基于后悔理论与多Agent模拟的新产品扩散消费者决策互动行为研究

危小超，李岩峰，聂规划，陈冬林

(1.武汉理工大学经济学院，湖北 武汉 430070;2.同济大学经济与管理学院，上海 200090)

基于后悔理论与多Agent模拟的新产品扩散消费者决策互动行为研究

危小超1，李岩峰2，聂规划1，陈冬林1

(1.武汉理工大学经济学院，湖北 武汉 430070;2.同济大学经济与管理学院，上海 200090)

基于后悔理论，对新产品扩散消费者决策互动行为进行多智能体模拟研究。从进化博弈视角构建了消费者决策行为模型，结合心理学与后悔理论，设计出一种综合考虑自身与邻居个性特征以及历史信息的学习规则，并用多智能体方法对消费者群体决策场景进行仿真。在仿真软件Anylogic6.5.0上进行多Agent模拟实验，模拟结果表明：(1)产品收益b越大，越有利于群体的决策状态稳定，反之，决策波动大；(2)消费者群体决策的宏观趋势由产品扩散成本和因未购买而损失的收益决定。当产品扩散成本c与因未购买而损失的收益f相当时，群体决策行为呈针锋相对态；当扩散成本较高时，拒绝占优；反之，则购买占优；(3)消费者群体间沟通学习强度影响决策波动性，强度高时，群体决策变化大，而低强度下，群体行为稳定。该研究可为新产品扩散营销策略制定提供支持，并为将心理学相关理论与演化博弈应用于Agent模型提出一个基础框架。

后悔理论；进化博弈；消费者决策；多Agent模拟；互动行为

1 引言

新产品扩散是指新产品通过特定渠道，在社会系统中随时间传播的过程[1]。国内外扩散研究大多基于Bass模型，不断调整和放宽假定，从多阶段决策、随机性、重构等视角进行深入研究[2-3]。尽管Bass模型及其扩展模型基于数学方程式表达扩散过程的演化本质，并提出了简练的分析思路和具有操作性的方法，然而局限于从宏观角度对产品扩散速度、规模等方面进行分析，导致研究结果只能反应市场整体情况，无法洞察内部消费者交互过程。

随着信息通信技术的发展，人与人之间的社会联系逐渐增强，消费者决策变得相互依赖，彼此间互动势必导致企业商业模式和产品营销策略的巨大变革。因此，从消费者互动的角度研究新产品扩散中的营销问题已成为契合时代发展的新趋势[4]。为了从微观层面考察消费者交互作用对新产品扩散的影响，学者相继引入各种复杂性理论与方法。近年来，多Agent仿真在消费者行为研究领域得到了广泛应用，该方法将个体决策和宏观扩散相联系，能够捕捉消费者行为的非线性关系。它采用一种自下而上的方法，能够准确描述消费者个体的异质性[5]，并从微观视角探究口碑传播、社交网络等因素对购买行为的影响[6]，通过设定Agent间交互规则描述个体交互过程，研究个体交互产生的宏观涌现现象，从而发现社会经济系统的演化机理[7]。其中，金淳等应用Agent仿真研究网站促销条件下的消费者购买行为，提出应根据消费者的类型采用不同的促销策略[8]，然而研究并未涉及个体交互；于同洋等针对网游类产品的特殊性构建出一个基于临近网络的网游类产品扩散多Agent模型，分析了消费者口碑效应和广告效应对扩散结果的影响[9]，赵良杰等基于产品生命周期的视角，运用微观扩散模型从网络效应的角度分析消费者交互对产品扩散速度的影响[10]，然而两者研究中对交互过程的处理较为简单，尤其难以从微观上揭示消费者交互对宏观扩散的影响。博弈论具有其简洁高效、分析能力强等特点，已成为行为决策分析的主要框架[11]。因此，为了体现消费者间的互动，本文将博弈论引入多Agent仿真模型，设计出一种综合考虑自身与邻居特征以及历史信息的学习规则,构建出消费者交互模式。

近年来，后悔理论作为新兴的心理学理论，引起了学者尤其是消费者决策领域的广泛关注。该理论最早由Bell[12]、Loomes和Sugden[13]提出，认为决策者效应不仅取决于当前已选方案，还会受到其他方案的影响，即感知效用函数由当前方案的效用函数和与其他方案对比的后悔-欣喜函数构成。已有文献指出，前景理论涉及大量不确定性参数，相比之下，后悔理论不需要给出参考点，而且涉及的参数和计算更加简单,并且能够阐述很多期望效用理论难以解释的“悖论”或“异象”[14-15]。鉴于上述优势，后悔理论已被广泛应用于路径选择[16]、多属性决策[17-18]等研究领域。

综上所述，本文将后悔理论引入多Agent仿真模型，从进化博弈视角构建了新产品扩散仿真模型。其中，结合后悔理论和演化博弈论，设计出一种综合考虑自身与邻居个性特征以及历史信息的学习规则，构建新产品扩散的多Agent模拟模型。通过模拟产品扩散过程中消费者交互行为，从而寻找新产品扩散的宏观规律，探究产品效用参数和群体沟通等因素对宏观扩散结果的影响。

2 模型设计

新产品扩散中，消费者可能持“购买”或“拒绝”两种态度，分别表示消费者选择或者拒绝购买该产品。根据信息加工理论，个体主要依据外部环境，结合自身特征进行决策，据此构建消费者决策行为概念模型如图1所示。其中，将消费者的购买与拒绝行为看作决策结果，本文将研究外部环境(如产品效用参数、群体沟通能力等)如何营销产品宏观扩散。

图1 消费者购买与拒绝决策行为概念模型

2.1 后悔理论

后悔理论放弃了独立性公理，指出单因素效用函数难以完美解释非理性决策行为,进而提出将后悔和欣喜因素纳入效用函数。其基本思想为:决策者在决策过程中不仅关注已选方案的结果,还会考虑其他方案可能的结果。决策者在决策时会对可能产生的后悔或欣喜有所预期，并尽可能避免使其后悔的方案,即后悔规避。令x和y分别表示方案A和B的结果，依据后悔理论，决策者的感知效用应该由已选方案的效用函数和后悔-欣喜函数组成，因此决策者对方案A的感知效用为：

U(x,y)=v(x)+r(v(x)+v(y))

(1)

其中，v(x)和v(y)分别表示方案A和方案B的感知效用，r(v(x) - v(y))为后悔-欣喜值。

将后悔理论应用于消费者决策行为，若消费者选择方案A，拒绝方案B，那么当上式中r(v(x) - v(y))>0时，表示消费者对购买决策感到欣喜，r(v(x) - v(y))为欣喜值；当r(v(x) - v(y))<0时，则表示对购买决策感到后悔，r(v(x) - v(y))为后悔值。此处后悔-欣喜函数为单调递增的凹函数[15],且当v(x) - v(y) = 0 时,有r(v(x) - v(y))=0，即当消费者认为购买和拒绝两种决策的效用相同时，选择任何一种决策方案，均不会感到后悔或欣喜。

2.2 产品基本假设

本文所研究的产品扩散现象是建立在对研究对象进行如下假设的前提之下：

(1)产品是新产品公共特征的抽象，具有一般性，并不考虑某些产品特有属性。

(2)市场中仅存在一种新产品扩散，不存在其他竞争替代产品。且在扩散过程中，消费者感知效用不会随产品扩散而改变。

(3)新产品扩散中的扩散成本由购买该产品的消费者平摊。

2.3 基于“有限理性”的消费者决策假设

根据Simon[19]的“有限理性”假设以及行为决策理论，对消费者个体决策行为和初始值进行如下说明和假设：

(1)消费者是有限理性的，能够获取邻居决策信息，然而由于受自身认知能力限制，难以充分掌握邻居所有决策信息，不能基于已有信息准确预测未来决策[20]。但是，可以根据当期自身和邻居决策，预测下期可能拥有更高效用的状态，从而采取对应策略。

(2)新产品扩散中，消费者性格特征不同，决定其决策状态各异。根据心理学家奥尔波特的“中心特质理论”，中心特质能够代表个体性格的核心成分，个体是否会受周围人的影响很大程度上取决于其自身性格特征，其中“易变”和“保守”两种特质与决策变化最为相关，据此我们将消费者分为三类：

保守型：该类消费者不易受周围人影响，倾向于独立决策，对自身决策坚持程度较高。

中立型：具有有限理性，一定程度上受周围人影响，但并不盲从效用高的个体决策。

易变型：该类消费者易受周围人影响，倾向于模仿效用高的个体决策，决策易于改变。

现实中，不同产品消费群体差异较大，保守型、中立型和易变型的比例也不尽相同。因此，根据具体产品的消费者个性特征比例，设定模型中不同类别的初始比例值。

2.4 基于“后悔理论”的消费者决策互动过程设计

基于“后悔理论”，本文将产品扩散中消费者的决策过程分为信息采集阶段和演化学习阶段，具体如下：

(1)信息采集阶段：计算当前决策效用值，并采集邻居决策相关信息。

(2)演化学习阶段：消费者决策不仅取决于自身特征，还受邻居的影响。在有限理性条件下，个体根据邻居决策表现出一种学习行为，即综合自身特征和邻居信息进行决策。

其中，消费者决策是对产品效用进行评价的结果，除了与自身性格属性相关，还受周围邻居决策的影响。为了表现消费者交互行为，采用表1的博弈矩阵进行描述[21]:

表1 消费者决策行为博弈矩阵

其中，b表示消费者从产品中获得的收益；c表示产品扩散的成本，根据前文假设，该成本由购买者分摊；n表示消费者总数；k表示消费者购买比例；由于部分消费者存在投机心理，存在搭便车行为，即自身不购买产品，却能够从他人购买中获益，f是消费者由于没有购买而损失的收益，即产品收益惩罚，在此限定参数b-f>0，即b>f。

消费者购买期望收益E1为：

E1=b-c/(nk)

(2)

消费者拒绝购买期望收益E2为：

E2=k[b-f/(n(1-k))]

(3)

群体平均收益E：

E=kE1+(1-k)E2

(4)

均衡博弈方程：

(5)

因此，当群体中有人购买产品时，即k>0时，采用购买策略的收益为b-c/(nk)，而拒绝收益为b-f/(n(1-k))；若所有消费者都不购买产品，则产品收益均为0。

根据后悔理论，决策者会对比已选方案与其他方案的结果，如果自身决策相比于其他决策获益更多，心理上就会感到欣喜，相反，则会感到后悔。假设决策A为消费者个体2购买产品，决策B为消费者个体2拒绝购买产品。根据之前所述均衡博弈情景，决策A获得的结果为v(A)=b-c/(nk)；决策B获得的结果为v(B)=b-f/(n(1-k))。

消费者2的“后悔-欣喜”程度函数为:

(6)

(7)

在考虑决策者心理因素后，感知效用作为个体决策依据[22]，由策略收益和决策者“后悔-欣喜”程度共同决定，即消费者决策感知效用=决策收益+“后悔-欣喜”程度。

因此，整理后得消费者购买行为效用函数为：

(8)

同理，可得消费者个体拒绝行为效用函数为：

(9)

不同于传统产品扩散，消费者决策受自身特征和邻居决策的影响，再加上仅能感知近邻行为，导致其决策表现出一种学习行为。因此，在后悔理论的基础上，本文设计出一种综合考虑自身和邻居特征、网络位置以及历史信息的学习规则。

用概率分布描述3类消费者策略改变阈值，其中，P1表示保守型、P2表示中立型、P3表示易变型，分别定义如下：

定义1,定义各类型消费者决策改变阈值服从概率分布Pi～Uniform (m, n),i=1,2,3。其中， P1～Uniform(0.8, 1)，P2～Uniform(0.3, 0.8)，P3～Uniform(0，0.3)。

消费者决策除了受自身特征的作用，还受邻居决策的影响，即模仿邻居决策。个体对邻居的模仿与个性特征有关，个体之间的个性特征越相似，模仿概率越大；相反，个体间性格特征差异较大时，模仿概率较小[23]。通常采用个性特征匹配度表示个体间模仿决策的程度，本文采用个性特征概率匹配方式如下：

定义2消费者个体间的个性特征概率匹配度为Mapping(Pi, Pj)∈(0,1),i, j=1,2,3。

本系统中，令Mapping(P1，P1)= Uniform(0.8, 1)，Mapping(P1,P2)= Uniform(0.3, 0.8)，Mapping(P1, P3)= Uniform(0, 0.3)，Mapping(P2，P2)= Uniform(0.8, 1)，Mapping(P3，P3)= Uniform(0.8, 1)。

消费者将自身决策效用与邻居效用对比，若邻居决策中不存在更高效用，则不进行学习；若存在，则选择效用值最高者为学习对象，以概率的方式进行模仿，模仿概率为：

(10)

其中Uj为邻居中效用最大值；Ui为自我效用值；r为信息噪声[24]，其值越大，模仿概率越小。若模仿成功，其下一时刻的决策将与被模仿者当前时刻的决策一致；若模仿概率不在个性特征匹配度内，则模仿失败，此时决策改变的概率为超出性格阈值的概率。

学习模仿阶段结束后，消费者个体将按照一定的概率进行下一时刻的决策，且不同消费者Agent之间会随着时间推移产生互动。

2.5 网络构建假设

新产品扩散本质在于大量消费者局部动态交互产生的宏观扩散过程。在网络效应的影响下，产品扩散呈现出和以往不同的特征[25]。社会网络是由个体或人群间，通过某种方式交互形成的网络整体[26]。新产品扩散中，所有消费者借助移动互联网(如移动SNS)发生交互，从而形成一个社会网络。本文设计网络构建规则如下:

(1)网络连线构建规则。其中，网络中每个个体均能感知邻居决策。根据六度分割理论，本文假设初始状态下，每个消费者都随机与其他6个消费者存在联系，即邻居数为6。

(2)网络连线断开规则。若个体与邻居在相当时间内未发生学习模仿，将逐渐形成该邻居不适合模仿的认知。根据认知理论，人的行为决定于对社会情境的知觉与加工。因此，断开两个Agent间的网络连线，使其不再成为邻居。

3 模型的构建与验证

利用Anylogic 6.5.0软件开发多Agent仿真系统，并通过调整参数和观察仿真过程，研究新产品扩散中消费者决策的演化规律。

3.1 模型环境和类的设定

根据图1的概念模型，在Anylogic6.5.0上建立产品扩散模型，如图2和图3所示。

图2的主模型是一个多Agent模型，其中People类表示消费者集合，变量n表示消费者总数，Environment表示消费者所处的市场环境。变量Td表示节点连线断开的临界时间，即超过Td天未发生决策模仿时，则断开连线。主模型中的统计变量有Bn和Rn，分别表示购买者和拒绝者的数量。根据Delres[27]，初始状态下，通过随机方式选取一定比例的消费者作为市场初期购买者，即种子用户。种子用户的比例可参考对目标产品的实际值设置，也可以根据仿真需要适度调整。

图3表示Person类，每个消费者对应一个Person对象(即Agent)，如图3左上角形状所示。Person类中主要的参数定义及设置如下：

(1)Personcharacter表示消费者的个性特征，决定了消费者决策态度。Personcharacter ={1,2,3}，Personcharacter=1表示保守型，Personcharacter=2表示中立型，Personcharacter=3表示易变型，三种类型消费者对应数量分别为n2、n1和n3。

(2)Decisionrefuse表示消费者在第t天是否拒绝购买产品，即决策状态是否为拒绝，与左侧的状态图相对应。Decisionrefuse是boolean型，当取值为true时，表示消费者当天的决策状态是refuse；若为false，则表示决策状态是buy。

(3)Modifyrate1和Modifyrate2分别表示状态从refuse转变为buy的概率和状态从buy转变为refuse的概率。

(4)Ui表示消费者当期决策效用；Uj表示邻居中当期决策效用的最大值。

图2 主模型

图3所示其他变量和参数在决策中起辅助作用，如pb、pe、Findujstate、Findujcharacter、h、g、Xzindex等。其中pb和pe表示不同个性特征消费者间的模仿概率范围；x表示决策状态为buy的消费者比例；h表示个体的邻居总数；Modifyindex表示个体消费者模仿对象下标值；Findujstate和Findujcharacter用于存储模仿对象的策略和个性特征；Index表示个体的邻居Agent下标(消费者集合表示为Agent数组)，用数组Szindex来存储；g表示个体与邻居Agent未发生模仿的时间，用数组Sztime来存储。其他参量说明可参见2.3。

图3 Person类

3.2 消费者决策过程的实现

Anylogic软件擅长离散，连续和混合行为的复杂系统开发。本仿真模拟实验中采取同步模型，时间步长内执行顺序为：①on before step(Environment)→②on before step(Agent)→③On step(Agent)→④On after step(Environment)[28]

Environment的两个阶段(①④)常用来为模型准备或者将Agent的步骤打包，比如数据更新；Agent的两个阶段(②③)则常用来收集信息和进行决策。本文的仿真模拟实验在On before step 中设计信息采集阶段，在On step中设计演化学习阶段，具体如表2所示：

表2 后悔理论消费者两阶段决策应用过程与Agent模拟实现对照

3.3 模型的假设与验证

模型初始设定消费者总数n=100，并设定Net type=random，Connections per agent=6。初始决策状态为buy与refuse的比率分别为30%和70%。个体决策产品效用相关参数设定为b=100，c=70，f=80。最大无模仿时间Td设置为30天。每次实验时间为100天。

为了对模型的有效性进行验证，我们选取了3组极端和1组混合情况下消费者个性特征分布条件，在运行过程中进行观察和比较，如图4-图7所示。

图4 全为保守型消费者(n2∶n1∶n3=1∶0∶0)

图5 全为易变型消费者(n2∶n1∶n3=0∶0∶1)

图6 全为中立型消费者(n2∶n1∶n3=0∶1∶0)

图7 混合情况(n2∶n1∶n3=0.3∶0.3∶0.4)

图4表明，虽然购买比率趋向稳定在某一水平，但增长速度较为缓慢，原因是保守型消费者不容易受到其他消费者的影响，倾向于独立决策，与初始状态相比，变化并不明显。

图5表明，购买人数总体呈增多趋势时，会出现“高峰”状态，这表明易变性消费者在周围邻居购买比率较大时更倾向于向周围邻居进行学习，从而选择购买。而当选择购买的人数偏离某一水平较多时，易变型消费者又会迅速改变决策，这就造成了购买和拒绝决策人数的明显波动。在30天后，由于部分消费者个体与邻居消费者在Td时间内未发生模仿的行为，Agent连接断开，大量消费者Agent间无法再进行学习模仿，决策剧烈变化的现象消失。

而对比图6与前两者则发现，中立型消费者作为保守型和易变型两者之间的个性特征类型，在实际决策行为中综合了两者的特点。

最后图7是假设消费者群体个性特征分布为保守型占30%，中立型占30%，随和型占40%。购买决策人数的比率达到某一水平后，购买和拒绝决策行为的变化趋于稳定和平缓。对比上述四种模型的模拟结果，发现结果与现实状况符合，从而证明了模型的有效性。

4 模拟实验

设计并运行多组仿真实验，通过调整产品效用参数和消费者群体内部的沟通学习两方面因素，观察新产品扩散中消费者决策的演化规律。

4.1 产品效用参数

改变产品效用参数b、c、f的值，通过模拟实验观察分析运行结果，分析产品效用相关参数对消费者决策行为的影响。

(1)b对决策行为的影响

由图8可以看出，产品扩散成本和因未购买而损失的产品收益相等时，购买和拒绝决策的两种人群呈现近似针锋相对状态，符合两人博弈情形。增大产品收益b的值(如图9)，两类人群数量变化趋于平缓，说明Ui和Uj的差值越大，群体决策状态越稳定。反之，决策状态变化大，波动程度明显。这与现实产品扩散中场景一致，如价值较高的新产品，消费者决策状态普遍更稳定，一方面是由于该产品对消费者而言吸引力更强，受关注程度高；另一方面，这种创新性和实用性很强的产品往往价格较高，消费者在购买力一定的情况下会对是否购买“大件”进行深思熟虑，因此决策变化程度小并将趋于稳定。反之，消费者对低价值收益产品漠不关心，决策表现出随意性，导致行为状态难于稳定，波动明显。因此，在新产品扩散中，通过恰当的宣传与推广，使消费者达成购买该产品能够带来高价值收益的共识，将有助于消费者群体购买决策的稳定。

图8 (b, c, f)=(100,80,80)

图9 (b, c, f)= (120, 80, 80)

(2)c、f对决策行为状态的影响

设置产品收益b=120，调整扩散成本c和因未购买而损失的产品收益f(如图10、11、12)，发现在新产品扩散中，通过模仿学习和状态扩散，消费者群体行为总能够收敛到与两人博弈时一致。同时，c和f的大小关系对消费者群体行为的宏观趋势起决定性作用，即当扩散成本大于因未购买而损失的产品收益时，群体行为状态refuse占优；而当扩散成本小于因未购买而损失的产品收益时，群体更倾向于采用购买决策。此外，在c

图10 (b, c, f)=(120,80,50)

图11 (b, c, f)=(120,80,100)

图12 (b, c, f)=(120,60,50)

4.2 群体沟通学习

以上实验假设消费者网络连通度为6，即平均每个消费者随机与其他6个消费者联系，该指标反映了消费者间交流沟通的强度[29]。本节将在 (b,c,f)=(120, 60, 80) 的前提下，依次增大网络连通度，观察分析沟通学习强度对群体决策行为演化的影响。

为了得到较为显著的结果，我们调整种子用户比例，使决策状态分布为：购买决策占30%，拒绝决策占70%，并将 Td设置为90。根据图13和图14的实验结果发现，当沟通学习强度较高时，群体决策变化程度大，这是由于在有限理性条件下，个体与更多其他消费者进行交流学习，由于能充分了解周围的决策状态，存在两面性，受到正确引导和投机诱引的可能性都很大，决策不稳定；而在沟通学习强度低时，由于与其他个体沟通受到限制，仅能获取少数个体的决策信息，导致受周围决策影响的程度低，主要依靠个人历史信息进行决策，因此，决策状态变化小。在新产品扩散中，拥有较多邻居的消费者(即大节点)对群体决策的影响更大，一方面他们受众多邻居的影响而易于改变自身决策，另一方面他们的决策也会影响更多邻居，进而对全局产生举足轻重的作用。因此，应当关注此类大节点，即大V用户。相比于一般消费者，他们的影响力更大，在社交关系复杂多样的今天，对大V用户精准营销，使其决策状态稳定在购买，并深度发掘其影响作用，将取得更好的营销效果。

图13 连通度=6

图14 连通度=12

沟通学习强度还受到变量Td的影响，当Td天未发生模仿而断开个体间连线后，两个Agent间不再存在任何互动及模仿行为，导致沟通学习强度减弱。分别设置Td=30、60、90来研究连接断开临界时间是如何影响沟通学习强度，进而影响消费者群体决策。

实验结果如图15、16和17所示，在接近连接断开的临界时间处，消费者连接会出现骤减现象。随着连接的减少，沟通学习强度降低，决策波动程度明显减缓，消费者群体决策稳定状态性增强。因此，在营销实践中，当新产品扩散一段时间后，由于节点联系衰减，新产品借助消费者网络进行扩散的效果将大打折扣。此时如想进一步强化营销效果，开展降价促销等活动显得尤为重要。

图15 Td=30

图16 Td=60

图17 Td=90

5 结语

本文尝试揭示新产品扩散中，产品效用参数(产品收益、扩散成本等)和群体沟通学习强度等因素，对消费者群体决策宏观趋势和波动性的影响，从而准确把握消费者群体行为演化规律。基于进化博弈视角，利用多Agent模拟研究新产品扩散消费者决策互动关系。其中，基于心理学和后悔理论，考虑消费者决策特征，建立综合消费者自身与邻居特征以及历史信息的学习规则。利用Anylogic6.5.0开发多Agent仿真系统，设计并运行多组模拟实验，从宏观层面研究新产品扩散的规律。

研究发现：(1)产品收益并不会决定消费者群体宏观趋势，但会对群体状态的稳定性产生影响。产品收益越高，Ui和Uj的差值越大，越有利于群体状态稳定，反之，群体决策波动较大。(2)当扩散成本与因未购买而损失的收益相当时，群体决策呈针锋相对态。群体宏观趋势由扩散成本和因未购买而损失的收益决定，即当扩散成本较大时，拒绝占优，反之，购买占优。(3)沟通学习强度对群体决策有影响。当消费者拥有更多邻居(即网络连通度较高)时，群体决策波动程度大；而沟通学习强度低时，决策波动小，群体状态稳定。此外，在群体演化至连接断开的临界时间后，群体决策状态稳定性明显提高。

本文研究有助于深化产品扩散中消费者心理的理解，为新产品营销决策提供支持；同时为心理学理论与计算机模拟的集成提供了参考。当然，本文存以下不足尚需改进：①消费者决策受个体偏好影响，如何在进化博弈仿真模型中嵌入偏好因素的有待进一步研究。②本文仿真系统中参数设定的合理性和稳健性有待检验，尤其需要结合实际场景进行验证。

[1] Roger EM. Diffusion of innovations[M].New York：Simon and Schuster,2010.

[2] 胡知能, 卢威, 韩冰. 新产品扩散过程中供给约束对赠样策略的影响研究[J]. 管理工程学报, 2016, 30(3):170-178.

[3] 王光辉, 刘怡君. 网络舆论危机事件的蔓延扩散效应研究[J]. 中国管理科学, 2015, 23(7):119-126.

[4] WuytsS, Dekimpe M G, Gijsbrechts E, et al. The connected customer: The changing nature of consumer and business markets[M].New York: Routledge Academic,2010.

[5] Jiang Guoyin, Tadikamalla P R, Shang J, et al. Impacts of knowledge on online brand success: An agent-based model for online market share enhancement[J]. European Journal of Operational Research, 2016, 248(3): 1093-1103.

[6] Stummer C, Kiesling E, Günther M, et al. Innovation diffusion of repeat purchase products in a competitive market: An agent-based simulation approach[J]. European Journal of Operational Research, 2015, 245(1): 157-167.

[7] Rahmandad H, Sterman J.Heteroneity and network structure in the dynamics of diffusion: Comparing agent-based and differential equation models[J]. Management Science,2008,54(5):998-1014.

[8] 金淳,董秋,吕苗.基于Agent的网站促销下消费者行为仿真研究[J]. 系统工程理论与实践, 2014,34(4):845-853.

[9] 于同洋,肖人彬,龚晓光.基于多智能体的网游产品扩散特性[J].系统工程理论与实践,2010, 30(5): 919-927.

[10] 赵良杰,武邦涛,段文奇,等.消费者交互作用对网络效应产品扩散的影响-基于产品生命周期的视角[J].系统工程理论与实践,2012,32(1):67-75.

[11] 张华. 协同创新、知识溢出的演化博弈机制研究[J]. 中国管理科学, 2016, 24(2)：92-99.

[12] Bell D E. Regret in decision making under uncertainty [J]. Operations research,1982,30(5):961-981.

[13] Loomes G, Sugden R. Regret theory: An alternative theory of rational choice under uncertainty[J]. The Economic Journal,1982,92(368):805-824.

[14] 郝晶晶, 朱建军, 刘思峰. 基于前景理论的多阶段随机多准则决策方法[J]. 中国管理科学, 2015, 23(1):73-81.

[15] Laciana C E,Weber E U.Correcting expected utility for comparisons between alternative outcomes: A unified parameterization of regret and disappointment[J].Journal of Risk and Uncertainy,2008,36(1):1-17.

[16] Chorus C G. Regret theory based route choice and traffic equilibria[J]. Transportmetrica, 2010,8(4):291-350.

[17] 于超, 樊治平. 考虑决策者后悔规避的风险投资项目选择方法[J]. 中国管理科学, 2016, 24(6):29-37

[18] 张晓，樊治平，陈发动. 基于后悔理论的风险性多属性决策方法[J]. 系统工程理论与实践, 2013,33(9):2313-2320.

[19] Simon H A. A behavioral model of rational choice[J].Quarterly Journal of Economics,1955,69(1):99-118.

[20] 危小超, 胡斌. 集成实证和定性模拟的移动增值战略匹配优化[J]. 中国管理科学, 2015, 23(1):170-176.

[21] 付秋芳, 忻莉燕, 马士华. 惩罚机制下供应链企业碳减排投入的演化博弈[J]. 管理科学学报, 2016, 19(4):56-70.

[22] 王崇, 吴价宝, 王延青. 移动电子商务下交易成本影响消费者感知价值的实证研究[J]. 中国管理科学, 2016，24(8):98-106.

[23] Bourdieu P.Distinction: A social critique of the judgement of taste[M].London： Routledge,2013.

[24] Du Wenbo B, Cao Xianbin B, HuMaobin, etal. Effects of expectation and noise on evolutionary games[J]. Physica A, 2009,388(11): 2215- 2220.

[25] 鲜于波, 梅琳. 间接网络效应下的产品扩散——基于复杂网络和计算经济学的研究[J]. 管理科学学报, 2009, 12(1): 70-81.

[26] Grabowski A. Interpersonal interactions and human dynamics in a large social network[J]. Physica A: Statistical Mechanics and its Applications, 2007, 385(1): 363-369.

[27] Delre S A. The effects of social networks on innovation diffusion and market dynamies[D]. Zurich：University of Zurich，2007.

[28] 付玓瓅,胡斌 基于前景理论与多Agent模拟的KIBS员工合作与冲突行为研究[J].中国管理科学, 2013,21(3):158-168.

[29] Broder-Rodgers D, Pérez-Reche F J, Taraskin S N. Effects of local and global network connectivity on synergistic epidemics[J]. Physical Review E, 2015, 92(6): 062814.

Research on Consumer Decision-making Interaction Behavior in New Product DiffusionBased on Regret Theory and Multi-Agent Simulation

WEIXiao-chao1,LIYan-feng2,NIEGui-hua1，CHENDong-lin1

(1.School of Economics, Wuhan University of Technology, Wuhan 430070, China;2.School of Economic and Management，Tongji University，Shanghai 200092，China)

The dynamics of new products diffusion not only emerge partly from the interaction among heterogeneous consumers in social ecommerce, but also depend on consumers’ psychology behavior. Accordingly, the psychology theory is worth being introduced to explore the evolution of new product diffusion.An agent-based simulation model is built to study the new product diffusion, based on the regret theory and evolutionary game theory, which can be used to support dynamic management for new product marketing.Firstly, an evolutionary game model is proposed to depict the interaction between consumers in social ecommerce, by extending a traditional symmetric game to a dynamic game. Then, the evolution learning rules are designed based on the regret theory, taking the historical information and neighbor characters into consideration. At last, using Anylogic 6.5.0, a multi-agent simulation system is developed, and then a series of simulation experiments are performed and analysed. Simulation results reveal that: (1) The product benefit has a positive effect on the stability of diffusion dynamics.Higher product benefit can result in more stable (volatile) in the diffusion process. (2) The new product diffusion also depends on the cost of product diffusion and the loss from adopting refuse strategy. The group will more likely have the Tit-for-Tat (retaliation) issue when the two variables are equivalent. If the diffusion cost is higher,the dominate strategy is refuse, and vice versa. (3)The communication strength of consumers in market is positively associated with the volatility of diffusion dynamics. The greater communication strength of consumers indicates more obvious volatility of diffusion, while the weaker communication strength more likely result in the stability of group behavior. This research can make some contributions to new product marketing, and provides a new framework to combine psychology theories and simulation models.

regret theory; evolutionary game; consumer behavior; multi-agent simulation; interaction

1003-207(2017)11-0066-10

10.16381/j.cnki.issn1003-207x.2017.11.007

F062.1

A

2015-3-12；

2016-12-30

国家自然科学基金资助项目(71601151,71172043，71701075); 中国博士后基金面上资助项目(2014M552102);湖北省自然科学基金资助项目(2014-IV-114);教育部人文社科基金青年项目资助项目(16YJC630131)

危小超(1986-)，男(汉族)，河南郑州人，武汉理工大学经济学院，副教授，博士后，研究方向：管理系统模拟，Email：weixiaochaowin@163.com.