基于内容分类的虚拟社区用户博弈研究

□ 文 张木泽

1、引言

随着信息技术的发展，越来越多拥有共同话题的人群渴望借助互联网进行信息交换和知识共享。虚拟社区的出现为这一诉求提供了良好的线上环境。虚拟社区可将分散的个体连结聚合，并逐渐形成价值观趋同的关系网络。社区管理者利用此网络，不仅可增强用户对虚拟社区平台的黏性，还可培育用户的成长，丰富社区内容，进而打造社区自身的品牌形象。纵观市场上已有的社区型产品，虽然某些已较为成熟，但诸如用户活跃度不高和留存率低下等问题依然制约着很多社区产品的发展，可见对虚拟社区的研究需求依然较为迫切。

虚拟社区中包含用户和内容等核心要素，在研究用户与用户间的相互作用关系方面，过往的学者多从博弈论的角度进行剖析，如王健利用博弈模型发现，社区用户由于无法判断知识分享的概率和收益预期，导致用户往往知识共享意愿不高。Jiang等利用动态演化博弈模型进行仿真，发现博弈的规则可以影响社区成员的知识共享程度。王鹏和艾时钟引入生命周期的概念并构建博弈模型，以对社区用户的知识共享行为进行分析。李钢和卢艳强通过引入知识付费解释变量，发现合作双方选择“提供知识、付费”是最优策略，有利于降低虚拟社区知识共享的困境发生。

通过梳理以往的文献，不难发现博弈论与虚拟社区的结合，多围绕用户共享与获取知识这一角度展开。而实际上，有相当多的社区产品是先为用户提供内容，而用户在所提供的内容环境下进行讨论。本文不采用知识共享这一角度分析虚拟社区，而是希望从社区平台提供的内容的分类出发，以用户对内容的感知为切入点，以博弈论的初级模型作为依托，来研究用户对不同类型内容的感知和效用变化，试图说明不同类型内容带给用户阅览满足度的水平是如何决定的。

2、内容的分类

虚拟社区若想要引发用户的广泛讨论，社区平台提供的内容或话题对人的吸引程度至关重要。诚然，并非所有的社区型产品都需要内容或者话题作为背景，而本文所研究的社区型产品以内容为前导，用户的表达建立在对内容的感知之上。在研究用户行为之前，我们有必要先对社区依托的内容进行分类，以期后文在建立博弈模型时更具针对性。

内容的分类可以有不同的依据标准，如按内容领域划分和按内容结构划分等等。本文的分类偏向按照形态结构划分，我们将内容分为以下四种类型：

第一种：新闻化内容。此种内容结构成型，整体性较好。用户围绕新闻或话题本身展开讨论，对于主题丰富多元的新闻，用户可能会从多角度进行讨论；对于主题单一的新闻，用户可能就该点本身展开讨论。

第二种：散点化内容。这种内容本身可讨论话题点较多，但交叉度较低。用户可以从自身出发，自选某一点或某些点，对内容进行解读。此类内容下，用户的表达呈现较低相关性。

第三种：交叉化内容。这种内容通常涉及到比较和延伸性讨论。用户不仅会关注到某个内容点位，还有较大概率从该点出发，扩展至其它内容点位。因此用户的表达呈现交互性较强。

第四种：正负化内容。这种内容本身立意含有非正即负的特性，舆论引导性较强。用户会判断出对内容支持与否，进而其表达带有正负的倾向。

这四种内容基本囊括了社区内容的大致类型。为了将内容与博弈模型更好的结合，按照内容属性的不同，我们将这四种的类型内容进一步精简为两种。其中第一、第二、第三种统归为一类，本文将其统称为“非正负化内容”。第四种正负化内容则单独为一类。本文将“正负化”作为区分内容类型的关键标志，是因为正负化的特性与其他三类有较大的不同，同时正负化的属性是博弈模型得以构造的主要驱动因素。

3、博弈模型的构建

在介绍模型样式之前，我们有必要对“效用”这一概念做一个简单定义。通常来说，效用是指商品满足人的欲望的能力评价。在博弈过程中，当所有参与人都选择了各自的策略后，就可以得到一个策略组合，对于每一个策略组合，每一个参与人会发生相应的效用变化。在本文所探讨的环境下，效用是指用户在社区消费内容时所感受到的满足程度。

本文所采用的博弈模型是一个由两人参加且同时进行决策的简单博弈模型。本文将所有用户简化为甲乙两人，原因在于虽然实际用户数量不定，但对于每一个独立用户而言，大概率会将产品中面对的其他用户视为一个整体。例如对甲（乙）而言，乙（甲）可以是单独的一个用户，也可以是一个用户的群体。

在用户与内容产生关系的过程中，我们还要依据经验做出一些关键假设：

假设1：用户的聚集效应的变化（由于群体用户聚集，所带来个体用户的社交满足感的提升；或由于个体用户的表达无法获得更多的关注，而带来社交满足感的下降）会影响用户效用的增减，且增减的绝对值相同。

假设2：当用户的观点受到认同和反驳时，用户的效用会对应的增加和减少，且增减的绝对值相同。

假设1、2的存在是后文博弈过程的基础条件。

在前文对内容分类的表述中，本文将内容分为非正负化内容和正负化内容。用户对于非正负化内容的反馈动作，我们称之为是否“参与”；用户对于正负化的反馈动作，我们称之为“支持”或“反对”。本文将首先论述非正负化内容的博弈过程，接着讨论正负化内容的博弈过程，最后研究加入参与先决条件的正负化内容的博弈过程。

3.1 非正负化内容的用户博弈模型

3.1.1 简单数组矩阵

对于两人同时进行决策的博弈，可以用一个以二元数组为元素的矩阵来描述和分析。以第一个矩阵（表1）为例，矩阵左边表示甲的策略，即参与或不参与。矩阵上边表示乙的策略，亦为参与或不参与。合起来看，甲和乙共有四个策略组合。其中，每一个数字组合的第一个数字是甲做出决策后的效用，第二个数字是乙做出决策后的效用。例如在甲选择参与，而乙选择不参与时，甲的效用为0，而乙的效用为1。

表1 非正负化内容的简单数组矩阵

当甲和乙进入产品以后，由于起初均带有阅读内容的渴望，此处假设甲与乙均携带1单位效用。

第一种情况，当甲和乙均选择参与讨论时，由于用户的聚集效应，甲和乙均可以获得效用的提升，我们假定两人对聚集效应的感受相同，每人均获得1单位的效用提升，均变为两效用。

第二种情况，当甲和乙都不参与讨论时，两人对于该内容无明显感知，均继续寻求下一内容。这时甲和乙依然保持有每人1单位的效用。

第三种情况，当甲参与讨论，而乙不参与讨论时。甲的单方面付出没有收到响应，会使得甲的效用减少，此处我们假定减少1单位，则甲的效应变为0。而乙不参与讨论，依然保持有自己的1单位的效用。

第四种情况同第三种情况，只是从“甲参与讨论，乙不参与讨论”，变为“乙参与讨论，甲不参与讨论”。因此，甲的效用依然为1，而乙的效用变为0。

可以看出，在甲和乙都参与内容讨论的情况下，甲乙总体的效用最大；在甲与乙有一方不参与讨论时，甲和乙的总体效用最低；在甲和乙都不参与讨论时，甲和乙的总效用居中。

3.1.2 非正负化内容的用户博弈过程

从表1的结果来看，对于乙而言，当看到甲选择参与的时候，乙会选择参与，因为此时会获得效用的增加。当看到甲选择不参与时，乙也会选择不参与，因为要保留自己的1单位效用。

对于甲，当看到乙选择参与的时候，甲会选择参与。当看到乙选择不参与时，甲也会选择不参与。

因此对于四种情况而言，最终的结果，“参与，参与”和“不参与，不参与”应各占50%的概率。但是实际情况中，一方参与，一方不参与也是存在的，其原因可能在于先参与的一方未能让尚未参与的一方相信，加入讨论会使得自己的效用获得提升，因此选择不参与讨论。这样的后果便是伤害到了先参与讨论的一方。当然，也存在可能，即未参与讨论的一方（或后进入的一方），故意令参与讨论的一方（或先进入的一方）效用降低。

同时，双方都不参与的情况下，双方均可保留自身的效用，这也侧面证明了，对于非正负化内容而言，启动用户参与讨论的难度。

3.1.3 一般数组矩阵

对于甲和乙来说，最初带有的效用和做出决策后效用每次的变化量不一定为1，因此现在我们把非正负型内容的效用数值一般化。假设甲最初拥有的效用为Um，乙最初拥有的效用为Un。“参与”使甲获得一次效用增加（减少），增加（减少）的效用为Ua（边际效用）；“参与”使乙获得一次效用增加（减少），增加（减少）的效用为Ub。根据表1的数值的一般化，可得表2。

根据表2，“甲参与，乙不参与”、“乙参与，甲不参与”两种情况效用孰高孰低，由Ua、Ub的数值大小决定。当甲乙都选择参与时，总效用水平大于等于甲乙都不参与的情况。

3.2 正负化内容的用户博弈模型

表2 非正负化内容的一般数组矩阵

表3 正负化内容的简单数组矩阵

3.2.1 简单数组矩阵

与前文相同，我们假设甲和乙起初带有阅读内容的渴望，此处假设甲与乙均携带1单位效用。

第一种情况，当甲和乙均对该观点表达支持时，由于用户的聚集效应，甲和乙均可以获得效用的提升，我们假定两人对聚集效应的感受相同，每人均获得1单位的效用提升，均变为两效用。

第二种情况，当甲和乙均反对该观点时，由于用户的聚集效应，两人均可获得效用的提升，与第一种情况一样，两人均变为两效用。

第三种情况，当甲支持该观点，而乙反对时。甲乙双方的观点存在抵触时，会使得甲乙双方的效用均减少，此处假定减少1单位，则甲乙的效用均变为0。

第四种情况同第三种情况，只是从“甲支持该观点，而乙反对”，变为“甲反对该观点，乙支持该观点”。因此，类似地，甲和乙的效用变为0。

可以看出，在甲和乙都选择支持或都选择反对的情况下，甲乙总体的效用最大；在甲与乙有一方反对，而另一方支持时，甲和乙的总体效用最低。

3.2.2 正负化内容的用户博弈过程

当乙支持，且看到甲支持时，乙进入讨论，促使自己的效用得到提高，同时这也助推甲的效用得到提高。

当乙反对，且看到甲支持时，乙进入讨论，反对甲的观点，造成自己和甲的效用均减少。

甲的情况与乙一样，不再赘述。

另外，当某人选择支持时，会希望其他人也选择支持，不希望其他人选择反对，因为这样会造成自己的效用减少。因此会鼓动他人进行同样支持化的表达，当发现有其人表达反对时会予以抗辩，这是造成正负化内容通常会显得活跃度更高的原因之一。

3.2.3 一般数组矩阵

现在我们把正负型内容的效用数值一般化。假设甲、乙最初拥有的效用分别为Um，Un。若甲的观点得到认同（反驳），甲获得一次效用的增加（减少），增加（减少）的效用为Uc；若乙的观点得到的认同（反驳），乙获得一次效用的的增加（减少），增加（减少）的效用为Ud。根据表3的数值的一般化，可得表4。

表4 正负化内容的一般数组矩阵

表5 正负化内容的简单扩展矩阵

3.3 正负化内容博弈模型的扩展

在前文对正负化的内容的探讨中，我们忽略了用户是否会参与，在此我们进一步思考。用户与内容的互动过程，是先有“参与”，然后再进行“支持”与“反对”。因此对于正负化内容，我们将“参与”与否给用户带来的效用变化，加入到正负化内容本身对用户的效用影响框架中。

当甲和乙都参与，且都支持或都反对时，每个人最终的效用数值为3，如表5。原因在于：他们的效用变化建立在“参与、参与”的基础上，对甲和乙而言，效用的增加过程是“1+1+1”，第一个“1”效用为本身带有的，第二个“1”效用是参与带来的用户聚集效应所催生的，第三个“1”效用是“支持”或“反对”聚集效应带来的。

当甲和乙都参与，且一个支持，一个反对时，两人的效用均为1，如表6。此1单位效用为的形成过程为“1+1-1”，其中的每个“1”与上段中的表述对应。

当甲和乙都不参与，或一方参与时，我们便可以不在考虑“支持”、“反对”这类维度。博弈模型变回了非正负化内容的博弈模型，即表1。

我们把表1和表5融合到一起，并按照前文的办法进行效用数值的一般化，可以生成表6。表6即是在“参与”、“不参与”的概念与“支持”、“反对”概念融合下生成的。即将“参与”与否作为进一步讨论“支持”或“反对”的先决条件。对于表6，在甲乙都参与的大前提下，又有有四种不同可能，分别对应表6的四种组合。表6中除了甲乙都参与的情况，可以发现其余部分与表2相同。

现在我们将表2和表6进行对比，并提取出两类内容中：甲乙可能达到的最大效用组合和最小效用组合，见表7。

表6 正负化内容的一般扩展矩阵

表7 两类内容的效用对比

表7首先分别给出了表2和表6各自可能取到的最大效用。很显然，对于最大效用而言，正负化内容的效用要大于非正负化内容，原因在于正负化内容中，用户不仅通过参与讨论收获了效用累积Ua、Ub，还经由“支持”或“反对”的被认同而收获效用Uc、Ud。这表明，当可以预见用户对社区内容参与热情较高时，给予正负化的内容，用户可能收获更高的效用。

最小效用方面，非正负化内容存在两种可能，正负化内容存在三种可能。

当Ua＞Ub时，可得（Um-Ua+Un）＜（Um+Un-Ub）。且2Ua+Ub＞Uc+Ud时，可得（Um-Ua+Un）＜（Um+Ua-Uc+Un+Ub-Ud）。此时非正负化内容的最小效用组合为（Um-Ua，Un），正负化内容的最小效用组合同样为（Um-Ua，Un），二者相等。

当Ua＞Ub时，可得（Um-Ua+Un）＜（Um+Un-Ub）。且2Ua+Ub＜Uc+Ud时，可得（Um-Ua+Un）＞（Um+Ua-Uc+Un+Ub-Ud）。此时非正负化内容的最小效用组合为（Um-Ua，Un），正负化内容的最小效用组合为（Um+Ua-Uc，Un+Ub-Ud）。此时正负化内容的最小效用更小。

当Ua＜Ub时，可得（Um-Ua+Un）＞（Um+Un-Ub）。且2Ub+Ua＞Uc+Ud时，可得（Um+Un-Ub）＜（Um+Ua-Uc+Un+Ub-Ud）。此时非正负化内容的最小效用组合为（Um，Un-Ub），正负化内容的最小效用组合同样为（Um，Un-Ub），二者相等。

当Ua＜Ub时，可得（Um-Ua+Un）＞（Um+Un-Ub）。且2Ub+Ua＜Uc+Ud时，可得（Um+Un-Ub）＞（Um+Ua-Uc+Un+Ub-Ud）。此时非正负化内容的最小效用组合为（Um，Un-Ub），正负化内容的最小效用组合为（Um+Ua-Uc，Un+Ub-Ud），此时正负化内容的最小效用更小。

我们将最小效用可能的以上四种情况总结到表8中。

从表8的结论来看，正负化内容的最小效用小于等于非正负化内容的最小效用。再结合表7的正负化内容的最大效用大于非正负化内容最大效用的结论，我们可以得出：正负化内容可以取到的效用范围大于非正负化内容的效用范围。这意味着，从实践角度出发，当我们给予社区用户的内容更偏向正负化时，用户的效用水平可能会有比较大的波动，既可能收获较高的内容讨论所带来的满足感，也对该内容讨论产生排斥情绪。当我们希望用户对内容的感知较为平稳时，应当更多的给予非正负化内容。

从表8的条件来看，Ua、Ub的大小对比，2Ua、2Ub的大小变化都会对最终的结论产生影响。而（Uc+Ud）在条件中始终作为一个整体出现。也就是说，若要对比两类内容，哪类可能给用户的效用负面冲击最大，对于Ua、Ub所代表的是否参与内容讨论为用户带来的效用改变，需要具体用户具体分析，细致剖析，对用户进行分类和对照是有必要的。而Uc、Ud所代表的正负化冲击则可以关注用户的整体全貌，通常考虑用户对被支持与被反驳的平均感受和效用变化。

表8 两类内容最小效用对比

4、总结与建议

本文首先对虚拟化社区中常见的内容类型进行了分类，并在此基础上归纳区分出“非正负化内容”和“正负化内容”两类。随后我们依据这两类内容分别建立了不同的博弈模型，在用户与内容、用户与用户之间构建了理论化的桥梁。本文利用博弈模型总结出启动用户对于非正负化内容讨论难度大的原因，并且发现了正负化内容通常活跃度高于非正负化内容的原因。同时，本文将正负化内容与非正负化内容的博弈过程进行结合，以期望用更全面充分的视角来看待正负化内容带给用户的效用影响。最后，我们发现正负化内容可以为用户带去相对于非正负化内容更大的效用，且正负化内容可以取到的效用范围大于非正负化内容的效用范围。

我们认为当社区利用正负化内容试图为用户带去更大的内容满足感时，社区也要承担用户效用水平反而显著下滑的风险。当社区希望用户的整体效用水平处在某一稳定水平时，则给予充分的非正负化内容更为合理。本文同时指出，当非正负化内容占据社区的主导地位时，对于个体用户或部分用户的边际效用需要独立分析，尽可能观测到用户群体的差异；而当正负化内容占据社区的主导地位时则可以关注用户的整体全貌。本文的研究结果对虚拟社区的用户与内容运营具备一定的指导意义，但诸如用户对内容的浏览时间等因素没有引入博弈模型，未来依然有改进可能。