網絡直播平臺監管策略的演化博弈分析及仿真研究

萬曉榆，趙思齊

摘要：針對當前我國網絡直播行業亂象頻生的現實情況，文章運用演化博弈理論構建了政府部門與直播平臺間的動態演化模型，圍繞政府部門對網絡直播平臺違規行為的懲罰力度以及直播平臺潛在收益與違規收益三個關鍵參數的大小，運用matlab7.0數值仿真工具模擬了4種場景下政府部門與網絡直播平臺的策略互動過程。研究表明，當關鍵參數取值位于不同數值區間時，系統分別呈現出3種演化穩定結果與一種周期性的隨機狀態。加大對網絡直播平臺違規行為的懲罰力度，同時增加合規潛在收益和降低違規收益，有利于引導網絡直播平臺策略選擇向合規演化。

關鍵詞：網絡直播;政府監管;懲罰力度;演化博弈

中圖分類號：F49;G206

文獻標識碼：A

文章編號：1673-8268（2022）01-0115-10

一、引言

網絡直播是通過互聯網將即時狀況展示給用戶、并與用戶實現即時互動交流的一種互聯網新業態，網絡直播行業近年呈現井噴式的發展[1-2]。無論是以淘寶、拼多多為代表的電商平臺，還是以抖音、快手為代表的短視頻平臺，甚至是以百度、搜狐為代表的傳統互聯網公司，都陸續加大了對于網絡直播的布局力度，網絡直播在短時間內聚集了大量人才、資金和媒體資源，使得網絡直播成為發展勢頭最為迅猛的互聯網應用之一。根據中國互聯網絡信息中心（CNNIC）發布的第48次《中國互聯網絡發展狀況統計報告》顯示，2021年上半年，全國網民規模達10.11億，較2020年12月增長2 175萬，其中，我國網絡直播用戶規模達6.38億，占網民整體的63.1%，電商直播用戶規模為3.84億，占網民整體的38.0%[3]。龐大的網絡直播用戶規模為我國網絡直播市場的爆發性增長奠定了基礎。

在網絡給人們帶來發布、傳遞和獲取信息的自由與便利的同時，網絡直播“亂象”也給社會帶來了惡劣影響，阻礙了網絡文化的勃興[4]。根據網經社“電訴寶”數據表明，2020年，網絡直播由于商品貨不對板、網絡售假、商品質量差、退款難、退換貨不及時等現象而被消費者投訴。主要表現為主播展示的產品信息與消費者實際收到的產品質量不一致，或是刻意夸大產品功效，在消費者中引起諸多負面連鎖反應，使得消費者在享受網絡購物便利的同時仍面臨著商品質量差、虛假宣傳及售后服務的一系列問題[5-6]。由于網絡直播對各平臺主播的門檻要求較低和直播平臺管理審核的責任缺失，主播專業化程度參差不齊，導致了違規違法的潛在隱患。同時，因為主播的不當行為可以引起更多的社會關注，為平臺帶來高流量，所以利益驅動下的直播平臺會選擇對部分大流量主播進行包庇。因此，網絡直播行業在不斷發展的同時，也衍生了一系列社會問題。

目前，網絡媒體十分發達，負面消息傳播速度極快，易對社會穩定造成不良影響。近年來，政府部門高度重視對網絡亂象的治理，相繼出臺了《關于辦理網絡詐騙等刑事案件使用法律若干問題的意見》《互聯網直播服務管理規定》等文件，對違規平臺收取高額罰金甚至關停，旨在引導網絡直播朝著健康正確的道路發展。對于政府部門而言，如何在信息不對稱的條件下，對網絡直播平臺進行規制，以降低其機會主義行為帶來的負面影響，是亟待解決的一個問題。

二、 文獻回顧與理論基礎

網絡直播作為互聯網發展的產物，與互聯網一樣存在著兩面性，而且由于其“曖昧經濟”的特殊性，網絡直播環境比傳統直播更加復雜混亂[7]。已有學者對網絡直播監管的相關問題進行了研究。任丙強[8]從管制機構、管制立法以及管制方式3個方面對如何管制網絡內容進行了研究，該研究結論對于網絡直播監管有著一定的借鑒作用。付業勤等[9]提出網絡直播在其產業鏈構成、用戶特征、平臺類型、內容生產和盈利模式等方面有獨特規律。曾一昕等[10]從平臺分類、主播特點、傳播特點、觀眾目的等4個方面解剖網絡直播行業，提出網絡直播行業存在的問題與規范化治理策略。禹玉琳[11]從政府部門監管主體不明、平臺監管力度不足、行業監管幅度不夠和群眾監管機制不完善4個方面對網絡直播監管的難題進行了闡述。也有學者運用博弈的方法對網絡直播的監管進行了分析，李亞兵等[12]基于利益相關者視角，運用演化博弈理論探討了網絡監管部門、平臺以及直播用戶三者間的決策演化過程。張濤[13]分析了政府部門與網絡表演者、網絡表演經營單位間的博弈關系，探究政府處罰力度、監管成本以及違規表演的發現概率對博弈模型的影響機制。

通過對以上文獻分析可以發現，現有研究大多從定性角度出發進行分析，在涉及博弈論的研究領域中僅有少部分學者從靜態博弈視角對網絡直播監管問題進行了探究。實際上，網絡直播監管是一個多方參與的、隨著時間演化的動態博弈問題。演化博弈論是把博弈理論分析和動態演化過程結合起來的一種理論，它從系統出發，把個體、群體行為的調整過程看作為一個動態系統，可以把影響到均衡的各種因素都納入到演化博弈模型中去，構成一個具有微觀基礎的宏觀模型，因此能夠真實反映經濟主體行為的多樣性和復雜性[14]。目前，演化博弈理論在監管領域的應用已較為成熟，主要涉及環境污染監管[15-17]和互聯網監管[18-20]等領域，對網絡直播平臺的監管起到了一定的借鑒作用。

網絡直播監管是政府部門、網絡直播平臺、主播等主體間進行利益配置的博弈活動。本文嘗試從動態演化博弈的角度對直播平臺監管進行分析，假定主播存在違規行為，若網絡直播平臺對主播違規行為持縱容包庇態度，則認為網絡直播平臺與主播存在合謀行為。由于網絡直播平臺在與主播之間的博弈中占據主導地位，故本文主要研究政府部門與網絡直播平臺之間的博弈關系，構建政府部門與網絡直播平臺間的演化博弈模型，討論在網絡直播平臺與主播合謀的情形下，政府部門對網絡直播平臺的監管策略問題。

三、博弈模型

（一）模型假設和建立

在政府部門對網絡直播平臺進行監管的過程中，兩者均追求自身利益最大化，在策略和利益相互依存的狀況下，每一方所得到的利益取決于自己選擇的策略，也取決于另外一方所選擇的策略。本文選取政府部門和網絡直播平臺為演化博弈主體。

政府部門主要包括對網絡直播進行監管治理的相關政府機構，例如工信部、網信辦、公安部和新聞出版廣電總局等，其策略集合為（積極監管，消極監管）;網絡直播平臺（以下簡稱平臺）主要是為主播提供表演即時節目相關條件的平臺，包括且不限于PC端、移動端（如斗魚直播、映客直播等），其策略集合為（合規，違規）。雙方均為有限理性者，需要通過多次重復博弈才能確定自身最優策略，基本假設如下：

假設1：若政府部門對平臺采取消極監管策略，同時平臺選擇合規經營，則政府部門可獲得社會福利提升F。平臺基本經濟收益及常規經濟收益增加為d，平臺對主播違規行為進行檢測付出的成本為m，平臺合規行為可為自身帶來潛在社會收益δ（比如社會責任履行、平臺正面評價提升等）。政府部門與平臺二者的收益分別為（F，d+δ-m）。

假設2：若政府部門對平臺采取消極監管策略，同時平臺選擇違規經營，政府部門遭受社會福利損失f。則平臺獲得的違規經濟收益（如主播間用戶非常規增長、主播直播收益突增等）為βA，其中，β為平臺與主播的收益分成比例;A為違規經濟收益總和;平臺減少的潛在社會收益為ω;政府部門與平臺二者的收益分別為（-f，d+βA-ω）。

假設3：若政府部門對平臺采取積極監管策略，同時平臺選擇合規經營，則政府部門需要支付的監管成本為M，政府監管帶來的社會福利大小提升仍為F，平臺的潛在收益數值為δ。政府部門與平臺二者的收益分別為（F-M，d+δ-m）。

假設4：若政府部門對平臺采取積極監管策略，同時平臺選擇違規經營，政府部門對平臺違規經營進行查處并處以罰金的大小為T0。由于政府部門監管有力，獲得的社會福利仍為F，對社會造成的負面影響由f減小為αf（0<α<1）。政府部門與平臺二者的收益分別為（F+T0-αf-M，d+βA-ω-T0）。

根據研究假設列出政府部門與網絡直播平臺間的行為交互支付矩陣如表1所示。

（二）模型求解和分析

本文采用“復制動態”機制研究網絡直播監管的演化博弈問題。“復制動態”機制的主要思想是下階段種群中采用某種策略所在比例的群體與當前階段種群中的支付呈正相關，隨著時間的推移，支付高的種群所在比例會越來越高，支付低的種群所在比例會越來越低，直至逐漸消亡[21-24]。對于博弈開始而言，需要對政府部門和平臺選擇不同策略的概率做一個假設。本文假定政府部門積極監管的概率為p1（0<p1<1），平臺選擇合規經營的概率為p2（0<p2<1）。然后，對政府部門和平臺的收益進行一個計算。設政府部門的期望收益值為Ea，平臺的期望收益值為Eb。

1.政府部門的演化博弈策略

當政府部門選擇積極監管的時候，期望收益值為

Ea1=p2（F-M）+（1-p2）（F+T0-αf-M）（1）

當政府部門選擇消極監管時，期望收益值為

Ea2=p2F-f（1-p2）（2）

因此，政府部門選擇監管相關策略的復制動態方程為

dp1dt=p1（1-p1）[（1-p2）（F+T0+（1-α）f）-M]（3）

式（1）（3）中：dp1dt表示隨著時間的推進，政府部門選擇監管的概率的變化速度。對F（p1）進行求解，

當p2=1-MF+T0+（1-α）f 時，F（p1）=0，此時p1處于演化穩定狀態。

當p2≠1-MF+T0+（1-α）f 時，若令F（p1）=0，則p1=0或p1=1。對F（p1）進行求導，得

F′（p1）=（1-2p1）[（1-p2）（F+T0+（1-α）f-M]（4）

當p2<1-MF+T0+（1-α）f，p1=1時，F′（p1）<0;當p2<1-MF+T0+（1-α）f，p1=0時，F′（p1）>0。當平臺選擇合規的概率p2小于一定程度時，政府部門積極監管的概率不斷增加，積極監管成為博弈下政府部門最優策略。

當p2>1-MF+T0+（1-α）f，p1=1時，F′（p1）>0;當p2>1-MF+T0+（1-α）f，p1=0時，F′（p1）<0。當平臺選擇合規經營的概率p2大于一定程度時，政府部門積極監管的概率不斷減小，消極監管成為博弈下政府部門最優策略。政府部門演化博弈策略趨勢如圖1所示。

（a）當p2=1-MF+T0+（1-α）f時（b）當p2<1-MF+T0+（1-α）f，p1=1時 （c）當p2>1-MF+T0+（1-α）f，p1=1時

2.平臺的演化博弈策略

當平臺選擇合規經營的時候，期望收益值為

Eb1=d+δ-m（5）

當平臺選擇違規經營的時候，期望收益值為

Eb2=d+βA-ω-p1T0（6）

平臺選擇合規與否相關策略的復制動態方程為

dp2dt=p2（1-p2）（p1T0+δ+ω-m-βA）（7）

式（5）（7）中：dp2dt表示隨著時間的推進，平臺選擇合規經營的概率的變化速度。對F（p2）進行求解

當p1=m+βA-ω-δT0時，F（p2）=0，此時p2處于演化穩定狀態。

當p1≠m+βA-ω-δT0時，若令F（p2）=0，則p2=0或p2=1。對F（p2）進行求導，得

F′（p2）=（1-2p2）（p1T0+δ+ω-m-βA）（8）

當p1<m+βA-ω-δT0，p2=1時，F′（p2）>0;當p1<m+βA-ω-δT0，p2=0時，F′（p2）<0。當政府部門選擇積極監管的概率p1小于一定程度時，平臺選擇合規的概率不斷減小，違規經營成為博弈下平臺最優策略。

當p1>m+βA-ω-δT0，p2=1時，F′（p2）<0;當p1>m+βA-ω-δT0，p2=0時，F′（p2）>0。當政府部門選擇積極監管的概率p1大于一定程度時，平臺選擇合規經營的概率不斷增加，合規經營成為博弈下平臺最優策略。其演化博弈策略趨勢如圖2所示。

（a）當p1=m+βA-ω-δT0時? （b）當p1<m+βA-ω-δT0，p2=1時? （c）當p1>m+βA-ω-δT0，p2=1時

3.演化博弈的進一步分析

得出了政府部門與平臺的復制動態方程之后，對方程式（3）、（7）的穩定性和均衡點進行分析，令F（p1）=F（p2）=0，得到4個可能的均衡點，分別是A（0，0），B（1，0），C（0，1），D（1，1）。此博弈系統的中心點為E（p1*，p2*），其中，p1*=m+βA-ω-δT0，p2*=1-MF+T0+（1-α）f 。博弈系統的雅可比矩陣為

J=F（p1）p1，F（p1）p2F（p2）p1，F（p2）p2（9）

此雅可比矩陣的行列式（detJ）和跡（trJ）分別如式（10）、（11）所示。

detJ=F（p1）p1F（p2）p2-F（p1）p2F（p2）p1（10）

trJ=F（p1）p1+F（p2）p2（11）

在幾何二維坐標的第一象限中，對A、B、C、D、E五個點的穩定性進行分析，分別計算這五個點的行列式（detJ）和跡（trJ），得出均衡點對應的行列式（detJ）與跡（trJ）的數值如表2所示。

由表2可知，此博弈系統存在一個鞍點E（p1*，p2*）。其中，p2*>1的條件顯然不成立。對p1*和p2*的取值進行分情況討論。

情況一，p1*<0，p2*<0 ，則有δ+ω-m-βA>0，F+T0+（1-α）f-M<0，此時C（0，1）為ESS點。

情況二，p1*<0，0<p2*<1，則有δ+ω-m-βA>0，F+T0+（1-α）f-M>0，此時C（0，1）為ESS點。

情況三，0<p1*<1，p2*<0，則有-T0<δ+ω-m-βA<0，F+T0+（1-α）f-M<0，此時A（0，0）為ESS點。

情況四，0<p1*<1，0<p2*<1，則有-T0<δ+ω-m-βA<0，F+T0+（1-α）f-M>0，此時沒有穩定點。

情況五，p1*>1，p2*<0，則有δ+ω-m-βA<-T0，F+T0+（1-α）f-M<0，此時A（0，0）為ESS點。

情況六，p1*>1，0<p2*<1，則有δ+ω-m-βA<-T0，F+T0+（1-α）f-M>0，此時B（1，0）為ESS點。

證明：根據各個均衡點處雅可比矩陣的跡（trJ）及行列式（detJ）的值判斷穩定性。當變量滿足情形p1*<0，p2*<0時，其判別情況如表3所示。其他情形判別方法一致，后文不再詳述。

系統最終演化結果對應的均衡點以及所滿足的參數條件如表4所示，6種情況分別對應的演化圖如圖3所示。

四、數值仿真模擬

基于上文分析，系統的演化穩定結果取決于相關參數的初始條件及變動情況。為更直觀地反映主體的行為演化路徑以及參數取值對演化穩定結果的影響，本節根據政府部門對平臺違規經營行為的懲罰力度、平臺潛在收益和違規收益的大小設置了4種場景，分別運用軟件Matlab 7.0對模型結果進行數值仿真分析，得到系統動態演化圖（圖4圖7），其中，橫軸表示系統的演化時間，縱軸表示政府部門積極監管的比例和平臺合規經營的比例。

（一）政府部門懲罰力度與平臺潛在社會收益均較小的博弈模型

博弈初期，網絡直播作為一類新興事物，由于法律的滯后性，且政府對于網絡直播這一行業的發展持培育寬容態度，對網絡直播平臺的違規經營行為打擊力度較小。此時，社會公眾對綠色網絡直播的偏好不高，平臺對主播違規行為進行監測并查處所獲得的潛在社會收益與違規經營損失的潛在社會收益之和較小，即為模型中δ+ω與T0較小的情況。此時滿足δ+ω-m-βA<0，F+T0+（1-α）f-M<0條件（場景1）。參數取值為δ+ω=5，m=4，βA=15，F=5，T0=5，（1-α）f=5，M=20，系統仿真模擬結果如圖4所示。

由圖4可知，當懲罰力度與平臺潛在社會收益均較低時，假定政府部門群體選擇積極監管策略和平臺群體選擇合規經營策略的初始比例為0.8，隨著時間的推移和雙方博弈次數的增加，政府部門群體傾向于選擇消極監管，而平臺群體傾向于選擇違規經營。此種情況下，政府部門選擇消極監管的收益大于積極監管的收益，消極監管成為政府部門在博弈中的占優策略。而平臺選擇合規經營的期望收益小于違規經營的期望收益，利益驅動下的平臺將選擇對主播的違規行為持縱容包庇態度，違規經營成為平臺在博弈中的占優策略，此時博弈系統向穩定結果（0，0）演進。

（二）政府部門懲罰力度較小、平臺違規收益較大的博弈模型

隨著政府部門相關政策法規的不斷完善，以及技術的改進，此時，相比于場景1的懲罰力度有了一定幅度的增加，但是增加幅度有限，并不足以使平臺改變自身策略。隨著網絡直播行業的興起，用戶基數大幅增加，平臺與主播合謀所形成的利益結合體愈發堅固。此時主播違規行為所獲得的利益較大，而平臺若選擇對主播的違規行為進行包庇，則可以得到可觀的收益，此時滿足δ+ω-m-βA<-T0，F+T0+（1-α）f-M>0條件（場景2）。參數取值為δ+ω=10，m=4，βA=30，F=10，T0=10，（1-α）f=5，M=20，系統仿真模擬結果如圖5所示。

由圖5可知，當政府部門對平臺違規經營的懲罰力度有了較小程度的增加，而平臺的違規經營收益比起合規經營收益大時，假定政府部門群體選擇積極監管策略和平臺群體選擇合規經營策略的初始比例為0.8，隨著時間的推移和雙方博弈次數的增加，政府部門的策略選擇趨向于積極監管，平臺的策略選擇趨向于違規經營。此時，政府部門選擇進行積極監管的收益大于消極監管的收益;但由于懲罰力度不夠，平臺選擇違規經營的期望收益大于合規經營的收益，違規經營成為平臺在博弈中的占優策略。此時博弈系統向穩定結果（1，0）演進。

（三）政府部門懲罰力度較大的博弈模型

網絡直播行業日趨成熟，政府部門對于直播行業的相關利弊已經有了充分了解，技術手段也有著對應的提升，涉及主播各種違規行為的相關法律法規已經完善，政府部門對平臺違規經營的懲罰力度大大增加，此時的懲罰力度對平臺具有一定的約束性，但這種約束作用有限，并不足以使政府部門的監管收益大于監管成本，卻已足夠使監管收益與積極監管所挽回的社會福利損失之和大于監管成本，此時，政府部門群體積極監管與消極監管行為并存;而隨著網絡直播的普及化，社會公眾對綠色網絡直播的偏好提高，主播違規行為的收益比起場景2已經有所下降。此時條件滿足-T0<δ+ω-m-βA<0，F+T0+（1-α）f-M>0（場景3）。參數取值為δ+ω=10，m=4，βA=23，F=10，T0=20，（1-α）f=5，M=15，系統仿真模擬結果如圖6所示。

由圖6可知，當政府部門的懲罰力度增加到一個處于決定性的數值之時，整個系統的演化策略發生了改變。假定政府部門群體選擇積極監管策略和平臺群體選擇合規經營策略的初始比例為0.8，隨著時間的推移和雙方博弈次數的增加，政府部門的策略與平臺的策略呈現出一種周期性的變化。此時，由于政府部門懲罰力度較大，平臺合規經營的收益大于違規經營的利益，但由于政府部門群體積極監管與消極監管并存，從而導致了平臺群體合規與違規的并存。此時，政府部門群體和平臺的行為選擇相互依賴，表現出一種特定的周期行為模式，此情形多存在于政府實施相關政策或發布相關法規的過程中，是現實經濟社會中的一個常見現象，即平臺合規經營的比例與政府部門積極監管的比例變化趨勢一致，出現政府部門公共治理中的“搖擺現象”[25]。此時系統無演化穩定結果。

（四）平臺潛在社會收益較大的博弈模型

隨著網絡直播的逐漸規范化和社會公眾對綠色網絡直播偏好的提高，此時，平臺合規經營所帶來的潛在收益比起違規經營所帶來的潛在收益已經大大增加。當平臺的策略趨向于合規經營，會促使整個平臺的直播內容更加多元化，觀眾類型隨之增加，平臺培養的主播數量也與日俱增，延續了網絡直播平臺的生命力，擴大了行業的影響力。這一系列帶來的變化導致政府部門放松了對平臺的管制，采取消極監管策略，由于不存在政府部門的外部監管，平臺在巨大利益引誘下出現違法意愿，選擇進行違規經營。此時，條件滿足δ+ω-m-βA>0（場景4）。參數取值為δ+ω=25，m=4，βA=15，F=10，T0=5，（1-α）f=5，M=15，系統仿真模擬結果如圖7所示。

由圖7可知，直播平臺的合規經營行為使得其獲得的潛在社會收益較大，隨著網絡直播亂象問題導致的社會福利損失越來越小，政府部門對平臺違規行為的懲罰力度不斷減小。假定政府部門群體與平臺群體策略選擇的初始比例為0.8，隨著時間的推移和雙方博弈選擇次數的增加，政府部門的策略選擇趨向于消極監管，平臺的策略選擇趨向于合規經營。此時，平臺選擇合規經營的期望收益大于平臺選擇違規經營的期望收益。而由于網絡直播行業的規范化，政府部門對平臺進行監管的重視程度下降，無法從中收取罰金，反而浪費了人力物力，因此消極監管成為政府部門在博弈中的占優策略。這種情況是網絡直播治理的最理想情況，此時博弈系統向穩定結果（0，1）演進。但在實際情形中，若政府部門對平臺放松管制，由于不存在政府部門的外部監管，直播平臺采取違規行為不僅能節約檢測成本，而且還可以獲得來自主播的額外收益，在利益的驅動下將選擇違規經營。為防止此種情況發生，政府可以引入第三方監管的機制，以降低政府部門“積極監管”的成本;同時，隨著直播行業市場規模的不斷擴大，政府部門可以考慮優化改革，促進“合規”平臺增加收益，加大對“違規”平臺的處罰力度。

五、結論

在對網絡直播的治理過程中，網絡直播平臺與主播往往存在著合謀的傾向，且在現有制度不夠完善的情況下時有發生。本文基于博弈主體有限理性假設，運用博弈論的思想構建了政府部門與平臺的行為選擇動態演化模型，圍繞懲罰力度、平臺潛在社會收益以及違規收益這3個關鍵參數，深入剖析博弈雙方的行為選擇互動機制，揭示了不同條件下系統的演化穩定結果及演化路徑，并通過Matlab仿真模擬軟件對模型結果進行了驗證。

研究結果表明：第一，政府部門和平臺的策略選擇隨著懲罰力度和潛在社會收益以及違規收益3個參數的取值變化分別呈現出3種穩定狀態（0，0），（1，0），（0，1），以及一種周期性的隨機狀態;第二，系統不存在演化穩定結果（1，1），即當網絡直播行業的規范性達到一定的程度之后，政府會將監管的權責交付給平臺，對平臺的監管力度將會減弱;第三，可通過引入第三方監管機制或優化政府改革的途徑來改變網絡直播行業的風氣;第四，除了關鍵參數懲罰力度T0、平臺潛在社會收益δ+ω以及平臺違規收益βA之外，政府監管成本M、平臺監管成本m、社會福利F、監管挽回的社會損失（1-α）f均會對系統的演化結果產生影響。

基于研究結論提出如下對策與建議。

第一，加大政府部門懲罰力度，降低平臺違規經營收益。在網絡直播行業尚未形成規范良好的風氣之前，政府部門應加大對平臺違規經營行為的懲罰力度，健全相關法律法規，對主播相關違規行為進行界定。若發現平臺對違規主播保持沉默、縱容甚至鼓勵態度，政府部門將對平臺收取高額罰金，對個別情節極其惡劣的平臺查封關停，強調網絡直播平臺招募主播時必須實行實名制，并通過官方媒體如中央電視臺、官方微博等渠道從輿論方面對違規經營的直播平臺進行警告，并嚴令整改，從而改善網絡直播行業的風氣，減少平臺的違規經營收益，以達到網絡直播行業治理的最理想效果。

第二，增大平臺合規經營潛在收益。政府部門對合規經營的平臺應采取一定的激勵措施，在相關的政策方面給予一定的傾斜，在相關文件中對合規經營的平臺進行扶持，提高該類平臺的曝光率，樹立優秀者為典范，為優質網絡直播平臺的發育成長提供更好的環境，使平臺合規經營者的潛在收益增長，促使整個網絡直播的環境向合規經營轉化。當合規經營平臺可以在規范化的直播運營中獲得更多的利益時，網絡直播行業就能得到很好的發展，整個網絡直播監管也會越來越理想化。

第三，降低政府監管成本與平臺監察成本。政府部門應降低自身的監管成本，在監管平臺時應明確主體權責，厘清各部門的職能，合理分工，建立稅收、工商、文化和新聞出版等部門的聯動機制，組建統一的市場監管部門，建立統一的市場監管機構，避免出現監管主體不明、政策文件重合等情況。同時，敦促平臺精簡機構，提高技術，降低平臺對違規主播的監察成本，優化網絡直播大環境。

由于仿真數值實驗在模擬的條件下進行，故下一步可以進行實證分析，通過實證采集到的數據，對網絡直播的監管進行進一步分析。

參考文獻：

[1]喻昕，許正良.網絡直播平臺中彈幕用戶信息參與行為研究——基于沉浸理論的視角[J].情報科學，2017（10）：147-151.

[2]司凱威.直播分享網站節目監管策略研究[J].數字傳媒研究，2016（4）：47-49.

[3]中國互聯網絡信息中心.第48次《中國互聯網絡發展狀況統計報告》[R/OL].（2021-08-27）[2021-08-31]. http：//www.ce.cn/cysc/tech/gd2012/202108/27/t20210827_36854362.shtml.

[4]李鋼，宋強.中國互聯網低俗內容監管的博弈分析[J].管理評論，2011（10）：77-82.

[5]周劍平.電商直播監管的難點與對策創新[J].中國流通經濟，2021（8）：72-80.

[6]趙樹梅，梁波.直播帶貨的特點、挑戰及發展趨勢[J].中國流通經濟，2021（8）：61-71.

[7]張旻.熱鬧的“網紅”：網絡直播平臺發展中的問題及對策[J].中國記者，2016（5）：64-65.

[8]任丙強.我國互聯網內容管制的現狀及存在的問題[J].信息網絡安全，2007（10）：33-36.

[9]付業勤，羅艷菊，張仙鋒.我國網絡直播的內涵特征、類型模式與規范發展[J].重慶郵電大學學報（社會科學版），2017（4）：71-81.

[10]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（6）：57-60.

[11]禹玉琳.淺析我國網絡直播平臺監管主體的問題及對策[J].法制與社會，2017（26）：179-180.

[12]李亞兵，張家瑞.網絡直播治理策略的演化博弈——基于利益相關者視角[J].經濟與管理，2020（2）：25-31.

[13]張濤.我國網絡表演直播中政府規制機制初探[J].行政與法，2017（5）：12-21.

[14]SMITH J M. Evolution and the Theory of Games[M].Cambridge：Cambridge University Press，1982：202-215.

[15]常建偉，趙劉威，杜建國.企業環境行為的監管演化博弈分析和穩定性控制——基于系統動力學[J].系統工程，2017（10）：79-87.

[16]QI B， YU X， GUO L. Establishment and Application of Green Procurement Model in Government Incentives based on Evolutionary Game Theory[J]. Journal of Shenyang Jianzhu University，2010（4）：813-816.

[17]FENG P， BAO X I， LIN W， et al. Analysis on Environmental Regulation Strategy of Local Government based on Evolutionary Game Theory[J]. Systems Engineering：Theory & Practice，2015（6）：1393-1404.

[18]盧安文，何洪陽.基于演化博弈的互聯網信息服務業多元協同治理研究[J].運籌與管理，2020（11）：53-59.

[19]劉偉，夏立秋，王一雷.動態懲罰機制下互聯網金融平臺行為及監管策略的演化博弈分析[J].系統工程理論與實踐，2017（5）：1113-1122.

[20]潘定，謝菡.數字經濟下政府監管與電商企業“殺熟”行為的演化博弈[J].經濟與管理，2021（1）：77-84.

[21]曲衛華，顏志軍.公眾參與下的企業能源消費行為演化研究[J].系統工程理論與實踐，2016（10）：2537-2548.

[22]盧方元.環境污染問題的演化博弈分析[J].系統工程理論與實踐，2007（9）：148-152.

[23]詹文杰，鄒軼.基于演化博弈的討價還價策略研究[J].系統工程理論與實踐，2014（5）：1181-1187.

[24]王先甲，全吉，劉偉兵.有限理性下的演化博弈與合作機制研究[J].系統工程理論與實踐，2011（S1）：82-93.

[25]姚引良，劉波，郭雪松，等.地方政府部門網絡治理形成與運行機制博弈仿真分析[J].中國軟科學，2012（10）：159-168.

Evolutionary Game Analysis and Simulation Research on the SupervisionStrategy of Network Broadcast Platform

WAN Xiaoyu， ZHAO Siqi

（School of Economics and Management， Chongqing University of Posts and Telecommunications， Chongqing 400065， China）

Abstract：

In view of the current situation in China’s network live industry， this paper uses evolutionary game theory to build a dynamic evolution model between government departments and direct seeding platforms， focusing on the punishment of government departments on network broadcast platform violations， and the size of three key parameters of the potential revenue and illegal income of direct seeding platform. Matlab7.0 numerical simulation tool is used to simulate the interaction process between government departments and webcast platforms in four scenarios. The study shows that when the value of key parameters is located in different numerical intervals， the system presents three evolutionary stable results and a periodic random state respectively， and increases the punishment for the violation of the network broadcast platform， increases the potential revenue of the compliance and reduces the income of the violation， which is beneficial to guide the network broadcast platform strategy. The conclusions provide theoretical basis and reference for policy making and decision-making implementation of government departments.

Keywords：network broadcast platform; government supervision; punishment intensity; evolutionary game

（編輯：段明琰）

收稿日期：2021-02-28修訂日期：2021-09-15

基金項目：教育部人文社會科學研究規劃基金項目：共享經濟模式下顧客融入行為的動因及作用結果研究（19XJA630004）

作者簡介：

萬曉榆，教授，博士，主要從事共享經濟和數字經濟研究，E-mail：wanxy@cqupt.edu.cn;

趙思齊，碩士研究生，主要從事信息經濟學和博弈論研究，E-mail：1104271840@qq.com。