網絡效應與新產品創新擴散系統仿真分析

郭 琳，應洪斌

（1.浙江大學 管理學院，杭州 310058；2.浙江師范大學 經濟與管理學院，浙江 金華 321004）

0 引言

隨著創新擴散由早期在社會學領域的研究逐漸向新產品領域拓展，創新擴散的研究越來越關注創新如何成功的擴散并且影響擴散的關鍵因素有哪些。對于部分產品而言，人際間的內部影響不僅僅包括口碑效應，還包括網絡效應。網絡效應按照影響的廣度可以分為全局網絡效應和局部網絡效應。全局網絡效應是指總體采納比例對新采納者的影響，而局部網絡效應是指個人網絡的采納比例對新采納者的影響。

隨著產品復雜性的提高，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品的效用，而知識水平非常低的用戶因為缺乏對產品信息的整合能力從而無法判斷是否應該采納產品，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險提高采納決策的判斷能力。因此，本研究將口碑效應與網絡效應結合，區分了全局網絡效應、局部網絡效應和鄰居間的口碑效應，并基于對上述變量的區分，研究了全局網絡效應在局部網絡效應和口碑效應存在的基礎上是否影響新產品創新擴散的擴散規模以及擴散速度，并且這種影響是否受到產品復雜性的調節作用。

1 研究模型

本研究對Peter van eck,Wander Jager和Peter Leeflang的模型進行了拓展，應用Netlogo對模型進行仿真分析。本研究選擇效用函數作為決策準則。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。本研究應用傳統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品的出現，第二階段是是否采納新產品。

在第一個階段，本研究設計了兩種途徑讓群體了解到新產品的存在。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，群體中都會隨機有一定比例的節點了解到新產品（比如，本研究設定為1%）。能夠受到大眾媒體影響的節點，本研究并沒有采用傳統的兩階段理論，而是借鑒了Watts和Dodds學者的擴散設計。傳統的兩階段理論認為，大眾媒介的擴散是通過先擴散給意見領袖（Opinion Leaders，OL），然后通過意見領袖擴散給普通用戶，但是現有研究認為大眾媒介擴散的信息并不局限在擴散給意見領袖，并且隨著信息技術的不斷發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品上市的信息。因此本研究的模型也設定接受媒體信息的節點并不局限于意見領袖。第二種途徑是通過人際間信息傳遞發生的。當一個節點采納了新產品時，他（她）的鄰居有可能通過兩種方式意識到新產品的出現，第一種方式是他（她）的鄰居觀察到該節點采納了該新產品，第二種方式是他（她）向其鄰居傳遞了新產品出現的信息。因此，本研究認為當某節點采納了某項新產品時，那么他（她）的鄰居節點將會意識到新產品的出現。此外，人際間的信息傳遞還可能通過意見領袖向普通用戶的傳遞。因為意見領袖具有社會地位高、信息渠道廣、鄰居節點多的特點，因此，當意見領袖獲取了新產品出現的信息后，他（她）的鄰居節點也會獲取到新產品出現的信息，即便意見領袖并未采納該新產品。

當一個節點意識到新產品的存在時，那么該節點則進入第二個階段，決定是采納新產品、拒絕采納新產品還是等待。根據吸收能力理論，當節點間的知識差距超過特定的值后，知識很難在節點間傳遞。同樣，當節點的知識基礎與需要理解和使用該新產品所需的知識之間差距過大的話，那么該節點將會拒絕采納該新產品。因此，本研究的模型假定當用戶的知識基礎與產品復雜性的差距超過δ即Ip-I(i,t)＞δ時，該用戶將會拒絕采納該新產品。其中I(i,t)是時間為t時節點i的知識基礎，而Ip是指產品復雜性，δ是指知識差距的最大值。當潛在采納者的知識基礎與需要理解和使用產品的知識差距小于等于δ時，那么節點i將會判斷采納該新產品的效用(Ui,t)與自身的效用閾值(Ui,min)的關系。當U(i,t)≥U(i,min)時，節點i將會采納該新產品，而當U(i,t)＜U(i,min)時，節點i則不會采納該新產品而處于觀察等待的隊列。效用函數U(i,t)由知識影響和內部影響兩部分組成，其中知識影響(Y(i,t))主要體現產品本身的影響，由節點的知識基礎與產品復雜性的差距構成；而內部影響(X(i,t))主要包括口碑效應、局部網絡效應和全局網絡效應所帶來的影響，但是該影響不會超過內部影響對新產品采納的最大影響，即內部影響的最大影響值是100%。局部網絡效應和全局網絡效應由E(i,t)表示，對節點的i的影響是通過鄰居產生作用，因而對節點的i的影響比直接的口碑效用要小。

當全部節點的采納狀態每迭代一次之后，將會發生一次節點的知識轉移的過程。潛在采納者只會和已經采納新產品的鄰居節點發生知識轉移。因為當節點沒有采納新產品時并沒有獲得使用新產品的經驗，因而也不會與其鄰居發生關于該新產品的知識交換。當潛在采納者的鄰居采納了該新產品，并且該鄰居的知識基礎高于潛在采納者的知識基礎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點的部分知識。

上述方程中，βi是節點受外部影響的程度，Nneighbors-accept(i,t)是節點i在時間t其已經采納的鄰居節點總數，Nneighbors-to-tal(i,t)是節點i在時間t的鄰居節點的總數。Nneighbors-neighbors--accept(i,t)是節點i在時間t其已經采納的鄰居的鄰居節點總數，Nneighbors-neighbors-toal(i,t)是節點i在時間t的鄰居的鄰居節點總數，Ntotal-accept(t)是時間t全局采納的節點總數，而μ則是全局網絡效應是否可得的0和1變量。因為全局網絡效應所能帶來的內部影響不能超過內部影響能帶來的最大值，因此，X(i,t)+βiE(i,t)最大值為1。模型參數的具體設置如表1所示。

表1 模型的基本參數設置

模型的基本參數設置是基于van eck等學者的設置[9]。在意見領袖的設定方面，本研究遵循一個節點的鄰居節點數超過2的時候則成為意見領袖。根據實驗仿真的結果，意見領袖占全部節點的16%-17%，符合Rogers對意見領袖的定義。根據意見領袖的特點，意見領袖具有知識水平高和創新意識強及不易受內部影響等特點。本研究將意見領袖的知識分布與普通用戶進行了區分，滿足了意見領袖知識水平高的要求。對于大眾傳媒的擴散比率本研究參照了Jeuland的建議，該學者認為大眾傳媒每次迭代的擴散比率不超過1%。本研究將知識差距的最低值設為0.3，并對該值進行了敏感性分析，發現在該值在0.2（低）、0.3（中）和0.4（高）不會影響結果的顯著性。因此，本研究選擇了0.3作為知識差距的最低值。根據吸收能力觀點，因為有緘默知識的存在，知識轉移的雙方并不能完全獲得對方的知識，因此，本研究將學習能力系數取值為0.8。

在仿真中，本研究共設置了三組對比模型，分別是在新產品復雜性為高、中、低三個情境下潛在采納者能否感知全局網絡效應對新產品創新擴散的影響。三組對比模型的參數設置如表2所示。根據表2可知

表2 各模型參數設置

模型1至模型6中，模型1和模型2是基于產品復雜性高的情境，其中模型1是全局網絡效應無法感知，而模型2是全局網絡效應可以感知，以此類推，模型3和模型4是基于產品復雜性中等的情境，而模型5和模型6則是基于產品復雜性低的情境。

2 研究結果

2.1 擴散規模

為了保證結果的穩定性，我們對每個模型運行了50次，模擬結果的描述性統計如表3所示。在產品復雜性高、中、低三種情境下，當全局采納比例信息可得時，擴散規模的均值都要高于全局采納比例不可得的時候。本研究運用SPSS 16.0對對比模型的擴散規模進行了兩樣本非參數檢驗分析，結果如表3所示。根據表3可知，當產品復雜性高時，新產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，當產品復雜性中或者低時，全局采納比例信息可知的新產品創新擴散規模都與信息不可知有顯著差異。因此，全局網絡效應對新產品的擴散規模有顯著正向影響。

表3 各模型的擴散規模和擴散速度的描述性統計以及模型間的顯著性水平

本研究關注的重點是全局網絡效應和產品復雜性對新產品擴散規模的交互影響。根據表3可知，當產品復雜性高時，如果潛在采納者無法感知到全局采納比例，新產品的擴散規模是20.6%（SD.=0.065），而當潛在采納者可以獲取全局采納比例信息時，擴散規模是35.5%（SD.=0.088），采納比例提高了72.3%；而當產品復雜性中等時，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，擴散規模提高了22.9%；當產品復雜性低時，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，隨著產品復雜性的降低，全局網絡效應對新產品擴散規模的幫助越來越小。

2.2 擴散速度

如表3所示，當產品復雜性高時，不能感知全局采納比例的擴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，而在產品復雜性中和產品復雜性低的情境下，潛在采納者可以感知全局采納比例的擴散速度的均值要高于不能感知該信息的擴散速的均值。運用兩樣本非參數檢驗發現，只有在產品復雜性中等的時候，可以感知全局采納比例信息的擴散速度顯著高于不能感知全局采納比例信息的速度，而在其他兩種產品復雜性的情境下，并未發現擴散速度有顯著差異。因此，在無標度網絡結構下，全局網絡效應不一定對新產品創新擴散的擴散速度有顯著正向影響。

表4 擴散規模的雙因素方差分析

表5 擴散速度的雙因素方差分析

本研究關注的重點同樣是全局網絡效應和產品復雜性對新產品創新擴散速度的交互影響。運用雙因素方差分析發現，全局網絡效應和產品復雜性對新產品創新擴散速度存在微弱的交互影響（p＜0.01），如表5所示。因此，隨著產品復雜性的不同，全局網絡效應對新產品擴散速度的影響存在差異，全局網絡效應和產品復雜性對新產品創新擴散速度具有微弱的正向交互作用。

3 結論

本研究的目的是回答全局網絡效應和產品復雜性是否會影響新產品創新擴散的規模和速度，以及他們之間是否對新產品創新擴散的規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理統計方法，本研究對上述問題進行了驗證。

雖然已有研究發現無論是全局網絡效應還是局部網絡效應對消費者都有顯著的影響，并且發現全局網絡效應對新產品擴散的影響要小于局部網絡效應。但是，上述的研究是將全局網絡效應與局部網絡效應分開討論，而對于潛在采納者而言，局部網絡效應并不會因為全局網絡效應的存在而沒有影。因此，本研究在局部網絡效應產生影響的基礎上，研究全局網絡效應對新產品擴散的影響。通過分析發現，全局網絡效應在局部網絡效應存在的基礎上對于新產品擴散依然有非常重要的作用。如果消費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品復雜性的降低而減弱。

全局網絡效應與新產品創新擴散速度呈現出更加復雜的關系。基于潛在采納者的網絡結構是無標度網絡的背景下，全局網絡效應和產品復雜性對新產品創新擴散的擴散速度有微弱的正向交互作用，但是產品復雜性對全局網絡效應與新產品擴散速度之間關系的的調節作用并不是簡單的線性關系，僅在產品復雜性中等的時候全局網絡效應對新產品的擴散速度有顯著正向影響。

本研究對新產品擴散的市場策略的制定者同樣有著重要的幫助。對于產品復雜性低的產品，雖然全局網絡效應對新產品創新擴散規模依然有顯著提高，但是實際增長的比率卻不大，并且全局網絡效用并沒有顯著提高擴散的速度。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，那么全局網絡效應對產品復雜性低的新產品并不能產生非常明顯的作用，因此對于產品復雜性低的新產品，廠商提供全局采納比例對新產品擴散并不會產生明顯的作用。對于產品復雜性中等的產品而言，全局網絡效應對新產品創新擴散的擴散規模和擴散速度均具有顯著影響，因此對于這類產品，廠商應該向潛在采納者提供全局采納比例的信息。而對于產品復雜性高的產品，全局網絡效應雖然對新產品擴散的擴散速度沒有顯著影響，但是對新產品創新擴散的規模提高了70%以上。因此對于產品復雜性高的產品依然需要重視全局網絡效應對潛在采納者的影響，以助于提高新產品創新擴散的擴散規模。

[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).