口碑效應(yīng)和基于主體的創(chuàng)新擴(kuò)散仿真研究

黃在禮 貢文偉

摘要：文章應(yīng)用基于主體的系統(tǒng)仿真方法，分析了消費者主體行為的交互規(guī)則，重點研究了市場上的口碑效應(yīng)對新產(chǎn)品擴(kuò)散有顯著地影響。在創(chuàng)新擴(kuò)散理論與品牌傳播的契合下，進(jìn)一步發(fā)現(xiàn)，企業(yè)的市場進(jìn)入時間、產(chǎn)品的質(zhì)量和口碑強(qiáng)度、企業(yè)的營銷力度都會對品牌擴(kuò)散產(chǎn)生一定的影響。

關(guān)鍵詞：創(chuàng)新擴(kuò)散；口碑效應(yīng)；品牌擴(kuò)散；仿真模擬

復(fù)雜性是一種“性狀”的描述，存在多個有意義、不確定、非周期的可區(qū)分狀態(tài)，或者以多個有意義的可區(qū)分狀態(tài)以不確定、非周期的方式存在。對于在產(chǎn)品的銷售過程中，人與人之間的社會關(guān)系中口碑的傳播可以稱之為一個復(fù)雜系統(tǒng)。盛昭瀚等總結(jié)了復(fù)雜系統(tǒng)具有以下特點：具有眾多的異質(zhì)性主體；智能性和自適應(yīng)性；局部性；突現(xiàn)性；不穩(wěn)定性；非線性；不確定性；不可精確預(yù)測性。本文將進(jìn)行的仿真實驗是基于一個復(fù)雜的經(jīng)過自組織而“演化”的系統(tǒng)，研究在社會網(wǎng)絡(luò)中消費者的相互作用的驅(qū)動下，其不斷的“學(xué)習(xí)”而調(diào)整自身決策的行為方式的進(jìn)化過程。因此，應(yīng)用基于主體的建模與仿真（ABMS）來研究新產(chǎn)品擴(kuò)散的影響機(jī)理，能夠充分考慮到現(xiàn)實世界中主體的異質(zhì)性、動態(tài)性特點。

本文將在相關(guān)口碑傳播理論等已有研究成果基礎(chǔ)上，運用Multi-agent方法和面向?qū)ο缶幊碳夹g(shù)，構(gòu)建可控制且可重復(fù)的計算實驗?zāi)Ｐ停瑥奈⒂^行為層面，模擬消費者主體的交互作用，并在抽取和分析實驗數(shù)據(jù)的基礎(chǔ)上，通過對比實驗結(jié)果，以期得出積極的管理啟示。

一、模型開發(fā)和計算實驗設(shè)計

（一）模型基本假設(shè)

在社會網(wǎng)絡(luò)的環(huán)境下，由于消費者個體之間偏好、對新產(chǎn)品敏感度、以及消費者之間的關(guān)系強(qiáng)度等異質(zhì)性特點，會產(chǎn)生不同的口碑感染力。Barabasi以及Watts and Strogatz指出社會網(wǎng)絡(luò)為個人互動和信息交換提供環(huán)境。Alderson以及Watts and Dodds指出消費者社會網(wǎng)絡(luò)的結(jié)構(gòu)具有不確定性。Bampo等和Goldenberg等最近的一些研究，試圖在不同的網(wǎng)絡(luò)結(jié)構(gòu)繪制大規(guī)模社會網(wǎng)絡(luò)。

本文將描述的是社會網(wǎng)絡(luò)結(jié)構(gòu)下的消費者，在決策過程的每個時期中，有對新產(chǎn)品的采購或拒絕的決策。如圖1所示，在每個周期的開始，消費者分為三個主要群體：猶豫不決的消費者、采購者和拒絕者。采購者被分為兩個小組：滿足需求的采購者和未滿足需求的采購者。此外，滿足需求的采購者可以進(jìn)一步分為滿意和不滿意的消費者。未滿足需求的采購者包括：等待接收產(chǎn)品的采購者和丟失掉的消費者。

Goldenberg等提出，消費者的決策會直接受到正面和負(fù)面口碑和營銷力度的影響。本文只考慮那些有直接社會關(guān)系的Agent之間的口碑。潛在的消費者可能與六組消費者成員有直接的社會聯(lián)系：滿意的采購者，不滿意的采購者，拒絕者，丟失掉的消費者，等待接受產(chǎn)品的采購者以及猶豫不決者。在做出采購的決定中，潛在消費者通過直接社會關(guān)系，從那些滿意的采購者得到正面的口碑，從不滿意的采購者、丟失掉的消費者和拒絕者中獲得負(fù)面的口碑。猶豫不決者以及等待接受產(chǎn)品？？的采購者不傳播正面或負(fù)面口碑。基于正面和負(fù)面口碑的總水平，潛在消費者將做出采購、拒絕或猶豫不決的決策。潛在消費者決策的數(shù)學(xué)模型展示在本節(jié)的最后。

Goldenberg等最近的實驗又發(fā)現(xiàn)，消費者社會關(guān)系的平均數(shù)量是25個。這個數(shù)字與McCarthy在250000個青少年的小組中得到的發(fā)現(xiàn)是一致的。因此，本文假定社會關(guān)系的平均數(shù)是25。

假定口碑強(qiáng)度的影響是由系數(shù)q決定的，營銷努力的效果是由創(chuàng)新系數(shù)決定的。當(dāng)定義總體和個體層面上的參數(shù)p和q的值時，依靠兩組研究：（1）在總體水平上用實證研究驗證參數(shù)值；（2）Goldenberg等的研究表明個體級參數(shù)值的計算方法是基于總水平的參數(shù)。因此，個體級參數(shù)p和q的值產(chǎn)生的總的結(jié)果與那些總體級模型的結(jié)果是非常接近的。要計算個體級的參數(shù)，本文選擇總體級參數(shù)的值q=0.4，p=0.03。選定的p和q表示一個典型的產(chǎn)品的均值，然后轉(zhuǎn)化總體級的參數(shù)值q為個體級的參數(shù)qj，再將它除以每個個體的連接的數(shù)量（即25個）。另外，借鑒Goldenberg等的研究觀點，認(rèn)為參數(shù)p的值對于個體級和總體級模型來說將是同樣的。

在口碑強(qiáng)度和營銷力度的共同影響下，潛在的消費者有采購產(chǎn)品、拒絕產(chǎn)品或保持猶豫未決三種策略選擇。正面的口碑通過潛在消費者的社會關(guān)系對其產(chǎn)生影響，營銷活動鼓勵潛在消費者來采購新產(chǎn)品，負(fù)面的口碑阻止?jié)撛诘牟少徴呷ゲ少彙（i）+是消費者與其具有社會關(guān)系并且他是正面口碑的來源的消費者的指標(biāo)集（滿意的采購者）。L（i）-是消費者與其具有社會關(guān)系并且他是負(fù)面口碑的來源的消費者的指標(biāo)集。

要確定一個潛在消費者在期間的采購狀態(tài)，首先確定消費者受到無論是外部的廣告，或是內(nèi)部正面的口碑的影響的概率，（p+（i，tnow）），如下所示：

在式（1）中，（1-p）代表消費者不被廣告積極地影響的概率。此外，消費者沒有從任何滿意的采購者j通過直接的社會關(guān)系收到正面的口碑的概率是（1-qj）。這兩個概率的積，表明消費者從無論是廣告還是具有直接社會關(guān)系的滿意的消費者都沒有收到任何積極的影響。再從1中減去這個積，表示消費者從無論廣告或者具有直接的社會關(guān)系的滿意的采購者收到積極影響的概率。

接下來，確定負(fù)面口碑的概率，（p-（i，tnow）），消費者從不滿意的采購者、產(chǎn)品拒絕者和丟失掉的消費者那兒得到影響，如下：

假設(shè)負(fù)面口碑的影響強(qiáng)度是M倍于正面口碑的，見式（2），消費者在擴(kuò)散期tnow，沒有收到任何來自于直接社會關(guān)系的不滿意消費者的負(fù)面口碑影響的概率是（1-M*qj）。從1中減去這個乘積，得出了消費者i接收負(fù)面口碑的概率。

要計算這三種消費者決策轉(zhuǎn)移的概率，需要認(rèn)識到，一個潛在的消費者在期間可能會接觸到正面影響，負(fù)面的影響，正面和負(fù)面的影響或者都沒有。因此，僅接觸到正面口碑的概率是（1-p-（i，tnow））p+（i，tnow），僅接觸到負(fù)面口碑為 （1-p+（i，tnow）p-（i，tnow））。此外，由正面和負(fù)面口碑共同影響的概率是p+（i，tnow）p-（i，tnow）。允許消費者的一部分αi由正面和負(fù)面的口碑共同影響而采購產(chǎn)品，（1-αi）拒絕產(chǎn)品。規(guī)范化的因子，αi，表明消費者收到正面口碑比上總口碑的影響的比率：

（二）ABMS模型的計算實驗設(shè)計

類似于早期的研究（例如，Goldenberg等和 Kumar and Swaminathan），本文的模型是由3000名消費者構(gòu)成的市場組成的。為了發(fā)現(xiàn)較大的市場規(guī)模是否會影響到模擬結(jié)果，本文首先對大型的社會網(wǎng)絡(luò)進(jìn)行了反復(fù)的實驗設(shè)計，分析顯示仿真結(jié)果沒有顯著差異。因此，選擇了一個隨機(jī)網(wǎng)絡(luò)結(jié)構(gòu)來連接所有實驗設(shè)計的3000名消費者。當(dāng)3000個潛在的消費者中的95%做出采購決定時，即終止實驗。

在ABMS模型的實驗中，將新產(chǎn)品的口碑強(qiáng)度及新產(chǎn)品對消費者的吸引力的參數(shù)進(jìn)行多次賦值仿真模擬，以期描繪出營銷力度和口碑對消費者的感染力在演變過程中不同狀態(tài)時的非線性圖，著重分析口碑傳播的在新產(chǎn)品擴(kuò)散中發(fā)揮的重要作用。

具體的參數(shù)值以及模型基本假設(shè)的各參數(shù)如下表1所示。

這里針對負(fù)面口碑對正面口碑的相對作用倍數(shù)這一參數(shù)的選擇是借鑒Harrison-Walker對市場營銷的研究成果。其表明，相較于正面口碑，負(fù)面口碑對潛在消費者的采購決策有較大的影響。其主要歸因于兩個原因：1.比起正面口碑來說，人們?yōu)樨?fù)面口碑分配更多的比重（Amini等）；2.一個不滿意的消費者會比一個滿意的消費者與更多的人談?wù)撚诖恕Ｔ谠缙诘难芯亢凸J(rèn)的行業(yè)慣例（Goldenberg等和Amini等）中，負(fù)面口碑與正面口碑的影響強(qiáng)度比穩(wěn)定在2左右。

接下來，對ABMS模型的模擬規(guī)則如下。隨著首先嘗試產(chǎn)品的消費者的口碑傳播，使得新產(chǎn)品在區(qū)域內(nèi)引起了更多人的興趣，繼而使做出采購決定的消費者的數(shù)量增多，直到區(qū)域內(nèi)95%的消費者做出采購決策。本文為獲得最終用于分析的實驗結(jié)果，將依據(jù)Kelton等所提出的規(guī)則，在模擬仿真實驗中， 應(yīng)將每種情況反復(fù)運行15次，然后求出平均值，這樣對于所得實驗結(jié)果的可信度和有效性是比較適宜的。

二、模擬結(jié)果分析

（一）新產(chǎn)品營銷的口碑強(qiáng)度對決策行為的影響

在模擬仿真實驗一中，保持其他參數(shù)不變，對口碑強(qiáng)度進(jìn)行不同賦值。模擬的結(jié)果如圖2所示。

由圖2可以看出，隨著時間的推移，消費者會購買此品牌的產(chǎn)品的數(shù)量比例增加；對于擁有不同口碑強(qiáng)度的曲線而言，口碑強(qiáng)度越大，則購買產(chǎn)品的消費者的數(shù)量增長率就會提高。也就是說，口碑強(qiáng)度越大，達(dá)到一定品牌擴(kuò)散效果的期數(shù)就越少，即大幅度縮短了市場接受新產(chǎn)品的周期，加快了產(chǎn)品對市場的占領(lǐng)。在現(xiàn)實新產(chǎn)品的市場營銷中，舉辦一定規(guī)模的促銷活動或者有獎贈送活動，又或者發(fā)放產(chǎn)品試樣，都會在市場中引起正面的口碑的強(qiáng)度提高，消費者購買意愿增強(qiáng)，加快了新產(chǎn)品的迅速擴(kuò)散。

（二）接觸采購百分比對決策行為的影響

在其他參數(shù)不變的情況下，對剛接觸產(chǎn)品時，制定采購決策的消費者的百分比進(jìn)行不同賦值。模擬的結(jié)果和對比如圖3所示。

Rogers提出，創(chuàng)新產(chǎn)品在市場擴(kuò)散時，總會存在飽和點，即新產(chǎn)品在社會系統(tǒng)中一般不會100%擴(kuò)散。事實上，很多創(chuàng)新在社會系統(tǒng)中最終只能擴(kuò)散到某個百分比。對比圖3中的曲線，很明顯的可以看出，接觸采購百分比越大，模擬達(dá)到飽和百分比的周期就越短，新產(chǎn)品進(jìn)入市場的效率就越高。在不同接觸采購百分比的曲線的對比中，由于接觸采購百分比越大對消費者的吸引力更大，在剛進(jìn)入市場時，就更好地吸引了消費者的眼球，也就更容易、更快地占領(lǐng)市場。就如蘋果公司的產(chǎn)品之一iPhone4在進(jìn)入市場時，以簡潔、高貴、時尚的外觀以及功能的強(qiáng)大，迅速激發(fā)了所有消費者的購買欲望。在短短不到一年的時間，這款產(chǎn)品由2010年6月8日的剛剛發(fā)布，到2011年的第一季度末，蘋果iPhone手機(jī)和配件的銷售額已經(jīng)達(dá)到104.7億美元，一舉超過了諾基亞的97億美元，成為全球最大的手機(jī)廠商。

因此，在企業(yè)的新產(chǎn)品進(jìn)入市場開端，消費者在剛接觸到新產(chǎn)品時，對該產(chǎn)品的態(tài)度、認(rèn)知和購買意愿，是企業(yè)。另外，實驗?zāi)M的結(jié)果也證明了外觀因素對于影響新產(chǎn)品擴(kuò)散的重要性。人們在接觸某種新事物時，往往最先關(guān)注的是產(chǎn)品的外觀，其次才是被說服。那么，為消費者設(shè)計一個良好的外觀形象，是新產(chǎn)品迅速的打開市場并占領(lǐng)市場的重要先機(jī)。

在以往創(chuàng)新擴(kuò)散的研究中，絕大部分?jǐn)U展模型針對的是產(chǎn)品層次的擴(kuò)散研究，只有極少學(xué)者對品牌層次的擴(kuò)散進(jìn)行研究。隨著市場經(jīng)濟(jì)程度的加深，顧客對品牌的需求差異化特征明顯，使得品牌類型的多樣化、個性化，各類企業(yè)對品牌傳播的管理要求也越來越高，因此把創(chuàng)新擴(kuò)散理論引入到企業(yè)品牌傳播有一定的合理性和必要性。將基于創(chuàng)新擴(kuò)散理論與品牌傳播之間的契合性，在競爭品牌的市場作用下，模擬研究多個變量對新產(chǎn)品擴(kuò)散的影響路徑。

（三）競爭品牌擴(kuò)散模擬研究

在現(xiàn)實社會生活中，多種競爭品牌推出新產(chǎn)品時一般是以不同的時間進(jìn)入市場，市場競爭對品牌擴(kuò)散的重要性顯而易見。在已有的研究中，很多文獻(xiàn)研究了市場先入者的優(yōu)勢（Tirtayasaa and Puspowarsitob）和劣勢，其中，有結(jié)果表明市場先入者會比后入者擁有更高的市場占有率或者存活的機(jī)會，而Venkatesh Shankar等則指出后入者也具有優(yōu)勢：具有市場先入優(yōu)勢的品牌往往通過高成本來宣傳創(chuàng)新產(chǎn)品的概念，并且根據(jù)消費者偏好制定了科學(xué)的營銷策略，而市場后入者的優(yōu)勢在于其能夠在先入者的基礎(chǔ)上，以較低的模仿成本加上適當(dāng)創(chuàng)新而超越先入者。

那么，市場因素是如下實驗研究的重點，我們將通過模擬具有不同市場進(jìn)入時間及不同營銷決策的多種品牌擴(kuò)散，以研究市場進(jìn)入時間及企業(yè)賦予產(chǎn)品的不同屬性對擴(kuò)散結(jié)果的影響。

假設(shè)市場上有四種品牌A、B、C、D，接下來，對這四種品牌做三組實驗。

在實驗一中，假定A、B、C、D的質(zhì)量系數(shù)（即口碑強(qiáng)度）、創(chuàng)新系數(shù)、營銷力度（即接觸采購率，剛接觸產(chǎn)品時，制定采購決策的消費者的百分比）都相同，但營銷進(jìn)入時間不同。其中，A、B、C、D的進(jìn)入時間分別為第1期、第101期、第201期、第301期。品牌擴(kuò)散結(jié)果如圖4所示。

在圖4中，以達(dá)到市場占有率60%為限，那么，品牌A先達(dá)到此市場占有率，接下來依次是B、C、D。據(jù)此可以得出，如果品牌A、B、C、D在質(zhì)量上以及營銷力度上并無太大差別，那么先入者會占有較大的市場優(yōu)勢。而且，越晚進(jìn)入市場，品牌的進(jìn)入壁壘就越大，生存幾率越小

在第二個實驗中，假定品牌B、C、D雖然較后進(jìn)入市場，但是具有更好的質(zhì)量，則結(jié)果如圖5所示。

品牌A、B、C、D的進(jìn)入時間保持不變，分別是第1期、第101期、第201期和第301期，以及營銷力度保持不變，但是，假定B、C、D有更高的質(zhì)量系數(shù)。根據(jù)圖5的結(jié)果可以看出，品牌B和C在提高質(zhì)量系數(shù)后，其市場擴(kuò)散的速度有了大幅的提高，甚至超過了先入者品牌A。而對于品牌D來說，由于其進(jìn)入時間過晚，提高質(zhì)量系數(shù)也無明顯的影響。

實驗三，研究提高營銷力度，對品牌擴(kuò)散結(jié)果的影響。同樣假定品牌A保持不變，而提高B、C、D的營銷力度。如圖6所示。

由圖6可以看出，無論是B、C還是D，在經(jīng)過營銷力度的加強(qiáng)后，都超過了品牌A的市場擴(kuò)散速度，使得A喪失了市場先入的優(yōu)勢。其中，又以品牌B為最。雖然品牌B不是產(chǎn)品的創(chuàng)造者、創(chuàng)新者，但是品牌B緊隨品牌A而進(jìn)入市場，并花費較大的成本對產(chǎn)品進(jìn)行營銷。這使得品牌B在市場上的擴(kuò)散非常迅速，占據(jù)了絕對的市場優(yōu)勢。

結(jié)合上述三組實驗，可以得出如下結(jié)論：企業(yè)的市場進(jìn)入時間、產(chǎn)品的質(zhì)量、企業(yè)的營銷力度都會對品牌擴(kuò)散產(chǎn)生一定的影響。作為產(chǎn)品的研發(fā)者，一定要在進(jìn)入市場前，衡量自己潛在競爭者的實力及可能的運營動作。從而對自己產(chǎn)品的定價、質(zhì)量和營銷手段都能做出客觀的決策，才能穩(wěn)定地占據(jù)著一定的市場份額，維持著自己的先入優(yōu)勢。而一些作為市場跟隨者的企業(yè)，就一定要盡力提高自己的質(zhì)量及營銷力度，才能在市場上有一席之地。而適當(dāng)?shù)膭?chuàng)新則能更好的促進(jìn)市場跟隨者的品牌擴(kuò)散。另外，市場進(jìn)入時間不能過遲。一旦錯過了最佳的市場進(jìn)入時間范圍，市場進(jìn)入壁壘會非常高，企業(yè)就只能用低價來獲得微弱的利潤。

三、結(jié)論

已有對于品牌擴(kuò)散的研究方法多集中于定性研究或者一些通過建立數(shù)學(xué)模型的定量研究，而運用計算實驗方法從微觀層面研究品牌的擴(kuò)散目前仍處于起始階段；對研究內(nèi)容方面多側(cè)重于某一類型層次的品牌傳播，將創(chuàng)新擴(kuò)散理論結(jié)合品牌的新產(chǎn)品擴(kuò)散，是該研究領(lǐng)域的一個迫切的課題。研究得出以下幾個結(jié)論。

1. 本文根據(jù)市場及產(chǎn)品的復(fù)雜性的特點，建立基于主體的創(chuàng)新擴(kuò)散仿真模型。計算實驗過程中又借助于主體的思想，為研究口碑效應(yīng)對消費者行為影響的決策路徑及品牌擴(kuò)散提供了有效的工具。

2. 新產(chǎn)品如何贏得市場，為自身創(chuàng)造口碑效應(yīng)的機(jī)會是未來的重點研究方向之一。由此，筆者認(rèn)為，讓潛在消費者的“被動”接受變?yōu)橹鲃觽鞑ィ热珞w驗式消費，才能使得口碑的感染力提高。然而，口碑作為營銷手段便成為了一把雙刃劍，所以，企業(yè)一方面要重視產(chǎn)品的質(zhì)量和服務(wù)，避免負(fù)面口碑的隱患；另一方面要適應(yīng)消費者多樣化的需求，贏得潛在消費者。

3. 本文最后結(jié)合創(chuàng)新擴(kuò)散影響機(jī)理，對競爭品牌的擴(kuò)散進(jìn)行了模擬研究。分析發(fā)現(xiàn)，先入品牌具有先入者優(yōu)勢，但后入品牌通過提高自身特性可以降低進(jìn)入市場的壁壘。現(xiàn)今品牌產(chǎn)品類型的多樣化，表明企業(yè)采用產(chǎn)品的營銷手段也需多元化發(fā)展，深入了解消費者主體的行為決策影響機(jī)理成為企業(yè)品牌營銷策略的必要學(xué)習(xí)課題。

參考文獻(xiàn)：

[1]盛昭瀚， 張軍， 杜建國. 社會科學(xué)計算實驗理論與應(yīng)用[M].三聯(lián)書店， 2009.

[2]Barabási A L， Frangos J. Linked： The New Science Of Networks Science Of Networks[M]. Basic Books， 2002.

[3]Watts D J， Strogatz S H. Collective dynamics of ‘small-worldnetworks[J]. nature， 1998（393）.

[4]Alderson D L. OR FORUM-Catching the “Network Science” Bug： Insight and Opportunity for the Operations Researcher[J]. Operations Research， 2008 （05）.

[5]Watts D J， Dodds P S. Influentials， networks， and public opinion formation[J]. Journal of consumer research， 2007（04）.

[6]Bampo M， Ewing M T， Mather D R， et al. The effects of the social structure of digital networks on viral marketing performance[J]. Information Systems Research， 2008（03）.

[7]Goldenberg J， Han S， Lehmann D R， et al. The role of hubs in the adoption process[J]. Journal of Marketing， 2009（02）.

[8]Goldenberg J， Libai B， Moldovan S， et al. The NPV of bad news[J]. International Journal of Research in Marketing， 2007（03）.

[9]Kumar S， Swaminathan J M. Diffusion of innovations under supply constraints[J]. Operations Research， 2003（06）.

[10]Amini M， Wakolbinger T， Racer M， et al. Alternative supply chain production–sales policies for new product diffusion： An agent-based modeling and simulation approach[J]. European Journal of Operational Research， 2012（02）.

[11]Kelton W D， Sadowski R P， Sadowski D A. Simulation with ARENA[M]. New York： McGraw-Hill，2002.

[12]Mesak H I， Bari A， Babin B J， et al. Optimum advertising policy over time for subscriber service innovations in the presence of service cost learning and customers disadoption[J]. European Journal of Operational Research， 2011（03）.

[13]郭琳，應(yīng)洪斌.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[J].統(tǒng)計與決策，2013（04）.

（作者單位：江蘇大學(xué)管理學(xué)院）