消费者行为研究新范式及基于行为主体的计算营销学评介

张 浩,王永贵

(1.南京航空航天大学经济与管理学院,江苏南京210016;2.对外经贸大学国际商学院,北京100029)

作为市场营销学的重要分支,消费者行为学是一门涉及心理学、社会学、经济学、管理学等多学科知识的边缘性学科,在很大程度上借鉴了这些学科的研究成果和研究方法。计算机建模近年来成为许多学科通用的一种研究方法,也成为跨学科研究的合适平台。随着复杂性科学和系统理论的不断发展,利用计算机建模进行研究的方法在社会科学领域也受到越来越多的重视。在社会学、经济学、管理学等学科的研究中,计算机建模方法的应用帮助研究者形成了许多崭新的研究思路。近年来,国外已有学者尝试把基于行为主体的建模(agent-based m odeling,ABM)方法引入消费者行为研究领域,但是国内尚未开展相关研究。那么,ABM究竟适不适合用来研究消费者行?它和以往的研究范式有何不同?本文在文献综述的基础上,对相关问题进行了分析。

一、消费者行为研究的基本范式

所谓范式,是指由一套相互关联的定律、概念、假设、技术等构成的完整体系。范式为进行科学研究确定了问题范围、研究方法和研究准则。范式不仅是科学研究的必要条件,而且是学科成熟的标志。西方消费者行为研究历经一百多年形成了实证主义(positivism)与阐释主义(interpretivism)两大范式。

实证主义范式的基本假设是消费者是理性、可以认识、心智稳定的,他们的行为动因都是可以识别、控制和预测的。实证主义范式假定消费者是能被认识的客体,因而消费者的消费和体验过程可以被分离开来,可以被细分为不同的组成部分。实证主义研究方法源于自然科学研究,由实验、调查技术和观察组成。在实证主义范式下,研究者把消费者视为可剖析、操纵的客观系统,并运用模拟实验或抽样调查的方法,得到大量关于消费者反应的定量数据,然后通过统计分析得出一般结论,以预测消费群体的总体行为。实证主义范式的基本思想是,消费者的行为是有限几个因子变量作用的结果(大多数为线性关系),可利用可控实验或调查把消费者的心理“黑箱”变为“白箱”。认知心理学、行为心理学以及个性特质论等流派的研究都属于这一范式。

阐释主义范式的基本假设是消费者具有社会性、复杂性和非理性,他们的行为不可预测。阐释主义范式假定人是自治主体,有自己的思想,能够自我认识。阐释主义范式认为消费是各人的独特经验行为,研究者与被访者的相互作用会影响研究结果,研究结论不能推广到群体层面,因此研究者只能试图理解消费者心理动机,对其行为做出主观阐释,而不能做逻辑分析,不能根据抽象的规律预测未来变化。①

实证主义范式把消费者看作消极、被动的客体,认为消费者缺乏自我意识能力,因此认为企业的营销战略能通过环境的影响来控制和引导消费者。同时,实证主义范式无法对丰富的消费者行为进行全面分析,从而忽略了消费者行为的复杂性与相互作用。阐释主义范式从现实人的角度去理解消费者心理和行为,但它过分强调消费者心理和行为的个体特殊性,而否认消费者的心理变化具有一般规律性,这种缺乏基本理论建构的方法论致使其对消费者行为的研究只能停留在描述现象的肤浅层面,不可能预测未来的消费行为,这对于营销实践的发展显然没有任何意义。[1]

二、基于复杂性科学的新研究范式

实证主义研究范式试图简化消费者的行为,而阐释主义研究范式虽然认识到了消费者行为的复杂性,但却认为消费者的行为是不可预测的,只能从抽象的角度来讨论。而引入复杂性科学方法为消费者行为研究创立新范式,可以有效克服两种传统研究范式的局限性,因为复杂性科学的基本假设既能很好地反映消费者行为的复杂性,又能很好地预测消费者行为。

复杂性科学范式的理论假设有:

1.异质性假设。异质性是指个体层面所表现出的差异性。A llenby和Rossi(1999)认为消费者的异质性体现为消费者做出的判断或选择的不同,以及判断或选择过程的不同。广义的消费者异质性是指消费者个体具有不同的经济承受能力、生活习惯、风险及品牌偏好、价格敏感度等足以影响消费选择的个体特征,而狭义的消费者异质性主要是指消费者偏好的多样性。[2]

2.交互性假设。消费者选择模型一般都假设消费者的效用是其品牌偏好和属性偏好的函数,即一个消费者的偏好的形成不受其他消费者的偏好的影响,各个消费者的偏好是相互独立的。然而,消费者并非生活在相互孤立的世界中,他们相互联系,分享信息,得到社会的承认对他们来说非常重要。因此,消费者的偏好可能并不相互独立,而是相互依赖的,具有交互性,并且这种交互性往往是非线性的,即对消费者的综合影响不能简单线性叠加。[3]

3.有限理性假设。由于消费者所拥有和能够支配的时间、认知能力、精力、注意力等资源是有限的,面对海量信息,想在购买过程中做到完全理性并做出最优决策,要么不可能,要么成本太高,因此,消费者往往会凭经验或直觉做出购买决策。此外,消费者的行为不仅受利益驱使,而且还会受到歧视、偏见、价值观、信念等多种心理因素的影响,从而导致与传统经济理论假设不一致的认知偏好在消费者购买决策过程中普遍存在。[4]

4.动态性假设。消费者具有主动性和适应性,能根据以往的经验改变购买行为。消费者的心理和行为都是动态的,随着时间的推移,消费者的整个购买决策系统在宏观和微观上都会不断变化。

ABM技术已被广泛应用于涉及复杂系统的各个领域,其基本思想是通过模拟现实世界,将复杂系统划分为与之相应的行为主体,以自下而上的方式,从研究个体微观行为入手,考察系统宏观行为。作为一种新的研究方法,ABM在社会科学领域得到了越来越广泛的应用。以消费者行为学为例,复杂性科学已经在其三个主要相关领域(社会学、经济学与管理学)得到应用。社会学和经济学领域的复杂性研究走在前列,演化是这两个领域的复杂性研究共同关注的焦点。社会学家开始重新审视社会秩序或者说行为主体之间的协调究竟是如何形成的,现今社会中种种复杂的组织结构是如何演化诞生的等问题,相关研究由强调社会结构对人的约束作用转为突出人对社会系统的建构作用。而在经济学领域,随着对理性人及完全信息假设的放松,演化经济学与混沌经济学相继诞生,许多经济学基本问题得到重新审视,特别是对投资者行为和金融资本市场所存在的复杂性问题的研究成为热点,并已取得很大进展。而对于管理学来说,其研究对象——企业本身就是复杂系统的典型代表,也是复杂自适应系统的范例。应该说相比社会学和经济学,管理学一诞生就与复杂性息息相关,复杂性是企业经营决策和管理面临的基本问题。通过引入复杂性科学,与消费者行为学密切相关的三个学科(社会学、经济学和管理学)都获得了巨大的发展,因此有必要从复杂性角度进一步探讨消费者行为。

三、基于行为主体的计算营销学

(一)基于行为主体的计算营销学

计算营销学是ABM应用到营销领域而形成的一门学科。ABM放弃了经典经济学关于理性人的苛刻假设,以有限理性的学习主体来代替完全理性的个体;它重视群体中每个个体的特性(即异质性),更重视个体间的交互作用,认为每个主体都是主动的实体,具有环境适应能力或学习能力,这一特点使其成为研究复杂系统的有力手段。

计算营销学的研究思路可概括为如下基本步骤:首先,由研究者构建一个由一群主体组成的虚拟市场,一般包含成千上万的消费者以及一定数量的品牌。然后,研究者根据现有理论或先验知识去定义该虚拟市场的初始条件,包括市场基本竞争规则,各品牌的营销策略,消费者的行为、态度、认知过程等,以及各主体交互(既包括消费者之间的交互,也包括消费者与品牌之间的交互等)的规范和方式。接下来,研究者不再干预这个虚拟市场,让这个系统在主体自发的互动中演化。最后,研究者对自发演化生成的数据和信息进行归纳、总结,形成理论或提出政策建议。

计算营销学所用研究方法的关键在于,研究者一旦根据自己的研究意图和目标建立起一个虚拟市场,就让这个虚拟市场自发演化。与传统方法不同,该方法可通过系统运行来生成数据,从而直接进行理论检验或提出实证建议。因此,计算营销方法是不同于理论与实证方法的第三种方法。

(二)ABM在模拟消费者行为方面的优势

和传统的营销模型相比,ABM在模拟消费者行为方面具有以下优势:

1.ABM对系统的假设相对宽松,更能体现市场现实。首先,ABM不像自上而下的模型那样对线性和均衡有较高的要求。[5]在ABM的运行过程中,一个有趣的现象就是非均衡条件下活力行为的涌现。其次,ABM把消费者异质性与有限理性引入模型。传统模型虽然也认识到了消费者的异质性,但建模时往往从总体层面考虑异质性,很少从个体层面考虑异质性。ABM在模拟消费者个体行为时,能够从某些角度对不同类型消费者的行为进行区分,同时使得消费者具有一定的学习能力,能根据过去的经验改变自己的行为,能体现“偏好”、“收益”、“从众”等具体特性。这些都使得消费者个体异质性和个体行为适应性能够得以体现。

2.ABM能够很好地体现主体间的交互性。ABM和传统建模最大的不同就是,能够在主体间引入沟通机制,使主体可以对话、分享信息等。ABM通过建立社会网络构造虚拟环境,使得主体能够根据环境的实时变化而改变自己的行为,从而使得整体系统对于消费者群体行为复杂性的表现能力超过单个主体行为的简单叠加。[6]

3.自下而上的建模思想使得群体复杂性自发涌现。ABM的根本特点是自下而上地建模,即设置个体的特性和行为准则,而非控制整体行为,因此模型运行过程中系统所表现出的整体态势在一定程度上可以说是自发形成的,这就使得研究者可以通过观察模型的具体运行过程发现实际消费行为存在的某些特定规律。另外,从技术上讲,ABM易于维护和改进,系统可以在初始条件下无数次重复运行,并可以随时添加新类型的主体或者为主体添加新的属性,这非常有利于研究消费市场的变化。[7]

四、计算营销学的研究现状

目前,计算营销学研究主要集中在以下三个领域:

1.对消费者异质性的研究。消费者异质性是一个非常有用却很复杂的概念,传统经济学模型在消费者异质性建模方面存在很大的局限性,而ABM正是基于个体异质性的建模,可以很好地从个体层面考察消费者异质性的表现。与传统的消费者行为建模相比,ABM所涉及的主体具有更丰富的内在认知结构,因此可以包含千差万别的消费者。

Edmonds(1999)利用消费者仿真模型揭示了人工环境下异质性的发生过程,发现消费者异质性要么体现在主体的内在学习过程中,要么体现在主体间的沟通过程中。[8]Said等(2001和2002)分别基于三种自我认知态度(乐观、悲观、创新)和两种相互学习方式(模仿、推理)对消费者的行为演变进行了仿真实验,证明了消费者在购买决策过程中要经历复杂的认知过程。[9,10]

Janssen和Jager(2001和2003)利用效用函数来描述消费者的异质性:首先,针对不同的产品特性,个人偏好(函数)有差异;其次,产品有个人效用和社会效用两方面的效用,在函数中,两者的权重不同。他们指出消费者基于不同的消费动机,在面临不同的环境时会经历模仿、社会比较、深思熟虑和重复四种不同的认知过程,并通过模拟这四种复杂的认知过程来考察宏观层面上的异常消费行为。[11,12]

Delre等(2007)通过模拟时尚市场新产品扩散过程发现,消费者异质性高低决定了新产品的扩散形式和速度。在消费者异质性比较高的市场,由于初期会有更多的个体消费者接受新产品,从而使新产品的扩散加快,因此新产品购买者更容易达到临界规模(criticalm ass)。[13]

2.对主体间交互性的研究。ABM的另外一个优势就是,它能够构建主体间良好的交互机制,因此对消费者行为复杂性的表现能力超过了其他建模方法。

Banathy(1999)采用ABM方法对消费者获取市场信息的途径的多样性进行了观察。消费者通过观察其他主体(家庭成员、朋友等)的消费行为,或者根据其他主体(商家、媒体)传递的商品信息来进行消费决策。消费者与商家的交互方式,以及消费者获取市场信息的途径,都会对消费者的认知结构产生影响。[14]

Janssen和Jager(2001和2003)把消费者决策时受到的社会影响分为两类:一类是不确定环境下,其他消费者的选择所产生的影响。尤其是在面对复杂的产品或市场,以及不确定的购物环境时,消费者能够容忍不确定性的程度、遵从动机、消费的可视性等都会影响消费者的选择。另一类是消费者的社会需求产生的影响,主要包括消费者的群体归属需求,以及社会地位及认知需求,比如对炫耀性消费的追求。Janssen和Jager认为在实际购买决策过程中,两类影响往往交织在一起共同作用于消费者。他们还认为,对于消费者来说,不同的产品市场可能具有不同的社会网络特征。他们分别探讨了不同产品市场消费者网络的特点,同时模拟了不同特征的社会网络对市场的影响。他们比较了小世界网络(smallw orld network)和无标度网络(scale-free network)两种交互结构对市场演变的不同影响,并模拟了群体意见领袖对消费者的影响作用。

Jager和M osler(2007)认为,对不同的产品市场、不同的人群进行模拟,会得到不同的结果,研究消费者行为必须针对特定的产品市场或者特定的人群(相同网络结构),而更精细的仿真模型需要实证数据的支持。[15]Delre等(2008)就社会因素如何影响观看动机对电影观众进行了问卷调查,并基于实证数据对美国影视业的宏观市场表现进行了模拟,其结果和实际的票房数据非常吻合。[16]

3.对宏观层面“涌现”的探讨。“涌现”的概念是ABM的一个核心概念。微观主体的局部交互行为形成宏观规律性,宏观经济的动态又会对微观主体的行为产生深刻影响,微观行为与宏观行为之间存在着某种必然的联系,微观行为的交互作用最终会“涌现”出宏观的结果。计算营销学的仿真结果可以用来解释一些目前很难用传统方法解释的特殊消费行为。

Edmonds和Moss(1997)通过仿真模拟,发现了消费者的品牌“锁定”行为,即消费者早期对一个品牌的良好体验可能意味着他很难尝试其他品牌,即使其他品牌的产品更好,这一研究结论对于营销人员提高消费者的品牌忠诚度显然具有重要参考价值。[17]Janssen和Jager(2001和2003)除了对四种复杂认知过程进行了模拟外,还对消费市场的复杂性(如消费的可视性、市场的动荡性等)进行了模拟。他们的仿真结果对理解炫耀性消费、从众消费等很有帮助。

Deffuant和Huet(2007)针对消费者的态度形成过程设计了仿真模型,发现群体传播效应会产生反直觉效果,即虽然个体可能起初对产品有良好印象,但宏观上“涌现”的是总体人群对产品的负面评价,或者相反条件下的类似现象。他们的研究有助于理解口碑如何影响消费者对产品的评价,从而有助于营销人员设计恰当的促销策略来影响消费者对产品的评价。[18]Delre等(2008)针对受社会影响主导的市场(比如娱乐、信息类产品市场),其促销活动的时机选择和目标顾客选择问题进行了仿真建模,其研究结果表明,促销活动的目标顾客应该选择那些较远的、小型的、黏着力比较强的群体(这些群体可以对其他群体产生较大的社会影响),时机选择却应该针对不同市场有所区别。他们的研究对于营销实践具有启示意义。

美国加州大学教授Friedman的研究团队重点关注消费市场的动力学特征及其宏观表现,并对炫耀性消费这一特殊消费形式进行了研究。[19,20]Friedman等人在炫耀性消费分析中引入了系统动力学概念。他们认为,每一位消费者都会进行正常消费和炫耀性消费,什么时候需要炫耀性消费以及需要多少炫耀性消费,取决于环境的影响,消费者会根据环境随时调整和改变自己的消费方式。当然,消费者本身也是环境的组成部分,一个消费者的行为会影响其他消费者的选择,消费者的行为交互影响,从而使环境发生改变。Friedman等人利用ABM来进行炫耀性消费模拟研究,通过观察虚拟世界来间接分析炫耀性消费的演变规律。他们的实验考察的是为了追求社会地位的炫耀性消费,因此他们通过模拟社会阶层的变化来从宏观上观察整个群体的演变。最后,他们提出了一些政策建议,如通过征收奢侈税来降低炫耀性消费的外部压力。

五、计算营销学未来研究展望

总体来看,基于行为主体的计算营销学目前还处于起步阶段,相关研究主要是由国外学者开展的。可以明显看出,该学科的理论和方法还不够成熟,仍停留在探索阶段,相关研究大多是概念框架研究,关于该学科的内涵及研究内容,目前学者们未形成统一的认识,也未给出规范的描述,更不用说完整的建模理论与技术框架了。笔者认为,未来的计算营销学研究应该重点关注以下三个方面:

1.ABM仿真平台的相关应用系统开发研究。目前ABM 仿真平台主要有Swarm、Repast、Starlogo、A scape等,学者们已基于这些平台开发出虚拟股票市场、虚拟经济环境等比较成熟的应用系统。未来如果能够基于这些平台,结合营销学科的特点开发应用系统,进而减少许多基础性工作,将有利于ABM在营销领域的应用。

2.基于消费者社会网络的ABM方法研究。消费者处于不同的社会网络中,同一社会网络的消费者在行为、态度和价值观念等方面具有同质性,而不同社会网络的消费者在这些方面存在较大的差异。因此,研究社会网络对于深入了解消费者行为具有特别重要的意义。但是,在目前的消费者行为研究领域,涉及社会网络结构的研究仍然非常少,这主要是因为相关变量测量起来比较困难而且成本较高。而社会网络分析恰是复杂性科学的一个重要研究方向,作为复杂性科学主要研究工具之一的ABM在社会网络分析方面具有天然的优势。ABM技术如能在营销领域得到广泛应用,有关消费者社会网络的仿真建模必将成为热点。

3.基于特定市场的ABM研究。从现有文献来看,基于行为主体建立的消费市场模型较少针对特定的市场,这是因为处于萌芽期的计算营销学更需要统一、规范的建模理论与技术框架。但随着学科的发展,同时由于消费市场的开放性和非标准性(和金融市场相比),只有针对特定市场的建模分析才更具实用价值。就我国来说,针对受政府管制的电信市场、受时尚影响的服装消费市场、从众消费现象比较严重的房地产市场,以及新兴的网络消费市场等进行建模,都非常具有现实意义,因此有必要研究基于特定市场的ABM。

客观地讲,在消费者行为研究中,市场外界因素和消费者内在因素的作用机理仍然十分模糊,而人类的心理过程又极难预测,因此通过复杂的计算机模型来重现现实中的消费者行为仍然具有一定的难度。但基于行为主体的计算营销学为研究消费者行为提供了新的视角,因此对现有研究方法构成了重要补充。对于学术研究来说,一种全新的研究方法就意味着一个观察问题的新颖角度,单一地依靠某一类方法往往只会使研究者故步自封、难以创新,而将多种方法结合起来,才能全面认识问题,进而不断实现突破。

注释:

①以上内容较多参考了晏国祥等的《论消费者行为研究范式的转向》一文,参见:晏国祥,方征.论消费者行为研究范式的转向[J].外国经济与管理,2006,28(1):54-59。

[1]罗纪宁.消费者行为研究进展评述:方法论和理论范式[J].山东大学学报,2004,(4):98-104.

[2]A llenby,G,and Peter Rossi.Marketing models of consumer heterogeneity[J].Journal of Econometrics,1999,89(1-2):57-78.

[3]Manski,Charles F.Econom ic analysis of social interactions[J].Journal of Econom ic Perspectives,2000,14(3):115-136.

[4]Kahneman,D,and Tversky,A.Prospect theory:An analy sis of decision under risk[J].Econometrica,1979,47(2):263-292.

[5]Hood,L.Agent-basedmodeling[R].Conference Proceedings:G reenhouse Beyond Kyoto,Issues,Opportunitiesand Challenges,31 March-1 April,Canberra,Australia,1998.

[6]Twomey,P,and Cadman,R.Agen t-based modeling of customer behavior in the telecomsandmediamarkets[J].The Jou rnalof Policy,Regulation and Strategy for Telecommunications,2002,4(1):56-63.

[7]Jager,W,and Mosler,H J.Simulating human behavior for understanding and managing environmental dilemmas[J].Journalof Social Issues,2007,63(1):97-116.

[8]Edmonds,B.Gossip,sexual recombination and the El Farol bar:Modeling the em ergence of heterogeneity[J].Jou rnal of A rtificial Societies and Social Simu lation,1999,2(3):1-21.

[9]Ben Said,et al.Mu lti-agen t simu lation of a virtual consumer population in a competitive market[R].Seven th Scandinavian Conference on A rtificial Intelligence,2001.

[10]Ben Said,et al.Mu lti-agen t based sim ulation of consumer behavior:Tow ardsa new marketing approach[R].MODSIM,2002.

[11]Janssen,MA,and Jager,W.Fashions,habits and changing p references:Simu lation of psychological factors affecting market dynam ics[J].Journal of Econom ic Psychology,2001,22(6):745-772.

[12]Janssen,MA,and Jager,W.Simu latingm arket dynam ics:Interactions betw een consumerp sychology and socialnetw ork s[J].A rtificial Life,2003,9(4):343-356.

[13]Delre,S A,Jager,W,and Janssen,M A.Diffusion dynam ics in small-w orld netw orks with heterogeneous consumers[J].Com putational&Mathematical Organization Theory,2007,13(2):185-202.

[14]Banathy,B A.An inform ation typology for the understanding of social sy stems[J].Sy stem s Research and Behaviou ral Science,1999,16(6):479-494.

[15]Jager,W,and M osler,H J.Simu lating human behavior for understanding andmanaging environmental dilemm as[J].Jou rnal of Social Issues,2007,63(1):97-116.

[16]Delre,S A,Broekhuizen,T L J,and Jager,W.The effect of social influence onmarket inequalities in themotion picture industry[J].Advances in Com plex Systems,2008,11(2):273-283.

[17]Edmonds,B,and Moss,S J.Modeling bounded rationality using evolutionary techniques[R].Lecture Notes in Computer Science,1997.

[18]Deffuan t,G,and Huet,S.Propagation effect of filtering incongruen t information[J].Jou rnal of Business Research,2007,60(8):816-825.

[19]Friedman,D,and R Abraham.Landscape dynamics and conspicuous consum ption[EB/OL].http://www.vismath.org/research/landscapedyn/articles/Tucson4.pd,2004.

[20]Friedman,D,and D Ostrov.Conspicuous consumption dynam ics[J].Gam es and Econom ic Behavior,2008,64(1):121-145.