網絡直播平臺盈利模式、利潤變化及驅動因素
——基于歡聚時代的探索性案例研究

張永安，王學濤

(北京工業大學經濟與管理學院，北京 100124)

網絡直播平臺盈利模式、利潤變化及驅動因素
——基于歡聚時代的探索性案例研究

張永安，王學濤

(北京工業大學經濟與管理學院，北京 100124)

分析網絡直播平臺盈利模式，探析網絡直播平臺獲利的內在驅動因素。將利潤變化分解為價格效應和數量效應，解釋導致企業利潤變化的驅動因素和內在機理。將數據包絡DEA方法與利潤分解結合，闡釋運算機制和基本原理，同時對投入冗余和產出不足進行量化分析，通過分析挖掘出效率沒有達到最優的原因。對上市公司歡聚時代的探索性案例研究表明：①數據取樣時期歡聚時代的數量效應對利潤變化的貢獻大于價格效應對利潤變化的貢獻。②進一步分析發現技術進步是引起數量效應的驅動因素原因。③2009—2010年、2010—2011年歡聚時代的企業效率沒有達到最優。結合DEA企業效率評價方法分析案例企業的投入冗余和產出不足，為分析企業效率的內部原因提供新的分析思路。

盈利模式；利潤變化；價格效應；DEA

作為一種新的商業模式，網絡直播將信息的傳播從單純的文字、圖片音視頻轉變為更為高級的實時影像形態，提高了信息的價值和傳播效應，引起了商界和學界的高度關注。在直播平臺中，網絡效應會像滾雪球一樣不斷擴大，同時在網絡經濟學中存在邊際報酬遞增的規律[1]，網絡直播平臺的獲利也不斷增加。然而，網絡直播平臺的盈利模式是什么？導致利潤變化驅動因素是什么？這些問題都沒有得到很好的回答，本文首先結合網絡直播平臺的實際運營流程分析網絡直播平臺盈利模式和盈利閉環生態系統，然后參考Grifell-Tatjé和Lovell[2]、Thomas[3]及De Witte和Saal[4]對企業績效分解的相關研究成果，將企業利潤變化分解為數量效應QE(Quantity Effect)和價格效應PE(Price Effect)。價格效應反映了一定時期內價格變化對利潤產生的影響，數量效應反映了一定時期內數量變化對利潤產生的影響。在投入不變的情況下如果能有更多產出，則企業能獲得更多利潤；在相同的產出情況下，如果能夠更少地投入，則企業能獲得更多利潤；在相同的投入和產出數量下，降低投入價格或增加產出價格也會增加企業的獲利。可見，投入或產出數量及價格的變化都會影響企業獲利。通過對利潤變化進行分解，找出引起企業利潤變化的驅動因素，進而優化企業投入結構，對于提升企業競爭力有重大意義。因此，本文基于投入產出原理，分解引起企業利潤變化的不同來源，揭示企業利潤變化的內部機制和驅動因素分析。

本文的研究目的有三個：首先，結合網絡直播的實際業務，分析網絡直播平臺商業模式并闡述其盈利模式。然后，從投入產出視角對企業利潤變化進行數量化分解，同時細化導致利潤變化的驅動因素。最后，將測量企業效率方法的DEA與利潤變化分解結合，闡明其運算過程與基本原理并結合實際案例進行分析。結合研究內容，本文可能在以下兩方面對管理研究領域做出貢獻：第一，構建網絡直播平臺商業模式分析框架，為平臺商業模式的研究增添新內容。第二，將企業利潤變化進行分解，從投入產出的角度分析引起利潤變化的驅動因素，為利潤變化的進一步分析提供新思路。

1 文獻綜述

1.1 網絡直播平臺

互聯網網絡直播平臺的發展時間短，目前學界尚未形成統一定義，比較通俗的得到認可的說法是通過屏幕錄制工具或者手機在互聯網平臺上對表演、展示、互動等行為進行實時呈現，是一種新興的在線娛樂或服務方式[5]。網絡主播通過在直播現場搭建獨立的音頻或視頻信號采集設備，導入手機播放設備，然后發布到網絡直播平臺供觀眾觀看，從直播渠道分類，平臺主要包括兩類：PC 端與移動端[6]。網絡直播是典型的傳受雙方信息適配的過程，賦予用戶更具深度的交互體驗，生動詮釋了場景化的精準傳播理念[7]。

1.2 利潤變化與分解

Hasan等[8]通過對印度尼西亞市場中擬上市的企業利潤變化進行測量，發掘影響利潤變化的因素進行誤差修正。Fairfield和Yohn[9]通過資產回報率和利潤率預測企業利潤變化，研究結果表明把資產回報率分解為資產周轉率和利潤率不會提高實際的預測精準度。Karagiannis和Mergos[10]利用參數估計測量企業利潤變化，提供了測量與分解全要素生產率的新的分析框架，但其研究只是針對技術變化在投入產出方面的分析，不能廣泛應用于企業利潤變化的測量研究。在關注的利潤變化的同時，不少學者開始了對企業效率的研究。

1.3 利潤變化與分解

Serrano[11]用數據包絡分析方法(DEA)選取訪客數和網站收入為產出指標評價互聯網企業的運營效率，研究結果表明網站的類型和獲得效率的方式存在關系。Li W.H[12]基于改進的DEA模型對具有一定要素投入而沒有產出的情況進行分析，構建了新的投入產出分析模型。陳偉[13]在運用DEA經典模型的基礎上，引入兩個虛擬決策單元，建立了基于DEA和TOPSIS的評價模型,對區域高新技術企業知識產權運營效率進行研究。馬軍偉等[14]基于戰略性新興產業領域的上市公司數據，應用DEA-Tobit 兩階段方法，對江蘇省戰略性新興產業的金融支持綜合效率及其影響因素進行了評估，同時從金融技術水平、金融體制機制、金融發展環境提出對策建議。

2 網絡直播平臺盈利模式

商業模式描述公司提供給潛在用戶群體的價值，以及公司和其合作伙伴所組成的網絡體系結構，通過這個體系創造、營銷和傳遞價值，以產生利潤和維持公司生存為目的[15]。網絡直播平臺作為新興的平臺商業模式，涉及主播方、版權方、軟件硬件基礎設施提供商、直播平臺和用戶多個利益相關者。其中，主播方作為內容提供者為直播平臺提供內容，版權方向直播平臺提供游戲直播、賽事直播及演唱會直播需要的版權，軟件硬件基礎設施服務方則為直播平臺提供相應的技術支持，當平臺主播通過直播獲得用戶的打賞收益后，直播平臺和主播進行收入分成，各參與方之間的協作方式和交互關系如圖1所示。

網絡直播平臺整合相關資源打造核心產品，為網絡直播平臺實現盈利提供了要素基礎。通過演繹類、游戲類、電商類UGC(User-Generated Content)內容自創節目進行內容創新，專業的主播在提供個性化節目的同時，給用戶帶來體驗層面的創新。在與專業主播、廣告商家和網絡推廣平臺的多聯動合作中實現資源互補，通過以興趣聚集在一起形成的直播間為網絡社群，主播、用戶和平臺間的關系得到強化。在寬帶加速服務商、電信運營商和支付服務商等其他參與者的協作下商業機制得到進一步完善，進而開展更多的業務創新，如針對企業的直播網易直播推出了網易號直播，專為企業招商引資提供直播服務。網絡直播平臺形成了以分享、交友、表達感受、多樣性、參與感、炫耀、共鳴為生活方式的價值主張，這種價值主張以直播的形勢從后端供應網絡傳遞到前段客戶網絡，在主播、用戶和平臺的交互中實現價值傳遞。同時，主播創造話題內容，粉絲參與話題的討論、打賞付費和深度傳播，通過QQ、微信、手機App、移動終端等在線鏈接就行價值創造。最后，基于直播平臺設定的收入分配機制將網絡流量轉化為現金，形成一個完整的盈利模式閉環。通過內容創新、個性化體驗創新、資源互補、關系強化、業務創新、機制完善和互動鏈接，有效對接了前端用戶需求網絡和后端供給網絡，完成了從價值主張、價值創造價值傳遞到價值獲取的過程，形成了一個有機閉環的網絡直播平臺盈利模式生態系統，見圖2。

商業的本質以獲利為根本目的，離不開對于利益的追逐。通過整合軟件硬件資源，為顧客提供個性化的創新產品或服務，企業能夠獲得超額的商業利潤[16]。隨著網絡技術的發展，移動互聯網人數和人均使用時長不斷增加，互聯網基礎設施的完善和支付技術的成熟，網絡直播平臺以獨特的商業模式實現了可觀的商業利潤。

圖2 直播平臺盈利模式生態系統

3 利潤變化與驅動因素

3.1 理論綜述

Teece[17]等從企業產品市場的地位、企業現有的優勢資源及通過創新獲得的報酬對利潤的本質進行定義。對利潤本質的研究有利于更好地深入研究戰略研究范式和相應的關注問題。但是，利潤僅僅是企業經營結果的外在表現，關注利潤變化的原因及內在的機理顯得更有意義和價值。Grifell和 Lovell[2]在生產效率和利潤變化的情況下，構建了在不同情況下企業利潤變化的分析模型，同時將利潤進一步分解為生產率效應、價格效應和行動效應。從經濟學的角度分析，企業利潤的變化可能是投入要素數量或價格的變化，產出數量或價格的變化。以企業利潤增加為例，利潤增加的驅動因素可能是：第一，通過更低的價格獲得生產要素；第二，以更高的價格銷售產品；第三，在投入要素不變的情況下獲得更多的產品；第四，在產出數量不變的情況下投入更少的生產要素，見圖3。

圖3 企業利潤變化效應分解圖

如圖3所示，從利潤來源的視角進行分析，企業利潤的變化可能來源于兩個要素：價格變化和數量變化。價格和數量的變化都會引起生產要素的價格數量以及產出品的價格數量的變化，這基于企業利潤輸入與輸出的視角。假設要素市場和產品市場都是完全競爭的市場，當市場中的產品趨于同質化，企業必將更加關注數量效應。行動效應，即企業員工在實施具體方案政策時的執行效應。生產率效應和行動效應的變化會對產出的數量產生影響，這會進一步影響企業最后獲得的利潤。本文參考De Witte和Saal[4]的相關研究成果，把生產率效應分解為運營效率和技術進步效應兩個維度。

綜上所述，通過結合現有研究對企業利潤變化進行分解，從利潤輸入與輸出端、資源利用和產能增加以及技術進步三個維度剖析企業利潤變化的內在機理。

3.2 研究設計

(1)

同理，t+1時期的利潤∏(t+1)記為：

(2)

則t到t+1時期的利潤變化為:

Δ∏ =∏(t+1)- ∏(t) =[(yt+1-yt)pt-(xt+1-xt)wt]+[(pt+1-pt)yt+1-(wt+1-wt)xt+1]

(3)

這里令：

QE=(yt+1-yt)pt-(xt+1-xt)wt

(3-1)

PE=(pt+1-pt)yt+1-(wt+1-wt)xt+1

(3-2)

即有Δ∏ =QE+PE

(3-3)

式(3-1)解釋了產出數量與投入數量變化對利潤變化的影響；式(3-2)解釋了產出價格與投入價格變化對利潤變化的影響。

(2)數量效應分解。參考De Witte和Saal[6]的相關研究成果，將數量效應進一步分解為行動效應、運營效率效應和技術進步效應：

QE=(yt+1-yt)pt-(xt+1-xt)wt=[(xt-xA)wt-(xt+1-xC)wt+(xA-xB)wt+[(yt+1-yt)pt-(xC-xB)wt]

(4)

令:

OE=(xt-xA)wt-(xt+1-xC)wt

(4-1)

TE=(xA-xB)wt

(4-2)

AE=[(yt+1-yt)pt-(xC-xB)wt]

(4-3)

圖4反映了價格效應與數量效應的運作機理，其中橫坐標代表企業投入要素的數量，縱坐標代表企業產出的數量。圖中標注了t和t+1時期，在一定時期，特定的生產技術形成了該時期的生產可能性曲線，這里記作F(t),表示在t時期內投入產出條件下能達到的最大產能的集合。F(t)曲線以內的點，表示生產還有潛力，即存在資源沒有充分利用的情況；F(t)曲線之外的點則是現有技術條件達不到的；只有F(t)曲線上的點才是資源配置最有效率的點。圖中A點的生產含義為投入量為xA在t+1時期對應的技術條件下產出yt，C點則是投入量為xC在t+1時期對應的技術條件下產出yt+1。在生產可能性邊界曲線F(t+1)上，從A點到C點的過程表示，在t+1時期當投入量從xA增加到xC時，產出量由yt增加到yt+1說明此時企業在充分利用當時的技術條件下，最有執行效率，解釋了行動效應：投入量和產出量的變化導致企業利潤的變化。在生產可能性邊界曲線F(t)上，從D點到B點表示，在t時期，投入量為xt和投入量為xB對應的產出都是yt，其中xt-xB表示投入量不同而產出相同時運營效率提高帶來的投入減少，即運營效率效應反應在相同的產出情況下，投入情況的變化。從B點到A點的變化表示，t時期到t+1時期，投入量為xB和投入量為xA對應的產出都是yt，其中xB-xA表示技術進步帶來的投入減少，即技術效應反映了由技術變化帶來產出相同的情況下投入的減少，生產可能集向上移。為了定性說明價格效應與數量效應的運作機理，需要對式(4-1)、(4-2)及(4-3)進行計算，由于xA、xB、xC均為理論構建的三個投入量，無法直接計算，這里借助運籌學中的投入距離函數進行估計得到。

圖4 價格效應與數量效應的運作機理

在t時期，若給定要素投入向量x=(x1,x2,…,xn)，產出向量y=(y1,y2,…,ym),則投入距離函數為：

D(yt,xt)=max{δ:(yt,xt/δ)∈F(t)}

(5)

其中，xt和yt分別表示t時期的投入要素量和t時期的產出量。F(t)表示在既定技術條件下，產出量為y時對應的所有可能投入要素組成的集合。參數δ(0<δ≤1)，表示距離標量，是企業先行生產技術水平與前沿技術之間的差距。當δ=1時，此時的xt就是最佳生產前沿投入量。根據距離函數的定義和性質，在圖4中有如下計算關系：

xA=xt/Dt+1(yt,xt)，其中0

(6)

xB=xt/Dt(yt,xt)，其中Dt(yt,xt)≥1

(7)

xC=xt+1/Dt+1(yt+1,xt+1)，其中Dt+1(yt+1,xt+1)≥1

(8)

通過式(6)～(8)計算出理論構建的三個投入量xA、xB、xC，則可以進一步得到技術進步效應、運營效率效應和行動效應。計算距離函數，這里使用數據包絡分析方法。

數據包絡分析法(Data Envelopment Analysis，DEA)為1978年由A.Charnes和W.W.Cooper在“相對效率評價”概念上發展起來的一種系統評價體系[16]。DEA是一種非參數的分析方法，具有無需預設投入與產出之函數關系的特點，可以直接通過各個決策單元(Decision Making Unit,DMU)的實際觀察資料中找出最適的效率值。

假設有n個決策單位，每個決策單元有m種投入要素xij(j=1,…,m)，有s種產出yir(r=1,…,s)(xij≥0，yir≥0)。則決策單位O的相對效率ho(u,v)可以寫成以下形式：

(9)

ur,vj≥0，i=1,…,n，j=1,…,m，

r=1,…,s

將式(9)的分數規劃問題轉換成較容易處理的線性規劃問題，求解以下線性規劃:

minθb=Dt[yit,xit]-1S.T.Xsλs≤θbXitYit≤Ysλs，λs≥0，∑jλj=1

(10)

其中,矩陣Ys表示每個時期所有決策單元的產出矩陣,矩陣Xs表示每個時期的投入矩陣,并且Ys和Xs中的產出數據與投入數據都是連續的,包括了企業在t時期內的所有投入產出數據，λ為動態向量，約束條件∑jλj=1表示決策單元規模效益不變。

4 數據來源及結果分析

4.1 案例選擇與數據來源

(1)案例選擇。本文主要探究利潤變化的驅動因素及內在作用機理，屬于偏重過程的縱向研究、需要對網絡直播平臺不同階段的投入要素、產出要素等與利潤變化等多個方面進行測度和計量分析，發掘利潤變化背后的規律，因此采用單案例研究方法[19]。本文選擇歡聚時代為案例研究樣本，該公司成立于2005年4月，是全球首個富集通訊業務的網絡直播公司，通過YY語音、多玩游戲網、YYLIVE、歡聚游戲、YY教育、虎牙直播等平臺的運營發展，歡聚時代在短期內獲得飛速發展，并于2012年11月在美國納斯達克上市。公司一直堅持以用戶需求為導向，通過技術創新不斷革新行業技術水平，持續引領直播行業發展。

選擇的案例對象必須具有典型性和代表性[20]，選擇該樣本的原因有：①案例企業屬于網絡直播平臺，歡聚時代的收入主要來源于游戲直播、娛樂直播、教育直播等直播業務，是為數不多的直播行業上市企業，具有代表性。②利潤變化和驅動因素是本文的主要研究內容，在2009—2015年間，歡聚時代的利潤變化顯著，同時技術變革和運營效率提高能給公司利潤帶來顯著變化。③案例企業具有典型性。截至2015年9月，歡聚時代用戶數超過10億，龐大的用戶數為公司的持續穩定發展奠定了基礎。同時，其商業模式也隨著移動互聯網的發展進行了變革，持續保持網絡直播行業的龍頭地位。研究對象的選擇符合案例對象的典型性和代表性。

只選擇歡聚時代一家企業作案例的原因有：①研究對象的典型性和代表性，前文已闡述。②數據的可獲得性。一方面，直播行業上市公司僅歡聚時代一家公司，其余非上市公司數據獲取較大且不準確。另外一方面，計量經濟學中講到在處理面板數據回歸時認為靜態的面板數據分為6大類，其中固定效應模型中有一種叫作個體固定效應模型。該模型認為對于不同時間序列，只是模型的縱截距不同，而模型的斜率系數相同，這種固定個體的解釋可以用來解釋只有一家企業的問題[21]，本文僅選取了一家企業，通過效率研究分析效率不足問題。③契合研究目的。分析盈利模式、利潤變化及驅動因素，從而給同行業的其他企業以指引作用是本文研究目的。因而，在分析單元的選擇上將同一企業的不同年份作為分析單元，可以分析哪一年效率更高，進而分析利潤變化驅動因素背后的機理。④本文案例研究屬于探索性案例研究。探索性案例研究往往是界定一個研究問題前的試驗性研究，主要解決的是 “怎么樣”和“為什么”的問題[22]。本文所要回答的是“網絡直播平臺怎么盈利”和“利潤為什么變化以及利潤變化的驅動因素”的問題，所以比較適合采用這種方法。

綜上，本文采用探索性單案例研究的方法,以歡聚時代為案例,來探討網絡直播平臺盈利模式和利潤變化及驅動因素。

(2)數據來源。由于單案例研究不具備大樣本的條件[21]，為了避免研究資料的片面性，本文綜合運用了各種數據搜集方法，使用的數據來源于美國證券交易委員會官網www.sec.gov、公司披露的年報以及國家專利數據庫，針對部分缺失的數據，通過Wind數據庫中股票深度資料披露的“經營數據”“財務摘要”中進行補充。數據來源的多樣性保證了數據的有效性和準確性。其中，關于歡聚時代的投入與產出數據選取2009—2015年共7年的數據，2009—2011年為上市前的數據，2012—2015年為上市后的數據，從歡聚時代披露的年報及wind數據庫中獲取。

4.2 變量定義與測度

對于歡聚時代公司，根據前面的商業模式分析，通過產品研發、運營推廣吸引用戶，最后將免費用戶轉化為付費用戶，實現平臺的盈利。由此，可以選取付費用戶數為產出數量；選取ARPU(Average Revenue Per User)，即一段時間內每位用戶平均付費額作為產出價格。為了簡化問題，本文采取一產出二投入的方式進行計算。投入指標方面，本文借鑒了De Witte和Saal[4]的研究，選取勞動力和資本為投入要素量，勞動力價格和資本價格為投入要素價格。其中，勞動力投入量用員工人數表示；資本投入量為上期資本投入量加上當期投資額扣除當期(累計)攤銷，資本價格則在運營成本中扣除人力成本再除以當期投入資本量，見表1。

表1 變量名稱及測量方法

4.3 實證結果與分析

(1)利潤變化及驅動因素分析。根據以上投入產出指標的定義測度說明及前文利潤分解推導計算過程，借助MAXDEA和DEASOLVER，根據已有數據，通過公式(3-1)計算出數量效應，通過公式(3-2)計算出價格效應，進一步地可以通過公式(5)～(10)計算出測算行動效應、運營效率效應和技術進步效應所需要的參數，最后通過公式(4-1)計算出運營效率效應，通過公式(4-2)計算出技術進步效應，通過公式(4-3)計算出行動效應，結果如表2所示。

表2 價格效應、數量效應及二階分解效應

為了更直觀地分析利潤變化、價格效應和數量效應的內在變化關系，根據表2繪制出歡聚時代2009—2015年的利潤變化、價格效應和數量效應的關系圖，如圖5所示。

在圖5的利潤分解中，價格效應和數量效應都呈逐年上升趨勢，共同形成對利潤變化的影響。同時數量效應上升幅度更快，且始終超過價格效應，這表明網絡直播平臺中數量效應對利潤變化的影響更大。當用戶的數量越多，直播平臺獲取用戶的邊際成本就越低，呈現的網絡規模效應越明顯。隨著移動互聯網的高速發展和互聯網基礎設施建設的日益完善，網民的數量持續增長，為直播行業的發展營造了良好的外部環境。但隨著斗魚直播、花椒直播、全民直播、斗魚TV等直播平臺的加入，直播平臺數量急劇增長。在同質化越來越嚴重的情況下，歡聚時代依然保持行業領先，表明歡聚時代在面臨外部競爭時能保持的核心競爭力，抓住機遇，獲得高速增長。

圖5 歡聚時代2009—2015年的利潤變化、 價格效應和數量效應

圖6將數量效應進一步分解為行動效應、技術效應和運營效率效應，從三大效應的走勢分析，歡聚時代的核心競爭力來源并不是行動效應和運營效率效應。技術進步效應各時期明顯遠遠高于行動效應和運營效率效應。這一結果與歡聚時代公司的技術創新有關。歡聚時代致力于以持續的技術革新改變人們的溝通方式，截至2015年，歡聚時代共獲得專利超過600件；公司總員工3317人，其中研發人員占比超過60%，僅2015年研發經費超過五億四千萬元人民幣，持續的技術創新使得歡聚時代在中國擁有比同行業其他企業更強的創新能力。2013—2014年，行動效應增速超過技術進步效應的主要原因為，在線交友業務取得爆發式增長，平臺的變現能力提升[24]。YY作為一個豐富的生態系統，音樂O2O表演、游戲直播、在線交友、在線教育等多樣化的娛樂產品快速發展使得業務生態的多樣性保持持續增長。相比技術進步而言，行動能力和運營效率對企業利潤的貢獻相對較小，主要原因可能為：在完全競爭市場中，為了保持持續的發展，創新型的企業會關注未來的機會，進行戰略性布局，不會把更多資源分配到成熟的項目中，而新的項目往往需要一定時期的探索，這一時期運營效率效應和行動效應不能反映在企業的利潤變化。隨著企業規模增加以及不同員工背景的多元化等復雜形勢[25]，使得技術進步效應、行動效應及運營效率效應表現出對企業利潤不一樣的貢獻。

圖6 歡聚時代2009—2015年的行動效應、 技術進步效應和運營效率效應

(2)變量指標相關性分析。本文選取的輸入指標為資本價格、資本投入量、勞動力價格、勞動力投入量，輸出指標為付費用戶數和每位用戶平均收入。為了驗證指標的選取符合DEA分析法中單調性原則，即投入要素的增加不可導致產出數量的減少[26]，因此需要對各投入、產出要素資料進行相關分析，其結果如表3所示。從表3中分析可知，各投入與產出要素間具有很高的顯著性，投入產出指標的選取符合DEA分析法的單調性原則。

表3 DMU輸入輸出指標的相關性分析

(3)技術效率、規模效率與純技術效率分析。為了測量企業效率，從而分析利潤變化驅動因素背后的機理，將同一企業的不同年份作為分析單元能分析哪一年效率更高。這一方法的使用有別于傳統DEA對決策單元的分析(傳統DEA是將企業作為決策單元，結果是分析哪家企業更有效率)。為了進一步分析利潤變化驅動因素背后的機理，對歡聚時代公司的技術效率、規模效率以及純技術效率進行計算，使用DEAPSOLVER處理數據得到以下結果，如表4所示。

表4 歡聚時代2009—2015年技術效率、 純技術效率與規模效率

表4的結果表明，除2009—2010年、2010—2011年歡聚時代的綜合效率沒有達到最優，其余時期均達到最優。純技術效率僅2010—2011年間沒達到最優，其余時期均為最優。進一步分析發現，2009—2010年、2010—2011年綜合效率沒有達到最優的原因歸因于公司在線音樂業務沒有找到合適的變現模式，前期的研發投入和運營支出沒有得到回報。2009—2010年純技術效率沒有達到最優的原因是外部環境開始從傳統PC互聯網時代進入移動互聯網時代，公司處于移動互聯網布局和轉型時期，前期的業務探索和戰略調整導致純技術效率沒有達到最優。

(4)投入冗余與產出不足分析。為了進一步分析投入過剩和產出不足的情況，對歡聚時代公司2009—2015年投入冗余與產出不足進行計算，使用DEAPSOLVER處理數據得到以下結果，如表5所示。

表5的結果表明，2009—2010年歡聚時代公司在資本價格、資本投入量和勞動力價格存在投入過剩，在付費用戶數方面存在產出不足，這也解釋了2009—2010年、2010—2011年歡聚時代效率沒有達到最優的。同時表明這一時期公司的行動效率和運營效率有提升空間，通過運營可以將更多的免費用戶轉化為付費用戶。這一結果與表2中2009—2010年計算的運營效應一致，說明2009—2010年公司在運營效率上存在提升空間。2010—2011年，歡聚時代公司在資本價格和勞動力價格存在投入過剩，在每位用戶平均收入存在產出不足，通過提升用戶活躍度和延長用戶生命周期，提升付費用戶的消費金額。

表5 歡聚時代2009—2015年投入冗余與產出不足

5 結論與對策建議

5.1 結論

根據網絡直播平臺的實際業務，分析了網絡直播平臺盈利模式，闡述網絡直播盈利的內在邏輯，基于相關參與者構建了直播平臺的盈利生態系統。根據網絡直播平臺的實際業務，分析了網絡直播平臺盈利模式，闡述網絡直播盈利的內在邏輯，基于相關參與者構建了直播平臺的盈利生態系統。在主播方、版權方、軟件硬件設施服務方、商家、工會和直播平臺的共同參與下，網絡直播平臺形成了以內容創新、個性化體驗創新、資源互補、關系強化、業務創新、機制完善和互動鏈接的模式，有效對接了前端用戶需求網絡和后端供給網絡，形成一個完整的盈利模式閉環。

在對歡聚時代的案例研究表明，在網絡直播平臺中，數量效應對利潤變化的有著顯著的促進作用，進一步分析發現技術進步是引起數量效應變化的主要原因，其次是行動效應和運營效率效應。歡聚時代在研發方面的不斷投入是技術進步的關鍵，持續的技術創新使得歡聚時代在中國擁有比同行業其他企業更強的創新能力。通過對2009—2015年歡聚時代的投入產出數據進行分析，發現2009—2010年和2010—2011年企業的綜合效率沒有達到最優，主要原因為在線音樂業務沒有找到合適的變現模式，前期的研發投入和運營支出沒有得到回報。分析投入冗余和產出不足發現，2009—2010年和2010—2011年存在資本投入、資本價格和勞動力投入有著不同程度的投入冗余，在付費用戶數和每位用戶平均收入存在產出不足，歡聚時代公司在運營效率上存在提升空間。

5.2 對策建議

新技術的出現和行業的變革對網絡直播平臺的發展產生了影響，針對歡聚時代在付費用戶數和每位用戶平均收入存在產出不足，筆者認為歡聚時代在以后的發展中可以從以下方面進行提升：①加速整合PC端直播和移動端直播。歡聚時代從2009年開始從傳統PC互聯網時代進入移動互聯網時代，至今移動端已經出現很多直接競爭對手，利用傳統PC端的流量優勢，充分發展移動端直播，鞏固自己直播行業龍頭地位。②繼續加大研發投入，利用好大數據、虛擬現實VR技術和人工智能。根據歡聚時代2014年報和2015年報顯示，歡聚時代先后推出在線約會和在線教育業務，并且在細分領域初步取得成功。大數據、虛擬現實VR技術和人工智能的興起讓歡聚時代的泛娛樂戰略更具想象力：通過提升對直播平臺大數據的整合和利用，進行用戶的個性化資訊推薦，提升用戶體驗的同時強化參與感；通過對用戶行為數據的有效分析，采用精準投放的策略進行廣告商的廣告投放，提升廣告有效率的同時促成更多交易，進而為直播平臺創造更多價值。此外，歡聚時代還可以加大對虛擬現實VR技術和人工智能的研發，將新技術應用到在線約會和在線教育業務，讓用戶能夠有更真實的體驗，進而創造更多商業價值。③實現不同商業產品賬號體系互通，提升商業化效率。目前歡聚時代不同產品之間的賬號不能實現有效的互通，用戶需要重新注冊才能使用歡聚時代旗下的其他產品，這不利于提升用戶活躍度和延長用戶生命周期，也不能提升付費用戶占比和提高用戶平均消費金額。 合理規劃不同產品體系之間的賬號互通規則，對于改善用戶體驗有著重要意義，也是提升直播平臺商業化效率的有效措施。

[1]梅姝娥，吳玉怡.價值網絡視角下技術交易平臺商業模式研究[J].科技進步與對策，2014，31(6)：1-5.

[2]GRIFELL-TATJé E，LOVELL C A K.Productivity，price recovery，capacity constraints and their financial consequences[J].Journal of productivity analysis，2014，41(1)：3-17.

[3]POWELL T C.Competitive advantage：logical and philosophical considerations[J].Strategic management journal，2001，22(9)：875-888.

[4]DE WITTE K，SAAL D S.Is a little sunshine all we need? On the impact of sunshine regulation on profits，productivity and prices in the Dutch drinking water sector[J].Journal of regulatory economics，2010，37(3)：219-242.

[5]彭錦.網絡直播熱潮下的冷思考[J].電視研究,2016(09):50-52.

[6]曾一昕,何帆.我國網絡直播行業的特點分析與規范治理[J].圖書館學研究,2017(06):57-60.

[7]嚴小芳.場景傳播視閾下的網絡直播探析[J].新聞界,2016(15):51-54.

[8]HASAN T，HADAD M，AHMED K.The accuracy of management profit forecasts in IPO prospectuses：evidence from Indonesia[J].Journal of accounting in emerging economies，2016，6(1)：2-12.

[9]FAIRFIELD P M，YOHN T L.Using asset turnover and profit margin to forecast changes in profitability[J].Review of accounting studies，2001，6(4)：371-385.

[10]KARAGIANNIS G，MERGOS G J.Total factor productivity growth and technical change in a profit function framework[J].Journal of productivity analysis，2000，14(1)：31-51.

[11]SERRANO-CINCA C，FUERTES-CALLéN Y，MAR-MOLINERO C.Measuring DEA efficiency in internet companies[J].Decision support systems，2005，38(4)：557-573.

[12]LI W H，LIANG L，COOK W D.Measuring efficiency with products，by-products and parent-offspring relations：a conditional two-stage DEA model[J].Omega，2016.

[13]陳偉，康鑫，馮志軍.區域高技術產業知識產權運營效率研究:基于DEA和TOPSIS模型的實證分析[J].科學學與科學技術管理，2011，32(11)：125-130.

[14]馬軍偉,王劍華.戰略性新興產業的金融支持效率評價及影響因素研究:以江蘇省為例[J].中國科技論壇,2016(08):31-37.

[15]DUBOSSON-TORBAY M，OSTERWALDER A，PIGNEUR Y.E-business model design，classification，and measurements[J].Thunderbird international business review，2002，44(1)：5-23.

[16]JOHNSON M W，CHRISTENSEN C M，KAGERMANN H.Reinventing your business model[J].Harvard business review，2008，86(12)：57-68.

[17]TEECE D J，GARY P，AMY S.Dynamic capabilities and strategic management[J].Strategic management journal，1997，18(7)：509-533.

[18]魏權齡.數據包絡分析[M].北京：科學出版社，2004.

[19]邢小強,葛滬飛,仝允桓.社會嵌入與BOP網絡演化:一個縱向案例研究[J].管理世界，2015(10):160-173.

[20]孟川瑾，邢斐，陳禹.基于DEA分析的房地產企業效率評價[J].管理評論，2008，20(7):57-62.

[21]白仲林.面板數據的計量經濟分析[M].天津：南開大學出版社，2008.

[22]王金紅.案例研究法及其相關學術規范[J].同濟大學學報社會科學版，2007，18(3):87-95.

[23]肖鵬，胡許萍，劉金培,等.環境規制差異對我國跨國企業技術創新的影響：基于海爾的探索性案例研究[J].經濟經緯，2015，32(1):102-107.

[24]皮舜，范小明，張帆.依托大規模互動音視頻產品，引領垂直娛樂和在線教育的浪潮[R].北京：中信證券研究部,2014.

[25]FITZSIMMONS S R.Multicultural employees：a framework for understanding how they contribute to organizations[J].Academy of management review，2013，38(4)：525-549.

[26]PATTON M Q.How to use qualitative methods in evaluation[M].Sage Publications，1987.

ProfitModel，ProfitChangeandDrivingFactorsofNetworkBroadcastPlatformBasedonALongitudinalCaseStudyofYYInc

Zhang Yongan,Wang Xuetao

(School of Economics and Management，Beijing University of Technology，Beijing 100124，China)

The paper analyzes the profit model to get driving factors of webcast platform.Profit change is decomposed into price effect and quantity effect，to explain the driving factors and internal mechanism of the profit change.It combines DEA method and the profit decomposition to explain the computing mechanism and the basic principle.Also，input redundancy and output deficiency are analyzed.The conclusions are as follows.①Number effect contributes more to profit change than price effect during data sampling period.②In further analysis it finds that technological progress is the driving factor of number effect.③In 2009—2010 and 2010—2011，the efficiency of YY Inc did not reach the optimal level.This paper puts forward a new angle of view for enterprise efficiency.

Profit model；Profit change；Price effect；DEA

國家自然科學基金資助項目“基于CAS的焦點企業核型結構產業集群創新網絡演化機理研究”(70972115),國家部委項目“基于復雜自適應系統的集群創新網絡模擬研究”(3A011212200901)。

2017-02-22

張永安(1957-)，男，陜西咸陽人，博士，北京工業大學經濟與管理學院教授、博士生導師；研究方向：經濟與管理系統復雜性、政策仿真、商業模式。

C931

A

(責任編輯 沈蓉)