公平偏好下产品式众包平台利益分配策略研究

楚岩枫， 曹慧娟， 张 卓

(南京航空航天大学 经济与管理学院，南京 211106)

公平偏好下产品式众包平台利益分配策略研究

楚岩枫， 曹慧娟， 张 卓

(南京航空航天大学 经济与管理学院，南京 211106)

网络迅速而稳健的发展、网上支付系统的完善、工作结构的改变都需要更灵活的工作模式，“众包”这种新型互联网式劳动交易方式应运而生。本文将众包合作关系作为委托代理关系，从众包的利益分配角度研究产品式众包平台激励问题，扩展传统委托-代理模型，将众包发起人、任务参与者看成一个整体进行分析研究，针对任务参与者的公平偏好特征，分析其公平偏好程度对利益分配产生的影响；探讨众包发起人如何调整产出分享系数和固定支付以达到利益最大化的目标。研究表明分享系数和固定支付受任务参与者的公平偏好程度影响，增加信息的透明度可以提高任务参与者的努力水平，增加众包发起人的收益。

众包平台；产出分享；委托-代理理论；公平偏好；利益分配

一、引 言

将任务外包给网络大众的行为称为众包(Crowdsourcing)[1]。传统上完成任务需要借助正式或者非正式的组织或者个人，如今网络大发展的时代，公司可以在自建平台或第三方建立的专业众包平台上发放任务[2-4]。Boudreau 和 Lakhani将企业提供的外部创新平台分为三种类型：集成商式，产品式和双边交互式众包平台[5]。每种平台企业扮演的角色有所不同。本文研究的是产品式众包平台。该模式下，大众参与者拥有技术或产品，并可以直接接触终端客户并达成交易。

在这种内向开放的创新环境中，利用外部力量推动企业内部运营，成功的产品式众包平台能创造一个完整的创新生态系统，让参与其中的各方合作者都受益于该系统。众包平台上等待任务的人员并非公司的正式员工[6]，因此众包平台的激励机制跟传统公司内部的激励机制区别很大，并不能用升职加薪的传统方式作为激励措施[7]。众包的激励方式有很多种，而报酬激励无疑是几乎所有类型的众包平台的共同选择。

众包的价值分配问题可以看作委托代理问题的扩展，委托人(企业)希望从代理人(众包任务参与者)处获得最大的贡献，而代理人可以利用各自的信息优势让自己的利益最大化[8]。委托-代理理论把组织管理问题看作是委托人如何设计激励机制, 以推动代理人从自身利益出发做出对委托人的最有利的行为[9]。设计有效的激励机制可以提高企业经济效益，加快企业创新结构转型。目前为止HM模型(Holmstrom and Milgrom,1987)是激励理论和信息经济学最基本的理论，也是研究人员引用最多的参数化委托-代理模型。然而HM模型是以在参与者为“经济自利人”的前提下展开理论研究的，并不能很好地解释后来实验经济学的诸多现象，相对于“自利”，人们更倾向于追求“公平”。也就是说，人们是有限自利和兼顾他人利益的[10]。

现有文献中袁茂等[11]建立了基于横向公平偏好下的委托代理激励机制，并对信息对称与不对称的不同状态进行了对比分析。李训[12-13]建立了基于公平偏好的团队理论模型，分析公平偏好存在条件下的知识型团队效率以及对知识型团队合作的作用机制。李训和曹国华[9]建立了基于纵向公平偏好下的委托代理激励机制，发现公平偏好的存在改变了传统委托-代理模型的结论。傅强和朱浩[14]研究了兼顾横向公平偏好和纵向公平偏好的委托代理激励机制，完善了单边维度公平偏好下的委托代理分析。

不同类型的众包平台营利模式不同，每种营利模式所产生的盈利归属不同，目前众包平台的营利模式主要有佣金与分成、广告费用、会员费、提供增值服务等，对于以上几种营利模式，最常见的分配方式是固定支付、提成式支付以及混合式支付。提成式支付是按照一定比例支付给参与者利润，固定支付是根据合同约定支付给参与者一定利润。顾名思义，混合式支付就是结合前两种支付方式，是一种更加可靠、灵活、激励性更强的支付方式。

本文将众包发起人和任务参与者看成独立的个体，应用委托-代理相关理论，考虑任务参与者的公平偏好，并对前人创建的激励机制加以应用，探讨公平偏好下产品式众包平台的利益分配问题，以期鼓励大众参与到众包平台中，促进众包平台的蓬勃发展。

二、模型建立

1. 模型假设

为了展开众包合作的激励机制的研究，本文做出以下六个假设。

假设1：众包中企业方是委托人，也是众包的发起人，委托人具有风险中性；任务参与者是代理人，代理人属于风险厌恶型，风险厌恶指的是在不确定情况下顾客所感觉到的威胁程度以及产生的以避免这些不确定性的想法和行动[10]。

假设2：代理人以收入作为公平的外在感应，不考虑代理人满足感、成就感等不可货币化的情感。

假设3：众包的接包方可以是网络社区内所有在线群体，但落实到实际合作项目中是单个发包方，任务参与者可以是一个也可以是多个，计算中将任务参与者看成一个整体。

假设4：众包任务参与者和平台创建企业都会为了产出做出自己的努力，任务参与者的努力水平具有不可观察但可证实的性质，假设任务参与者努力程度为，企业的努力程度λ，共同产出为π (假设产出单位大于1)，假设在企业和任务参与者共同努力下的产出函数为： π=+λ+θ。θ是服从均值为0，方差为σ2的市场随机干扰正态分布变量并且与、λ相互独立。

假设5：代理人和委托人的努力成本可货币化。代理人努力成本：c()=b2，委托人的努力成本可货币化为c(λ)=dλ2且b,d>0为常数[11]。

假设6：委托人向代理人提供产出分享激励机制，S(π)=α+βπ，其中α是固定支付， β为代理人对产出得到的分享系数。则代理人的净收入ζ=S(π)-c()=α+βπ-b2；代理人的净收入期望Eζ=α+β(+λ)-b2；委托人的净收入可表示为ζ=π-S(π)-c(λ)=π-(α+βπ)-dλ2。那么，委托人的净收入期望Eζ=-α+(1-β)(+λ)-dλ2。

2. 模型说明

本文是以收入分配作为任务参与人的公平偏好外在感知源进行分析的。任务参与者对公平的关切，意味着任务参与者不仅关注自己的收入，还关注委托人(企业)的收入，且收入差距可通过任务参与者对公平的关切程度影响其实际收入水平。参与者的收入由绝对收入、嫉妒偏好负效用、自豪偏好正效用三部分构成[11]。所谓公平偏好是指行为人对结果的价值判断和排序关系依赖他所理解的公平性理念，一般称这类行为人具有公平偏好[15]。根据公平偏好理论，分析公平偏好因素如何对代理人的行为施加影响。一般来说，任务参与者的公平偏好表现为两种：一种是自豪型倾向，喜爱自己收入比对方高；一种是厌恶型倾向，嫉妒对方收入比自己高。任务参与者两种不同的偏好倾向将影响实际感知效用，基于此，对任务参与者的实际净收入修正如2-1所示。

其中k1,k2>0，k1为嫉妒偏好，k2为自豪偏好，为方便分析计算，令k1=k2=k，k越大说明代理人越关注公平，反之则反。k=0时表示任务参与者是纯粹的“自利人”，完全不关注公平，只关注自己在合作中的收益。

(2-2)

企业作为委托人并不关注公平，只对自身的收益关注，是纯粹自利的。所以企业的期望效用就是其期望净收入如公式(2-3)所示。

企业会设计相应的激励机制以最大化自己的收入 ，其目标函数如公式(2-4)所示。

max(EV)=max[(+λ(1-β)-α-bλ2]

(2-4)

(IR)表示参与约束，即众包任务参与在合作中获得的收益不能低于某个预定收益额，或者说任务参与者接受众包发起人的合同预期收益不能低于他在同等成本约束条件下从其他劳动所获得的收益平衡， (IC)表示激励约束，任务参与者以自身效用最大化原则选择具体操作行动，当他这样选择时，可以使众包发起人效用达到最大化。 (IC')为(IC)的一阶等价条件，X0为任务参与者能接受的最低收益。

三、 模型求解

1. 信息对称状态下的激励模型求解

信息对称时，委托人和代理人之间没有信息壁垒，信息是完全对称的，此时(IC)不起作用，(IR)公式通过α代入目标函数。企业可以观测到众包任务参与者的努力水平，同时任务参与者也可以观测到企业的努力水平。此时，众包合作博弈可以创建的基础条件是任务参与者确保参与到众包中得到的收益不低于其能接受的最低收益X0。考虑任务参与者公平偏好时利益分配模型如公式3-1所示。

(3-1)

此时企业支付给众包参与人的最佳固定支付和产出分享系数已确定，委托人最优期望效用如3-2。

2. 信息不对称状态下的激励模型求解

信息不对称时，企业和众包任务参与者均无法观测到对方的努力程度，但是产出是可以测量的，此时双方作为理性经济人会利用信息的不对称为自己谋求更大的收益，采取不完全合作的行为。此时，考虑众包任务参与者公平偏好时众包利益分配模型如下。企业谋求利益最大化时，目标函数如公式3-3所示。

(3-3)

此时求得产出最佳分享系数和众包任务参与者的努力水平分布为：

将结果代入(IR)公式中，得企业的最佳固定支付α**。

四、 模型分析与结论

结论1：信息对称状态下，公平偏好系数对激励机制结构没有影响，代理人的努力水平也不会受到自身公平偏好的影响，线性支付机制不具有激励效果。因此对称信息下，代理人具有公平关切倾向时和传统的HM模型的结论一致：对称信息下企业方支付给众包任务参与者固定工资支付，产出分享系数为0，因此众包任务参与者只得到固定支付，不承担任何风险。

结论2：信息不对称的状态下，企业对众包任务参与者的分享系数β(0,)，并且随着众包任务参与者的公平关切程度增大而增大。

证明：β是产出分享系数，不可能为负值，因此β≥0，

结论3：信息不对称状态下，求解最优分享系数β**与bρσ2(称 bρσ2为传统因子，并令φ=bρσ2)

结论5：信息不对称状态下众包任务参与者得到的最优产出分享系数高于信息对称状态下的最优产出分享系数；最优固定支付低于信息状态下的最优固定支付。

上述计算也与现实现象相符合，当信息不对称时，企业无法观察到众包任务参与者的努力程度，只能根据最后的产出判断。此时企业不会贸然支付给任务参与者很高的固定支付，而是固定支付较低的状态下提高产出分享系数，可以提高任务参与者的积极性。

五、 数值及图形分析

本文对上述推导计算给出模型仿真分析，以进一步阐述本研究结论的可靠性以及实用性。MATLAB仿真过程中，给公平偏好程度K赋值，能较好地模拟出相关参数的变化趋势图，通过对公平偏好程度赋值进行仿真模拟，分析众包合作中任务参与者的公平偏好对分享机制产生的影响。

对基础参数进行赋值，令x0=1，pbσ2=1，b=d=1 ，同时为了便于计算令偏好程度k1=k2=k，k的取值限定在0到1之间，六组数据平均间隔取值。根据上述模型进行运算，得到信息对称和信息不对称情况下众包任务参与者的利益分配模型的各参数信息，数据结果见表1。

表1 考虑众包任务参与者公平偏好的众包合作模型信息

通过对参数赋值，并对数学模型进行模拟仿真，可得公平偏好程度对众包任务参与者努力水平的影响(如下页图1)，企业支付给任务参与者的固定支付(如下页图2)、产出分享系数(如下页图3)以及任务参与者收益(如图4)的变化趋势。

图1 公平偏好程度对众包任务参与者努力水平的影响

由图1可知，相同的公平偏好强度下，信息对称状态时任务参与者的努力水平要高于信息不对称时的努力水平，因此，要提高产出，企业应尽量使信息更加透明。

图2 公平偏好程度对固定支付的影响 图3 公平偏好程度对产出分享系数的影响

由图2可知企业支付给任务参与者的固定支付随着任务参与者的公平偏好强度增大而减小；同时由图3可知随着任务参与者公平偏好强度增大，企业提出的产出分享系数增大。

图4 公平偏好程度对任务参与者收入期望的影响

由图4知信息不对称状态下任务参与者的公平偏好强度越大，其收入期望越大，而信息堆成状态下呈现的结果是收入期望先是有一个下降趋势，到了一定程度又会上升，表明任务参与者的收入期望不总是与公平偏好程度正相关。

六、 结论与展望

通过将公平偏好委托代理理论引入到众包合作，建立了考虑任务参与者公平偏好的利益分配模型，并对计算结果进行模拟运算。通过模型求解，找出最优产出分享系数和最优固定支付，分别讨论了信息对称与不对称状态下最优分享系数和最优固定支付。结论显示信息不对称状态下众包任务参与者的产出分享系数会高于信息对称状态下最优分享系数，这样解释了众包合作中任务参与者为了得到更高的分享系数会努力掩盖自己的努力程度，此时可以以较低的努力获得较高的产出分享系数。为提高众包任务参与者的努力程度，进而增加企业收入，企业应该努力提高信息透明度，使任务参与者的努力程度可观察，找到相应的指标度量众包任务参与者的努力程度。

众包任务参与者的公平偏好程度会影响众包合作的效率，随着众包任务参与者公平偏好程度的增大，自身的收益会有所上升，努力程度有所降低，意味着企业的代理成本会增大，并且产出也会有所下降。然而，当企业的投入比较大的时候，应该尽量让众包任务参与者知道投入信息，可以增加任务参与者的“自豪偏好”，“中和”分配向企业倾斜时的“厌恶偏好”。同时应完善众包平台，尽量做到众包任务参与者的努力程度可观察、可度量，进一度监督并提高众包任务参与者的努力程度，从而增加企业产出。

[1] AFUAH A，TUCCI C L. Crowdsourcing as a solution to distant search[J]. Academy of Management Review, 2012(37)：355-375.

[2] BAYUS B L. Crowdsourcing new product ideas over time: An analysis of the Dell Idea Storm community[J]. Management Science, 2013(59)：226-244.

[3] HOWE J. Crowdsourcing: How the Power of the Crowd Is Driving the Future of Business[M].London: Random House， 2008.

[4] JEPPESEN L B， LAKHANI K R. Marginality and problem-solving effectiveness in broadcast search[J]. Organization Science, 2010(21)： 16-33.

[5] BOUDREAU K J，LAKHANI K R. How to Manage Outside Innovation[J]. Sloan Management Review, 2009(50):4.

[6] DOAN A , RAMAKRISHNAN R, HALEVY A Y. Crowdsourcing systems on the World-Wide Web[J]. Communications of the ACM, 2011(54): 86-96.

[7] ASHFORD S J, GEORGE E, BLATT R. Old assumptions, new work: The opportunities and challenges of research on nonstandard employment[J]. Academy of Management Annals, 2007(2):165-117.

[8] LUO T, DAS S K, TAN H P, XIA L R. Incentive mechanism design for Crowdsourcing : An all-pay auction approach[J]. ACM Transactions on Intelligent Systems and Technology,2016(8):35-60.

[9] 李训, 曹国华. 基于公平偏好理论的激励机制研究[J]. 管理工程学报, 2008, 22(2): 107-111.

[10] M R. Incorporating fairness into game theory and economics[J].American Economic Review,1993,83(5):1281-1302.

[11] 袁茂, 雷勇, 蒲勇健. 基于公平偏好理论的激励机制与代理成本分析[J]. 管理工程学报, 2011, 25(2): 82-86.

[12] 李训. 公平偏好下的团队效率研究[J].管理工程学报,2009,23(2):145-147.

[13] 李训. 基于公平偏好理论的知识型团队合作研究[J]. 科学学与科学技术管理, 2007, 28(7):182-186.

[14] 傅强, 朱浩. 基于公共偏好理论的激励机制研究——兼顾横向公平偏好和纵向公平偏好[J]. 管理工程学报, 2014, 28(3):190-195.

[15] 孙瑾. 基于风险厌恶和面子需求视角的顾客忠诚驱动机制分析——以中国和新加坡保险服务业为例[J].管理评论,2014,7(26)：115-124.

Research on Benefit Distribution Strategy of Product Crowdsourcing Platform Based on Fairness Preference

CHU Yanfeng， CAO Huijuan, ZHANG Zhuo

(College of Economics and Management, Nanjing University of Aeronautics and Astronautics, Nanjing 211106, China)

The fast and steady development of Internet, improvement of online payment systems and changes of working structure that enable and demand flexible working patterns have driven a move to a new form of Internet-enabled labor exchange called crowdsourcing. In this paper, the crowdsourcing cooperative relation is regarded as principal-agent relation and the incentive of product crowdsourcing platform is studied from the perspective of benefit distribution of crowdsourcing. The traditional principal-agent model is extended, and the crowdsourcing sponsors and the task participants are analyzed as a system. The effect of the fairness preference degree of task participants on benefit distribution is analyzed considering the features of their fairness preference. And the crowdsourcing sponsors' adjustment to output sharing coefficient and fixed payment to achieve the optimal benefit is discussed. The results show that the sharing coefficient and fixed payment are affected by the fairness preference degree of task participants, and enhancing the transparency of information can increase the effort level of task participants and increase the profit of crowdsourcing sponsors.

crowdsourcing platform； output sharing； principal-agent theory； fairness preference； benefit distribution

2017-05-05

国家自然科学基金(71372080)；2014年度第一批“江苏省博士后科研资助计划”项目(1401017C)；2016中央高校基本科研业务费专项资助项目(NR2016015)

楚岩枫(1975-)，女，吉林敦化人，副教授，博士；张 卓(1963-)，男，江苏南京人，教授，博士。

F253.4

A

1008-3634(2017)06-0010-08

(责任编辑 刘 翠)