价值与风险感知对好评返现行为影响的演化分析

韩 菁，蔡 寻，滕新玉

(1.陕西师范大学国际商学院，陕西 西安 710119；2.西安交通大学管理学院，陕西 西安 710049)

1 引言

随着网络经济时代的到来，中国网购市场取得爆发式增长。据中国互联网络信息中心(CNNIC)第41次《中国互联网络发展状况统计报告》数据，截至2017年12月，我国网购用户规模达到5.34亿，占网民比例69.2%，年增长14.3%[1]。消费者在享受网购便捷和高效的同时，由于交易平台的虚拟性、买卖双方信息不对称性、交易品类繁杂，监管技术不成熟等原因，使消费者也承担着较大风险，其中最突出的问题就是网购产品质量问题[2]。为改善买家在网购交易中的信息弱势地位，将网购虚拟性导致的买卖单次博弈变为重复博弈，网购平台引入了对卖方的信誉评价体系(如淘宝DSR)。信誉评价体系为消费者提供了一个对商家产品或服务进行评价反馈的平台，也为更多消费者提供了购买决策的辅助信息[3]。在这种声誉机制的激励下，促使商家更重视其商品和服务的品质。然而，近年来这种信誉评价机制受到了网络水军、职业差评师、好评返现等行为的严峻挑战。好评返现一般是指卖方为积攒声誉，以各种返现或优惠形式诱使消费者作出好评[4]，相较于雇用网络水军和职业差评师，低质量商品卖方更倾向于采用好评返现策略。这种信用炒作使在线评论偏离真实性而失去正向引导性，冲击平台信誉评价体系，不利于电商平台健康发展。因此，治理电商平台中好评返现行为已成为近期一个具有实际意义的研究课题。

由于好评返现行为主要存在于国内信誉评价体制中，国外直接对好评返现行为的研究较少，但相关问题也引起了国外学者的关注。Dellarocas[5]较早怀疑在线评论的真实性和有效性，建议通过买家对评论内容满意度打分来纠正偏差；Biyalogorsky等[6]、Ryu和Feich[7]和Kumar等[8]通过实证分析得出商家给予现有顾客一些奖励能增强消费者推荐的可能性，且推荐效果与口碑发送者及奖励分配有关。基于此，商家的激励既可以带来新客户，也能够滋生信用炒作行为。Lan Yuanfu[9]分析了信用炒作产生的原因及危害，指出法律措施能有效规制这种行为；Pavlou和Gefen[10]提出通过反馈机制、第三方托管和信用担保能构建以制度为基础的信任电商市场；Cohn和Vaccaro[11]、Chatzidakis和Mitussis[12]则站在消费者的视角分析消费者的伦理道德与其不诚信行为的关联。针对商家的激励行为，国内学者开始剖析好评返现行为，并提出一系列治理措施。如杨丰梅等[13]认为由于买家与商户之间信息不对称，电商失信问题突出，好评返现对网购市场交易主体“看似双赢，实则双输”。王文婧等[14]认为第三方监管机制的设置能够减少买家和商家之间的信息不对称性，对商家不诚信行为有一定的规制作用，能控制信任风险。国内另一部分学者则通过建立博弈模型来研究双方策略选择的内在机制。赵宏霞等[2]建立了一个仿品卖家和两个在线消费者的博弈模型，探究不同返现值、评价时间等对双方均衡决策的影响。王宁等[15]在完全理性人的假设下构建买家和商家之间的传统博弈模型，得出在线评论偏离真实性的原因。还有部分学者并没有直接研究好评返现行为，而是关注电商平台的信用问题，其研究思路值得参考。如苗苗和李晴雯[16]通过构建完全信息静态博弈模型与重复博弈模型，找出影响电商平台诚信行为的关键因素，旨在提高卖家诚信概率和买家购买概率。Huang Youbei和Wang Mingming[17]等运用重复博弈模型，深入研究了我国C2C模式中的网络信用问题，并验证了信用评价机制的有效性。

可见，国内外学者对好评返现行为或电商信用问题的研究主要集中于其产生机理和治理措施，他们利用实证分析和构建博弈模型的方法得出了丰富的理论成果，但对好评返现行为的研究还有以下不足：没有直接构建关于买家和商家策略交互的博弈模型，以探究双方策略选择相互影响的内在机理；演化博弈因能刻画有限理性条件下群体间基于学习的策略演化过程，为宏观调控群体行为提供依据，已成为分析有限理性主体决策行为的有力工具，广泛应用于企业经营、政府管理、社会治理、国际外交等领域[18-19]，尽管部分研究考虑了决策者的有限理性，引入演化博弈来分析买家和商家策略动态演化过程，但忽视了面对不确定的决策环境，决策主体存在主观判断偏差和价值感知偏好。基于此，本文为更好地刻画奖惩机制设置下买家与商家间决策动态演变过程，将前景理论和风险感知因素引入演化博弈分析过程，运用前景价值函数修正支付矩阵部分参数，分析不同稳定条件下双方的策略选择及均衡状态，从前景理论和风险感知的视角解释现实中稳定条件难满足的原因和双方的行为倾向，仿真不同参数变化对演化结果的影响。

2 问题描述与模型构建分析

2.1 问题描述

C2C平台中好评返现行为的发生可以看作是商家是否返现、买家是否好评的博弈结果。由于平台对商家的不诚信行为存在监管规制，且买家作出差评有概率会受到商家的骚扰威胁，因此商家和买家之间的博弈可看作是一种风险决策行为。由此可构建关于商家和买家间的不对称双群体演化博弈模型以描述商家和买家策略的演化过程，并基于现实情景作以下假设。

2.2 模型假设

假设1：博弈主体为商家和买家，且均为有限理性。双方对策略的选择完全基于对该策略损益值的感知价值，而并非策略本身的直接损益，这种价值感知行为符合前景理论。据Kahneman和Tversky[20]的观点，该感知价值可通过前景值V衡量，由价值函数V(Δφi)和权重函数ω(pi)共同决定，由式(1)所示：

(1)

其中，pi为事件i发生的客观概率。因风险决策具有复杂性和不确定性，在实际决策过程中可把决策者给出的属性期望视为参照点，将实际收益与参照点进行比较。Δφi就表示决策者对事件i中实际收益与参照点离差的主观价值感受，Δφi≥0表示决策者对该决策行为的心理感知为“收益”；Δφi<0表示决策者对该决策行为的心理感知为“损失”，V(Δφi)为Δφi的价值函数，具有损失规避、收益偏好的特征，且当Δφi<0时，函数的敏感性更强。α(0<α<1)表示决策者对感知“收益”和“损失”价值函数边际递减程度，其值越大，感知价值边际递减程度越大。λ(λ≥1)表示损失规避系数，值越大表明决策者对损失的敏感程度越高。决策权重ω(pi)有如下特征：ω(1)=1，ω(0)=0；当pi值较小时，ω(pi)>pi；当pi值较大时，ω(pi)

假设2：博弈双方的决策背景：①商家提供的是低质量的商品或服务，买家本应作出客观差评。②C2C平台加强了对商家好评返现行为的管控，发现商家有返现行为将会给予处罚，对诚信商家将给予奖励。

假设3：商家在现实博弈过程中有两种选择：①好评返现H1：商家追求好评带来的增益或迫于外界竞争环境的影响。其中商家返现行为分为主动返现和被动返现，被动返现常指买家作出好评主动要求商家返现。②不好评返现H2：即不采取好评返现策略，因商家满足于当前的收益或怕受到平台监督处罚；面对这些低质量的商品或服务，除申请退换货外，买家也有两种选择：①虚假好评E1：买家受商家返现的诱惑或为避免商家骚扰的麻烦，也不排除部分买家忽视社会道德故意为之。②客观差评E2：抒发对商品的强烈不满或善意引导其他潜在消费者。若买家不作出任何评价，系统显示“此用户没有填写评价”，不对博弈结果产生影响，博弈双方策略假设符合实际。

假设4：博弈双方的策略选择具有互补效应，好评返现行为制造的虚假评论将破坏C2C平台信誉评价机制。当买家和商家的策略组合为{E2，H2}时，即买家选择客观差评策略，商家选择不好评返现策略，这时最有利于促进C2C平台健康发展；若仅有一方作出诚信客观策略，如组合{E1，H2}时买家出于主动要求返现或故意为之的动机作出虚假好评或组合{E2，H1}时商家主动采用好评返现这种不正当竞争策略，这均将影响平台构建健康的在线评论环境；尤其当双方的策略组合为{E1，H2}时，将产生

大量虚假评论，严重破坏平台的信誉评价机制。本文就要讨论在何种条件下博弈双方的策略组合会朝着{E2，H2}逐步演化，并给出在其它策略组合状态下对应的治理措施。

2.3 矩阵构建及参数说明

结合以上四点假设，依据前景理论博弈双方对确定的损益不存在感知价值与实际效用的偏差，只有当双方对损益不确定时才会产生心理感知效用的观点，可知返现金额、平台对好评返现行为所处的罚金及对诚信行为给予的奖励三者受双方策略影响，且具有不确定性，存在价值感知特征。由此结合实际博弈情形构建收益感知矩阵如表1所示：

表1 不同策略下买家和商家的收益感知矩阵

表2 收益矩阵相关参数说明

2.4 模型构建与分析

(1)模型的构建

本文借鉴复制动态机制，研究买家与商家的策略选择问题，其思想是下阶段种群采用某种策略的增长率与现阶段种群中选择该策略的比例和收益呈正相关，随时间的演化，收益高的种群比例会增大，收益低的种群比例会减小，直至逐渐消亡。故作以下推导：

买家选择虚假好评的感知期望收益：

(2)

买家选择客观差评的感知期望收益：

(3)

买家的混合感知期望收益：

(4)

商家选择好评返现的感知期望收益：

(5)

商家选择不好评返现的感知期望收益：

(6)

商家的混合感知期望收益：

(7)

在该博弈中，买家和商家均为有限理性，双方在博弈过程中根据当时状态、各自偏好和价值感知确定策略调整的参照点，其风险偏好与策略调整符合复制动态方程刻画的基本特征。复制动态方程是用于描述决策者采用特定策略频度的动态微分方程，通过该方程可以分析买家和商家的策略演化路径。

买家选择虚假好评的复制动态方程为：

(8)

商家选择好评返现的复制动态方程为：

(9)

(2)买家策略的演化稳定分析

当V(kb)>0，且C1+e+2L<0时，即当买家对返现金额的收益感知为正，且买家对作出差评后担心受到商家骚扰威胁的情感效用远大于其道德成本、社会公共利益感知、以及作出差评的情感极性之和时，y>y0，V(x2)<0，故x2=1为稳定状态，即买家会选择虚假好评策略。

当V(kb)>0，C1+e+2L>0时，即当买家对返现金额的收益感知为正，买家对作出差评后担心受到商家骚扰威胁的情感效用小于其道德成本、社会公共利益感知、作出差评的情感极性之和，且y>y0时，V(x2)<0，故x2=1为稳定状态，即买家将会选择虚假好评策略；当V(kb)>0，C1+e+2L>0，且y

小结1：当买家对返现收益感知为正，不论买家对返现收益感知的多少，只要买家对作出差评后担心受到商家骚扰威胁的情感效用大于其道德成本、社会公共利益感知及作出差评的情感极性之和时，有限理性的买家都会选择虚假好评策略；当买家对返现收益感知为正，买家对作出差评后担心受到商家骚扰威胁的情感效用小于其道德成本、社会公共利益感知、作出差评的情感极性之和时，买家的策略选择依赖于对返现金额V(kb)的感知，若买家对V(kb)的感知值越大，买家选择虚假好评策略的可能性越大，反之亦然。

(3)商家策略的演化稳定分析

当V′(kb)>0，且V(rD1)-R2+C3+V(rA)-C4>0时，即当商家对返现金额的损失感知为正，且感知不采用好评返现受到平台奖励与经营成本之差大于采用好评返现占有市场份额收益与平台惩罚及运营成本之差时，x>x0，V(y1)<0，故y1=0为稳定状态，即商家会选择不好评返现策略。

当V′(kb)>0，V(rD1)-R2+C3+V(rA)-C4<0时，即当商家对返现损失感知为正，且感知不采用好评返现受到平台奖励与经营成本之差小于采用好评返现抢占市场份额收益与平台惩罚及运营成本之差时，且x>x0，此时V(y1)<0，故y1=0为稳定状态，即商家会选择不好评返现策略；当V′(kb)>0，V(rD1)-R2+C3+V(rA)-C4<0且x

小结2：当商家对返现损失感知为正，且感知采用好评返现抢占市场份额收益与平台惩罚及运营成本之差小于不采用好评返现受到平台奖励与经营成本之差时，有限理性的商家都会选择不好评返现策略；当商家对好评返现金额的损失感知为正，且感知采用好评返现抢占市场份额收益与平台惩罚及运营成本之差大于不采用好评返现受到平台奖励与经营成本之差时，商家的策略选择依赖于对返现金额V′(kb)的感知，若商家对V′(kb)的感知价值越小，在采用好评返现能给商家带来增益的背景下，作为具有风险偏好的有限理性人，商家选择好评返现策略的可能性越大，反之亦然。

(4)买家和商家策略的演化稳定分析

由(8)式和(9)式组成的买家和商家的博弈动态系统如下：

由此可得到系统的5个局部均衡点：E1(0，0)，E2(0，1)，E3(1，0)，E4(1，1)，E5(x0，y0)，当且仅当0≤x0，y0≤1时成立。结合前文分析可得出买家和商家交互系统均衡策略结果如表3所示：

表3 买家-商家交互演化均衡策略

注：表3中参数m=C1+e+2L，n=V(rD1)-R2+C3+V(rA)-C4；且默认V′(kb)>0，V(kb)>0。

(5)均衡点稳定性分析

为检验均衡策略的稳定性找到双方演化稳定策略(ESS)，根据Freidman[22]提出的系统演化稳定策略计算方法，通过采用雅克比矩阵的局部稳定性分析法可得到ESS，此系统的雅克比矩阵为：

该系统的目标是在面对低质量的商品或服务时买家能选择客观差评策略，而商家则思考怎么提高商品或服务质量并诚信地选择不好评返现策略，即当系统策略组合为{E2，H2}时，最有利于C2C平台信誉评价体系健康发展。为达到该策略组合目标，应当同时满足以下四个条件：

V(kb)-C1-L≤e+L，-C1-L≤e+L

R2-V(rD1)-C3≤V(rA)-C4，R2-V(rD1)-C3≤V(rA)-C4

当以上四个条件满足时，系统将收敛于E1(0，0)最佳稳定状态，5个局部均衡点的稳定性结果如表4所示：

表4 局部均衡点稳定性分析

表4中m={(C1+e+2L)(V(rD1)+C3+V(rA)-C4)(C1+e+2L-V(kb))(V'(kb)+V(rD1)+C3+V(rA)-C4-R2)}/V(kb)V′(kb)，

通过稳定性分析，满足以上四个条件后，系统将会存在一个ESS (E1)，两个鞍点(E2、E3)，一个不稳定点(E4)，一个没有演化稳定策略的中心点(E5)，由此可得到系统的动态演化相图如图1所示：

图1 系统动态演化相位图

3 基于前景理论和风险感知的演化稳定结果分析

约束条件V(kb)-C1-L≤e+L，-C1-L≤e+L表明：不论商家的策略选择如何，希望买家自主选择客观差评策略，需使买家作出差评的情感极性，对道德成本和社会公共利益的价值感知之和大于对返现金额的价值感知与受到商家骚扰威胁的风险感知之和。其策略选择受V(kb)影响，当V(kb)较大时，买家认为返现能给自身带来较大收益，故策略就越倾向于虚假好评，反之亦然。

约束条件R2-V(rD1)-C3-V(rA)-C4，R2-V(rD1)-C3≤V(rA)-C4表明：不论买家的策略选择如何，希望商家自主选择不好评返现诚信策略，需使商家感知不采用好评返现受到平台奖励与经营成本之差大于采用好评返现抢占市场份额收益与平台惩罚及运营成本之差，这与商家对平台的奖励金额V(rA)和监督罚金V(rD1)的感知紧密相关，当V(rA)和V(rD1)同时增大时，商家就越趋向于选择不好评返现策略，反之亦然。

现实中，博弈主体仅具备有限理性，在决策过程中并不能最佳利用已有信息，而是通过自身价值感知进行决策，这使得买家和商家易产生认知偏差。对于买家来说，尽管感知返现金额V(kb)有限，但绝大多数买家见小利而忘大义，高估了V(kb)给自己带来的收益，即V(kb)>kb，加之买家“多一事不如少一事”趋利避害的心理，使买家放大作出客观差评将受到商家威胁骚扰的效用，不愿轻易作出客观差评。由此，许多自利的买家乐此不疲的参与好评返现作出虚假好评，他们低估了自己将要付出的道德成本C1以及由此产生并需要部分由自己承担的负外部性如公共利益的损失L。同样，商家在对策略选择判断时，容易出现侥幸心理和乐观偏见，这降低了他们的风险感知水平，弱化了他们规避风险的意识。商家面对竞争日益激烈的电商环境，在自身产品和服务质量很难提升的情况下，采用好评返现能在短期内获得较高的收益R0+R2，且由于其具有乐观偏见，认为自己不易受到C2C平台的监管与处罚，将低估好评返现行为要付出的代价，即V(rD1)

其次，Cooper和Faseruk[23]研究表明面对确定性损失，有限理性的决策者多表现出风险偏好特征。商家不论是否采取好评返现策略都将会付出确定性运营成本，而采取好评返现策略有一定概率会付出监督罚金rD1但同时会获得返现行为带来的可能性增益R0和确定性增益R2，此时商家更倾向于风险偏好，宁可冒险追求返现带来的高额收益也不满足于基本收益，依据前景理论当商家面对返现确定性增益R2，他们会低估V(rD1)、V(rA)、V′(kb)三个概率性结果，即V(rD1)

4 演化数值仿真分析

为验证上述理论分析的科学性与正确性，探究在前景理论的背景下电商平台在线评论中好评返现机制模型中各参数变化对系统演化的影响，本节利用Matlab软件进一步开展数值仿真以模拟买家与商家策略选择的动态演化过程。结合现实与参数条件设定，将模型参数初始取值设置如下：k=0.8，b=5，V(kb)=4，V'(kb)=3，C1=0.5，e=0.5，L=1，R2=13，r=0.5，D1=16，V(rD1)=6,C3=4，C4=2，A=8，V(rA)=4，x=0.3，y=0.6。仿真过程中，除被分析参数外，其余参数保持初始值不变。

4.1 博弈双方初始选择概率的相互影响

(1)商家初始选择概率对买家选择演化的影响

在既定参数设置下，图2a表示的是在V(kb)>0，且C1+e+2L<0的条件下(此时e可取-3，其余参数为初始值)，当y初始值为0.1，0.2，0.3……0.9，1时，x随时间变化的演化结果。由此可知，在该条件下只要商家有一定概率选择好评返现(即y≠0)，不论y初始值大小如何，买家最终的策略选择都会演化稳定于虚假好评。同理由图2b所示，在V(kb)>0，且C1+e+2L>0的条件下(参数均为初始值)，当y初始值为0.7(y0)时，买家最终的策略选择分别会演化稳定于客观差评和虚假好评。特别地，当y的初始值为0.75(=y0)买家的策略选择将会停止演化。

(2)买家初始选择概率对商家选择演化的影响

图2 不同条件下商家初始选择概率对买家选择演化的影响

图3 不同条件下买家初始选择概率对商家选择演化的影响

上述分析结果与小结1和小结2一致，有效验证了前面理论分析的有效性。表明不同条件下，博弈双方的初始选择影响着对方最终的演化稳定策略。这与决策者在进行决策评估时，不仅依赖于自身价值感知，还受他人决策状况影响的观点一致。

4.2 α和λ的敏感性分析

根据Kahneman和Tversky[20]的研究，当感知收益和损失的边际递减敏感性程度α取值0.88，损失规避系数λ取值2.25时，能够表示任意决策者大致的行为偏好。由此收益感知矩阵中的价值函数可表示为：V(kb)=(kb)α，V′(kb)=λ(kb)α，V(rA)=(rA)α，V(rD1)=λ(rD1)α，由此可求出博弈双方含α和λ的复制动态方程：

为探究买家和商家感知价值敏感性α和损失规避敏感性λ对系统演化的影响，对α分别取值0.2、0.5、0.88、1；对λ分别取值0.25、1.25、2.25、3；x、y的取值均为0.5，模拟在不同的取值下，博弈系统、买家和商家策略演化结果对α和λ的敏感性。

(1)决策者对α的敏感性分析

由图4a模拟结果可知，在既定参数设置下，博弈系统对感知价值函数边际递减程度α十分敏感。当α=0.2和0.5时，博弈系统朝着策略组合{ E2，H1}演化并最终稳定，且α的值越小演化稳定的速率越快；当α=0.88和1时，博弈系统朝着策略组合{ E2，H2}演化并最终稳定，且α的值越大演化稳定的速率越快；这说明在一定范围内增大α的值，有助于系统朝着最优的策略组合{E2，H2}演化。由图4b可知，随着α的值由0.2增大到0.5，买家对返现收益的感知增大，买家选择客观差评策略的演化速率放缓，但当α的值超过某个阈值(0.5～0.88)，如α的值由0.88增大到1，买家向客观差评策略演化的速率增大。究其原因，随α的值增大，商家对选择好评返现将会付出的返现金额的感知V′(kb)及受到电商平台监管处罚的感知V(rD1)增大，且对选择不好评返现时受到平台奖励的感知V(rA)也增大，这使得商家策略向不好评返现演化，即y值变小，买家无利可图，这势必导致买家策略向客观差评演化的速率增大。由图4c可知，当α=0.2和0.5时，商家策略向好评返现演化；当α=0.88和1时，商家策略向不好评返现演化；总体来说随着α的增大，商家策略向不好评返现的趋势增强，理由同上。

综上，适度增大α能促使博弈系统向最优策略组合演化，尽管随α增大，在一定时间范围内V(kb)增大，将促使买家策略向虚假好评演化的趋势短暂增强，但毕竟返现收益有限，随商家V′(kb)、V(rD1)、V(rA)增大，商家策略将逐步稳定于不好评返现，而后买家自然会选择客观差评策略，这说明商家对损失和收益的感知敏感性对博弈系统最终的演化结果起主导作用。

(2)决策者对λ 的敏感性分析

由图5a模拟结果可知，博弈系统对损失规避程度λ也十分敏感。当λ=0.25和1.25时，博弈系统朝着策略组合{E2，H1}演化，分别演化至(x，y)=(0.08，1)与(x，y)=(0.04，0.79)时演化终止，且λ的值越小演化稳定的速率越快；当λ=2.25和3时，博弈系统朝着策略组合{E2，H2}演化并最终稳定，且λ的值越大演化稳定的速率越快；这说明在一定范围内增大λ的值，有助于系统朝着最优的策略组合{E2，H2}演化。由图5b可知，在既定参数设置下，客观差评是买家的演化稳定策略，且随λ的值由0.25增大到3，买家选择客观差评策略的演化速率增大，其演化速率与λ值的大小呈正相关。究其原因，随λ值增大，商家对选择好评返现将付出高额返现成本及受到电商平台监管处罚的损失规避程度增强，这使商家策略向不好评返现演化的趋势增强，故y值变小，间接增大买家策略向客观差评演化的速率。由图5c可知，当λ=0.25和1.25时，商家策略向好评返现演化；当λ=2.25和3时，商家策略向不好评返现演化；总的来说随λ的增大，商家策略向不好评返现的趋势增强，理由同上。

图4 系统及博弈双方对α的敏感性

图5 系统及博弈双方对λ的敏感性

综上，适度增大λ能促进博弈系统向最优策略组合演化。买家对λ的敏感性主要受商家影响，重点应着眼提高商家对λ的敏感性，即增大V′(kb)和V(rD1)。

4.3 相关参数变化对买家和商家策略演化的影响

为更全面和直观的分析博弈系统中相关参数对买家和商家策略选择的影响，以采取更有针对性的治理措施促使买家和商家策略分别向客观差评和不好评返现演化，作以下仿真分析：

由图6a所示，在既定参数设置下，随参数e、C1、L增大，买家策略向客观差评的演化趋势增强。这表明提高买家作出客观差评的收益、道德成本和社会公共利益感知有利于促进买家策略向客观差评演化。由图6b所示，在既定参数设置下，随参数R2、C4的减小，C3的增大，商家策略向不好评返现的演化趋势逐渐增强。这表明降低不返现商家的运营成本与好评返现抢占市场份额的收益，增加好评返现的运营成本有利于促进商家策略向不好评返现演化。

图6 相关参数变化对博弈双方策略演化的影响

5 结语

本文针对C2C平台中的好评返现行为开展研究，将前景理论和风险感知因素引入演化博弈分析过程，利用前景价值函数取代传统支付矩阵中不确定的损益值，使整个决策过程贯彻有限理性假设，以此探究奖惩机制设置下商家与买家之间好评返现行为的演化机制，最后利用Matlab软件模拟不同参数变化对系统演化结果的影响。主要结论如下：

(1)通过对商家和买家策略的演化稳定性分析，得出在C2C平台奖惩机制设置背景下，不好评返现为商家的优势策略，而买家更易倾向选择虚假好评策略。(2)初始条件会影响博弈双方的演化路径与结果。一定约束条件下，当一方决策者初始选择概率围绕阈值波动时，另一方将会有不同的策略选择。(3)适度提高决策者的损失和收益感知敏感性α及损失规避敏感性λ，能促使该博弈系统向最优策略组合演化。对于α，商家对损失和收益的感知敏感性大小对系统最终的演化结果起主导作用；对于λ，商家的损失规避敏感性同样会直接影响买家的策略选择。(4)提高买家作出客观差评的收益、道德成本、社会公共利益感知及商家好评返现的运营成本，降低不返现商家的运营成本及好评返现抢占市场份额的收益能够诱导买家和商家策略分别向客观差评和不好评返现演化。

根据以上结论，可得出对应的一些管理学启示：

(1)C2C平台奖惩机制的设置在一定程度上能有效规制商家好评返现行为，且更应重视对买家行为的引导治理。(2)治理好评返现行为要先摸清当前平台大环境中好评返现行为的现状——即初始状态。调查买家和商家初始选择的倾向及比例，参考“阈值”找到治理的症结所在，有针对性的采取治理措施。(3)重视提高商家对损失和收益的感知敏感性和对风险感知的敏感性。平台应打击商家间恶性竞争行为，同时借助云计算、大数据等新兴技术加强对商家返现行为的监管，给予诚信商家更多的奖励和扶持。买家方面，舆论应对其加强诚信教育，并提升他们的维权意识，引导他们认识虚假好评给自身带来的损失远大于眼前的返现收益。(4)通过社会权益教育让买家意识到作出虚假好评会损害公共利益。平台应采取相关措施保护评论买家隐私，使其免受商家的骚扰和威胁。同时要明确买家义务，利用舆论增强对买家的道德约束。对于商家，平台应制定相关政策扶持诚信经营商家，同时促进商家间开展以质量为核心的公平竞争，完善在线评论体系，施行多方位监管，增加商家返现难度。

本研究对C2C平台买家和商家好评返现行为策略选择的互动机制做了理论上的分析和定量化的研究，通过本文可为相关部门治理好评返现等信用炒作行为提供借鉴和参考。