考慮電子口碑累積效果的手機APP BASS擴散過程的研究

朱 侯 萬芳彬 張 麗

(中山大學資訊管理學院，廣東 廣州 510006)

·應用研究·

考慮電子口碑累積效果的手機APP BASS擴散過程的研究

朱 侯 萬芳彬 張 麗

(中山大學資訊管理學院，廣東 廣州 510006)

隨著移動互聯網的飛速發展和智能手機的普及，手機APP作為智能手機接入移動互聯網最重要的入口，與人們的生活息息相關。探究移動APP的推廣及擴散機理，對企業制定IT營銷及開發策略具有重要的意義。本文在經典BASS模型的基礎上，引入了電子口碑這一影響因素，利用多智能體模擬技術，借助建模軟件AnyLogic，建立了手機APP在移動互聯網中的仿真擴散模型。對比實際案例中手機APP的擴散情況，本文驗證了模型的有效性。由于電子口碑的累積效果，APP的擴散過程與傳統產品的擴散過程明顯不同，不同的電子口碑累積效果，將導致APP不同的擴散趨勢。

BASS模型；手機APP擴散；電子口碑；多智能體模擬

隨著移動互聯網的飛速發展以及智能手機的普及，移動設備的用戶群體規模迅速擴大，使用頻率越來越高，人們與移動終端設備之間的關系也越來越緊密。中國互聯網絡信息中心于2017年1月22日發布的《中國互聯網絡發展狀況統計報告》指出，截至2016年12月，我國網民人數已經達到了7.31億，其中，手機網民的數量就占了6.95億，占比從2015年的90.1%提高到了95.1%，比例進一步攀升。手機在人們生活中扮演著越來越重要的角色，而手機APP是安裝在手機中的應用軟件。作為智能手機接入互聯網的入口，其豐富多樣的功能給用戶的生活帶來了極大的便利，改變了人們的生活方式，同時，手機APP也是企業技術創新和服務提升的一種重要方式。因此，了解手機APP擴散的機理，對于企業管理者制定符合企業發展的IT決策具有重要意義。

與傳統的實體商品相比，手機APP作為一種虛擬商品，其擴散方式與實體商品存在很大的不同。電子口碑成為人們在互聯網環境下做出購買決策的重要參考標準之一，并受到人們的廣泛推崇。在互聯網環境下，面對面、口耳相傳的口碑模式已經很難適用于虛擬商品的大面積傳播，而電子口碑傳播效率高、傳播方式多樣化、互動性好等特點，受到越來越多研究者和實踐者的關注[1]，且電子口碑還會在各類應用市場上長期存在，形成累積效果。這些特點必然帶來APP的推廣和擴散過程與傳統產品相比存在差異。

本文基于BASS產品擴散模型，在考慮廣告和口碑兩種影響手機APP傳播的因素的基礎上，進一步引入了電子口碑(Electronic Word of Mouth)這一區別于傳統口碑(Word of Mouth)的因素，設計了由廣告、傳統口碑、電子口碑3個因素驅動的手機APP擴散模型，借助該模型來研究電子口碑如何影響手機APP的擴散。

1 相關研究

新產品的擴散研究可以大致分成兩個層面：1)個體層面；2)群體層面。個體層面的研究從個體感知的角度出發，分析個體用戶決定采納某個新產品主要受到哪些因素的影響。其中包括李欣穎[2]等以技術采納和使用整合理論及感知信息質量理論為基礎，構建餐飲外賣移動APP信息采納行為影響因素模型，探究所構建模型的適用性及各影響因素的影響方向及程度。趙玉攀[3]等選取互動性、移動性、情景感、臨界質量、感知易用性、感知有用性以及感知鼓勵等因素構建公眾采納政務APP的模型。楊艷妮[4]等分析了行為意向、感知有用性、感知易用性、相關性、個體差異、感知愉悅與圖書館APP采納之間的影響關系。上述模型僅僅從個體的層面分析了新產品采納的影響因素，而在實際的新產品的營銷過程中，除了個體感知之外，群體之間的互動、口碑傳播等對于IT產品——特別是手機APP的傳播擴散有著至關重要的作用，因而上述基于個體層面的模型具有一定的局限性。

在群體層面的新產品擴散研究中最具有代表性的是BASS模型。1969年美國學者FrankM.Bass[5]在前人的基礎上，結合了E.M.Rogers[6]對新產品采用者的分類，融合了Fourt提出的指數擴散模型和Woodlock、Mansfield提出的邏輯擴散模型[7]這兩種模式，提出了BASS模型。BASS模型將新產品的潛在使用者分為兩類：創新者和模仿者。并假定潛在采用者會受到兩種因素的影響：外部影響因素和內部影響因素，前者主要借助大眾媒體傳播，后者主要借助口碑傳播，即已采用者對未采用的潛在采用者的口頭傳播，對模仿者產生影響。

BASS模型的成立需要基于一系列的假設條件：1)市場潛力隨時間的推移保持不變；2)一種創新的擴散獨立于其他創新；3)產品性能隨時間推移保持不變；4)社會系統的地域界限不隨擴散過程而改變；5)擴散只有兩階段過程，不采用和采用，不考慮重復購買；6)一種創新的擴散不受市場營銷策略的影響；7)不存在供給約束；8)采用者是無差異的、同質的。

BASS模型作為新產品擴散研究的基礎，被廣泛用于以下3個方面[8]：對新產品采用者進行分析，描述新產品進入市場后的傳播情況；對創新產品或新技術市場做出預測；引入其他市場變量，通過觀察和控制產品的銷售情況來制定合適的市場策略。盡管BASS模型在上述3個方面取得了很好的應用效果，但它的嚴格假設限制了其應用范圍。BASS模型提出后，不少研究者針對模型中假設前提過于嚴格等問題，通過放寬模型假設、擴大模型應用領域，提出了許多適用性更廣的拓展模型。Guo[9]在研究中用經典BASS模型模擬消費者初次購買過程，使用基于神經心理學的消費者實用理論來模擬重復購買過程，改進了BASS模型只考慮消費者初次購買的局限，更為精確地模擬和預測消費者實際購買決策。Robinson[10]基于BASS模型建立了考慮價格因素的營銷策略擴散模型。Boehner[11]則通過BASS模型中價格和廣告水平參數的連續性變化，給出了營銷組合中彈性系數的不同假設，結果表明不同的營銷組合對BASS模型中的創新和模范系數、市場規模和擴散速度等關鍵要素均有不同影響。除此之外，諸多學者還分別從產品多功能問題[12]、產品替代問題[13]、初始參數依賴問題[14]等方面對模型進行了擴展和完善。

在手機APP擴散的研究上，目前國內在這方面的研究相對較少，且主要集中在各類APP使用的影響因素以及實證研究上。學者張一弛[15]基于創新擴散理論，分析了報紙類新聞APP接受創新擴散的條件，并進一步探討了其未來發展的策略；學者徐承歡等[16]結合顧客承諾理論與創新擴散理論，采用問卷調查與結構方程建模的方法，實證研究了移動圖書館APP使用意愿的影響因素；學者武志琴[17]以小咖秀為例，結合創新擴散理論分析了其成功實現創新擴散的相關因素；學者代玲[18]基于創新擴散理論，分析了打車APP接受創新擴散的條件，并進一步探討了其未來發展的策略從而使得該APP更好地實現創新的擴散。

因此，已有研究在對APP擴散的驅動因素、擴散條件等問題進行了研究，并取得了一定的成績，然而這類研究不能很好的揭示APP的擴散機理和動態過程。基于多智能建模的BASS模型在研究產品擴散動態機理方面具有明顯的優勢，產品的擴散主要受廣告和口碑的影響，并且口碑的相互傳播會造成用戶采納行為的動態變化。但是手機APP的擴散過程中，應用市場的網絡評論等電子口碑相比傳統產品而言，影響更加明顯，且這種影響具有累積效果。在這種影響下，傳統的BASS擴散模型已經不能充分表達APP的擴散機理了。本研究在傳統BASS模型的基礎上，考慮電子口碑的影響函數，進而分析手機APP的擴散機理和過程，為APP提供商給出決策建議。

2 基于BASS模型的手機APP擴散模型建立

2.1 BASS模型

新產品擴散效果的影響因素包括口碑、廣告、用戶誘導、渠道推送、業務粘度等，這些因素之間關系復雜，然而口碑和大眾媒體廣告的影響最為顯著。因此，為了有效控制模型的邊界，經典BASS模型主要選取了口碑和大眾媒體廣告兩類驅動因素。BASS模型是研究新技術在生命周期中擴散機制的重要模型，其數學表達式如下：

(1)

其中，n(t)為t時刻新的產品采納者的數量，N(t)為t時刻產品采納者的總量，p代表外部影響系數(創新系數)，表示在大眾媒體傳播的影響下，尚未采納的潛在采納者采納該產品的可能性大小，q代表內部影響系數(模仿系數)，表示在口頭傳播的影響下，尚未采納的潛在采納者采納該產品的可能性大小，m代表潛在的采納者總量(即市場最大潛力)。由該公式可以得到BASS模型中t時刻產品采納者累計總量的表達式：

(2)

BASS模型在實踐領域有廣泛的應用，其在零售業、工業技術、農產品和耐用消費品等行業已經有了成功的預測效果[19]。然而，利用BASS模型來分析手機APP的擴散具有一定的局限性，因為傳統BASS模型忽略了手機APP擴散過程中電子口碑的影響，且手機APP的電子口碑具有累積效果。

電子口碑，又稱為網絡口碑或在線口碑。電子口碑與傳統口碑的不同之處在于：1)傳統的面對面交流方式具有明顯的時效性，信息只在交互期內傳遞，而電子口碑突破了時間限制，且具有累積效應，這種累積效應體現在可保存性和保存的持久性，即電子口碑可以被存儲在數據庫中，在很長一段時間內不會消失并對后來的瀏覽者產生影響；2)電子口碑的傳播效率更高，突破了空間限制，人們不僅受到周圍少數人的影響，而且可以接收到更廣泛的口碑信息；3)手機APP的擴散依賴于電子口碑的程度明顯增加，各大APP應用市場充滿了評分和相關的文字評論，其成為了用戶最終采納行為的重要依據。因此，經典的BASS擴散模型已經不能充分表達手機APP的擴散機理。

2.2 手機APP擴散模型

本文進一步將內部影響因素細分為電子口碑和傳統口碑兩部分，其中傳統口碑以恒定不變的速度在人群中擴散，而電子口碑則隨著時間的變化而變化。借鑒Easingwood等學者[20]將BASS模型中的內部影響因素由原本的常量設計為變量，用來表示產品擴散過程中人際影響的變化。此外，本文假定內部影響因素q(t)是時間的函數，而非一個恒定常量，其值的大小反映了口碑效應的變化。當電子口碑的評價越積極時，內部影響因素越大，人們就越傾向于接受手機APP；當電子口碑的評價越消極時，內部影響因素越小，人們就會更傾向拒絕接受手機APP。這里本文分別考慮電子口碑為正面、負面以及波動變化的情況，參考BASS模型的表達式(2)，手機APP擴散模型公式如下所示：

(3)

許曉暉等[21]認為技術創新擴散速度可以用Logistic曲線的斜率來度量，羅彪等[22]的研究表明，具有大量口碑的產品能夠吸引更多的消費者進行評論，具有“成功產生成功效應”。在本文中，通過控制函數的曲線斜率大小來模擬不同的電子口碑情況。當正面電子口碑累積時，曲線斜率逐漸增大；當負面電子口碑累積時，曲線斜率逐漸減小。因此，本文選擇了曲線斜率不斷增大的Logistic函數來模擬正面電子口碑隨時間的變化；選擇曲線斜率不斷減小且呈現下降趨勢的二次函數來模擬負面電子口碑隨時間的變化；使用正弦函數來模擬波動口碑對口碑效應的影響情況。電子口碑在不同情況下影響的函數以及隨時間變化的圖像如表1所示：

表1 手機APP擴散模型內部影響因素函數表達式匯總

上述內部影響因素函數反映了實際生活中廣泛存在的3種電子口碑的情況，在內部影響因素隨時間變化的表達式中，通過不斷迭代來模擬電子口碑的累積效應。在正面電子口碑的表達式中，a為正面電子口碑擴散系數，表示正面電子口碑在人群中擴散的最大增速，b是正面電子口碑的持續影響時間；在負面電子口碑的表達式中，α表示負面電子口碑擴散系數，用于控制負面電子口碑在人群中擴散的速度大??；在波動電子口碑的表達式中，每一時刻的電子口碑大小都是相對初始口碑大小來確定的，其中β表示電子口碑的波動幅度，T表示電子口碑的波動周期。

3 手機APP擴散模型的仿真與結果分析

3.1 模型建立和參數設定

本文采用的多智能體模擬方法起源于人工智能，是分布式人工智能的一個重要分支，主要用于研究與復雜系統相關的問題。多智能體模擬是從微觀角度自下而上的研究，通過將復雜系統中的個體映射為具有自主性、主動性、反應性和交互性特征的智能體，將復雜系統分解為多個智能體的相互作用，通過模擬多個智能體之間簡單的行為交互，從而研究系統整體復雜行為的涌現?；贏nylogic構建的手機APP擴散模型如圖1所示。

Talukdar的研究表明：外部影響系數p平均介于0.0007～0.03之間，模仿系數q平均介于0.38～0.53之間，擴散的動力更多地來自于內部影響[23]。為了更好地研究電子口碑對手機APP擴散的影響，避免函數過快收斂，本文將外部影響系數與模仿系數均設定為一個較小值。這里，我們設定廣告效應(外部影響系數)的大小為0.01，初始時刻口碑效應的大小為0.015，其余參數的默認值也依據經典BASS模型的設置，如表2所示。

圖1 手機APP擴散仿真模型的組織結構

表2 Anylogic建模初始參數設置

3.2 模型執行過程

模型的算法流程如下：

步驟一：構建環境智能體，并在其中構建手機APP擴散所在的無標度網絡；

步驟二：創建手機網民智能體，所有手機網民的狀態初始化為潛在采納者(Si=0)；

步驟三：仿真實驗開始；

步驟四：手機網民受到廣告效應的影響，若手機網民決定采納該手機APP，則狀態變成采納者(Si=1)，若不采納，仍為潛在采納者；

步驟五：潛在采納者根據按照內部影響因素的大小決定是否受到影響而采納其意見，若手機網民決定采納該手機APP，則狀態變成采納者(Si=1)，若不采納，仍為潛在采納者；

步驟六：判斷是否達到仿真結束時間，若未達到，繼續步驟四；否則，進行步驟七；

步驟七：仿真實驗結束。

3.3 仿真結果分析

模擬實驗基于Anylogic進行，這里本文采用控制變量的方法，在控制廣告效應和傳統口碑效應相同的情況下僅改變電子口碑的形式，按照上述步驟分別執行：無電子口碑影響、正面電子口碑影響、負面電子口碑影響、波動電子口碑影響時的手機APP擴散模型，得到下面的結果：

圖2 無電子口碑影響狀態下的手機APP擴散模型模擬結果示意圖

圖3 正面電子口碑影響狀態下的手機APP擴散模型模擬結果示意圖

圖4 負面電子口碑影響狀態下的手機APP擴散模型模擬結果示意圖

圖5 波動電子口碑影響狀態下的手機APP擴散模型模擬結果示意圖

由圖2的仿真模擬結果可以看出，在無電子口碑影響時，手機APP的擴散曲線符合Rogers[6]提出的“S”型擴散曲線。“S”型曲線可以分為3個階段：1)起步階段，一個新的手機APP剛剛進入市場，還沒有廣為人知，此時廣告效應占有主導影響地位，手機APP的擴散速度較慢；2)加速階段，有了起步階段的人脈積累，新產品知名度越來越高并受到口碑效應的影響，向社會中的其他潛在采納者擴散，手機APP的擴散速度加快；3)成熟階段，手機APP在系統中經過一段時間的擴散，人群中的潛在采納者越來越少，因而擴散速度逐漸下降，系統中的采納者數量達到飽和。

在正面電子口碑影響狀態下，模型中的參數設置為a=0.001，b=10，由圖3的仿真模擬結果可以看出，此時手機APP在人群中呈現“指數型”擴散，系統中的潛在采納者數量迅速減少，最終人群中所有的潛在采納者都轉變成為了采納者，新產品最終被所有人認可和接受。

在負面電子口碑影響狀態下，模型中的參數設置為α=0.001，由圖4的仿真模擬結果可以看出，手機APP擴散速度越來越緩慢并最后趨近于某一極值，近似于某一斜率很小的“線性”函數。此時，手機APP并不能很好的在人群中擴散，只能被少部分人接受。

在波動電子口碑影響狀態下，模型中的參數設置為β=0.01，2πT=100，由圖5的仿真模擬結果可以看出，此時的手機APP擴散曲線類似于“S”型曲線，但并不具有明顯的3個階段的劃分，而是呈現出“波浪型”上升的趨勢，并最后在系統中達到飽和。

從以上的仿真數據可以看出，不同的電子口碑類型會對手機APP的擴散形式產生很大影響，可以概括為無電子口碑影響時，手機APP的擴散曲線為“S”型；積極電子口碑影響時，手機APP的擴散曲線為“指數型”；消極電子口碑影響時，手機APP的擴散曲線為“線性”；波動電子口碑影響時，手機APP的擴散曲線為“波浪型”。仿真結果表明，控制電子口碑的輿論導向對于手機APP的擴散有非常重要的影響。手機APP在人群中以較快的速度傳播是企業所愿意看到的結果，因此，企業不能忽視電子口碑對手機APP擴散帶來的影響。

3.4 模型驗證

為了更好地驗證提出的手機APP擴散模型的有效性，本文采用宏觀驗證法[26]，選取了以下3個知名度較高且具有代表性的APP作為研究對象，從國內知名的ASO(App Store Optimization)優化網站ASO100(https://aso100.com/)中獲得其下載量和評分值等信息，這些數據來源于ASO100網站中采集的IOS系統應用市場和國內九大主流安卓系統應用市場(數據統計截止至2017年6月7日)，4個手機APP的基本情況如表3所示。

圖6、圖7、圖8分別是上述3個軟件在特定時間內的下載量趨勢圖。摩拜單車作為國內最火的“共享單車”之一，其產品的外觀、質量、功能和價格等受到了消費者的一致好評，其電子口碑評分均值達到了4.9分之高。從圖8中摩拜單車下載量的曲線形式上來看，其與正面電子口碑影響下的手機APP擴散的“指數型”曲線相吻合。e寶賬是中國人壽公司推出的應用軟件，用戶一直抱怨其版本老舊、不能更新等問題，但是中國人壽公司官方并未作出回應或在應用市場替換老舊版本，導致其口碑評分很低。由圖7可以看出其下載量的增長率低，在2017年1月至5月期間僅有300萬左右下載量，遠低于同行業手機APP的下載量，大致呈“線性”的形式增長。此外，本文選取了ofo共享單車在最近3個月的下載量變化趨勢來研究波動電子口碑的影響。ofo共享單車作為國內共享單車的巨頭，其增長勢頭強勁，但由于其不斷被曝光的密碼安全強度低、車輛亂停亂放、用戶私占共享單車、故意損毀共享單車等負面新聞，社會輿論對其褒貶不一。從圖8中可以看出，其增長呈現“波浪型”上升趨勢。

表3 3種手機APP基本情況介紹

圖6 摩拜單車2016年7月-2017年5月下載量趨勢圖

圖7 e寶賬2017年1月-2017年5月下載量趨勢圖

圖8 ofo共享單車2017年3月-2017年5月下載量趨勢圖

為了進一步驗證模型的有效性，本文對不同情境下模型輸出與實際下載趨勢進行了參數檢驗。由于樣本總體分布未知、樣本量較小且兩組樣本相互獨立，采用Mann-Whitney U檢驗分析仿真結果和真實數據是否有顯著差異，進而對仿真效果做出評價。考慮到模擬輸出與實際下載量數據的量綱和區間差異，本文在對3組數據分別歸一化的基礎上進行Mann-Whitney U檢驗，根據表4可知，3組數據的Sig值均大于0.05，即模擬輸出與實際下載趨勢間不存在顯著差異，模型的科學性和有效性得到了驗證。

表4 統計結果和模擬結果的非參數檢驗

相比于BASS模型新產品擴散的“S”型增長曲線，本文提出的手機APP擴散模型能更好地反映手機APP在正面電子口碑、負面電子口碑和波動電子口碑情況下的擴散情況。

4 對企業APP推廣的建議

4.1 加大對電子口碑營銷的重視力度

從不同電子口碑影響導致的手機APP擴散呈現出的四種曲線結果中，我們可以體會到電子口碑對于手機APP擴散的重要程度。正面良好的電子口碑會減小消費者采用該產品的風險性，增大消費者對于該手機APP的信任程度，從而使得消費者更容易做出采納該手機APP的決定。相反，負面的電子口碑會導致消費者對該手機APP的不信任程度加劇，導致手機APP在人群中的擴散舉步維艱。對于企業管理者來說，建立專門的電子口碑管理崗位和部門來管理電子口碑是非常有必要的。

4.2 及時引導電子口碑的輿論導向

鑒于電子口碑對手機APP擴散的重要影響，企業應該密切關注其電子口碑的動態變化。Zhao Y等[24]的研究表明，由于負面評論的感知有用性高于正面評論，人們更容易受到負面評論的影響。企業管理者應該深入分析其波動原因，通過采取及時有效的措施來及時遏制電子口碑下降的趨勢，從而保證手機APP在人群中持續、穩定、快速地增長。

4.3 提升產品質量

最好的口碑不是來自完善的銷售預算或廣告，而是來自產品本身的特征及良好的使用者體驗，因此對于企業來說，提供高質量的產品和良好的產品體驗是保證積極正面的電子口碑的根本原因。Dellarocas和Narayan[25]研究發現，消費者對產品的滿意度和口碑傳播呈U形關系，即消費者在高度滿意和高度不滿意時口碑傳播意愿最強，而優質的產品質量是用戶滿意度的保證。因此，產品質量應該是企業關注的核心。

5 結 語

手機APP作為企業創新產品和服務的一種重要形式，理解其推廣和擴散模式對企業具有重要的意義。本文在BASS模型的基礎上進行變動，將電子口碑這一常見的評論形式納入模型的考慮范圍，并且將電子口碑進一步分成3類，利用Anylogic多智能體建模軟件進行模擬，對這3種情況分別進行討論和研究。本文最后得出的結論如下：不同的電子口碑類型對應的手機APP的擴散形式也有不同。無電子口碑影響時，手機APP的擴散曲線為“S”型；積極電子口碑影響時，手機APP的擴散曲線為“指數型”；消極電子口碑影響時，手機APP的擴散曲線為“線性”；波動電子口影響時，手機APP的擴散曲線為“波浪型”。本文所提出的手機APP擴散模型能夠更好地模擬手機APP在現實世界中的擴散現象，3個真實案例也定性的驗證了本文模型的有效性。電子口碑對手機APP的擴散過程具有重要影響，企業管理者需要密切關注手機APP電子口碑的動態變化，積極引導電子口碑的輿論導向，以促進產品的傳播與發展。

本研究中還存在一些局限，如：未能考慮個體用戶的異質性、手機APP重復下載問題、APP更新換代的問題等，未來將進一步開展相關的研究。

[1]金永生,田慧.網站特征對消費者口碑傳播意愿的影響機制研究[J]現代情報,2016,36(10):107-112.

[2]李欣穎,徐愷英,盛盼盼.餐飲外賣移動APP信息采納行為影響因素實證研究[J].圖書情報工作,2016,60(18):133-139.

[3]趙玉攀,楊蘭蓉.公眾采納政務APP影響因素及實證研究[J].情報雜志,2015,34(7):195-201.

[4]楊艷妮,明均仁,黃傳慧.基于TAM3的移動圖書館APP用戶的信息采納行為研究[J].圖書館,2015,(9):90-95.

[5]Frank M.Bass.A New Product Growth for Model Customer Durables[J].Management Science,1969,(15):215-227.

[6]Rogers EM.Diffusion of Innovations[M].Free Press of Glencoe,1962.

[7]Fourt L.A.Woodlock.Early prediction of market success for new grocery products[J].Journal of Marketing,1960,(25):31-38.

[8]趙保國,馮旭艷.基于Bass模型的微信用戶數擴散研究[J].中央財經大學學報,2014,(11):108-112.

[9]Guo X.A novel Bass-type model for product life cycle quantification using aggregate market data[J].International Journal of Production Economics,2014,158:208-216.

[10]Robinson B,Lakhani C.Dynamic price models for new-product planning[J].Management science,1975,21(10):1113-1122.

[11]Boehner R,Gold S.The influence of the marketing mix on the diffusion of innovation:Bass model redux[EB/OL].https://ssrn.com/abstract=2626947,2017-05-30.

[12]Wu M,Wang L,Li M,et al.Alleviating Feature Fatigue in product development based on the bass model[J].Journal of Engineering,Design and Technology,2015,13(3):350-368.

[13]Norton J A,Bass F M.A diffusion theory model of adoption and substitution for successive generations of high-technology products[J].Management science,1987,33(9):1069-1086.

[14]Kim T,Hong J.Bass model with integration constant and its applications on initial demand and left-truncated data[J].Technological Forecasting and Social Change,2015,95:120-134.

[15]張一弛.以“創新擴散”理論分析報紙類APP發展[J].傳媒觀察,2014,(4):40-42.

[16]徐承歡,管弦.移動圖書館APP使用意愿影響因素實證研究——基于顧客承諾和創新擴散的雙重視角[J].信息資源管理學報,2015,5(4):65-74.

[17]武志琴.移動互聯網時代App的創新擴散——以小咖秀為例[J].新聞研究導刊,2016,7(6):159-160.

[18]代玲.基于創新擴散理論的打車軟件發展研究[J].中國商論,2015,(24):62-64.

[19]Schmittlein D C,Mahajan V.Maximum likelihood estimation for an innovation diffusion model of new product acceptance[J].Marketing Science,1982,1(1):57-78.

[20]Easingwood C J,Mahajan V,Muller E.A Nonuniform Influence Innovation Diffusion Model of New Product Acceptance[J].Marketing Science,1983,2(3):273-295.

[21]許曉暉,劉汶榮.國外基于BASS模型的技術創新擴散影響因素研究述評[J].社會科學戰線,2009,(10):265-266.

[22]羅彪,叢日飛.留、傳、搜、用:消費者行為視角下的電子口碑研究綜述與展望[J].外國經濟與管理,2015,(8):54-64.

[23]Talukdar D,Sudhir K,Andrew A.Investigating new product diffusion across products and countries[J].Marketing Science,2002,21(1):97-114．

[24]Zhao Y,Yang S.Modeling consumer learning from online product reviews[J].Marketing Science,2013,32(1):153-169.

[25]Dellarocas C.The digitization of word of mouth:Promise and challenges of online feedback mechanisms[J].Management Science,2003,49(10):1407-1424.

[26]Yilmaz L.Validation and verification of social processes within agent-based computational organization models[J].Computational & Mathematical Organization Theory,2006,12(4):283-312.

AStudyofDiffusionProcessofMobileAPPBasedonBASSModelConsideringtheCumulativeEffectofElectronicWordofMouth

Zhu Hou Wan Fangbin Zhang Li

(School of Information Management,SunYat-Sen University,Guangzhou 510006,China)

With the rapid development of mobile internet and the popularity of smart phones,mobile APP,the most important access to mobile Internet of smart phones,is more and more inseparable from people’s lives.The research on the mechanism of diffusion and spreading of mobile APPs had important significance for enterprises to formalate IT marketing and developing strategies.Based on the classic BASS model,this paper introduced a new influencing factor,electronic word of mouth,into the model.Multi-agent simulation technology was utilized to model the diffusion of mobile APPs with the help of AnyLogic,a powerful modeling software.After comparing the simulation results with real cases,the paper validated the effectiveness of this model.There were obvious differences between the diffusion process of mobile APPs and traditional products.The cumulative effect of different kinds of electronic word of mouth will lead to different diffusion results of mobile APPs.

BASS model;diffusion of mobile APP;electronic word of Mouth;multi-agent simulation

10.3969/j.issn.1008-0821.2018.01.015

F713.36

A

1008-0821(2018)01-0108-07

2017-10-10

中山大學人文社會科學青年教師桐山基金項目“社會化媒體用戶隱私披露行為的社會計算研究”(項目編號20000-54500053)；廣東省技術交易體系與科技服務網絡建設項目“面向主題的中文語料庫構建方法與技術”(項目編號2015-2000-42020008)。

朱侯(1985-)，男，講師，博士，碩士生導師，研究方向：計算機模擬，信息擴散與傳播，復雜網絡。萬芳彬(1997-)，女，本科生，研究方向：計算機模擬。張麗(1997-)，女，本科生，研究方向：信息行為。

(實習編輯：陳 媛)