过载信息环境下负面口碑的影响

摘 要：随着网络信息传播内容的增加，负面口碑在创新扩散过程中的影响不断扩大。依据ABM模型架构，进行了两品牌的竞争创新扩散的计算机仿真。最终得出结论：在负面口碑影响比正面口碑影响更大的情况下，随着网络中信息的增多和交流的频繁变动，负面口碑的影响更大；但相对来说负面口碑影响的扩散速度相对较慢。企业在新产品的营销中应抓住关键时期，抑制和减少负面口碑。

关键词：竞争创新扩散；电子负面口碑；计算机仿真

一、引言

随着互联网技术渗透进日常生活中的各方面，不同形式的虚拟社区不断出现和发展。在虚拟社区中，个体与其他人通过交流逐渐建立起人际关系并从中获取知识以满足其好奇心或解决问题（Fang and Chiu，2010）。传统的电子商务模式也开始向社会化商务模式（Stephen and Toubia，2010）迈进。企业如何在快速变化和竞争激烈的互联网环境中推广新的产品和服务成为被日益关注的研究方向。有效地对负面口碑进行检测和控制，显得尤为重要。根据以往的研究，负面口碑的强传播性、弱联系的强影响性等已经被发现（Goldenberg，2007），个体异质性、网络结构等同样是重要的因素。

通过利用ABM模型架构，对创新扩散过程进行计算机仿真和分析。目的在于描绘互联网中复杂、不稳定的联系。在传统的阈值模型中引入品牌竞争，分析消费者消费状态的变化，进而得出企业营销策略的侧重点，从而获得竞争优势。

二、理论基础及研究假设

在研究口碑对创新扩散影响的模型中，每个个体有着四种状态：潜在采用者（potential adopters）、满意采用者（satisfied adopters）、失望采用者（disappointed adopters）或拒绝采用者（rejecters）。个体如何做出决策受到先前采用者的影响，尤其是负面口碑（Cronin et al.，Brady，2000；Nitzan and Libai，2011；Oliver，2010）。并且消费者的满意或失望会随着时间变化，这潜在地受到口碑和产品效用的影响（Bolton and Lemon，1999）。有关负面口碑传播决策得到了很多先前ABM（agent-based model）研究的支持（Richins，1983； Anderson，1998；Goldenberg et al.，2007；East et al.，2007）。

消费者的口碑是营销管理课题的重要部分。随着上世纪90年代互联网诞生，日常在线交流成为越来越多网络使用者生活的一部分。电子商务的普及和各种电子消费方式的出现愈发刺激消费者去分享体验和表达诉求。当今时代，已经演化出的电子口碑（electronic word of mouth，eWOM），显示出更大的影响力（Dellarocas，2003）。自媒平台的大量出现（Jensen，2012）和过载的网络信息（Mudambi and Schuff，2010）使得消费者个体之间表现出复杂的关联性行为（King et al.，2014）。网络使用者成份的复杂性使得难以构建清晰的模型。

综上所述，进行了接下来的研究，并做出假设：市场中将要扩散的新产品或服务属于重复购买商品。为了研究的可操作性和可控制性，消费者在一个时间点内立即做出消费决策。

三、模型構建

1.个体决策模型

个体起始状态是潜在采用者，顾名思义即有可能采用创新，但是还没有采用的个体。每个个体都有着某种意义上联系的邻居。率先采用创新的个体，随时间传播信息给一定范围内的邻居。个体收到采用创新的邻居的评价之后，受到这些评价的影响。积极评价有助于个体采用创新，消极评价则起相反的作用；这种影响受到不同性质评价数量的影响。积极影响和消极影响的相关计算公式如下（Amini et al.，2012）：

式子中的-1和-2分别代表失望采用者和拒绝采用者；+表示满意采用者。而S（或W）表示在个体强联系（或弱联系）邻居中处于某种状态的数量。δ代表外部影响，即广告宣传和营销策略等。q代表内部影响，即社会网络内部的口碑影响。ω表示负面口碑影响系数。θ表示弱联系影响系数。

在受到积极和消极的影响之后，个体便有可能改变对该创新的态度，即自身的状态。这些状态分为四种：潜在采用者、满意采用者、失望采用者和拒绝采用者。潜在采用者没有采用创新。满意采用者对创新进行了采用，并做出积极评价。失望采用者采用了创新，但对产品的实际使用情况感到失望。最后一种状态是拒绝采用者，没有采用创新，但传播消极的评价（Goldenberg et al，2007；Moldovan and Goldenberg，2004）。这种假设已经被一些关于消费者抵抗的研究所证实（Oreg and Goldenberg，2015；Szmigin and Foxall，1998）。而且，大多数的负面口碑是通过那些并没有使用该产品或者服务的消费者来传播的（East et al.，2007）。

通过简单的计算能够得到这三个式子的和为1。下面给出满意采用者和失望采用者的状态转换公式，此时影响这两种状态变化的因素来源于创新的实际效用与采用者期望效用之间的差距。

2.个体移动规则

本研究主要设置了两个参数：感知半径和移动半径。这里的半径都用摩尔模型来衡量，即半径的数值代表摩尔模型的阶数。感知半径决定了个体所能感受到邻居影响的范围。移动半径决定了个体所能够移动位置的范围。移动阈值决定了个体是否移动位置。满意采用者、失望采用者和拒绝采用者会依据身边与自己相同状态个体和邻居数量之比同移动阈值进行比较，进而决定是否移动。

四、计算机实验与仿真分析

试验中的所有个体存在于一个二维环面格网上，采用摩尔模型定义个体的邻居。率先采用者是品牌的满意采用者，两品牌的率先采用者数量相同。相关参数具体设置如下：

本实验将感知半径和移动半径分别从0-6依次进行了7次试验，并将实验结果做出统计。下图是对潜在采用者数量随着时间变化的二维统计图，第三个纬度代表各个实验，从实验A到实验G分别对应着对感知半径和移动半径不同的参数设置（0-6）。从图中能够看到随着感知半径和移动半径的扩大，潜在采用者数量减少的速度加快，变化的幅度呈现递减状态。

从满意采用者的统计图中能够得出类似的结论。随着感知半径和移动半径的扩大，满意采用者在获得初期的增长后逐渐变少并数量下降得更快。效用较高的品牌获得了数量更多的满意采用者。

根据失望采用者的统计数据。品牌一在个体不能移动的情况下很难产生失望采用者。个体一旦能够移动，失望采用者就随之产生。随着半径的扩大，失望采用者的数量在时间上呈现由增长至稳定到减少至稳定的变化。对于品牌二，除了在个体不移动的状态下数量缓慢下降并达到一定的稳定状态，其他的情况下都迅速下降至0并保持稳定。

试验中拒绝采用者的数量统计显示出，品牌二拒绝采用者的数量较稳定。但品牌一拒绝采用者的数量随着感知半径和移动半径的扩大，数量上升速度变得更快，达到稳定状态所需要的时间更短。并且稳定状态时的数量也呈现增加的现象。

通过实验能够得到结论，随着感知半径和移动半径的扩大，负面口碑的影响增大，并呈现出不可挽回的状况，满意采用者的数量在初期可能是上升的，但是随着时间逐渐转化为失望采用者，最后转化为拒绝采用者。同时，满意采用者数量在初期的增长速度是大于拒绝采用者或者失望采用者数量增长的。

五、结论

1.理论贡献

通过构建ABM模型对两个竞争性创新在社会网络系统中的扩散进行了研究，在概率模型的基础上加入新的因素，并定义了感知半径和移动半径，主要研究了随着感知半径和移动半径的扩大个体对创新的采用情况。通过计算机仿真进行实验，得到了如下结论：对于负面口碑比正面口碑影响更大的情况下，随着网络中信息的增多和交流的变动，将会使得负面口碑对创新扩散的影响更大；在创新扩散的初期，正面口碑所带来的影响更加迅速，负面口碑的影响的扩散速度相对较慢。

2.营销意义

研究对于企业在新产品的营销策略上具有很好的现实指导意义，并特别注重了不同网络传播程度下，负面口碑对新产品扩散的影响。通过研究，在互联网络中的产品营销相对于现实中的营销来说，信息传播的范围和速度以及消费者所感知的信息数量和信息的内容都将发生巨大的变化。面对过载的信息和不断变动的信息环境，负面口碑的影响将随之增强。随之对企业和产品的要求都将会提高，尤其是在激烈竞争的情况下，处于劣势的品牌将会收到更加严重的打击。但这样的情况并不代表企业是束手无策的，即使负面口碑的影响相对于正面口碑更大，但企业仍可通过各种营销策略来对这种负面影响未形成规模效应前进行抑制。根据学者肖邦明和黄敏学（2015）对交易型社区的病毒式营销的研究，利用淘宝网的实际数据进行实证，说明初始创新使用领导者和品牌进入市场的先后顺序都能够改善企业的产品经营情况。

3.局限性与未来研究展望

消費者微观决策模型已经引起了许多学者的研究，但模型的建立必然要经历将社会科学知识抽象化为数学模型的过程。要想进行对现实社会情况的模拟，对于社会科学知识的研究就要求得更加细化和具体。ABM多主体建模思想和技术的出现为这样的研究带来了曙光。同时，实证研究是至关重要的，随着数据挖掘和大数据等研究技术的出现，使得能够与微观角度的模型相结合来更好地模拟现实。今后的研究可以考虑针对实际做出相应的实证分析。现实中消费者如何进行决策并选择出自身所需的产品，是一个复杂的情形。在随后的研究可以考虑更加贴近现实情况的决策过程，并尝试进行更多品牌相互竞争下情形的研究。

参考文献：

[1]肖邦明，黄敏学.交易型社区的病毒式营销策略：基于社会影响、同质性和网络拓扑结构的ABMS仿真研究[J].营销科学学报，2015，11（1）：22-38.

[2]Amini M， Wakolbinger T， Racer M， and Nejad M G. Alternative supply chain production-sales policies for new product diffusion： An agent-based modeling and simulation approach. European [J]. Journal of Operational Research， 2012，6（2）：301-311.

[3]，Anderson E W.Customer satisfaction and word of mouth[J]. Journal of Service Research，1998， 1（1）：5-17.

[4]Bolton R N，and Lemon K N.A dynamic model of customers' usage of services： Usage as an antecedent and consequence of satisfaction[J]. Journal of Marketing Research， 1999，36（2）：171-186.

作者简介：马中奎（1995- ），男，河南省南阳市人，民族：汉 职称：无，学历：在读本科生，研究方向：市场营销，单位：郑州大学旅游管理学院，专业：市场营销