网络效应与新产品创新扩散系统仿真分析

郭 琳，应洪斌

（1.浙江大学 管理学院，杭州 310058；2.浙江师范大学 经济与管理学院，浙江 金华 321004）

0 引言

随着创新扩散由早期在社会学领域的研究逐渐向新产品领域拓展，创新扩散的研究越来越关注创新如何成功的扩散并且影响扩散的关键因素有哪些。对于部分产品而言，人际间的内部影响不仅仅包括口碑效应，还包括网络效应。网络效应按照影响的广度可以分为全局网络效应和局部网络效应。全局网络效应是指总体采纳比例对新采纳者的影响，而局部网络效应是指个人网络的采纳比例对新采纳者的影响。

随着产品复杂性的提高，潜在采纳者知识对决策影响的作用会更大，知识水平高的用户比知识水平低的用户更容易判断产品的效用，而知识水平非常低的用户因为缺乏对产品信息的整合能力从而无法判断是否应该采纳产品，这时知识水平低的用户会倾向于搜集更多的信息以便降低采纳决策的风险提高采纳决策的判断能力。因此，本研究将口碑效应与网络效应结合，区分了全局网络效应、局部网络效应和邻居间的口碑效应，并基于对上述变量的区分，研究了全局网络效应在局部网络效应和口碑效应存在的基础上是否影响新产品创新扩散的扩散规模以及扩散速度，并且这种影响是否受到产品复杂性的调节作用。

1 研究模型

本研究对Peter van eck,Wander Jager和Peter Leeflang的模型进行了拓展，应用Netlogo对模型进行仿真分析。本研究选择效用函数作为决策准则。在本研究的模型中，引入了两种影响，一种是知识影响，而另一种是社会影响。知识影响主要是指潜在采纳者向他人寻求理解和使用新产品的趋势，而社会影响是指满足其他人期望的趋势。本研究应用传统的两阶段方法来模拟用户的采纳行为，第一阶段是意识到新产品的出现，第二阶段是是否采纳新产品。

在第一个阶段，本研究设计了两种途径让群体了解到新产品的存在。第一种途径是通过大众媒介的方式，在仿真过程中每迭代一次，群体中都会随机有一定比例的节点了解到新产品（比如，本研究设定为1%）。能够受到大众媒体影响的节点，本研究并没有采用传统的两阶段理论，而是借鉴了Watts和Dodds学者的扩散设计。传统的两阶段理论认为，大众媒介的扩散是通过先扩散给意见领袖（Opinion Leaders，OL），然后通过意见领袖扩散给普通用户，但是现有研究认为大众媒介扩散的信息并不局限在扩散给意见领袖，并且随着信息技术的不断发展越来越多的媒介形式也使得大众传播可以让每个个体有一定的概率获得新产品上市的信息。因此本研究的模型也设定接受媒体信息的节点并不局限于意见领袖。第二种途径是通过人际间信息传递发生的。当一个节点采纳了新产品时，他（她）的邻居有可能通过两种方式意识到新产品的出现，第一种方式是他（她）的邻居观察到该节点采纳了该新产品，第二种方式是他（她）向其邻居传递了新产品出现的信息。因此，本研究认为当某节点采纳了某项新产品时，那么他（她）的邻居节点将会意识到新产品的出现。此外，人际间的信息传递还可能通过意见领袖向普通用户的传递。因为意见领袖具有社会地位高、信息渠道广、邻居节点多的特点，因此，当意见领袖获取了新产品出现的信息后，他（她）的邻居节点也会获取到新产品出现的信息，即便意见领袖并未采纳该新产品。

当一个节点意识到新产品的存在时，那么该节点则进入第二个阶段，决定是采纳新产品、拒绝采纳新产品还是等待。根据吸收能力理论，当节点间的知识差距超过特定的值后，知识很难在节点间传递。同样，当节点的知识基础与需要理解和使用该新产品所需的知识之间差距过大的话，那么该节点将会拒绝采纳该新产品。因此，本研究的模型假定当用户的知识基础与产品复杂性的差距超过δ即Ip-I(i,t)＞δ时，该用户将会拒绝采纳该新产品。其中I(i,t)是时间为t时节点i的知识基础，而Ip是指产品复杂性，δ是指知识差距的最大值。当潜在采纳者的知识基础与需要理解和使用产品的知识差距小于等于δ时，那么节点i将会判断采纳该新产品的效用(Ui,t)与自身的效用阈值(Ui,min)的关系。当U(i,t)≥U(i,min)时，节点i将会采纳该新产品，而当U(i,t)＜U(i,min)时，节点i则不会采纳该新产品而处于观察等待的队列。效用函数U(i,t)由知识影响和内部影响两部分组成，其中知识影响(Y(i,t))主要体现产品本身的影响，由节点的知识基础与产品复杂性的差距构成；而内部影响(X(i,t))主要包括口碑效应、局部网络效应和全局网络效应所带来的影响，但是该影响不会超过内部影响对新产品采纳的最大影响，即内部影响的最大影响值是100%。局部网络效应和全局网络效应由E(i,t)表示，对节点的i的影响是通过邻居产生作用，因而对节点的i的影响比直接的口碑效用要小。

当全部节点的采纳状态每迭代一次之后，将会发生一次节点的知识转移的过程。潜在采纳者只会和已经采纳新产品的邻居节点发生知识转移。因为当节点没有采纳新产品时并没有获得使用新产品的经验，因而也不会与其邻居发生关于该新产品的知识交换。当潜在采纳者的邻居采纳了该新产品，并且该邻居的知识基础高于潜在采纳者的知识基础并且知识差距不超过δ时，那么潜在采纳者会获取已采纳邻居节点的部分知识。

上述方程中，βi是节点受外部影响的程度，Nneighbors-accept(i,t)是节点i在时间t其已经采纳的邻居节点总数，Nneighbors-to-tal(i,t)是节点i在时间t的邻居节点的总数。Nneighbors-neighbors--accept(i,t)是节点i在时间t其已经采纳的邻居的邻居节点总数，Nneighbors-neighbors-toal(i,t)是节点i在时间t的邻居的邻居节点总数，Ntotal-accept(t)是时间t全局采纳的节点总数，而μ则是全局网络效应是否可得的0和1变量。因为全局网络效应所能带来的内部影响不能超过内部影响能带来的最大值，因此，X(i,t)+βiE(i,t)最大值为1。模型参数的具体设置如表1所示。

表1 模型的基本参数设置

模型的基本参数设置是基于van eck等学者的设置[9]。在意见领袖的设定方面，本研究遵循一个节点的邻居节点数超过2的时候则成为意见领袖。根据实验仿真的结果，意见领袖占全部节点的16%-17%，符合Rogers对意见领袖的定义。根据意见领袖的特点，意见领袖具有知识水平高和创新意识强及不易受内部影响等特点。本研究将意见领袖的知识分布与普通用户进行了区分，满足了意见领袖知识水平高的要求。对于大众传媒的扩散比率本研究参照了Jeuland的建议，该学者认为大众传媒每次迭代的扩散比率不超过1%。本研究将知识差距的最低值设为0.3，并对该值进行了敏感性分析，发现在该值在0.2（低）、0.3（中）和0.4（高）不会影响结果的显著性。因此，本研究选择了0.3作为知识差距的最低值。根据吸收能力观点，因为有缄默知识的存在，知识转移的双方并不能完全获得对方的知识，因此，本研究将学习能力系数取值为0.8。

在仿真中，本研究共设置了三组对比模型，分别是在新产品复杂性为高、中、低三个情境下潜在采纳者能否感知全局网络效应对新产品创新扩散的影响。三组对比模型的参数设置如表2所示。根据表2可知

表2 各模型参数设置

模型1至模型6中，模型1和模型2是基于产品复杂性高的情境，其中模型1是全局网络效应无法感知，而模型2是全局网络效应可以感知，以此类推，模型3和模型4是基于产品复杂性中等的情境，而模型5和模型6则是基于产品复杂性低的情境。

2 研究结果

2.1 扩散规模

为了保证结果的稳定性，我们对每个模型运行了50次，模拟结果的描述性统计如表3所示。在产品复杂性高、中、低三种情境下，当全局采纳比例信息可得时，扩散规模的均值都要高于全局采纳比例不可得的时候。本研究运用SPSS 16.0对对比模型的扩散规模进行了两样本非参数检验分析，结果如表3所示。根据表3可知，当产品复杂性高时，新产品的全局采纳比例信息可知与全局采纳比例信息不可知相比，均值均具有显著差异（p＜0.001）。与此类似，当产品复杂性中或者低时，全局采纳比例信息可知的新产品创新扩散规模都与信息不可知有显著差异。因此，全局网络效应对新产品的扩散规模有显著正向影响。

表3 各模型的扩散规模和扩散速度的描述性统计以及模型间的显著性水平

本研究关注的重点是全局网络效应和产品复杂性对新产品扩散规模的交互影响。根据表3可知，当产品复杂性高时，如果潜在采纳者无法感知到全局采纳比例，新产品的扩散规模是20.6%（SD.=0.065），而当潜在采纳者可以获取全局采纳比例信息时，扩散规模是35.5%（SD.=0.088），采纳比例提高了72.3%；而当产品复杂性中等时，潜在采纳者可以获取全局采纳比例信息与不能获取该信息时，扩散规模提高了22.9%；当产品复杂性低时，仅提高了3.3%。从上述采纳比例提高的程度及表4上可以看出，随着产品复杂性的降低，全局网络效应对新产品扩散规模的帮助越来越小。

2.2 扩散速度

如表3所示，当产品复杂性高时，不能感知全局采纳比例的扩散速度的均值要高于可以感知全局采纳比例信息时的均值，而在产品复杂性中和产品复杂性低的情境下，潜在采纳者可以感知全局采纳比例的扩散速度的均值要高于不能感知该信息的扩散速的均值。运用两样本非参数检验发现，只有在产品复杂性中等的时候，可以感知全局采纳比例信息的扩散速度显著高于不能感知全局采纳比例信息的速度，而在其他两种产品复杂性的情境下，并未发现扩散速度有显著差异。因此，在无标度网络结构下，全局网络效应不一定对新产品创新扩散的扩散速度有显著正向影响。

表4 扩散规模的双因素方差分析

表5 扩散速度的双因素方差分析

本研究关注的重点同样是全局网络效应和产品复杂性对新产品创新扩散速度的交互影响。运用双因素方差分析发现，全局网络效应和产品复杂性对新产品创新扩散速度存在微弱的交互影响（p＜0.01），如表5所示。因此，随着产品复杂性的不同，全局网络效应对新产品扩散速度的影响存在差异，全局网络效应和产品复杂性对新产品创新扩散速度具有微弱的正向交互作用。

3 结论

本研究的目的是回答全局网络效应和产品复杂性是否会影响新产品创新扩散的规模和速度，以及他们之间是否对新产品创新扩散的规模和速度存在显著交互作用。通过基于智能体的仿真分析和数理统计方法，本研究对上述问题进行了验证。

虽然已有研究发现无论是全局网络效应还是局部网络效应对消费者都有显著的影响，并且发现全局网络效应对新产品扩散的影响要小于局部网络效应。但是，上述的研究是将全局网络效应与局部网络效应分开讨论，而对于潜在采纳者而言，局部网络效应并不会因为全局网络效应的存在而没有影。因此，本研究在局部网络效应产生影响的基础上，研究全局网络效应对新产品扩散的影响。通过分析发现，全局网络效应在局部网络效应存在的基础上对于新产品扩散依然有非常重要的作用。如果消费者可以获取全局采纳比例的信息，那么可以增加整体的采纳比例，但是这种作用会随着产品复杂性的降低而减弱。

全局网络效应与新产品创新扩散速度呈现出更加复杂的关系。基于潜在采纳者的网络结构是无标度网络的背景下，全局网络效应和产品复杂性对新产品创新扩散的扩散速度有微弱的正向交互作用，但是产品复杂性对全局网络效应与新产品扩散速度之间关系的的调节作用并不是简单的线性关系，仅在产品复杂性中等的时候全局网络效应对新产品的扩散速度有显著正向影响。

本研究对新产品扩散的市场策略的制定者同样有着重要的帮助。对于产品复杂性低的产品，虽然全局网络效应对新产品创新扩散规模依然有显著提高，但是实际增长的比率却不大，并且全局网络效用并没有显著提高扩散的速度。本研究并未涉及为潜在采纳者获得全局采纳比例信息的成本，如果考虑该成本，那么全局网络效应对产品复杂性低的新产品并不能产生非常明显的作用，因此对于产品复杂性低的新产品，厂商提供全局采纳比例对新产品扩散并不会产生明显的作用。对于产品复杂性中等的产品而言，全局网络效应对新产品创新扩散的扩散规模和扩散速度均具有显著影响，因此对于这类产品，厂商应该向潜在采纳者提供全局采纳比例的信息。而对于产品复杂性高的产品，全局网络效应虽然对新产品扩散的扩散速度没有显著影响，但是对新产品创新扩散的规模提高了70%以上。因此对于产品复杂性高的产品依然需要重视全局网络效应对潜在采纳者的影响，以助于提高新产品创新扩散的扩散规模。

[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).