基于演化博弈的领先用户知识共享行为激励机制

李从东，黄 浩，张帆顺

（1.暨南大学管理学院，广州 510632；2.暨南大学物联网与物流工程研究院，广东珠海 519070）

（∗通信作者电子邮箱17819574716@163.com）

0 引言

领先用户是指具有领先市场趋势和高期望收益特征的一类用户，是推动企业产品创新的重要参与者与贡献者［1］。有研究指出，领先用户几乎贡献了用户创新社区90%～91%的想法与知识，为维持社区活力和企业创新作出了重要贡献［2］。相较于普通用户，领先用户通常具有更高水平的专业知识，共享的知识可以协助企业发现更有价值的创新或改进产品的需求，开发出更具有商业前景和吸引力的产品［3］。然而，用户创新社区中大部分领先用户只单纯地浏览社区中的信息和知识，在社区中扮演了潜水者的角色，导致企业难以获取足够的创新知识［4］。因此，如何更好地促进领先用户进行知识共享，从而加速企业产品创新进程已经成为企业与学界关注和研究的重点。

现阶段，领先用户知识共享行为的相关研究主要聚焦于领先用户知识共享行为的影响因素。如:Liu 等［4］在社会资本理论的基础之上，研究了领先用户的不同特征（互动性、权威性、活跃度）对用户创新社区知识共享水平的影响。王楠等［5］考虑社会资本与自我效能两个变量，探讨了社区用户的领先用户特征与知识共享水平之间的关系。Hau 等［6］基于社会资本理论与社会认知理论，讨论了社会资本、感知行为控制与领先用户特征对用户知识共享水平的影响。Marzouki 等［7］研究了领先用户知识共享与企业创新绩效之间的关系，并分析了知识共享意愿对领先用户知识共享行为的影响。经分析发现，当前研究仅站在领先用户的角度考虑知识共享的影响因素，忽视了企业激励机制对领先用户知识共享行为的作用。一方面，激励历来被视为个体行为动力的源泉且在社会学、心理学等方面被广泛研究，期望激励理论也经常用来研究用户参与创新社区的各种行为［8-10］。另一方面，激励机制是促进领先用户知识共享行为的重要外部动机，企业通过提供丰富的激励奖励，设计合理的激励机制，可以有效地提高领先用户知识共享行为的意愿［11］。因此，考虑企业激励机制对领先用户知识共享行为的影响是对现有研究的一个重要补充。

演化博弈将传统博弈分析和演化动态有机地结合起来，摒弃了传统博弈中的完全理性和完全信息假设，以有限理性为基础，为研究复杂社会系统提供了合适的分析工具［12］。用户创新社区知识共享各方是否选择知识共享是一个动态且复杂的博弈过程，知识共享行为的产生往往依赖于相应的激励和引导。因此，部分学者采用演化博弈的方法，从动态的视角探讨用户创新社区知识共享策略的演化机制。如张薷［13］构建了基于信任水平下的用户创新社区成员知识共享行为演化博弈模型，研究了社区用户之间不同信任水平下系统的演化博弈稳定策略。Jiang 等［14］考虑社区用户间的交互关系，构建了用户知识共享行为演化博弈模型，结果表明用户间形成的网络结构对知识共享演化水平具有显著影响。王鹏等［15］引入生命周期的相关概念，构建了社区用户间的知识共享演化博弈模型，为处于不同阶段的用户创新社区提供管理建议。经分析发现，现有研究多构建用户与用户之间的博弈模型，较少研究企业与用户之间的博弈，忽视了企业与用户之间相互影响的作用关系。一方面，企业是否选择创新策略可能受到领先用户是否反馈了产品或服务的知识及需求的影响［16］。Schreier等［17］通过实证研究发现，领先用户拥有丰富的消费者知识以及产品使用经验，其共享的知识可提高企业产品创新成功的可能性。范钧等［18］针对领先用户知识共享对企业新服务创新的影响展开研究，研究结果表明知识共享对企业新服务创新绩效有显著正向影响。另一方面，领先用户是否愿意共享自己的知识与想法又可能依赖于企业是否选择创新［19］。领先用户具有领先市场趋势的特征，对创新或改进产品的需求更加敏感，未进行创新的企业可能会降低领先用户对企业或产品的满意度，进而影响领先用户知识共享策略的选择［20］。因此，本文选择演化博弈作为研究方法，以企业和领先用户作为博弈主体，定量揭示不同激励机制下企业和领先用户策略选择的演化结果，刻画双方博弈行为演化过程，为找到最佳演化策略提供理论依据。

基于上述分析，本文针对领先用户知识共享行为激励机制问题，在演化博弈理论的基础之上，构建了不同激励机制下企业创新与领先用户知识共享之间的演化博弈模型，并试图探讨企业激励机制对领先用户知识共享行为的作用关系，分析领先用户知识共享行为的影响因素，找出企业最佳激励策略以最大限度激励领先用户进行知识共享，有助于研究企业创新与领先用户知识共享行为之间的关系。

1 演化博弈模型构建与分析

1.1 模型假设

在企业与领先用户进行互动的用户创新社区平台中，由于信息的不对称、环境的动态变化以及人的思维的局限性，企业与领先用户都是具有有限理性的个体，双方之间的博弈是一个不断学习、动态演化的过程。企业作为产品创新的主体，其博弈策略可以划分为创新策略和不创新策略，而领先用户可以通过在用户创新社区平台中共享知识的行为，参与到企业产品创新的过程之中，其博弈策略可以划分为知识共享策略与知识不共享策略。假定在演化博弈初期，领先用户选择知识共享的概率为x，选择知识不共享的概率为1-x；企业选择创新策略的概率为y，选择不创新的概率为1-y。

其中，领先用户选择知识共享需要付出成本Cc，包括知识的传递成本、沟通成本与机会成本等。企业进行创新需要付出的成本为Ce。若领先用户选择知识不共享策略而企业又选择进行产品创新时，企业的产品创新来源没法得到全面满足，只能通过其他途径寻求利于产品创新的有用知识，需付出知识的搜索成本Cs。企业获取到领先用户共享的知识时，可获得收益为Re，企业选择产品创新后可获得的收益为f(f＞Ce)，领先用户也可从产品创新中获得一部分额外收益为e，表现为用户对产品满意度的提升、更好的产品体验等。当领先用户选择知识共享策略，而企业选择不进行产品创新时，领先用户会降低知识共享行为的积极性，同时，区别于普通用户，领先用户拥有领先市场与产品趋势的特征［1］，从而会对不进行产品创新的企业产生失望、不满等消极情绪，导致领先用户获得额外成本为t。相较于普通用户，领先用户可以提供更有价值的创新知识或改进产品及服务的需求，同时，一个用户创新社区平台中的领先用户数量是有限的，因此，不同于传统的只奖励选择知识共享策略的用户的激励措施，企业将会对所有的领先用户进行一定程度的激励Ri，根据领先用户是否进行知识共享分配激励奖励，分配系数设为β，采取激励措施需付出的总成本为Ci，考虑到领先用户激励收益包括物质激励及精神激励，故企业采取激励措施需付出的成本Ci不等于领先用户获得的激励奖励Ri。其中，选择知识共享的领先用户将获得激励收益为βRi，企业付出的对应成本为βCi，选择知识不共享的领先用户将获得激励收益为(1-β)Ri，企业需付出成本(1-β)Ci。具体的参数及相关描述如表1所示。

表1 参数说明Tab.1 Parameters description

1.2 博弈支付矩阵

当领先用户和企业发生博弈时，不同策略组合下双方可获得的收益不同，根据上述参数的设定，分别构造出企业在未采取激励措施下和采取激励措施下企业与用户的博弈支付矩阵，如表2～3所示。

1.3 企业未采取激励措施时演化策略局部稳定性分析

根据表2 列出的四种策略组合可得领先用户选择知识共享策略的平均收益为Ux=ye+yt-Cc-e，领先用户选择知识不共享策略的平均收益为U1-x=ye，领先用户分别以x和1-x的概率选择知识共享和知识不共享策略的平均收益为:

表2 企业未采取激励措施下的博弈支付矩阵Tab.2 Game pay-off matrix under condition without incentive measures of enterprise

假定该策略比例的调整速度与其平均收益超过混合策略平均收益的幅度成正比，则关于领先用户知识共享策略的复制者动态方程为:

相似地，关于企业创新策略的复制者动态方程为:

根据雅克比矩阵（Jacobin Matrix）的局部稳定分析法，对上述均衡点进行稳定性分析。其雅克比矩阵为:

该雅克比矩阵的行列式detJ、迹trJ分别为:

当某平衡点使得detJ＞0、trJ＜0时，则可以判断该平衡点处于局部渐进稳定状态，也即该点是演化稳定策略（Evolutionary Stable Strategy，ESS）。判断过程见表4～5。

由表4～5可知，当Ce＜f＜Ce+Cs或f＞Ce+Cs时，即企业进行创新所获得的收益小于创新总成本（包括Ce和Cs）或者收益大于创新总成本时，领先用户都倾向于选择知识不共享。用系统的相轨迹示意图描述两种条件下企业与领先用户策略选择的动态演化过程，如图1～2 所示。由图1～2 可知，无论从任何初始状态出发，系统将分别收敛于E1(0，0)、E2(0，1)点。

表4 Ce ＜f ＜Ce+Cs时局部稳定性分析Tab.4 Local stability analysis when Ce ＜f ＜Ce+Cs

表5 f ＞Ce+Cs时局部稳定性分析Tab.5 Local stability analysis when f ＞Ce+Cs

图1 Ce ＜f ＜Ce+Cs时的演化相图Fig.1 Evolution phase diagram when Ce ＜f ＜Ce+Cs

图2 f ＞Ce+Cs时的演化相图Fig.2 Evolution phase diagram when f ＞Ce+Cs

由于企业不重视外部知识的重要性，对领先用户缺乏一定的激励措施，领先用户不愿意为企业贡献自己的知识和想法，导致企业必须付出更多的成本来进行产品创新。基于此，1.4 节将引入激励措施，对企业与领先用户达到均衡策略进行演化分析，重点讨论引入的激励及激励分配系数对博弈双方策略选择的影响，分析企业采取激励措施的最佳范围。

1.4 企业采取激励措施时演化策略局部稳定性分析

依据上述假设以及表3 构建的收益矩阵同理可得领先用户选择知识共享的复制动态方程为:

表3 企业采取激励措施下的博弈支付矩阵Tab.3 Game pay-off matrix under condition with incentive measures of enterprise

类似地，企业选择创新策略的复制动态方程为:

根据局部稳定分析法，可得系统的雅克比矩阵为:

该雅克比矩阵的行列式detJ、迹trJ分别为:

根据均衡点的局部渐进稳定状态的条件，即detJ＞0、trJ＜0，可确定系统均衡点的稳定性。将六种情况下企业与领先用户在系统中的比例变化复制的动态关系用相轨迹示意图表示，如图3所示。

情况1 如图3（a）所示:当Ce＜f＜Ce+Cs，β＜时，0 ＜x*＜1，0 ＜y*＜1，系统存在5 个均衡点。其中，演化均衡点为E1(0，0)或E4(1，1)。

情况2 如图3（b）所示:当Ce＜f＜Ce+Cs，β＜时，系统存在4个均衡点。其中，演化均衡点为E1(0，0)。

情况3 如图3（c）所 示:当Ce＜f＜Ce+Cs，β＞时，系统存在4 个均衡点。其中，演化均衡点为E4(1，1)。

图3 引入激励措施时的演化相图Fig.3 Evolution phase diagram with incentive measures

情况4 如图3（d）所示:当f＞Ce+Cs，＜β＜时，系统存在4 个均衡点。其中，演化均衡点为E4(1，1)。

情况5 如图3（e）所示:当f＞Ce+Cs，β＜时，系统存在4个均衡点。其中，演化均衡点为E2(0，1)。

情况6 如图3（f）所示:当f＞Ce+Cs，β＞时，系统存在4个均衡点。其中，演化均衡点为E4(1，1)。

由图3 可知，在激励分配系数β不同的取值范围下，企业与领先用户在系统中最终的演化稳定状态是不同的，这对于企业在制定最佳激励策略时具有重要借鉴意义。当满足Ce＜f＜Ce+Cs，β＞时或当在f＞Ce+Cs，β＞时，稳定均衡策略为（知识共享，创新），此时领先用户与企业在系统中的趋势为最佳状态。除此之外，当Ce＜f＜Ce+时，系统演化可能会出现（知识不共享，不创新）、（知识共享，创新）两种状态，至于最终领先用户与企业之间的策略选择究竟会演化到什么样的稳定状态，与临界点的值即有关，故1.5 节将从临界点E5中一些变量的变化来观察临界点E5的变动，进而分析领先用户与企业策略选择的演化轨迹。

1.5 模型参数分析

1.5.1 领先用户知识共享成本Cc

知识的缄默性越高，领先用户将这些知识显性化并传递给企业的成本就会越高，同时，知识共享也可能导致领先用户专有知识优势的丧失，给其造成一定的利益损失。用户知识共享成本Cc处于临界点E5的分子部分，共享成本的值越大，则临界点E5离E1越远，图3 情况1 中区域E1E2E5E3的面积就越大，系统收敛于演化稳定策略（知识共享，创新）的概率就越小。反之，共享成本越小，区域E1E2E5E3的面积越小，系统收敛于（知识共享，创新）的概率就越大。因此，降低领先用户知识共享成本可以促进用户选择知识共享、企业选择创新行为的发生。

1.5.2 知识搜索成本Cs

当产品创新来源知识没法得到全部满足时，即领先用户选择知识不共享策略时，企业需要搜索有利于产品创新的内外部知识，在这个过程中所产生的成本即为知识搜索成本。企业知识搜索成本Cs的值越大，则区域E1E2E5E3的面积就越大，领先用户选择知识共享策略、企业选择创新策略的概率就越小，反之亦然。因此，较低的知识搜索成本可以促进系统向（知识共享，创新）策略组合演化。

1.5.3 激励分配系数β

企业为了留住领先用户并促进其进行知识共享，为所有领先用户提供了激励奖励，并按照激励分配系数β将激励奖励分配给领先用户。激励分配系数β的值越大，则区域E1E2E5E3的面积就越小，整个系统收敛于演化稳定策略（知识共享，创新）的概率就越高，反之亦然。因此，较高的激励分配系数可以促进系统向（知识共享，创新）策略组合演化。

2 演化博弈仿真结果与分析

为验证模型及结果的有效性与科学性，利用Matlab 软件模拟了企业与领先用户策略选择的演化过程，通过比较不同条件下的仿真图形，探讨企业与领先用户策略选择的影响因素，重点讨论不同激励机制下企业与领先用户的演化稳定策略，分析企业与领先用户实现最佳策略组合（知识共享，创新）的激励方案。为保证参数数值的合理性，结合文献［12，21-22］与模型假设，将具体参数数值设置如下:Cc=50，Ce=90，Cs=70，f=110/180，e=30，Ri=90，t=20，Re=20，β=0.8，Ci=80。系统中领先用户与企业策略选择的初始概率（x，y）设置为（0.5，0.5）。在此基础上进行模拟仿真，给出了不同的演化轨迹路径。

由初始参数值可得出企业未采取激励措施情况下与企业采取激励措施情况下的博弈支付矩阵，如表6～7所示。

表6 企业未采取激励措施情况下的博弈支付矩阵（f=110）Tab.6 Game pay-off matrix under condition without incentive measures of enterprise（f=110）

表7 企业采取激励措施情况下的博弈支付矩阵（f=110）Tab.7 Game pay-off matrix under condition with incentive measures of enterprise（f=110）

在企业未采取激励措施的情况下，企业创新收益f对领先用户与企业的策略选择的影响如图4所示。

从图4 可以看出，在未引入激励措施的情况下，当企业从创新策略中获得的收益值低于创新成本和知识搜索成本之和时，系统的稳定状态逐步趋于（知识不共享，不创新）；当企业从创新策略中获得的收益值高于创新成本和知识搜索成本之和时，系统的稳定状态逐步趋于（知识不共享，创新）。可以发现，当企业选择不创新甚至企业花费大代价进行创新时，领先用户都不会选择知识共享策略。这是由于企业对领先用户缺乏必要的激励机制，相较于普通用户，领先用户更想从满足企业需求的知识共享中获得期望的收益，不能从知识共享中获得足够的激励奖励会使得领先用户降低知识共享的意愿。因此，企业需要设计一定的激励机制，促进领先用户为企业提供其创新的想法与知识。

图4 未采取激励措施时系统的演化轨迹Fig.4 Evolutionary tracks of system without incentive measures

图5～6 分别对应企业在引入激励措施的情况下（情况1～情况6）系统的演化轨迹。

图5 采取激励措施时系统的演化轨迹（情况1～情况3）Fig.5 Evolutionary tracks of system with incentive measures（scenario 1-scenario 3）

图6 采取激励措施时系统的演化轨迹（情况4～情况6）Fig.6 Evolutionary tracks of system with incentive measures（scenario 4-scenario 6）

由图5～6 可以看出，由于缺乏对选择知识共享策略的领先用户足够的激励，情况2 最终的稳定策略为（知识不共享，不创新），情况5最终的稳定策略为（知识不共享，创新），两种情况下均未达到系统的最佳策略。而在情况3、4、6 的条件下，系统的最终稳定策略（知识共享，创新），与演化博弈模型得到的结果一致。值得注意的是，在情况1 的条件下，随着激励分配系数β的增大，系统的演化稳定策略从（知识不共享，不创新）向（知识共享，创新）演化。因此，可以发现，无论企业从创新策略中获得的收益值低于或者高于创新成本和知识搜索成本之和时，系统都可以在不同的激励分配系数β下达到最佳的稳定状态（知识共享，创新），不同条件下的最佳激励分配系数大小β由激励值Ri、知识共享成本Cc和额外成本t决定。这对于企业制定领先用户激励策略具有重要参考价值。

从图5 中情况1 可以看出，对参数β取不同的值，系统的稳定策略完全不同。因此，下面将模拟在情况1 的条件下，设置不同参数大小对企业与领先用户策略选择的影响。

图7～8分别表示在情况1的条件下，知识共享成本与知识搜索成本对于演化稳定策略的影响。

图7 不同知识共享成本下系统的演化轨迹（情况1）Fig.7 Evolutionary tracks of system under different knowledge sharing costs（scenario 1）

从图7 可以看出，当领先用户在知识共享过程中所付出的成本越小时，系统的最终稳定策略会向（知识共享，创新）演化。这是由于当知识共享成本越来越低时，领先用户感知到所获得的激励收益远高于付出的共享成本，因此更倾向于选择知识共享策略，而企业获得领先用户共享的知识后所获得的创新收益大于成本，从而更愿意选择创新策略。

从图8 可以看出，当企业在搜索内外部知识过程中所付出的成本越小时，系统的最终稳定策略会向（知识共享，创新）发展。这是由于过低的知识搜索成本会吸引企业选择创新策略，同时，领先用户选择知识不共享时所获得的“搭便车”收益与激励收益之和远低于其选择知识共享时获得的激励收益，因此领先用户更愿意选择知识共享策略。

图8 不同知识搜索成本下系统的演化轨迹（情况1）Fig.8 Evolutionary tracks of system under different knowledge search costs（scenario 1）

在情况1 的条件下，激励分配系数对领先用户与企业策略选择行为的影响如图9表示。从图9中可以看出，激励分配系数越大，系统的最终稳定策略向（知识共享，创新）收敛。这是由于较大的激励分配系数意味着选择知识共享的领先用户获得的激励收益越高，足以覆盖领先用户选择知识不共享时所获得的收益之和，因此领先用户会倾向于选择知识共享。而企业从知识共享中获得的创新收益大于成本，因而会选择创新策略。

图9 不同激励分配系数下系统的演化轨迹（情况1）Fig.9 Evolutionary tracks of system under different incentive distribution coefficients（scenario 1）

总 之，当Ce＜f＜Ce+Cs，β＞时或当f＞Ce+Cs，β＞时，企业与领先用户均会选择最佳策略。当Ce＜f＜Ce+Cs，时，可通过降低知识共享成本、降低知识搜索成本或者提高激励分配系数三种策略，使得系统向稳定策略（知识共享，创新）演化。因此，企业在制定激励策略时，可据此设置不同条件下激励分配系数的值，以促进领先用户的知识共享行为。

3 结语

本文探讨了用户创新社区中领先用户知识共享激励机制问题。首先，在演化博弈理论的基础上，构建了未采取激励措施和采取激励措施两种条件下企业创新与领先用户知识共享的演化博弈模型，分析了不同激励机制下系统达到演化稳定策略的条件，并且研究了影响企业创新与领先用户知识共享的因素；其次，利用Matlab 软件对模型进行了仿真实验，通过仿真结果与演化结果的对比验证了所构建模型的有效性和科学性。实验结果表明:1）企业采取激励措施可以有效促进领先用户知识共享行为，并且在不同参数条件下，将激励分配系数控制在对应范围内，系统可达到最佳的稳定状态。其中，最佳激励分配系数大小由知识共享成本、知识搜索成本及额外成本共同决定。2）知识共享成本、知识搜索成本与激励分配系数将显著影响领先用户知识共享行为最终的演化水平。

虽然本文构建的模型可以有效地研究领先用户知识共享行为的激励机制问题，但是仍然存在以下不足:1）本文考虑企业与领先用户间的两方博弈，忽视了用户创新社区这一平台在用户知识共享过程中的作用，未来可以考虑把社区作为博弈一方，构建企业-用户创新社区-领先用户三方博弈模型；2）本文仅考虑企业激励机制对领先用户知识共享行为的影响，忽视了领先用户间的互动关系、企业与领先用户间的信任等因素对企业与领先用户策略选择的影响，未来可以构建与互动关系、信任机制相关的演化博弈模型；3）本文仅用仿真实验验证所构建模型的有效性，缺乏实际案例的进一步支撑，接下来的研究将结合具体案例继续深入优化与验证模型。