虚假口碑信息控制演化博弈研究

， ，

(河北工业大学 a.经济管理学院；b.理学院，天津 300401)

0 引言

口碑是消费者之间关于所购产品或服务的一种非正式沟通，主要表现为消费者在购买产品时会借鉴他人对产品的评价，同时在购买后也会将自己的产品体验与他人分享[1-2]。在电商环境下，借助社会化媒体平台，口碑信息突破了时空限制，具有传播范围广、速度快、信息量大等特点，对消费者的购买决策能产生更大影响[3]。有研究表明，在销量预测、产品质量控制、电商售假监管等方面，口碑信息扮演着越来越重要的角色[4-5]。然而，某些组织或个人在利益的驱动下，利用网络信息监管的缺失，弄虚作假，制造虚假口碑信息误导消费者，直接影响口碑信息发挥其自身作用，严重制约电商和社会化媒体的健康发展。因此，本文研究电商环境下社会化媒体虚假口碑信息控制，探索行之有效的控制和优化口碑信息的措施，有较强的现实意义。

社会化媒体虚假口碑信息控制研究属于社会化媒体信息质量管理范畴。社会化媒体的出现与发展，个人不但是信息的接收者，并且都可以成为信息的发布者和传播者，造成信息量大量增长且难以预测，加剧了信息质量管理的难度[6]。近年来，为解决新时代下的信息质量问题，众多学者开始聚焦社会化媒体下的信息质量管理研究，主要涉及信息质量影响因素、不实信息控制等方面。基于社会化媒体信息质量影响因素研究大多从网站平台、消费用户、政府部门等方面考虑[7-9]。社会化媒体不实信息控制研究则大多以信息质量影响因素研究结论为基础，进行实证研究或建立相关理论模型，并提出管控措施[10-11]。然而，这些研究主要从信息理论的大范畴出发，没有涉及到具体信息类型，对具体不实信息控制针对性不强。对于电商环境下的口碑信息核心问题，应该以电商平台和消费者角度进行研究，以期取得更好的效果。因此，本文研究社会化媒体虚假口碑信息控制将是对现有研究的一个重要补充。

社会化媒体平台是用户分享信息的重要平台，在平台上用户享有极大的参与性与自主性[12]，大量口碑信息在其中发布与传播，同时虚假口碑信息也会通过这一渠道散布。因此，社会化媒体平台在虚假口碑信息控制中起着至关重要的作用。虚假口碑信息会造成电商平台形象受损，收益降低。出于自身利益考虑，电商平台可能会协助社会化媒体平台净化电商环境，监管网络水军、惩治职业差评师等，从而控制虚假口碑信息[13]。社会化媒体平台和电商平台均是以消费者为核心，消费者也是口碑传播过程中的关键节点。消费者参与控制虚假口碑信息，发布真实口碑信息，积极质疑、净化虚假评论，有利于电商环境下虚假口碑信息问题的解决[14]。可以看出，除社会化媒体平台这一核心主体外，电商平台与消费者均是社会化媒体口碑信息的主要参与方。因此，本文以社会化媒体平台作为核心参与方，以电商平台与消费者为主要参与方，构建社会化媒体虚假口碑信息控制模型是创新可行且有必要的。

演化博弈在有限理性假设前提下，可有效刻画博弈人的学习机制和策略演化，已被广泛应用于各个领域[15-16]。本文选择演化博弈作为研究方法，建立演化博弈模型，并刻画博弈行为演化过程，定量讨论社会化媒体虚假口碑控制策略。由于应突出社会化媒体平台为虚假口碑核心治理方，电商平台和消费者为参与角色，且不考虑电商平台和消费者之间的协同和制约效应对社会化媒体平台控制虚假口碑的作用，因此未将其统一置于三方博弈框架下分析。主要以社会化媒体平台控制虚假口碑为核心出发点，分别讨论电商平台的协助与不协助和消费者的参与与不参与所产生的治理效果，并阐述各方博弈下各因素对演化稳定策略的影响，为找到最佳控制社会化媒体虚假口碑信息策略提供理论依据。另外，结合数值仿真模拟，分析影响虚假口碑信息控制的相关参数变化对演化结果的影响，从而探讨出有效控制和优化社会化媒体口碑信息的措施。

1 问题描述与模型假设

1.1 问题描述

本文基于演化博弈理论，研究电商环境下社会化媒体虚假口碑信息控制问题。博弈参与方为社会化媒体平台、电商平台和消费者这3个有限理性的主体，分别构建社会化媒体平台与电商平台、社会化媒体平台与消费者两个演化博弈系统模型。

社会化媒体平台对虚假口碑信息有两种应对策略，分别为控制虚假口碑信息和不控制虚假口碑信息。社会化媒体平台对虚假口碑信息采取控制策略较不控制策略相比有以下几点不同：一是采取控制策略收益较大；二是控制需要付出一定的成本；三是控制虚假口碑信息，提升口碑质量，会为电商平台和消费者创造潜在收益；四是电商平台协助水平会影响社会化媒体的治理积极性，从而决定社会化媒体对虚假口碑信息的控制力度。另外，若对虚假口碑信息采取不控制策略，会给协助控制的电商平台和积极参与的消费者造成损失，其自身也会受到政府管理部门处罚。

电商平台对虚假口碑信息控制起到辅助作用，其策略主要为协助社会化媒体控制和不协助社会化媒体控制。电商平台采取协助策略会获得额外收益，但也需付出一定的协助控制成本。同时，协助控制会相应减少社会化媒体平台控制成本，并为其创造潜在收益。当社会化媒体不控制虚假口碑信息时，电商平台出于减少虚假口碑信息对其平台造成负面影响考虑，会有一定概率主动进行控制。若电商平台和社会化媒体平台对虚假口碑信息都不进行控制，造成虚假口碑信息泛滥，电商平台会间接因信誉度下降造成损失。

表1 主要参数及其含义Tab.1 Main parameters and their implications

消费者在虚假口碑信息控制中的角色主要为参与治理，即策略为参与虚假口碑信息控制和不参与控制。其中参与控制主要表现为两方面：一是信息素养较高，发布真实口碑信息；二是出于社会责任感，主动参与治理。若消费者选择参与策略，付出一定参与成本的同时，会获得相应的参与收益，也能得到社会化媒体平台的奖励。另外，也会间接为社会化媒体平台创造收益。若消费者选择不参与策略，有一定概率会散布虚假口碑信息，如一些职业差评师等，也会受到社会化媒体平台的惩罚。

1.2 参数设计

将问题描述中的主要相关名词与概念符号化，主要包括收益、成本、损失与其它约束变量4类，如表1所示。

1.3 模型假设

假设1：电商平台选择协助策略的概率为x(0≤x≤1)，则不协助概率为1-x；社会化媒体平台选择控制策略的概率为y(0≤y≤1)，则不控制的概率为1-y；消费者选择参与的概率为z(0≤z≤1)，则不参与的概率为1-z。

假设2：在社会化媒体平台与电商平台博弈系统中，电商平台协助有利于提高社会化媒体平台控制积极性，控制力度较大，即1>μ1>μ2>0。控制力度主要基于社会化媒体平台采取控制策略的成本以及为电商平台创造的潜在收益，μ1,μ2↑⟹μ1P1,μ2P1,μ1C1,μ2C1↑。电商平台主动协助控制概率主要体现在社会化媒体平台不控制情况下，电商平台采取协助策略的成本以及为社会化媒体平台创造的潜在收益两方面，λ↑⟹λC2,λP2↑，且0<λ<1。

假设3：在社会化媒体平台与消费者博弈系统中，采取不参与策略的消费者散布虚假口碑信息概率和虚假口碑信息被误认的概率共同决定消费者不参与控制的收益，δ1,δ2↑⟹δ1δ2G5↑。且δ1还单独与散布虚假口碑信息消费者的惩罚量有关，δ1↑⟹δ1L5↑，其中0<δ1,δ2<0。消费者参与控制为社会化媒体平台创造收益的比率在社会化媒体平台不控制时体现。比率越高，社会化媒体平台不控制策略潜在收益越大，γ1↑⟹γ1P4↑，其中0<γ1<1，γ1=1表示社会化媒体平台选择控制策略时，消费者参与为其带来的潜在收益。同理可得，γ2↑⟹γ2P3↑，其中0<γ2<1，γ2=1表示消费者选择参与策略时，社会化媒体平台控制为其带来的潜在收益。

2 模型构建与演化分析

2.1 模型构建

基于以上问题描述及模型假设，考虑2×2非对称博弈，分别构建社会化媒体平台与电商平台、社会化媒体平台与消费者在不同行为选择下的收益矩阵，如表2、表3所示。

表2 社会化媒体平台与电商平台博弈支付矩阵Tab.2 Game payment matrix between social media platform and E-commerce platform

表3 社会化媒体平台与消费者博弈支付矩阵Tab.3 Game payment matrix between social media platform and consumers

U1=y(G3+μ1P1-C2)+
(1-y)(G3-λC2-L1)

(1)

U2=yμ2P1-(1-y)L3

(2)

(3)

U3=x(G1+P2-μ1C1+C3)+
(1-x)(G1-μ2C1)

(4)

U4=x(G2+λP2)+(1-x)(G2-L2)

(5)

(6)

根据演化博弈理论可得，社会化媒体平台与电商平台策略选择的复制动态方程为

Fu(x)=x(1-x)[y(μ1P1-μ2P1+λC2-C2+L1-L3)+G3-λC2-L1+L3]

(7)

Fu(y)=y(1-y)[x(P2-λP2+μ2C1-μ1C1+C3-L2)+G1-G2-μ2C1+L2]

(8)

V1=y(G4+G5+P3+R-C4)+(1-y)(G4+G5-C4-C5-L4)

(9)

V2=y(δ1δ2G5+γ2P3-δ1L5)+(1-y)δ1δ2G5

(10)

(11)

V3=z(G1+P4-C1)+(1-z)(G1-C1)

(12)

V4=z(G2+γ1P4)+(1-z)(G2-L2)

(13)

(14)

根据演化博弈理论可得，社会化媒体平台与消费者策略选择的复制动态方程为

Fv(z)=z(1-z)[y(P3-γ2P3+R+C5+δ1L5+L4)+G4+G5-δ1δ2G5-C4-C5-L4]

(15)

Fv(y)=y(1-y)[z(P4-γ1P4-L2)+G1-G2-C1+L2]

(16)

2.2 模型演化分析

与参与方单独治理虚假口碑信息相比，电商平台与社会化媒体平台同时采取控制行动，治理难度相对较小，体现在付出较小成本可以获得较大收益，即表示为(μ1-μ2)P1-C2+G3>0与G1-G2+(1-λ)P2-μ1C1+C3>0。由于口碑质量与双方利益均相关，若任何一方不参与控制虚假口碑信息，则存在搭便车现象，会造成对方成本提高，收益降低，即用公式表示为G3-λC2-L1+L3<0且L2-μ2C1+G1-G2<0。

当消费者参与控制虚假口碑时，为防止社交媒体平台主动控制的积极性降低，应令社交媒体平台选择控制策略时的净收益较大，即表示为(1-γ1)P4+G1-G2-C1>0。若社会化媒体平台不控制虚假口碑信息，消费者参与控制将会付出较高成本，则会选择不参与策略，即表示为G4+(1-δ1δ2)G5-C4-C5-L4<0。

表4 均衡点稳定性分析表Tab.4 Stability analysis of equilibrium points

图1 社会化媒体平台与电商平台及消费者博弈演化示意图Fig.1 Evolution diagrams for game between social media platform and E-commerce platform or consumers

3 参数分析与数值仿真

由上文分析可知，E4和D4点是理想收敛点。在社会化媒体平台与电商平台博弈系统中，演化稳定策略(控制，协助)所产生的利益效果较大，因此应尽量通过调整相关变量来使区域Ⅱu面积增大。同理，在社会化媒体平台与消费者博弈系统中，应调整相关变量来使区域Ⅱv面积增大，让演化稳定策略趋向(控制，参与)。

3.1 参数G1、G2、G3、G4、G5

由以上分析可知，各策略收益的大小直接影响各参与方采取相应行动的积极性，进而演化成不同的稳定结果。若社会化媒体平台对虚假口碑信息不进行控制，在短期内可以获得较为可观的收益，则将会大大降低社会化媒体平台的监管积极性。因此，倡导健康网络环境下社会化媒体平台间的良性竞争将引导大众追求高质量口碑信息。进而制约未对虚假口碑信息进行控制的社会化媒体平台的短期收益，如消费者服务收入以及广告收入等，从而提高监管积极性，促使博弈结果朝良性方向演化。

3.2 参数C1、C2、C3、C4

由以上分析可知，三方高控制成本严重制约虚假口碑信息治理，合理的成本是虚假口碑控制的关键。社会化媒体平台和电商平台控制投入成本的降低依赖于信息处理技术的提升以及政府的支持补贴等方面，尤其是对电商平台补贴的提高，一方面增强其控制积极性，另一方面电商平台协助控制下社会化媒体平台控制成本减少量随之增大，有利于博弈结果朝良性方向演化。对于消费者参与方来说，政府的政策引导、社会反虚假口碑大环境影响及各平台支持都将进一步完善监督和举报奖惩机制，有利于消费者参与控制虚假口碑信息成本投入降低。

3.3 参数P1、P2、P3、P4

由以上分析可知，对各参与方来说，互相为对方创造的潜在收益越大，系统越偏向收敛于良性结果。这就需要建立社会化媒体平台和电商平台等参与方的虚假口碑信息协同治理体系，并激励消费者积极参与治理，同时合作建立水军探测和评论人以及商家可信度量化机制。从而增强三者之间的良性互动，实现多方共赢的局面，确保电商环境下的网络口碑信息质量。

3.4 参数L1、L2、L3、L4、L5、R

由以上分析可知，电商平台协助和消费者参与控制的风险越小，越有助于网络口碑信息质量的提高，这就需要政府为电商平台和消费者参与治理虚假口碑提供相应的政策支持来控制风险损失，降低参与方对损失的担心。同时，政府惩罚力度的加强和消费者及媒体责任感的提升，会加大消费者散布虚假口碑代价，也会督促社会化媒体平台和电商平台严格监管虚假口碑信息。另外可以发现，消费者受到的参与奖励越大，对虚假口碑信息的控制越有利，因此应在成本控制范围内合理增加奖金投入。

3.5 参数λ、μ1、μ2、δ1、δ2、γ1、γ2

由以上分析可知，虚假口碑信息控制的核心参与方为社会化媒体平台，在社会化媒体平台玩忽职守下，即使电商平台主动协助控制水平较高仍难以实现系统的良性发展。若电商平台不协助，社会化媒体平台过度的控制虚假口碑信息会造成平台用户流量降低，阻碍社会化媒体平台的进一步发展，进而间接影响口碑信息质量控制。因此加强对社会化媒体平台的规范督促不容忽视，使其可以认真科学地控制虚假口碑信息。从消费者角度来看，消费者信息素养的提高在保证不散布虚假口碑信息的基础上会增强虚假口碑辨别能力，从而正向显著影响网络口碑信息质量。另外，解决虚假口碑信息控制问题，需要消费者和社会化媒体平台的共同控制，其中任何一方短期给对方带来的收益比率增大到一定程度的时候，会助长对方消极行为，长期影响下会降低平台控制积极性和消费者信任度，从而导致整体虚假口碑信息控制的低效率。

3.6 数值仿真

运用Matlab进行数值仿真，模拟社会化媒体平台与电商平台和消费者演化博弈趋势，以更加清晰地反映各参数的变化对博弈演化方向的影响。以参数λ为例，除λ外，给社会化媒体平台与电商平台博弈系统中其余参数赋值分别为：G1=5，G2=4，G3=3.5，C1=4，C2=1.5，C3=2，L1=5.5，L2=1，L3=2，P1=5，P2=4，μ1=0.8，μ2=0.6，令λ分别为0.2、0.4、0.6、0.8，其他数据保持初始值不变，通过改变λ的值观察图像的变化，仿真结果如图2所示。从仿真图中可以看出，随着λ的增大，鞍点向右上方不断偏移，收敛到不良状态的可能性变大，验证了在社会化媒体平台玩忽职守下，即使电商平台主动协助控制水平较高仍难以实现系统的良性发展。其它参数变化数值仿真同参数λ仿真方法类似，可依次对其进行仿真，验证上述结论。

图2 参数λ影响下的演化过程仿真Fig.2 Simulation of evolution process under the influence of parameterλ

4 结论与建议

本文在有限理性条件下，分别构建社会化媒体平台与电商平台、社会化媒体平台与消费者两个演化博弈系统模型，来讨论电商环境下社会化媒体虚假口碑信息控制策略。通过复制动态方程求解与稳定性分析找出演化稳定策略点。重点分析了各参数对演化结果的影响，然后分别给出相应的对策建议，并通过Matlab仿真对结论进行了验证。

通过演化博弈分析，发现社会化媒体平台、电商平台协同治理以及消费者的积极参与，是电商环境下社会化媒体虚假口碑信息问题解决的关键。其中，社会化媒体平台是虚假口碑信息控制的核心参与方，应倡导社会化媒体间良性竞争，合理控制其短期收益，确定科学控制力度，提高社会化媒体平台监管积极性和有效性。电商平台的协助将很大程度上提高虚假口碑信息控制的效率，应创新虚假评论识别技术来合理控制其协助成本，要加强正向舆论导向来督促其协助控制虚假口碑。消费者信息素养的提高，参与控制的损失风险度降低，以及奖励机制下参与动力的激发都将对虚假口碑信息的控制起到积极作用。另外，政府也应积极介入，适时对平台进行规范监督，合理分配补贴，完善奖惩机制，引导建立健康电商环境，都将有利于虚假口碑信息的控制。