醫(yī)療眾籌項(xiàng)目要不要炒作? 負(fù)面口碑傳播視角下醫(yī)療眾籌項(xiàng)目炒作行為研究

胡 森 ,丁 龍 ,胡 斌 ,肖嬌妍

(1.南京信息工程大學(xué) 管理工程學(xué)院,南京 210044;2.華中科技大學(xué) 管理學(xué)院,武漢 430074)

近年來,醫(yī)療眾籌已經(jīng)成為籌集治病費(fèi)用的重要渠道,作為國家醫(yī)療保障體系的補(bǔ)充,產(chǎn)生了很大作用。2019年7 月,輕松籌宣布總籌款金額達(dá)到360億元,而Bassani等[1]則估計(jì)截止2017 年10月,13 633個(gè)醫(yī)療眾籌項(xiàng)目已經(jīng)籌集了1.32 億美元。但“羅爾事件”等網(wǎng)絡(luò)詐騙事件讓醫(yī)療眾籌遭到了巨大沖擊[2]。羅爾事件的起止時(shí)間分別為2016-11-25和2016-12-01,以《羅一笑,你給我站住》一文發(fā)布開始,羅爾等宣布退還公眾資助結(jié)束。為展現(xiàn)“羅爾事件”對(duì)醫(yī)療眾籌的影響,本文對(duì)微公益醫(yī)療眾籌項(xiàng)目按月度進(jìn)行數(shù)據(jù)匯總,計(jì)算出2013年1月至2020年12月(共計(jì)96個(gè)月)月度捐款人數(shù)、月度項(xiàng)目數(shù)和月度籌款額。如圖1所示,3項(xiàng)月度數(shù)據(jù)總體呈波動(dòng)變化趨勢(shì)。但在羅爾事件發(fā)生后的兩三年中(圖1(a):2016-12～2018-10,圖1(b):2016-12～2019-06,圖1(c):2016-12～2018-11),月度捐款人數(shù)、月度項(xiàng)目數(shù)和月度籌款額顯著處于低谷水平,直至2019年左右才開始恢復(fù)。數(shù)據(jù)進(jìn)一步證實(shí)了羅爾事件給醫(yī)療眾籌帶來的沖擊。圖1中,項(xiàng)目及其籌款額所屬月份按項(xiàng)目結(jié)束時(shí)間匯總。

圖1 微公益平臺(tái)用戶參與程度演變

回顧羅爾事件,2016年11月25日至11月30日,羅爾通過隱瞞關(guān)鍵信息的方式誤導(dǎo)網(wǎng)民[3],引起網(wǎng)民的普遍關(guān)注,使得相關(guān)信息在社交網(wǎng)絡(luò)上迅速擴(kuò)散,截至30日凌晨1:20,捐贈(zèng)總額已超過200萬元;11月30日至12月1日,隨著真相披露,負(fù)面口碑迅速地在網(wǎng)絡(luò)傳播,羅爾等宣布退還網(wǎng)友資助[4]。可見,負(fù)面口碑傳播對(duì)羅爾事件的轉(zhuǎn)折起著決定性的作用。與此同時(shí),羅爾事件主要是通過誤導(dǎo)等方式歪曲了網(wǎng)民的理解,偏離了對(duì)事實(shí)的解讀[5],而非完全虛假。眾多普通醫(yī)療眾籌項(xiàng)目可以通過略微夸大經(jīng)濟(jì)困難或病情來達(dá)到類似的效果,即通過降低項(xiàng)目真實(shí)性,使消費(fèi)者更易被打動(dòng)(即消費(fèi)者易感性提升)。因此,本文使用偏中性的“炒作行為”來形容類似行為。

綜上所述,考慮到醫(yī)療眾籌的意義以及“負(fù)面口碑傳播→羅爾事件(炒作行為)→醫(yī)療眾籌”這一影響鏈,從負(fù)面口碑傳播視角構(gòu)建相應(yīng)的創(chuàng)新擴(kuò)散仿真模型,用以研究炒作行為的影響。

創(chuàng)新擴(kuò)散研究早期主要側(cè)重宏觀層面,如Bass模型[6]。之后,由于宏觀模型不能很好地解釋清楚微觀機(jī)制,創(chuàng)新擴(kuò)散的研究逐漸被引入微觀層面。而多主體建模由于能夠很好地連接微觀機(jī)制和宏觀現(xiàn)象,被廣泛應(yīng)用于創(chuàng)新擴(kuò)散的研究。一些研究針對(duì)不同的市場(chǎng)場(chǎng)景進(jìn)行分析,如考慮市場(chǎng)上存在多品牌、多代際產(chǎn)品[7-8],討論不同社交網(wǎng)絡(luò)上(如Twitter和Digg)的異常信息擴(kuò)散[9]等;另一些研究考慮不同的傳播策略對(duì)創(chuàng)新擴(kuò)散的影響,如對(duì)比隨機(jī)策略、目標(biāo)策略和路徑策略[10],對(duì)比反應(yīng)過程策略和接觸過程策略[11];還有一些研究則從復(fù)雜網(wǎng)絡(luò)視角展開分析,如考慮網(wǎng)絡(luò)節(jié)點(diǎn)的異質(zhì)影響力[12]以及網(wǎng)絡(luò)結(jié)構(gòu)[13]。而Liu等[14]則利用多主體模型研究了醫(yī)療眾籌項(xiàng)目擴(kuò)散過程中的求助方式。

負(fù)面口碑傳播是創(chuàng)新擴(kuò)散研究的重要內(nèi)容,但目前這方面研究相對(duì)較少。黃敏學(xué)等[15]分析了社交關(guān)系如何影響負(fù)面口碑的感知和發(fā)起。蔡淑琴等[16]研究了負(fù)面口碑的識(shí)別方法。Goldenberg等[17]建模描述了消費(fèi)者如何綜合正面口碑和負(fù)面口碑,形成自己的觀點(diǎn),并建立仿真模型研究了負(fù)面口碑的擴(kuò)散問題。Shi等[18]發(fā)現(xiàn),信息平臺(tái)不僅促進(jìn)信息傳播,也會(huì)促進(jìn)負(fù)面口碑的傳播,因此,對(duì)于節(jié)能技術(shù)的發(fā)展而言,信息平臺(tái)是一把雙刃劍。但是,現(xiàn)有涉及負(fù)面口碑的擴(kuò)散模型中[17-18],忽略了個(gè)體先驗(yàn)印象的影響,這一影響對(duì)于個(gè)體社會(huì)學(xué)習(xí)行為起著重要作用[19-21]。個(gè)體消費(fèi)者的學(xué)習(xí)過程并非只是簡(jiǎn)單地綜合每個(gè)人的信息,錯(cuò)誤的演示能夠有效減少信息累積的有效性[20],所以賣家通過操縱學(xué)習(xí)過程,可以有效地改變消費(fèi)者購買行為[19]。

近幾年,國內(nèi)外對(duì)醫(yī)療眾籌的研究也日益豐富。研究眾籌項(xiàng)目捐贈(zèng)績(jī)效的決定因素是相關(guān)實(shí)證研究的熱點(diǎn)話題,如群體參與[22]、社會(huì)資本[22-23]以及平臺(tái)開放性[24]等。除此之外,也有一些研究利用實(shí)證方法從傳播學(xué)[5]、法學(xué)[25]等視角分析了“羅爾事件”的影響。這些文獻(xiàn)比較重視羅爾事件對(duì)社會(huì)輿情產(chǎn)生了怎樣的影響[3]及其影響機(jī)制[5]。

綜上可知,本文的研究具有如下兩個(gè)創(chuàng)新點(diǎn):①現(xiàn)有的針對(duì)負(fù)面口碑傳播的研究沒有考慮先驗(yàn)印象的影響[17-18],而本文模型則借助貝葉斯學(xué)習(xí)機(jī)制,將先驗(yàn)印象的作用體現(xiàn)出來。由表1可見,先驗(yàn)印象對(duì)于醫(yī)療眾籌中的信息擴(kuò)散有著較大的影響。②現(xiàn)有研究主要利用實(shí)證方法探討醫(yī)療眾籌項(xiàng)目炒作行為(如羅爾事件)的影響,側(cè)重從傳播學(xué)或社會(huì)學(xué)等學(xué)科視角進(jìn)行研究,而本文則著重從創(chuàng)新擴(kuò)散過程入手,找出遏制醫(yī)療眾籌項(xiàng)目炒作行為的路徑。

1 醫(yī)療眾籌中資助者行為仿真模型

醫(yī)療眾籌信息在社交網(wǎng)絡(luò)中擴(kuò)散,社交網(wǎng)絡(luò)包含N=1 001個(gè)網(wǎng)民。網(wǎng)民可能有兩種身份。一類是求助者,是信息的發(fā)起源。根據(jù)中國慈善法規(guī)定,個(gè)人只能通過有資質(zhì)的基金組織發(fā)起醫(yī)療眾籌項(xiàng)目,然后在微公益、輕松籌等平臺(tái)上發(fā)起相應(yīng)的項(xiàng)目頁面并在社交網(wǎng)絡(luò)上發(fā)布。因此,本文中的求助者可以是罹患難以負(fù)擔(dān)疾病的個(gè)人及其親友,也可以是具有資質(zhì)的基金組織及其員工。另一類是捐助者,捐助者包括已經(jīng)捐贈(zèng)轉(zhuǎn)發(fā)醫(yī)療眾籌項(xiàng)目的網(wǎng)民,也包括有潛在捐贈(zèng)轉(zhuǎn)發(fā)意愿的網(wǎng)民。即便最終因?yàn)閾?dān)心項(xiàng)目真實(shí)性較差而拒絕捐款或轉(zhuǎn)發(fā)的網(wǎng)民,在最初也是有捐贈(zèng)意愿的,這類網(wǎng)民也屬于潛在捐助者的范疇。接下來分別介紹社交網(wǎng)絡(luò)結(jié)構(gòu)模型和捐贈(zèng)者行為模型。

1.1 社交網(wǎng)絡(luò)結(jié)構(gòu)建模

求助者和捐贈(zèng)者構(gòu)成的社交網(wǎng)絡(luò)具有一定的結(jié)構(gòu),本文涉及的社交網(wǎng)絡(luò)結(jié)構(gòu)包括一個(gè)真實(shí)的臉書用戶網(wǎng)絡(luò)和3種理論網(wǎng)絡(luò),即規(guī)則網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)和無標(biāo)度網(wǎng)絡(luò)。為避免文字冗余,下文中使用英文縮寫表示具體網(wǎng)絡(luò):臉書用戶網(wǎng)絡(luò)-FB,規(guī)則網(wǎng)絡(luò)-RG,小世界網(wǎng)絡(luò)-SW,無標(biāo)度網(wǎng)絡(luò)-BA。

FB網(wǎng)絡(luò)對(duì)文獻(xiàn)[26]中的臉書用戶網(wǎng)絡(luò)進(jìn)行抽樣,按如下方法抽取了一個(gè)包含1 001個(gè)節(jié)點(diǎn)的連通網(wǎng)絡(luò):隨機(jī)選取一個(gè)點(diǎn)作為初始網(wǎng)絡(luò),接下來依次隨機(jī)加入一個(gè)與網(wǎng)絡(luò)連接的點(diǎn),直至網(wǎng)絡(luò)規(guī)模達(dá)到1 001,重復(fù)進(jìn)行100 次抽樣,抽樣網(wǎng)絡(luò)平均度的期望值為7.92。RG 網(wǎng)絡(luò)中,網(wǎng)民圍成一個(gè)圓環(huán),每一個(gè)網(wǎng)民以概率m-[m]與前后[m]+1個(gè)鄰居構(gòu)建連邊,以概率1-m+[m]與前后[m]個(gè)鄰居構(gòu)建連邊,這里[m]表示不大于m的最大整數(shù)。在本文構(gòu)建的規(guī)則網(wǎng)絡(luò)中,對(duì)每一條連邊以概率0.2斷開并隨機(jī)重連,則構(gòu)成本文所涉及的小世界網(wǎng)絡(luò)[27]。無標(biāo)度網(wǎng)絡(luò)則根據(jù)網(wǎng)絡(luò)增長和優(yōu)勢(shì)鏈接兩個(gè)機(jī)制生成[28],新加入的節(jié)點(diǎn)按照優(yōu)勢(shì)鏈接法則,以概率m-[m]鏈接[m]+1個(gè)已有節(jié)點(diǎn),以概率1-m+[m]鏈接[m]個(gè)已有節(jié)點(diǎn)。本文3種理論網(wǎng)絡(luò)的平均度的期望值約為2m,為了能夠比較擴(kuò)散過程在不同網(wǎng)絡(luò)中的差異,下文中如果不做特殊說明,則m=7.92/2=3.96。

1.2 捐贈(zèng)者行為建模

步驟1初始時(shí)刻(t=0)時(shí),某個(gè)求助者創(chuàng)建了醫(yī)療眾籌項(xiàng)目,N i個(gè)初始轉(zhuǎn)發(fā)者在社交網(wǎng)絡(luò)中轉(zhuǎn)發(fā)了項(xiàng)目信息,初始轉(zhuǎn)發(fā)者包括求助者本人、求助者的親友以及承接醫(yī)療眾籌項(xiàng)目的基金。假設(shè)B是一個(gè)潛在捐贈(zèng)者,初始時(shí)他對(duì)醫(yī)療眾籌有一個(gè)總體認(rèn)識(shí)。由于醫(yī)療眾籌項(xiàng)目的真實(shí)性是捐贈(zèng)者最關(guān)心的因素[29],故假設(shè)B對(duì)醫(yī)療眾籌的認(rèn)知是關(guān)于真實(shí)性的。假設(shè)一個(gè)項(xiàng)目的真實(shí)性為θ(θ≤1),則網(wǎng)民在轉(zhuǎn)發(fā)捐贈(zèng)該項(xiàng)目后,持正面態(tài)度的概率為θ,持負(fù)面態(tài)度的概率為1-θ。但是B無法準(zhǔn)確知道項(xiàng)目真實(shí)性,而是基于輿論,認(rèn)為項(xiàng)目真實(shí)性θ的先驗(yàn)分布服從貝塔分布Be(x,y)。很多研究在分析消費(fèi)者效用時(shí),通常假定消費(fèi)者屬性服從標(biāo)準(zhǔn)均勻分布[30]。因此,本文中如不做特殊說明,項(xiàng)目真實(shí)性θ的先驗(yàn)分布亦為標(biāo)準(zhǔn)均勻分布,即x=y=1。

步驟2在時(shí)刻t>0,消費(fèi)者B首先會(huì)根據(jù)以往對(duì)醫(yī)療眾籌的認(rèn)知(即θ的先驗(yàn)分布)和鄰居節(jié)點(diǎn)在時(shí)刻t-1 結(jié)束時(shí)的狀態(tài),采用貝葉斯學(xué)習(xí)機(jī)制[31-32]更新對(duì)項(xiàng)目的看法。具體而言,在時(shí)刻t剛開始時(shí),B獲知所有鄰點(diǎn)在t-1時(shí)刻結(jié)束時(shí)的狀態(tài),發(fā)現(xiàn)有dp,B個(gè)鄰居對(duì)該項(xiàng)目持正面態(tài)度,dn,B個(gè)鄰居持負(fù)面態(tài)度。B根據(jù)鄰居態(tài)度更新對(duì)項(xiàng)目的認(rèn)知,認(rèn)為θ的分布變?yōu)锽e(dp,B+x,dn,B+y),期望值如下式所示(證明過程見附錄):

式中,χ為鄰居節(jié)點(diǎn)中接受該項(xiàng)目的人數(shù)比例,表現(xiàn)為同儕效應(yīng)[33]。具體實(shí)現(xiàn)過程如下:利用Matlab自帶的函數(shù)生成一個(gè)0～1均勻分布隨機(jī)數(shù)a。若a∈(0,pa),則B接受項(xiàng)目,并立刻轉(zhuǎn)發(fā)項(xiàng)目信息且對(duì)項(xiàng)目進(jìn)行捐贈(zèng)。為方便分析,本模型假設(shè)所有個(gè)體的捐贈(zèng)額相同,故接受項(xiàng)目的人數(shù)與總捐贈(zèng)額成正比。若a∈[pa,pa+pr],則B拒絕項(xiàng)目;若a∈[pa+pr,1],則B持續(xù)觀望。當(dāng)B持續(xù)觀望時(shí),其后續(xù)可以轉(zhuǎn)化為接受或拒絕項(xiàng)目;當(dāng)B接受(拒絕)項(xiàng)目后,就不會(huì)再持續(xù)觀望或拒絕(接受)項(xiàng)目。

最后,B產(chǎn)生對(duì)項(xiàng)目的態(tài)度。若B處于持續(xù)觀望狀態(tài),則對(duì)項(xiàng)目持中立態(tài)度;若B處于拒絕狀態(tài),則對(duì)項(xiàng)目持負(fù)面態(tài)度;若B處于接受狀態(tài),則其在捐贈(zèng)轉(zhuǎn)發(fā)項(xiàng)目后,持正面態(tài)度的概率為θ,持負(fù)面態(tài)度的概率為1-θ。一旦B對(duì)項(xiàng)目產(chǎn)生明確的正面或負(fù)面態(tài)度,B對(duì)項(xiàng)目的態(tài)度就不會(huì)再改變。

步驟2中,潛在捐贈(zèng)者狀態(tài)和態(tài)度變化過程如圖2所示。

圖2 潛在捐贈(zèng)者狀態(tài)變化過程

步驟3進(jìn)入時(shí)刻t+1,重復(fù)步驟2,直到式(1)社交網(wǎng)絡(luò)上每位成員對(duì)項(xiàng)目的態(tài)度持續(xù)10個(gè)時(shí)刻不再變化,或者式(2)每位成員都接受或拒絕項(xiàng)目。下文如果不做說明,本文所呈現(xiàn)的結(jié)果均為相同參數(shù)下重復(fù)50次仿真模型后得出的結(jié)果均值。

2 模型驗(yàn)證

本章將通過比較相同狀態(tài)下的Bass模型結(jié)果和仿真模型結(jié)果來驗(yàn)證仿真模型的合理性。Bass模型有如下公式:

式中:N為所有個(gè)體總量;Na(t)表示t時(shí)刻接受項(xiàng)目的人數(shù);α為創(chuàng)新系數(shù),即未接受該項(xiàng)目的人受大眾傳媒(外部)影響而接受該項(xiàng)目的可能性;β為模仿系數(shù),即未接受該項(xiàng)目的人受口碑影響而接受該項(xiàng)目的可能性。在Bass模型中,α(N-Na(t-1))為大眾媒體效應(yīng),β(N-Na(t-1))Na(t-1)/N為口碑傳播效應(yīng)。考慮到醫(yī)療眾籌主要是通過社交媒體擴(kuò)散,對(duì)應(yīng)于口碑傳播效應(yīng),因此,本文忽略大眾媒體效應(yīng)[14],即令α=0。此時(shí),Bass模型簡(jiǎn)化為

接下來,按照Bass模型對(duì)仿真模型的參數(shù)進(jìn)行設(shè)置。如果在相同情況下,仿真模型能再現(xiàn)Bass模型的結(jié)果,則可以驗(yàn)證本文仿真模型的合理性。具體設(shè)置如下:①Bass擴(kuò)散模型中,所有個(gè)體之間都可以相互影響,相當(dāng)于社交網(wǎng)絡(luò)是一個(gè)完全圖。令社交網(wǎng)絡(luò)為規(guī)則網(wǎng)絡(luò),且N=1 001,m=500時(shí),此時(shí)社交網(wǎng)絡(luò)變?yōu)橥耆珗D。②基本的Bass擴(kuò)散模型并未考慮負(fù)面口碑的傳播,因此,令θ=1,以保證仿真模型中不會(huì)出現(xiàn)負(fù)面口碑。③根據(jù)式(1),令x=1,y=0,以使仿真模型不會(huì)出現(xiàn)項(xiàng)目拒絕者,與Bass模型保持一致。④本文仿真模型存在一個(gè)問題,當(dāng)N i過小時(shí),由于先驗(yàn)印象的原因,會(huì)導(dǎo)致擴(kuò)散失敗(除了初始求助者外,沒有新的項(xiàng)目接受者),經(jīng)過10 000次重復(fù)試驗(yàn),發(fā)現(xiàn)令N i=10,即便在θ=0.1,β=0.2時(shí),也不會(huì)導(dǎo)致擴(kuò)散失敗,故令N i=10。

根據(jù)上述參數(shù)設(shè)置,本文比較了仿真模型和Bass模型中擴(kuò)散過程,如圖3所示。

圖3 仿真模型與Bass模型擴(kuò)散過程比較

圖3中橫軸為迭代時(shí)間,縱軸為項(xiàng)目接受者數(shù)量。仿真模型與Bass模型相比,兩者擴(kuò)散過程大體一致。為節(jié)約版面,僅列出β=0.2 時(shí)的情況,β=0.4,0.6,0.8時(shí)的比較圖見線上補(bǔ)充材料第1 部分1)百度網(wǎng)盤鏈接: https://pan.baidu.com/s/18XPII32IiXoPxJ31ac-RQA,提取碼為7hvd。。利用下式[34]計(jì)算仿真模型和Bass模型中擴(kuò)散過程的速度(結(jié)果見表1):

表1 仿真模型和Bass模型擴(kuò)散速度

式中:T=100;na,t表示t時(shí)刻仿真模型中項(xiàng)目接受者的數(shù)量。

表1的計(jì)算結(jié)果也表明,本文構(gòu)建的仿真模型在相同情況下可以再現(xiàn)Bass模型的擴(kuò)散過程。這表明,仿真模型中關(guān)于擴(kuò)散過程的建模是合理的。相比于Bass模型,本文的仿真模型通過調(diào)整參數(shù),可以進(jìn)一步分析擴(kuò)散過程如何隨網(wǎng)絡(luò)結(jié)構(gòu)、消費(fèi)者先驗(yàn)印象而變化。

3 關(guān)鍵因素對(duì)擴(kuò)散過程的影響分析

本章主要分析網(wǎng)絡(luò)結(jié)構(gòu)、項(xiàng)目真實(shí)性和易感性3個(gè)關(guān)鍵因素對(duì)擴(kuò)散過程的影響,分析結(jié)果如圖4所示。相關(guān)參數(shù)為:N=1 001,N i=10。

圖4呈現(xiàn)如下現(xiàn)象:

圖4 不同網(wǎng)絡(luò)結(jié)構(gòu)下擴(kuò)散過程比較

(1)FB、BA 和SW 網(wǎng)絡(luò)中的擴(kuò)散速度快于RG網(wǎng)絡(luò)。當(dāng)網(wǎng)絡(luò)密度相同時(shí),由于RG 網(wǎng)絡(luò)的直徑較長,項(xiàng)目信息從一個(gè)點(diǎn)傳播至整個(gè)網(wǎng)絡(luò)所經(jīng)過的路徑比其他3個(gè)網(wǎng)絡(luò)長,故RG 網(wǎng)絡(luò)中的擴(kuò)散速度比較慢;β越大,個(gè)體接受項(xiàng)目的可能性越高,因此,擴(kuò)散速度越快。這與以往研究類似[33]。

(2)FB網(wǎng)絡(luò)的擴(kuò)散速度比BA 和SW 網(wǎng)絡(luò)略慢。其緣由是,在FB網(wǎng)絡(luò)中存在大量的節(jié)點(diǎn)只有1個(gè)連邊,部分位于網(wǎng)絡(luò)邊緣的節(jié)點(diǎn)接觸信息的概率更小;而在BA 和SW 網(wǎng)絡(luò)中,除極個(gè)別邊節(jié)點(diǎn)擁有大量的連邊外,大部分節(jié)點(diǎn)約有2m個(gè)連邊,因此,更有可能接觸到信息。

(3)θ的增加會(huì)導(dǎo)致項(xiàng)目接受者的數(shù)量增加,但是沒有顯著影響擴(kuò)散達(dá)到平衡狀態(tài)的時(shí)間。θ越高,則項(xiàng)目接受者持積極態(tài)度的概率越高,故而網(wǎng)絡(luò)中的負(fù)面口碑越少,處于觀望態(tài)度的個(gè)體更傾向于接受該項(xiàng)目。

4 項(xiàng)目炒作行為

4.1 炒作行為影響建模與分析

首先需要建模度量炒作行為影響。在模型I(基本模型)中,假設(shè)項(xiàng)目籌款人沒有炒作行為,項(xiàng)目真實(shí)性和易感性分別為θ和β。在模型II(炒作模型)中,項(xiàng)目籌款人在編寫醫(yī)療眾籌項(xiàng)目信息時(shí)(即在項(xiàng)目信息開始擴(kuò)散前,時(shí)刻t=0時(shí))采取了炒作行為,降低了項(xiàng)目真實(shí)性從而提升易感性,因此,模型II中的項(xiàng)目真實(shí)性和消費(fèi)者易感性分別變?yōu)棣?0.1和β+0.1,模型II的其他參數(shù)與模型I保持一致。分別記作模型II和模型I中時(shí)刻t時(shí)的項(xiàng)目接受者數(shù)量,則為采取炒作行為所引起的項(xiàng)目接受者數(shù)量在時(shí)刻t的變化程度。由于本文假設(shè)項(xiàng)目接受者的捐贈(zèng)額相同,故項(xiàng)目接受者數(shù)量正比于籌款額,因此,如果Δna,t>0,則炒作行為在時(shí)刻t會(huì)提高籌款人收益;反之,如果Δna,t<0,則炒作行為在時(shí)刻t會(huì)減少籌款人收益。換言之,Δna,t可視為炒作行為在時(shí)刻t的影響。圖5所示為不同網(wǎng)絡(luò)結(jié)構(gòu)以及θ和β下,炒作影響Δna,t隨步時(shí)的變化情況。

圖5 不同參數(shù)與網(wǎng)絡(luò)結(jié)構(gòu)下項(xiàng)目炒作行為收益比較

通過對(duì)比觀察可以發(fā)現(xiàn),炒作行為具有一些共性的作用。

(1) 短期效應(yīng)。首先,在FB、BA 和SW 網(wǎng)絡(luò)中,炒作收益隨步時(shí)而增加,達(dá)到峰值(大于0)后開始逐漸降低。這意味著通過炒作行為,求助者可以短期內(nèi)獲得更高的收益,這對(duì)于急需資金做手術(shù)的求助人可能有著很強(qiáng)的吸引力。其次,β會(huì)影響炒作收益的峰值時(shí)間和炒作收益峰值(下文稱為炒作短期收益)。當(dāng)β=0.2時(shí)(對(duì)應(yīng)圖5(a)、5(b)),峰值時(shí)間在50左右;當(dāng)β=0.8時(shí)(對(duì)應(yīng)圖5(c)～5(d)),峰值時(shí)間在15左右。這說明,β的增加會(huì)引起峰值時(shí)間的減少。分別對(duì)比圖5(a)、5(c)以及圖5(b)和圖5(d),可以發(fā)現(xiàn),圖5(c)～圖5(d)中的炒作短期收益比圖5(a)和圖5(b)小。這表明,β的增加會(huì)導(dǎo)致炒作短期收益的減少。最后,由于圖5(b)和圖5(d)中的炒作短期收益分別高于圖5(a)和圖5(c),這表明,θ的增加會(huì)增加炒作短期收益。

(2) 長期效應(yīng)。本文稱Δna,100為炒作長期收益,即最終時(shí)的炒作收益。首先,由圖5(a)～圖5(d)可以發(fā)現(xiàn),SW 和BA 網(wǎng)絡(luò)中的炒作長期收益均為負(fù),FB網(wǎng)絡(luò)中的炒作長期收益除在圖5(a)中為正外,在圖5(b)～圖5(d)中均為負(fù)。這表明,炒作長期收益有很大概率為負(fù)值。其次,相比于圖5(a)和圖5(b),圖5(c)～圖5(d)中的炒作長期收益總體上是減少的。這表明,β的增加會(huì)導(dǎo)致炒作長期收益的減少。最后,相比于圖5(a)和圖5(c),圖5(b)和圖5(d)中的炒作長期收益在FB 網(wǎng)絡(luò)中有顯著的降低/增加,而在BA 和SW 網(wǎng)絡(luò)中則變化不顯著。

(3) 在RG 網(wǎng)絡(luò)中不存在顯著的短期效應(yīng)和長期效應(yīng),炒作行為收益始終接近于0。

因此,下節(jié)進(jìn)行穩(wěn)健性分析時(shí),不再考慮RG網(wǎng)絡(luò)。

短期效應(yīng)為正而長期效應(yīng)為負(fù)的一個(gè)潛在原因可能是傳播過程的特點(diǎn)。項(xiàng)目接受者數(shù)量在初期增長迅速,此時(shí)易感性對(duì)快速傳播起著關(guān)鍵作用,因此,炒作短期效應(yīng)為正;當(dāng)市場(chǎng)大部分個(gè)體基本遍歷完后,最終項(xiàng)目接受者數(shù)量更多取決于項(xiàng)目真實(shí)性,因此,在大部分場(chǎng)合中炒作長期受益為負(fù)。

4.2 穩(wěn)健性分析

4.1節(jié)中的結(jié)論,有可能受參數(shù)取值的影響,因此,本節(jié)將驗(yàn)證4.1節(jié)結(jié)論的穩(wěn)健性。在參數(shù)空間范圍內(nèi),令x、y、θ和β取不同的值,每個(gè)參數(shù)的取值范圍如表2所示。在樣本空間內(nèi),參數(shù)交叉組合,共計(jì)產(chǎn)生5×5×4×4=400個(gè)樣本模型,構(gòu)建如下式所示的回歸模型,以檢驗(yàn)不同參數(shù)對(duì)炒作長期收益和炒作短期收益的影響,

表2 參數(shù)空間與間隔

式中:θi、βi和m i分別為樣本模型i中的θ、β、x和y;Y i為樣本模型i所對(duì)應(yīng)的目標(biāo)值。當(dāng)Y=Δna,100時(shí),則回歸模型用于研究各種參數(shù)對(duì)長期效應(yīng)的影響;當(dāng)Y=max(Δna,t)時(shí),則回歸模型用于分析各種參數(shù)對(duì)短期效應(yīng)的影響。相關(guān)的分析結(jié)果如表3和表4所示。其中,表3對(duì)應(yīng)于長期效應(yīng),表4對(duì)應(yīng)于短期效應(yīng)。

表3 各參數(shù)對(duì)長期效應(yīng)的影響

表4 各參數(shù)對(duì)短期效應(yīng)的影響

表3和表4驗(yàn)證了4.1節(jié)中的長期效應(yīng)和短期效應(yīng)大體是穩(wěn)健的:θ正向影響炒作短期收益而負(fù)向影響炒作長期收益;β負(fù)向影響短期收益,但對(duì)炒作長期收益的影響因網(wǎng)絡(luò)結(jié)構(gòu)不同而異,即在FB網(wǎng)絡(luò)中為負(fù)向影響,在SW 網(wǎng)絡(luò)中為正向影響,而在BA 網(wǎng)絡(luò)中影響不顯著。對(duì)比表3 和表4 可以發(fā)現(xiàn),先驗(yàn)印象與項(xiàng)目真實(shí)性的作用類似,正向影響炒作短期收益而負(fù)向影響炒作長期收益,即個(gè)體對(duì)醫(yī)療眾籌先驗(yàn)印象越好(x越高,y越低),炒作長期收益越低,而炒作短期收益越高。

4.3 敏感性分析

本節(jié)分析4.2節(jié)結(jié)論的敏感性。首先根據(jù)θ、β取值將樣本模型分為4 類,分別為:θ<0.5,θ>0.5;β<0.5,β>0.5,然后對(duì)每一類樣本模型進(jìn)行式(6)所示的回歸分析,并將每一類樣本模型對(duì)應(yīng)的回歸分析結(jié)果與表3和表4做比較。每一類模型的分析結(jié)果與表3和表4基本一致,故將4.3節(jié)的詳細(xì)分析結(jié)果列在線上補(bǔ)充材料B 部分中2)百度網(wǎng)盤鏈接: https://pan.baidu.com/s/18XPII32IiXoPxJ31ac-RQA,提取碼為7hvd。,本節(jié)僅在正文中列出不一致的部分。

(1) 當(dāng)θ<0.5時(shí),FB網(wǎng)絡(luò)中項(xiàng)目真實(shí)性θ對(duì)短期收益的影響不顯著。

(2) 對(duì)于FB網(wǎng)絡(luò),僅當(dāng)θ<0.5或β<0.5時(shí),β對(duì)炒作長期收益的影響起負(fù)面作用,其他情況下,β對(duì)炒作長期收益的影響不顯著。對(duì)于SW 網(wǎng)絡(luò),僅當(dāng)θ<0.5時(shí),β對(duì)炒作長期收益的影響起正面作用,其他情況下影響不顯著。

4.4 炒作行為仿真結(jié)果分析

(1)4.1～4.3節(jié)揭示了一個(gè)有趣的現(xiàn)象:炒作行為盡管可以帶來短期收益,但是從長遠(yuǎn)來看,很有可能帶來負(fù)面收益。從機(jī)理上,采用炒作行為,短期內(nèi)可以獲得更多的流量,從而有機(jī)會(huì)獲得更多的捐贈(zèng)。因此,總是可以獲得正的短期收益。從長遠(yuǎn)來看,炒作只是加快了擴(kuò)散速度,由于降低了項(xiàng)目真實(shí)性,網(wǎng)絡(luò)會(huì)出現(xiàn)更多的負(fù)面口碑,從而導(dǎo)致更多的人成為項(xiàng)目拒絕者而非項(xiàng)目接受者。因此,炒作長期收益為負(fù)。從現(xiàn)實(shí)情況來看,羅爾事件也支持了這一模型結(jié)果,通過炒作,羅爾在初期獲得大量的收益(正的短期收益),但是隨著負(fù)面口碑發(fā)酵,羅爾不得不退回所有捐款,因?yàn)樗u(píng)估如果不這樣做,會(huì)面臨更大的損失(負(fù)的長期收益)。

(2) 項(xiàng)目真實(shí)性和先驗(yàn)印象對(duì)長期收益和短期收益具有相反的影響,即正向影響短期收益而負(fù)向影響長期收益。究其原因是項(xiàng)目真實(shí)性和先驗(yàn)印象具有類似的作用,項(xiàng)目真實(shí)性越高或先驗(yàn)印象越好,則個(gè)體在網(wǎng)絡(luò)中搜集到的正面口碑越多,負(fù)面口碑越少。因此,項(xiàng)目真實(shí)性越高或個(gè)體先驗(yàn)印象越好時(shí),炒作行為帶來的易感性增加可以在短期內(nèi)吸引較多的項(xiàng)目接受者,從而求助人短期內(nèi)能夠獲得更多的收益(正的短期收益)。從長期來看,項(xiàng)目真實(shí)性越高或先驗(yàn)印象越好時(shí),求助者本身獲得捐贈(zèng)額也應(yīng)該比較高,炒作行為帶來的項(xiàng)目真實(shí)性降低對(duì)項(xiàng)目最終收益的負(fù)面影響也就越大。

(3) 易感性越高,炒作短期收益越小。這一點(diǎn)比較直觀,由于炒作行為的主要作用是增加易感性促進(jìn)項(xiàng)目信息在早期更快地在網(wǎng)絡(luò)上流通,故當(dāng)易感性比較高時(shí),炒作行為促進(jìn)項(xiàng)目信息傳播的作用就越小,從而炒作短期收益越小。

(4) 對(duì)不同的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行對(duì)比分析可以發(fā)現(xiàn),BA 網(wǎng)絡(luò)中θ和先驗(yàn)印象對(duì)炒作長期收益的削弱作用、θ和先驗(yàn)印象對(duì)炒作短期收益增強(qiáng)作用以及β對(duì)短期收益的削弱作用均強(qiáng)于FB 網(wǎng)絡(luò)。類似地,SW 網(wǎng)絡(luò)中先驗(yàn)印象對(duì)長期收益的削弱作用、θ和先驗(yàn)印象對(duì)炒作短期收益增強(qiáng)作用以及β對(duì)短期收益的削弱作用也強(qiáng)于FB 網(wǎng)絡(luò)。如上文所述,FB 網(wǎng)絡(luò)中存在大量的度為1的節(jié)點(diǎn),而BA/SW 網(wǎng)絡(luò)中基本上所有節(jié)點(diǎn)的度都不會(huì)小于2m。這說明,增加邊緣節(jié)點(diǎn)的度有可能增強(qiáng)β對(duì)短期收益的削弱作用等,一個(gè)實(shí)現(xiàn)路徑是,鼓勵(lì)個(gè)體在不同的社交網(wǎng)絡(luò)中發(fā)布消息,以此來增加邊緣點(diǎn)的連接邊[35]。

5 結(jié)論

本文基于貝葉斯學(xué)習(xí)機(jī)制,建立仿真模型描述了網(wǎng)民如何基于現(xiàn)有對(duì)醫(yī)療眾籌的印象和正負(fù)面口碑,動(dòng)態(tài)調(diào)整對(duì)某一具體項(xiàng)目的看法,并將這一過程融入現(xiàn)有的創(chuàng)新擴(kuò)散模型中,探討了項(xiàng)目炒作行為帶來的影響。研究發(fā)現(xiàn):項(xiàng)目炒作行為總是能夠帶來短期收益,短期內(nèi)增加籌款進(jìn)度,但是未必能夠提高最終收益。只有當(dāng)項(xiàng)目信息較難流通(即易感性很低)時(shí),項(xiàng)目炒作才能提升最終收益。項(xiàng)目真實(shí)性θ和先驗(yàn)印象會(huì)負(fù)向影響短期收益,但對(duì)長期收益具有正向影響;易感性β負(fù)向影響短期收益,但對(duì)炒作長期收益的影響因網(wǎng)絡(luò)結(jié)構(gòu)不同而異。

本文的理論貢獻(xiàn)體現(xiàn)在如下兩個(gè)方面:

(1) 利用貝葉斯學(xué)習(xí)機(jī)制,建模描述了負(fù)面口碑對(duì)個(gè)體的影響機(jī)制。與之前的負(fù)面口碑?dāng)U散模型[17-18]相比,本文模型考慮了網(wǎng)民的醫(yī)療眾籌先驗(yàn)印象對(duì)網(wǎng)民個(gè)體決策的影響。結(jié)果表明,先驗(yàn)印象正向影響炒作短期收益,負(fù)向影響炒作長期收益。

(2) 現(xiàn)有關(guān)于醫(yī)療眾籌炒作行為(羅爾事件)的研究,主要基于傳播學(xué)等其他學(xué)科展開研究,分析醫(yī)療眾籌炒作行為流行的原因,如網(wǎng)絡(luò)自媒體的碎片化傳播形態(tài)等[5]。本文則從信息擴(kuò)散視角,探討網(wǎng)絡(luò)結(jié)構(gòu)、項(xiàng)目真實(shí)性、易感性等因素如何調(diào)節(jié)炒作行為的影響。

通過上述研究得出如下管理啟示:

對(duì)求助者而言,盡管通過炒作行為可能提升短期收益,但是炒作行為更有可能導(dǎo)致最終籌款額降低。從長期利益來看,炒作行為更有可能是不利的。

對(duì)醫(yī)療眾籌平臺(tái)而言,其總是希望能夠減少炒作行為。這首先就需要保障負(fù)面口碑信息有發(fā)布的空間,否則如果平臺(tái)上全是正面口碑,網(wǎng)民將難以識(shí)別炒作行為并拒絕該醫(yī)療眾籌項(xiàng)目,可以說,這是制約炒作行為的根本措施。其次,根據(jù)本文模擬結(jié)果,求助者如果關(guān)注炒作長期收益,則其應(yīng)更有可能不選擇炒作行為,因此,平臺(tái)的主要調(diào)控重心應(yīng)該是控制炒作短期收益。基于這一思路,醫(yī)療眾籌平臺(tái)應(yīng)該想辦法提升個(gè)體易感性,這可以有效減少炒作短期收益。注意到,盡管降低先驗(yàn)印象或項(xiàng)目真實(shí)性也可以減少炒作短期收益,但這與平臺(tái)發(fā)展的方向不相符,故而不予考慮。

本文所述模型的一個(gè)問題是沒有考慮醫(yī)療眾籌項(xiàng)目間的競(jìng)爭(zhēng)對(duì)本文結(jié)論的影響。由于醫(yī)療眾籌項(xiàng)目捐贈(zèng)是有成本的,個(gè)體短期內(nèi)不會(huì)捐贈(zèng)大量項(xiàng)目,在這一場(chǎng)景下,炒作行為可能會(huì)帶來額外的收益,故而項(xiàng)目間的競(jìng)爭(zhēng)有可能改變本文的結(jié)論。接下來,本文將構(gòu)建多項(xiàng)目擴(kuò)散模型,分析項(xiàng)目間的競(jìng)爭(zhēng)對(duì)本文研究話題的影響。

附錄

命題B認(rèn)為項(xiàng)目真實(shí)性概率θ的先驗(yàn)分布為Be(x,y),若B有dp,B個(gè)鄰居對(duì)該項(xiàng)目持正面態(tài)度,dn,B個(gè)鄰居對(duì)該項(xiàng)目持負(fù)面態(tài)度,則B關(guān)于θ的后驗(yàn)分布為貝塔分布Be(dp,B +x,dn,B +y),θ的期望值為(dp,B +x)/(dp,B +dn,B +x+y)。

證明計(jì)事件A為dp,B個(gè)鄰居對(duì)該項(xiàng)目持正面態(tài)度,dn,B個(gè)鄰居對(duì)該項(xiàng)目持負(fù)面態(tài)度,則事件A的概率函數(shù)和θ的先驗(yàn)密度分別為:

則θ的后驗(yàn)分布為