性低的產(chǎn)品，雖然全局網(wǎng)絡(luò)效應(yīng)對新產(chǎn)品創(chuàng)新擴(kuò)散規(guī)模依然有顯著提高，但是實(shí)際增長的比率卻不大，并且全局網(wǎng)絡(luò)效用并沒有顯著提高擴(kuò)散的速度。本研究并未涉及為潛在采納者獲得全局采納比例信息的成本，如果考慮該成本，那么全局網(wǎng)絡(luò)效應(yīng)對產(chǎn)品復(fù)雜性低的新產(chǎn)品并不能產(chǎn)生非常明顯的作用，因此對于產(chǎn)品復(fù)雜性低的新產(chǎn)品，廠商提供全局采納比例對新產(chǎn)品擴(kuò)散并不會產(chǎn)生明顯的作用。對于產(chǎn)品復(fù)雜性中等的產(chǎn)品而言，全局網(wǎng)絡(luò)效應(yīng)對新產(chǎn)品創(chuàng)新擴(kuò)散的擴(kuò)散規(guī)模和擴(kuò)散速度均具有顯著影響，因此對于這類產(chǎn)品，廠商應(yīng)該向潛在采納者提供全局采納比例的信息。而對于產(chǎn)品復(fù)雜性高的產(chǎn)品，全局網(wǎng)絡(luò)效應(yīng)雖然對新產(chǎn)品擴(kuò)散的擴(kuò)散速度沒有顯著影響，但是對新產(chǎn)品創(chuàng)新擴(kuò)散的規(guī)模提高了70%以上。因此對于產(chǎn)品復(fù)雜性高的產(chǎn)品依然需要重視全局網(wǎng)絡(luò)效應(yīng)對潛在采納者的影響，以助于提高新產(chǎn)品創(chuàng)新擴(kuò)散的擴(kuò)散規(guī)模。

[1]Binken,J.L.G.and S.Stremersch,The Effect of Superstar Software on Hardware Sales in System Markets[J].Journal of Marketing,2009,73(2).

[2]Swaminathan,V.,The Impact of Recommendation Agents on Consumer Evaluation and Choice:the Moderating Role of Category Risk,Product Complexity,and Consumer Knowledge[J].Journal of Consumer Psychology,2003,13(1).

[3]Schramm,M.E.,et al.,An Agent-based Diffusion Model with Consumer and Brand Agents[J].Decision Support Systems,2010,50(1).

[4]van Eck,P.S.,W.Jager,and P.S.H.Leeflang,Opinion Leaders'Role in Innovation Diffusion:A Simulation Stu[J].Journal of Product Innovation Management,201,28(2).