社交电子商务平台的网络扩张机制概述

娄朝晖 陈艳雯 俞春晓

(1.浙江工商大学 经济学院，浙江 杭州 310018；2.中国建设银行杭州分行 财务会计部，浙江 杭州 310006)

随着互联宽带普及尤其是移动终端等基础设施的完善，电子商务迅速在全球成为主流业态.中国电子商务在此过程中的成就更加突出，截止2018年6月，阿里和京东以74.5%的市场份额维持行业寡头垄断局势，业内普遍相信，电商行业的竞争格局已然尘埃落定[1]；同时，国内移动电商用户总数尽管还在增长，但增速明显减缓(如图1所示).这一先占寡头的正反馈(Positive Feedback)效应优势和“流量困境”[2]，共同导致电商行业的进入门槛越来越高.

然而，自2015年起，黄铮等人带领拼多多打进电商领域，在不到三年的时间内突破5 000亿GMV(Gross Merchandise Volume，网站成交总额)，而实现这个数字阿里用了12年，京东用了9年.不同于传统电商平台的基于用户主动购买行为的搜索模式，以拼多多为代表的社交电子商务平台(Social E-Commerce Platform)更多是通过社交网络传播触达潜在购买人群并激发其购买欲，即销售模式由“人找货”变成“人找货找人”，这一模式成功突破了电商行业面临的“流量困境”，突破了阿里与京东的双寡头模式.移动社交红利逐渐凸显的背景下，以“拼多多”为首的社交电商给传统电商带来了巨大的威胁.Facebook创始人马克·扎克伯格(Mark Elliot Zuckerberg)更在2010年指出，社会化电子商务将会是下一个引爆.可见，不管是在国内还是国外，传统电商逐渐社群化是大势所趋，成为网络经济研究的新热点.

理解社交电商逆势成长的趋势就需要从理解社交电商相对于传统电商的特殊优势即社交功能入手分析.过去十几年来，国内外既有文献从平台经济、双边市场、网络产业理论等角度研究了传统电商；社交元素融入电商平台以后，互联网的物理网络与买方群体内的社会网络叠加在一起，使得网络结构的复杂性显著增强.本文基于梳理相关文献，探索平台网络扩张的机制，并为社交电商的研究提供新的理论进路.

1 文献回顾

1.1 社交电子商务

社交电子商务是社交与电子商务的结合.目前，国内外对社交电子商务的概念尚无统一的定义.Bronner等认为，社交媒体与互联网2.0在电子商务中的运用，允许消费者加入不同的社区并与社区中的成员发生互动，分享商品信息，改变了潜在消费者获取商品信息的渠道，最终影响消费行为[4].通俗来说，社交电子商务就是通过时下流行的社交工具和消费者做社交互动，利用用户之间的社交关系加强网络效应[注]根据Katz & Shapiro(1985)的定义，网络效应可以分为直接网络效应和间接网络效应，这里我们关注的是直接网络效应，即指消费者使用某产品或服务的效用与用户数量相关，使用某种产品或服务的用户越多，消费者的效用就越大.以扩张网络规模来辅助商品的销售.

社交电子商务平台具有传统电子商务平台所有的特点，同时又具备其独特的社交属性，包括基于电子口碑(E-WOM)的商业模式以及群体互动.目前，既有文献对社交电商的研究方向如表1所示.

在研究方法上，既有文献更接近于管理学，经济学角度的研究还比较稀缺.大部分文献只是将社交电商视为一种新的营销方式，对其效率、成本优势以及用户体验等进行经验总结，而对其内在机理缺乏理论认知分析和分析框架.社交电子商务平台具备典型双边市场的基本特征，因此，从平台经济学、网络经济学进行研究或许是未来的一个可行方向.更重要的是，由于社交元素的加入，社交电商平台的研究延伸到了社会网络领域.平台虚拟交易网以及社会互动形成的社会网，交互形成的双重叠加网络对平台双边用户产生更强的直接网络效应(同边用户示范-跟随的协调和正反馈过程)和交叉网络效应(双边用户“鸡蛋相生”的跨边协调和正反馈过程)，从而爆炸式扩大平台的规模.可见，如何借鉴社会网络分析方法从结构和规模两个方面来量化这一过程中的网络效应是未来值得深思的问题.

1.2 社会互动与社会网络

长期以来，强调社会因素对个人选择影响的社会互动一直处于经济学研究的边缘.社会互动是指个体之间的相互依赖性，在这些相互依赖性之下，一个兼具社会和经济行为特征的人，其偏好、信念以及其所面临的预算约束都受到其他人特征与选择的直接影响[17].而社会网络是指由一群人联结在一起构建起来相对稳定的社会关系系统，具有传递信息和输送利益的功能.

表1 社交电商的研究现状

问题指向 研究内容 代表文献用户行为消费者的购买行为Shin & Dong(2013)[5];Chen & Shen(2013)[6]用户来源下沉市场的人口红利Jing(2018)[7];Su(2019)[8]商业模式不同电商平台商业特征的比较Kim(2013)[9];Xuan(2018)[10]网络分析网络结构对平台中各方的冲击Sashi(2012)[11]安全隐私平台隐私和支付安全等问题Sharma& Crossler(2014)[12];Park(2012)[13]公司绩效对平台及商家业绩的影响McIntyre et al.(2016)[14]理论建构平台经济原理分析Liang& Turban (2011)[15];Baghdadi(2013)[16]

Granovetter[18]将新古典经济学的理论框架与社会网理论进行对比，发现理性选择的理论架构是“低度社会化”的.前者忽略了人在做任何决定的时候都会深深地受到个体在社会结构中所处位置的影响，并且人的理性决定是动态化的，他往往会不断地与别人互动，不断地因为别人的影响而改变自己的效用函数.总之，经济行为是嵌入在社会网中的，处于社会中的人的偏好、决策和行动必将受到社会网络的影响，个人会随时受到有关系的他人的影响而改变效用函数.

在社会网络中，个人关系的强弱取决于他所占据“结构洞[注]根据Burt(1992)的定义，“结构洞”指社会网络中的某个或某些个体和有些个体发生直接联系，但与其他个人不发生直接联系.无直接或关系间接的现象，从网络整体看像是网络结构中的洞穴.”的多寡[19].结构洞是社会网络中关系形成的关键节点，拥有结构洞的人往往具有信息优势与控制优势[20].但目前还鲜有文献从社交电商网络的结构出发，以联结强度和结构洞为衡量指标对其进行分析.不同结构位置的用户对产品扩散的影响是不同的，当用户处于网络中心并成为意见领袖时，能够大幅度提高产品扩散的速度[21-22].可见，企业有目标地选择处于网络中心位置的用户使之成为意见领袖能够有效地提高其绩效水平.

2 社会互动和社会网络中的个体行为

2.1 社会互动对个体行为的影响

考虑社会互动之后，理性行为人成为社会-经济行为人，其行为的偏好、预期(信息)以及预算约束将会受到其他人行动的影响[17].社会互动影响个人行为最首要的途径就是塑造行为人的偏好以内化他们所处社会的影响[23]，社会因素可作为偏好的对象直接纳入效用函数[24].另一方面，信息的收集是影响消费者决策的重要环节，当行为人从他人选择中得到的信息比他的私人信息多时，他就会选择模仿在他之前紧挨着的那个行为人的决策，这就是所谓的“羊群行为”[25].

社会互动如何强化电商平台买方一侧内部正的直接网络效应？在社交媒体时代，用户可以自己生产内容，消费者在购买某种产品之后会分享使用体会，形成该商品的口碑，同时成为其他消费者获得信息改变偏好的重要渠道.交易平台上的口碑已成为消费者对在线商店和产品印象的知识库，最后影响社会网购行为.可见，口碑成为企业树立形象的关键，在口碑的作用机制中，一些影响力大的人物就成了“意见领袖”开始引导市场的方向，带来需求方更大的网络效应.但是，目前对意见领袖的形成过程以及其在新产品扩散中的作用机理尚未清晰.

基于以上分析，社交电商主要以“口碑效应”的方式改变影响行为人决策的两个关键因素：偏好和信息；同时根据强联结带来信任，弱联结带来信息，考虑社会互动的频率、信息质量等网络强度因素，社会互动还影响使用外部性的大小.因此社会互动从社会网和交易网两个方面同时激发消费者用户示范-跟随行为[注]传统电商由于缺少需求方内部的交流，故只存在交易网.，为平台触发规模“爆炸”的临界点，由此显现出比传统电商更大的网络效应，但要将这一理论纳入社交电商的机理分析，还需要可量化的工具性概念和分析性框架.

2.2 “小世界”社会网络下的局部网络效应

Strogatz对动力学网络的相关研究进行了综述，并将网络分为规则网络和复杂网络，复杂网络又分为“随机网络、小世界网络和自相似网络”，其中，小世界网络表现出较高的聚类系数，同时又具有较低的平均路径长度[26].这与现实世界由物理距离比较近的邻居和同事、朋友和同学及血缘关系相近的亲戚组成的网络结构特征相符合，小世界网络模型反映了实际社交网络的特征，是网络效应新产品扩散的基础.

传统网络经济学定义下的全局网络效应认为[注]传统网络效应认为，新用户的加入带给网络中所有在位用户的效用增量是相同的，而未考虑新用户和在位用户之间是否存在关联，即用户之间的网络拓扑结构.这种同质均匀的结果只有在陌生人网络中才能实现.，市场竞争在正反馈的作用下将呈现出“赢家通吃”的垄断结果，相比较之下，局部网络效应认为消费者的效用仅仅受到全体潜在消费者的某个子集中消费者选择的影响，即用户在选择采纳产品时更多的是受到他所处子网络中其他用户选择的影响，而不是全体消费者的采纳比例[27]，这更加符合现实案例中市场长期稳定均衡时所呈现出的“分层式垄断竞争”结构[28].换言之，全域视角意味着把任意两个用户间的连接频率、强度视为同质的、均匀的；而在真实世界中，由于社会网络的存在，每个人都只与部分特定人群发生更紧密更频繁的互动，因而网络效应是异质的、不均匀的(如图2所示)，用户在选择时更多的是关注他所处子网络中其他用户的选择，其他用户的选择对用户选择影响的大小取决于用户间联系的强弱程度，联系的强弱程度又取决于用户网络的网络结构.现实生活中，产品的扩散往往是在人类社会网络中进行，可见熟人圈的局部网络效应才更有研究意义和商业价值.

社交电子商务平台需求方一侧就是由一个个小团体，即“小世界”网络组成的，也即在整个平台的范围边界中，消费者一侧由无数个小的社会网络集聚而成，社交网络叠加电商平台的虚拟交易网络共同作用于平台网络扩张的过程，因此，平台的价值和网络效应可通过这两个维度来衡量.

3 局部网络效应下社交电商平台的网络扩张机制概述

3.1 局部网络效应下消费者效用的决定

主流理论对于网络效应的定义隐含着每个成员间的外部性是同质、均匀的，即用户在决定是否采用某一具有网络效应的产品(技术标准)时只考虑总体规模“N”，此时单个用户的效用来自用户数量与产品本身的技术特征.现实中，考虑到熟人社会、差序格局等社会网络因素后，熟人间的外部性要大于一般的网络外部性，即此时网络效应主要是通过用户间的社会网络起作用，即网络效应是局部的，所以局部网络效应是一种比通常虚拟网络效应更强的、熟人“小世界网络”特有的网络效应.

社交电子商务平台网络扩张的关键在于需求方一侧的用户规模[注]电子商务平台竞争的核心一直在于“争夺用户”，社交电商完成原始用户积累是打破以阿里和京东两家传统电商寡头垄断局面的关键，因此本文分析的重心在需求方一侧..需求方规模经济本质上来源于用户之间的互动，因此网络效应的强弱与消费者所在的社会网络有关.局部网络效应就是强调局部个体之间的交互作用，根据局部网络效应理论，个人的效用函数将会受到其所在社会网络中其他人行为的影响，影响的大小取决于社会网络的规模与结构，并最终体现在个人的经济行为选择中.

图2展示了潜在社会网络的一个截面，以节点1和节点2为例，存在两个不同的小世界网络，若Gi表示节点i邻居的集合，那么就有G1={2,3,4,5,6}和G2={1,7,12,13,14}两个小网络集.节点1周围的实线描绘了关于其邻域的信息，节点2周围的虚线则描绘了其领域的信息.现假设，一具有网络效应的新产品在图2所示的社会网络中进行扩散.

传统网络效应理论认为，某一采用该产品用户的效用是全部已采用者规模的函数，Katz & Shapiro[29]给出了此时用户的效用函数：

U=a+rN-p

其中，p为产品的价格；a表示产品的自有价值；r为网络效应强度，a和r都大于0；N为已采用同种具有网络效应产品的用户规模.该效应函数暗示了新用户的加入对所有旧用户的影响是一致的，忽略了新旧用户之间是否存在直接的连线，以图2为例，节点5采用新产品对已经采用该产品的节点1和节点2的影响是一致的.全局网络效应强调的是用户规模.

但是局部网络效应理论则认为，某一节点的效用是其所在网络中邻居行为的函数.Sundararajan[27]给出了局部网络效应下节点i的收益函数：

πi(ai,a-i,Gi,θi)=ai[u([∑j∈Gaj],θi)-c]

其中，ai、a-i∈A≡{0,1}，ai表示节点i的行为选择，即采用(ai=1)或者不采用(ai=0)某一网络效应产品，a-i表示节点i邻居的行为选择，含义同ai；θi∈[0,1]表示邻居行为对节点i的影响因子，其大小与小世界网络的结构有关；c是采用该产品的成本.这一函数意味着，对于某一具有网络效应的产品，节点i不采用的收益为0，采用的收益是由价值函数u(x，θi)决定的，价值函数u(x，θi)是已采用产品的节点的邻居行为的函数，这也意味着节点i的收益仅受其邻居集Gi中其他节点行为的影响.并且，Sundararajan还认为，

A:u(x+1，θ)>u(x，θ)；B:u(x，θ)>0；C:u(x，θ)>c

根据Sundararajan的模型，局部网络效应下用户i的效用函数表达式如下：

Ui=a+rNGi-p

其中，p为产品的价格；a表示产品的自有价值；r为网络效应强度，a和r都大于0；NGi表示用户i的邻居集Gi中采用该种产品的用户数，即用户i的效用大小与其邻居中采用同种产品的用户规模有关.如图2，节点5的行为只对节点1有影响，因为他们在一个集合中.这种区分弥补了传统理论不符合现实的缺陷.值得注意的是，图2还说明了，某一节点既有属于他的邻居集，同时也是另一节点邻居集合中的成员，例如用户1与用户2的关系.存在联系的节点各自又有不同的邻居，因此不断将小网络连接成大网络，小网络的结构和规模决定大网络的姿态.局部网络效应同时强调用户网络的规模和结构.

社交电子商务平台独有的社会互动特点使消费者之间的关系不再是割裂的，单个消费者的行为更多会受到其所在圈子里其他消费者行为的影响，即存在需求方局部网络效应.

3.2 局部网络效应下社交电商平台的网络扩张机制

对于考虑了用户社会网络的网络性新产品，产品扩散的关键在于社会影响，体现为网络结构和网络中的关键节点.新平台作为一种新技术产品，研究表明新产品扩散理论在平台领域具有普遍的适用性，社会网络在其中同样具有重要作用.现有文献对平台演化和竞争的研究主要基于博弈论分析框架，重点研究交叉网络外部性对平台定价策略以及扩张的影响，而很少触及交叉网络效应的产生和扩张的具体过程:

一般认为，双边平台企业的网络扩张通常需要面对“蛋鸡相生”和“临界规模”这一用户协同问题，吸引双边用户的加入并使用户规模达到正反馈起作用的临界点是平台能否生存的关键.根据Rochet等对双边市场的交叉网络外部性特征的定义，个体对他人的网络外部性主要通过成员外部性和使用外部性发挥作用[30].其中，成员外部性是指平台一边市场用户的潜在价值会因另一边市场用户规模的增加而增加，用户只需接入平台，成为平台的会员，就能对其他用户的决策和行为产生一定程度的影响.使用外部性是发生交易或者相互作用时，产生的另一类外部性，是与交易量有关的外部性，平台中的交易量越大，交易频率越高，规模经济、范围经济就越明显.通过平台服务交易，用户的潜在价值变为实际价值，用户的协同价值越大，平台对用户也就越具有吸引力.

局部网络效应对平台的网络扩张作用机制基本上也是通过成员外部性和使用外部性来实现的(如图3所示).

3.2.1 成员外部性

个体决策会受到邻居行为的影响，影响的大小由个体所在网络的结构和规模决定.新平台成立的初期，局部网络效应的作用在于吸引新用户加入平台，完成平台用户的原始积累.根据成员外部性的定义，消费者预期和用户安装基础是主导平台网络扩张的关键因素，此时邻居效应的强度和复杂社会网络的结构特征对均衡采用者比例有重要影响.在这一背景下，个人的邻域交往对象在平台网络扩张的过程中起到至关重要的作用，也是平台收益的主要来源，社交平台的用户在网络邻居的重复刺激下采用该平台的概率会大大提高.可见，主体之间协调决策的策略性行为和采用者网络的拓扑结构是影响用户加入平台的关键因素.

3.2.2 使用外部性

社交电子商务平台的核心业务是实现重复交易，产生交易的前提在于消费者存在购买意愿，社会网络会影响消费者的购买意愿.依据消费者选择理论，网络效应源自网络节点之间的互相依存性，且受到网络规模、网络结构、网络密度和连接强度等诸多因素的影响.可见除了连接数量，节点间的网络密度也会决定网络内使用外部性的大小.节点之间通过社会网络进行交流互动，最终影响他们的购买意愿大小，因此个体间的相互作用对于产品交易决定具有关键作用，大量实证结果表明人际关系影响系数约为外部因素影响系数的10倍，例如，Facebook平台上个体做出交易决策的概率取决于接触的网络邻居圈子.

综上，电子商务平台和在线社交网络的融合发展，允许消费者基于社交网络进行交流互动，使得用户网络在平台网络扩张中的作用越来越显著，成为平台经济学新的研究方向与领域.以往对于平台网络扩张机制的研究多基于全局网络效应的视角，隐含了全部网络由同质外部性的陌生人组成的假设情境，而未考虑具有异质外部性的熟人组成的社会网络对平台网络扩张的影响，因此尝试借鉴复杂网络理论中对局部网络效应下产品扩散机制的研究方法，引用社会网络分析方法构建平台网络的结构变量，将产业经济学中的“网络外部性”和消费者网络中的“网络内部结构”共同作为研究平台间竞争的新理论，是理清社交电商平台网络扩张机制的关键.

4 未来展望

社交电商崛起是近年来移动互联网普及带来的流量红利和市场下沉引发的新趋势，这一前沿课题极具“中国故事”属性和理论挖掘潜力.未来研究的议程可展望如下:

第一，实证检验社交电商是否具有比传统电商更高的平台价值(绩效).如何设计平台的结构变量，从规模与结构两个方面实证检验网络效应更强的社交电商是否具有比传统电商更高的平台价值、市场地位和社会福利，是值得深思的问题.

第二，构建衡量网络效应的结构性指标是当前亟待解决的问题.衡量网络效应，目前仅仅以用户规模角度测量[注]如梅特卡夫法则(Metcalfe’s Law)、植草益公式(Masu Uekusa’s Formula)等.，而缺少结构维度指标，这既不符合实际，也存在理论缺陷.网络效应，本质上是个体间的交互外部性，其不仅取决于互动的人数规模，更取决于个体间如何互动以及互动程度.

第三，对意见领袖、社交达人、领先用户[注]Eric von Hippel(1986)提出，领先用户(Lead User)指在一项创新的生命周期初期采用该创新的顾客，一般具有比普通用户更专业的知识以及更丰富的经验，因此能产生重要的示范作用，推动创新的扩散和普及.一旦创新产品满足需求，领先用户就会成为产品的初期采用者.等结构洞节点在网络形成过程中所起的示范-跟随作用机理做出深入的理论解释和测量，可能是未来的一个前沿方向.结构洞作为网络联结中的层级不同、服务半径不同的枢纽性节点，通过控制信息、资源和机会等，对一般节点的偏好、信息，决策、行为和收益起到重要影响，这种影响有多大？具体通过哪些途径发挥作用？都需要构建逻辑自洽、内在一致的解释框架和因果识别策略.