基于復雜網絡的在線口碑傳播模型研究

摘 要： 在線口碑已成為信息傳播領域的核心力量，對其進行系統分析對于理解當代社交媒體環境中的消費者行為至關重要。論文引入了傳播激活和接受激活的概念，基于病毒傳播的SIR模型構建在線口碑傳播模型，并運用復雜網絡和系統仿真的方法模擬在線口碑傳播過程，深入探討了不同因素對在線口碑傳播規模的影響，識別了在線口碑傳播網絡中各個節點的特征并分析了網絡的結構特性。結果表明，不同因素對在線口碑傳播規模的作用不同，且關鍵節點和免疫節點具有不同的屬性特征。此外，研究還發現在線口碑傳播網絡具有小世界特性和無標度特性，該結論進一步豐富了在線口碑傳播的理論框架，也為企業網絡營銷策略及產品質量追溯的優化等提供一定的應用參考。

關鍵詞： 在線口碑；口碑傳播模型；復雜網絡；Netlogo

中圖分類號： TP 273

文獻標志碼： A

Research on Online Word-of-Mouth PropagationModel Based on Complex Network

Abstract： Online word-of-mouth has become an important method to spread word-of-mouth， and the process of online word-of-mouth communication is systematically analysed in order to truly reflect the behaviour of word-of-mouth communication. Considering the influencing factors of word-of-mouth， this paper proposes an online word-of-mouth communication model based on the SIR model of virus transmission. Then， complex network and system simulation are used to simulate the online word-of-mouth communication process. This paper aims to explore the effects of the influencing factors of online word-of-mouth communication on the scale of word-of-mouth communication， identification of the characteristics of each node， and analysis of structural characteristics in the online word-of-mouth communication network. The results show that different factors have different effects on the scale of online word-of-mouth communication. The attribute characteristics of key nodes and immune nodes are different. Moreover， online word-of-mouth communication networks have small world characteristics and scale-free features.

Key words： online word-of-mouth; word-of-mouth communication model; complex network; Netlogo

綜合現有文獻發現，目前研究主要集中于在線口碑如何影響消費者購買決策，對其傳播過程及傳播網絡的關注較少，在構建在線口碑傳播網絡時，多采用實證研究方法，側重于分析靜態的影響因素，忽視了消費者個體間的相互作用。此外，現有的在線口碑形成與傳播過程研究多依賴于解析數學模型或消費者行為分析，難以真實反映口碑傳播的復雜性。因此，如何全面、系統地分析在線口碑傳播過程已成為學術界亟待解決的問題。

鑒于此，本文采用系統仿真的方法研究在線口碑傳播的影響因素，動態地考察各因素對在線口碑傳播的作用，基于病毒傳播SIR模型和復雜網絡理論研究在線口碑傳播過程模型和在線口碑傳播網絡的結構特征，彌補了實證研究方法的不足，為在線口碑傳播影響因素研究提供了一種新視角。與以往的在線口碑傳播模型不同，本文在構建模型時加入傳播影響因素，考慮影響因素對傳播過程的影響，并在口碑傳播過程中引入傳播激活和接受激活的概念，使在線口碑傳播模型更加貼近實際情況。本文的研究不僅深化了對在線口碑傳播過程的理解，也為企業改善網絡營銷策略、優化產品質量追溯流程、提升品牌形象及指導消費者決策等具有重要的實踐意義。

1 相關研究現狀述評

1.1 口碑影響因素研究現狀

當前在線口碑影響變量的研究主要集中在傳播者、傳播內容和接收者三方面。對接收者而言，口碑傳播過程中主要關心在線評論的來源可靠性。來源可靠性指接收者對于信息來源的感知可靠性，包括兩個重要的方面：傳播者專業能力和傳播者可信度。傳播者的專業能力是指信息傳播者被信息接收者所感知到能提供正確信息的能力。Bansal的研究證明傳播者的專業能力越強，接收者對其傳播的口碑信息越信任，進行再傳播的意愿也更高。傳播者的可信度是接收者對傳播者個人特質的判斷，包括其地位、聲譽和經驗等，傳播者的可信度越高，其傳播的在線口碑的影響力越大。人們在網絡中傳播口碑信息往往受一定動機驅使，一般包括利他動機和自我提升動機兩部分。出于利他動機的傳播者是為了幫助他人購買到滿意的產品和服務或防止他人上當受騙，而出于提升自我動機的傳播者是為了提高自己在網絡社區的地位、聲譽。因此，本文納入傳播者的專業能力、可信度、傳播動機和傳播者與接收者的關系強度這四個變量，以研究其對在線口碑傳播的影響。

在傳播內容方面，研究者普遍認為口碑效價是有說服力的，正面在線口碑強調產品或服務的優勢并鼓勵人們購買，相反，負面口碑則強調產品/服務的弱勢并不鼓勵人們購買。Baumeister等還發現負面效價比正面效價更有影響力。除了口碑效價，口碑的數量和質量也會影響在線口碑傳播的效率和質量。在線口碑的數量往往體現出某種產品的流行程度。Jumin等研究發現消費者的購買意向會隨著口碑數量的增加而提高。Filieri等的研究表明信息的質量（包括信息的準確性、相關性和及時性）會影響消費者對口碑信息的認同，從而影響口碑的傳播。因此，本文將口碑效價、口碑質量、口碑數量納入在線口碑影響因素模型。

在接收者方面，總結過往研究發現，涉入度、感知風險和專業能力三個因素會影響口碑傳播意愿。涉入度指產品或服務與顧客相關度或者對顧客的重要程度，消費者涉入度越高，對產品口碑信息的關注度越高，其參與傳播積極性也越大。接收者的專業能力決定了接收者對在線口碑內容的理解程度，Bloch等研究發現該能力正向影響口碑傳播的規模。感知風險大小指信息接收者感受到產品/服務的重要性與價值不確定性的乘積。接收者認為產品/服務很重要，且價值不確定性越高，其感知風險則越大，進而再傳播該口碑信息的意愿就越小。綜上，本文將接收者的涉入度、接收者的專業能力、感知風險大小作為影響在線口碑傳播的因素。

1.2 復雜網絡的研究現狀

復雜網絡簡而言之即呈現出高度復雜性的網絡。近年來，復雜網絡理論逐漸被運用到口碑傳播過程研究中，如李園偉等構建了一種新口碑信息傳播模型De-SHIR模型，探究口碑信息傳播的宏觀規律以及微觀個體特質對其傳播的影響。目前，也有部分學者開始借鑒病毒傳播中經典的SIR模型和采用元胞自動機或多Agent建模仿真的方法來動態地考察分析在線口碑傳播過程。焦玥用元胞自動機模型分析了不同類型口碑、不同消費者初始狀態對口碑傳播的影響，但該模型對口碑傳播主體的屬性和傳播過程的設置過于簡單，不能充分反映口碑傳播的復雜性。蔣帥建立了在線口碑傳播的多Agent模型，但在建立模型時對現實情況作了較多的假設和簡化，對傳播衰退系數等參數的估計存在較大的主觀性，從而難以準確反映在線口碑傳播的真實過程和效果。趙敏基于復雜網絡，利用微博數據進行仿真，研究了不同口碑類型和客戶認知度對于在線口碑傳播的影響，但是對在線口碑傳播網絡的結構特性未展開充分研究。在目前為數不多的相關研究中，研究者幾乎都重點關注口碑傳播網絡結構特征，忽略了對傳播過程的深入分析和口碑傳播的影響因素對口碑傳播過程的作用。因此，本文以復雜網絡為視角，在分析在線口碑傳播過程的基礎上，將在線口碑影響因素融入模型中，并利用系統仿真的方法，在研究口碑傳播網絡結構特征的同時驗證各影響因素對在線口碑傳播的作用。

2 在線口碑傳播仿真模型

2.1 基于SIR模型的在線口碑傳播模型

網絡信息傳播研究始于傳染病流行問題，后逐漸延伸至謠言傳播和口碑傳播領域。在病毒傳播過程研究中，SIR模型是最經典的模型之一。該模型將人e3kgFIk05/8FNzoZrCf9MtX3EPnZDnYIimiQ4AwJyQ8=體狀態歸結為三類——易感染狀態S（susceptible）、感染狀態I（infected）和免疫狀態R（remove/recover），其中S狀態的個體可能感染病毒從而變為I類個體，I狀態的個體可以將病毒傳染給S類個體，R狀態的個體是指被隔離或有免疫力的人。由于在線口碑信息傳播過程與病毒傳播過程具有相似性，即在在線口碑傳播過程中，潛在傳播者有一定概率進行口碑傳播，口碑接收者可能接受口碑信息成為潛在傳播者，同時也可能不接受口碑信息而成為免疫者。因此，本文提出的在線口碑傳播模型是建立在SIR模型基礎之上的。

結合病毒傳播SIR模型的概念，本文認為在線口碑傳播網絡中與之相對應的三類個體即為接收者（S）、潛在傳播者（I）和免疫者（R）。其中，接收者（S）是指互聯網上的網民個體，他們會接觸到傳播者在網絡中傳播的口碑信息，并且會根據自身的知識和經驗對信息進行判斷，有一定的概率成為潛在傳播者，也有一定的概率成為免疫者；潛在傳播者（I）是指接觸到口碑信息并且認同口碑信息內容的個體，其有一定的概率將口碑信息傳播給接收者；免疫者（R）是指接收到口碑信息但不認同口碑信息內容的個體，其對本次口碑傳播免疫，也不會再傳播口碑信息。

在分析在線口碑的影響因素及傳播過程的基礎上，本文將影響因素融入在線口碑傳播模型中，認為三大類影響因素對消費者傳播意愿的作用將通過影響消費者的傳播激活概率和接受激活概率體現。根據前人實證研究的成果，本文在模型中假設傳播者傳播動機通過影響傳播者的傳播激活概率從而影響在線口碑的傳播；假設接收者專業能力、傳播者可信度、接收者涉入度、傳播者專業能力、接收者感知風險、口碑質量和口碑數量會通過影響接收者的接受激活概率從而影響在線口碑的傳播；假設傳播者與接收者的關系強度、口碑效價對傳播激活概率和接受激活概率均有影響。為了避免模型過于復雜，暫時不考慮各影響因素之間可能存在的因果關系，由此構建的在線口碑傳播模型如圖1所示。

本文構建的在線口碑傳播模型中引入了傳播激活和接受激活兩個概念，使在線口碑傳播模型更容易用計算機語言來表達。潛在傳播者受到自身傳播動機、傳播能力等的影響會選擇是否傳播口碑信息，這就是傳播激活。口碑接收者在某次口碑傳播過程中可以選擇不接受口碑信息即變成免疫狀態，或者認可口碑信息內容，從而進一步選擇是否成為潛在傳播者繼續傳播口碑信息，這就是接受激活。同樣，潛在傳播者也需要傳播激活才會進行實際的口碑信息再傳播行為。

2.2 在線口碑傳播仿真模型

在2.1節構建的在線口碑傳播模型的基礎上，本文利用多Agent技術構建在線口碑傳播仿真模型，通過仿真實驗模擬在線口碑的傳播過程，研究影響因素對在線口碑傳播規模的作用并分析在線口碑傳播網絡的結構特性。本研究認同以往學者將在線口碑劃分為初始傳播和再傳播兩個階段的理念，并認為再傳播是在線口碑信息大范圍快速傳播的關鍵，因此主要研究再傳播階段的在線口碑傳播，在仿真實驗時不考慮在線口碑的初始傳播，只考慮在線口碑的再傳播。此外，由于口碑效價在傳播過程中不可控，因此在仿真模擬時不考慮口碑效價因素對在線口碑傳播的影響。在線口碑傳播仿真模型如圖2所示。

3 模型仿真模擬

3.1 仿真研究假設

本仿真模型用Netlogo軟件。考慮到現實生活中在線口碑傳播的復雜性，為了達到本次仿真模擬的目標，有必要對現實情況進行一定的簡化。為此，本仿真研究有如下4項假定：

H1：只考慮在線口碑傳播仿真模型中的影響因素，且這些影響因素可量化。

在仿真實驗部分只考慮在線口碑傳播仿真模型中的9個影響因素，至于這些因素對在線口碑傳播規模的影響作用有多大，本文只做定性研究。

H2：只考慮一個初始在線口碑源的情形。

在現實中，在線口碑傳播可能存在多個初始傳播源。由于多個初始傳播源的口碑傳播過程和單個初始口碑傳播源的傳播過程是一樣的，考慮到計算機運算能力有限，因此適當簡化仿真模擬過程，只考慮一個初始在線口碑源的情形。

H3：影響因素取值總體符合正態分布。

錢斌在對餐飲行業口碑傳播的實證研究中發現，在線口碑傳播影響因素的取值服從正態分布。因此，本研究假設在線口碑傳播中每個影響因素取值的概率分布總體符合正態分布。

H4：仿真時每輪在線口碑傳播對應一個時間單元。

本研究假定在Netlogo軟件進行仿真模擬實驗時選擇連續更新方式，每個時間單元內進行一輪在線口碑傳播，不存在同一時間單元內進行兩輪在線口碑傳播的情形。

3.2 仿真主體屬性描述

本研究的目標主要是針對傳播行為的主體，包括潛在傳播者、接收者和免疫者，根據在線口碑傳播過程的描述，這三類主體的屬性可以分為以下四類：第一類是在線口碑傳播影響因素；第二類是主體傳播激活和接受激活的概率值，包括主體人際再傳播概率、群體再傳播概率和主體接受激活概率；第三類是程序運行過程中所需的一些中間變量；第四類是全局變量，用來計算傳播網絡結構特征，包括節點的平均路徑長度和度分布。全局變量直接調用Netlogo軟件內置的屬性變量，前三類屬性的具體設置如表1所示。

上面對于主體屬性的描述中，主體在線口碑傳播影響因素屬性的賦值采用數字1～100，數字越大表示其影響作用越大。第二類屬性中，主體傳播激活概率值和接受激活概率值取決于其影響因素屬性值的高低。其中，傳播激活概率值等于傳播者傳播動機和傳播者與接收者的關系強度兩個因素取值的平均值。接受激活概率值等于傳播者與接收者的關系強度、接收者專業能力、傳播者可信度、接收者涉入度、傳播者專業能力、接收者感知風險、口碑質量和口碑數量八個因素取值的平均值。

3.3 仿真主體交互規則描述

主體Agent之間的交互規則描述了主體的人際再傳播行為、群體再傳播行為以及接受口碑信息行為需要遵從的行為準則，因此本研究主體間的交互規則即為潛在傳播者個體的傳播激活規則和接收者個體的接受激活規則。

主體Agent的人際再傳播激活規則：如果潛在傳播者的人際再傳播激活概率值大于一個0～100的隨機數，則進行人際再傳播，將口碑信息通過一對一在線溝通形式傳播給下一個接收者。

主體Agent的群體再傳播激活規則：如果潛在傳播者的群體再傳播激活概率值大于一個0～100的隨機數，則進行群體再傳播，將口碑信息轉載/轉發到網絡平臺，其影響范圍是群體性的。

主體Agent的接受激活規則：每次接受仿真時，如果個體的接受激活概率值大于一個0～100的隨機數，則表示其認可口碑信息，成為下一個潛在傳播者；如果接受激活概率值小于這一隨機數，則表示其不認可該次傳播的口碑信息，成為本次口碑信息傳播中的免疫者。

3.4 仿真算法

在Netlogo軟件中，在線口碑傳播過程的仿真是通過不斷地重復執行每一步的仿真算法實現的。仿真算法說明了每一個仿真步長的所有操作，包括每一個Agent屬性的變化、Agent之間的信息交互和新Agent的產生。本研究的仿真算法如圖3所示，算法闡明了每一個主體在每次口碑傳播過程中屬性狀態的變化。

對于上述仿真執行算法中的8個關鍵步驟做進一步的說明：

（1）給網絡中每個IsGroup=1且IsAccept=1的群體傳播節點連接一個新節點，并設置屬性值； 給網絡中每個IsGroup=0且IsAccept=1的人際傳播節點連接一個新節點，并設置屬性值。該步驟表示網絡中進行群體傳播的節點在本次仿真步長中將口碑信息傳播給一個新的接收者，并且在下一次仿真步長再次添加一個新的接收者，以此類推直至仿真結束，而網絡中進行個體傳播的節點在本次仿真步長中將口碑信息只傳播給一個新的接收者。

（2）判斷新節點是否接受口碑信息，如果接受則成為潛在傳播者，將其IsAccept設為1，并在下一步判斷是否進行人際再傳播或群體再傳播，執行（3）和（4）。如果不接受則成為本次口碑傳播的免疫者，將其IsAccept設為0且不再參與口碑信息的傳播，不再執行（3）和（4）。

（3）判斷IsAccept=1新節點是否人際再傳播口碑信息，如果主體進行人際口碑再傳播，則將其Is-to-Person值設為1;如果不進行人際再傳播，則將其Is-to-Person值設為0。

（4）判斷IsAccept=1的新節點是否群體再傳播口碑信息，如果主體進行群體口碑再傳播，則將其Is-to-Group值設為1;如果不進行群體再傳播， 將其Is-to-Group值設為0。

（5）將所有Is-to-Person=1且IsAccept=1的節點連接一個新節點并設置屬性值，設新節點的IsPersonNew=1；將所有Is-to-Group =1且IsAccept=1的節點連接一個新節點并設置屬性值，設新節點的IsGroupNew= 1。對于經判斷后決定進行人際再傳播的節點，產生一個新節點與之相連，表示其將口碑信息傳遞給了一個新的接收者。對于經判斷后決定進行群體再傳播的節點，產生一個新節點與之相連，表示其將口碑信息傳遞給了一個新的接收者。

（6）判斷新節點是否接受口碑信息，如果接受則成為潛在傳播者，將其IsAccept設為1，并在下一步判斷是否進行人際再傳播或群體再傳播，執行（3）和（4）。如果不接受則成為本次口碑傳播的免疫者，將其IsAccept設為0且不再參與口碑信息的傳播，不再執行（3）和（4）。

4 仿真結果分析

在本研究的仿真實驗中將仿真步長定位為40步，即模擬在線口碑信息在網絡平臺中進行40次傳播的情形。仿真模型的界面如圖4所示。圖4中黃色圓點代表初始在線口碑傳播源。與黃色節點直接相連接的節點是初始口碑傳播源傳播產生的，其他節點則是通過口碑再傳播行為產生的。其中：紅色節點表示群體再傳播節點；灰色節點表示口碑傳播的免疫者；黑色節點表示該節點是通過紅色節點群體再傳播接觸到在線口碑信息的；藍色節點表示該節點是通過其他節點人際傳播行為才接觸到在線口碑信息的。圖4中節點之間的連線表示在線口碑信息在傳播者和接收者之間的傳播。所有的節點和連線組成了在線口碑傳播網絡。

對于在線口碑傳播影響因素的作用，本文共研究了9個影響因素，包括傳播者的專業能力、傳播者的可信度、傳播者的傳播動機、傳播者與接收者的關系強度、接收者的涉入度、接收者的專業能力、接收者的感知風險、口碑數量、口碑信息質量。

在研究這9項因素對在線口碑傳播規模影響作用實驗中，在控制其他8個因素不變的前提下，分別對每項影響因素的取值分布總體的平均值進行控制。平均值Mean設置4個不同的值，分別取15、40、65、90，方差取1保持不變。對每個不同的值重復實驗10次，記錄每次在線口碑傳播網絡的規模。通過對40次實驗數據的分析，得到影響因素對在線口碑傳播規模的作用。

在控制其他8個變量不變的前提條件下，設置不同的某一屬性值。仿真模擬得到的結果如圖5-13所示。

結果表明：總體而言，傳播者的專業能力正向影響在線口碑傳播規模，即傳播者專業能力越強，傳播規模越大；傳播者的可信度正向影響在線口碑傳播規模，即傳播者可信度越高，傳播規模越大；傳播者的傳播動機正向影響在線口碑傳播規模，即傳播者傳播動機越強，傳播規模越大；傳播者與接收者的關系強度正向影響在線口碑傳播規模，即傳播者與接收者的關系強度越高，傳播規模越大；接收者涉入度正向影響在線口碑傳播規模，即接收者涉入度越高，傳播規模越大；接收者專業能力正向影響在線口碑傳播規模，即接收者專業能力越強，傳播規模越大；接收者感知風險負向影響在線口碑傳播規模，即接收者感知的風險越大，傳播規模越小；口碑數量正向影響在線口碑傳播規模，即口碑數量越多，傳播規模越大；口碑信息質量水平正向影響傳播規模，即口碑質量水平越高，傳播規模越大。

對仿真結果進一步分析發現，這些因素在實驗中對于在線口碑傳播規模的影響并不是確定的。一方面，每次在線口碑傳播網絡的規模都是不確定的，例如當口碑的質量固定時，每次傳播規模也都在發生變化；另一方面，影響因素的作用只是整體的趨勢，并不是絕對的，而且相同值的波動很大，如圖13中的第二次實驗所示，口碑的質量Mean=90時，模擬結果的節點總數甚至小于Mean=40和Mean=65時的實驗結果。

本文將進行在線口碑群體再傳播的節點稱為關鍵節點（標識為紅色），將不接受在線口碑傳播信息內容的節點稱為免疫節點（標識為灰色）。研究關鍵傳播節點和免疫節點的屬性是本研究的目標之一。為了分析關鍵節點和免疫節點各項影響因素的特點，在仿真實驗中對所有主體的9項影響因素取值分布總體的平均值和方差進行控制，平均值均設置為60，方差均設置為1。仿真實驗40次，每次實驗結束后導出每個節點的屬性值，利用Excel軟件計算40次實驗后各節點屬性的平均值，結果如圖14所示。

對于網絡中的關鍵節點，傳播者可信度、口碑數量水平高于其他類型節點，而口碑質量水平低于其他類型節點；對于網絡中的免疫節點，并沒有哪一項影響因素特別高于其他類型節點，而傳播者的專業能力、口碑數量則普遍低于其他類型節點；對于網絡中的因群體再傳播而產生的節點，傳播者的專業能力、接收者的感知風險水平高于其他類型節點，接收者涉入度、接收者的專業能力明顯低于其他類型節點；對于網絡中的因人際再傳播而產生的節點，傳播者傳播動機明顯高于其他類型節點，接收者感知的風險的水平低于其他類型節點。

對40次模擬仿真實驗數據進行統計分析可知，網絡平均路徑長度為6.27，說明在線口碑傳播網絡具備復雜網絡的小世界網絡特性。

從圖15中可知，網絡中節點的度分布呈現快速下降的趨勢，大部分節點的度都是小于2的，節點的度分布呈現出冪律分布的特點，節點數量隨著時間的推移呈現指數增長趨勢。以上特征說明在線口碑傳播網絡具備復雜網絡的無標度特性。

5 結語

本文在總結前人成果的基礎上，基于復雜網絡理論，采用多Agent技術建立在線口碑傳播仿真模型，并利用Netlogo仿真軟件模擬了在線口碑傳播過程。本文不僅理清了影響在線口碑傳播的關鍵因素，識別出傳播網絡中關鍵節點的特征，還驗證了在線口碑傳播網絡具有復雜網絡的特征，為未來該領域研究打下了基礎。在線口碑傳播的影響因素中，口碑數量和口碑信息質量是商家相對容易控制的因素，商家在進行在線口碑營銷時需要關注口碑信息的質量，同時通過拓展在線口碑傳播的渠道來提升在線口碑傳播的數量。在線口碑傳播網絡中的關鍵節點相當于現實社會中相關領域的專家或者意見領袖，他們接收著大量的口碑信息，并掌握著多種口碑宣傳渠道。因此，企業需要重視意見領袖的作用，在進行在線口碑營銷時可以與社會中的意見領袖進行合作，積極鼓勵、引導其參與在線口碑傳播。此外，仿真結果表明在線口碑傳播網絡呈現出小世界特性和無標度特性，這說明大部分人接觸到在線口碑信息的渠道都是來自自己熟悉的小群體和平時關注的網絡平臺。因此，企業的口碑營銷活動不能局限于現有的客戶市場，而是需要積極發掘更廣泛的、多樣化的宣傳渠道，尤其要充分利用網絡平臺渠道，才能拓展到新的客戶。

本文基于復雜網絡理論和系統仿真的方法，構建在線口碑傳播模型時引入了傳播激活和接受激活的概念，模擬仿真同時關注了在線口碑傳播影響因素對傳播過程的影響和在線口碑傳播網絡的結構特征。但是，本文的研究仍存在一定的局限性。現實生活中，影響在線口碑傳播的因素很多，而且各因素對傳播規模的影響程度各不相同，未來可考慮文中未涉及的因素以及其間的因果關系，并通過問卷調查法、數據挖掘等方法預先了解不同影響因素對傳播激活和接受激活概率值的影響程度，用加權平均數代替均值。此外，本文僅考慮了一個初始口碑源的情況，未來可考慮探析多個不同口碑源的在線口碑傳播情形及口碑線上傳播與線下傳播交叉傳播的情形。

參考文獻：

［1］ SUSSMAN S W， SIEGAL W S. Informational influence in organizations： an integrated approach to knowledge adoption［J］. Information Systems Research， 2003，14（1）：47-65.

［2］ BRISTOR J M. Enhanced explanations of word of mouth communications： the power of relationships［J］. Research in Consumer Behavior， 1990，4（1）：51-83.

［3］ BANSAL H S， VOYER P A. Word-of-mouth processes within a services purchase decision context［J］. Journal of Service Research， 2000，3（2）：166-177.

［4］ TSENG S， FOGG B J. Credibility and computing technology［J］. Communications of the ACM， 1999，42（5）：39-44.

［5］ DELLAROCAS C， ZHANG X M， AWAD N F. Exploring the value of online product reviews in forecasting sales： the case of motion pictures［J］. Journal of Interactive Marketing， 2007， 21（4）：23-45.

［6］ BAUMEISTER R F， BRATSLAVSKY E， FINKENAUER C， et al. Bad is stronger than good［J］. Review of General Psychology， 2001，5（4）：323.

［7］ PARK D H， LEE J， HAN I. The effect of on-line consumer reviews on consumer purchasing intention： The Moderating Role of Involvement［J］. International Journal of Electronic Commerce， 2007，11（4）：125-148.

［8］ LEE J， PARK D H， HAN I， et al. The different effects of online consumer reviews on consumers’ purchase intentions depending on Trust in online shopping malls， an advertising Perspective［J］. Internet Research， 2011，21（2）：187-206.

［9］ FILIERI R， MCLEAY F. E-WOM and accommodation： an analysis of the factors that influence travelers’ adoption of information from online reviews［J］. Journal of Travel Research， 2014，53（1）：44-57.

［10］ 杜學美，丁璟妤，謝志鴻，等.在線評論對消費者購買意愿的影響研究［J］. 管理評論，2016，28（3）：173-183.

［11］ BLOCH P H， SHERRELL D L， RIDGWAY N M. Consumer search： an extended framework［J］. Journal of Consumer Research， 1986，13（1）：119-126.

［12］ ARNDT J. Role of product-related conversations in the diffusion of a new product［J］. Journal of Marketing Research， 1967，4（3）：291-295.

［13］ 李園偉，趙軍.基于多Agent的在線口碑信息傳播建模與仿真［J］.計算機仿真，2023，40（4）：427-433，438.

［14］ 焦玥. 消費者口碑傳播行為及交互影響的模擬仿真研究［J］. 計算機應用研究， 2014， 31（11）： 3234-3239.

［15］ 蔣帥. 基于多Agent仿真的在線口碑傳播網絡形成機制研究［D］.杭州：浙江大學，2010.

［16］ 趙敏. UGC口碑傳播機制及其影響研究［D］. 蘭州：蘭州交通大學， 2016.

［17］ NEWMAN M E J. Spread of epidemic disease on networks［J］. Physical Review E， 2002，66（1）：016128.

［18］ 錢斌. 餐飲類論壇中口碑再傳播現象的實證研究與仿真模擬［D］. 杭州： 浙江大學， 2008.