基于映射结构的平台消费者规模演化仿真

郑 文，张 凯，焦 爽

(东北大学秦皇岛分校 管理学院，河北 秦皇岛 066000)

0 引言

近年来O2O(Online To Offline)平台作为市场结构变动趋势，为市场经济提供新的研究视角.平台引入买卖双方交易系统后，市场结构和交易关系均发生改变，平台、销售者和消费者三方甚至是包括物流公司等在内的多方主体参与其中，线上虚拟交易和线下实体交易非同步进行，使得平台之间动态演化特征日益复杂化[1].消费者作为微观个体，不断受到线上-线下多种因素交互作用，感知异质性影响个体行为的作用机制，有待探讨；参与者行为的微观改变，引发平台消费者规模的宏观演化原理，有待分析[2].构建基于线上-线下映射结构的平台消费者规模演化模型，从系统动力学角度出发，将虚拟交易和实体交易以消费者节点的映射关系结合起来，探讨如何通过线上-线下综合作用扩大平台消费者规模的问题，并利用Anylogic软件进行仿真，以期对平台经济的消费者规模扩增提供有益研究视角.

1 研究现状分析

传统交易关系仅发生在买卖双方之间，O2O 平台介入市场后，平台和物流公司的出现引申出新型交易关系.在这种交易关系中，平台只负责提供信息，不提供产品本身，消费者在线上平台下订单，相关物流公司提供线下配送服务.线上虚拟交易和线下实体交易通过消费者节点合为一体，消费者规模亦成为平台经济的重要考量因素.在线下经济层面，经由社会网络的消费者行为扩散引起学者们广泛关注.Yinxue Yi等[3]主张社会网络作为信息传播的重要载体，个体间联系在信息传播与消费者群体行为扩散中起关键作用.关于个体在社会网络中存在状态，学术界大多认为NW(Newman and Watts)小世界网络以其自身特性更加符合消费者高集聚性、无标度性的特征[4].其最大特点是每一个节点都与网络中或多或少的其他节点保持连接状态，避免孤立节点存在，更加符合现今社会消费者的实际连接状态[5].依据该社会网络模型，诸多学者对线下消费扩散行为展开研究.严云峰[6]基于NW网络建立节点具有记忆功能的扩散模型，指出相比于集中式状态，消费者的随机分布状态有利于更好地实现购买行为扩散.王世龙[7]基于小世界网络模型对复杂传染进行仿真研究，发现行为扩散除了与路径长度有关外，还与所连接的节点数量相关.随着平台经济的发展，学者们发现消费扩散行为不仅存在于线下的社会网络中，还存在于线上网络中.王核成[8]建立线上购物扩散模型，指出线上购物行为在消费者中的扩散主要依靠口碑作用.王芳[9]则进一步基于在线评论探讨平台作用动态性、口碑效应非一致性与正负口碑异质性对消费者购买决策的影响.Sebastiano A.等[10]提出消费者购买概率不仅取决于消费者网络内部口碑作用，还取决于社会网络外部的营销努力，消费者规模扩增受社会网络和口碑作用两个因素综合作用.关于线上评论引导力、评论回复、关系强度等方面的口碑作用也受到了学者们的一致关注[11-13].虽然已有学者指出互联网时代下的消费者同时活跃在网络社区和线下社区中，线上-线下网络中的协同互动均可有效实现消费扩散[14]，已有文献仍局限在线上或线下单一层面，未能就线上-线下综合作用对平台消费者规模展开研究.基于此，本文引入线上-线下的映射方法，将虚拟交易和实体交易以消费者节点的映射关系进行结合，构建基于映射结构的平台消费者规模演化模型，通过Anylogic仿真对比实验，研究线下接触人数、线上口碑作用率以及线上-线下社会网络影响率对平台消费者规模演化的影响.

2 基于映射结构的平台消费者规模演化建模

为了研究方便，本文仅考虑线上-线下消费者节点一一映射的网络关系.如图1所示，将平台经济划分为线上平台和线下社群两个网络层次，把映射关系下的消费者抽象为网络中的一个个节点，消费者之间的接触现象、阻隔现象分别抽象为一条条连边和小世界边界.网络内任意一个消费者节点都有与之相对应的线上或线下节点，当对应节点状态发生改变时，其状态也会随之发生改变，反之亦然，即两者符合完全正相关的映射关系.

图1 基于映射结构的平台消费者规模演化模型

不考虑在线商家和物流的主体作用，仅考虑消费者和平台，将平台内人群划分为潜在消费者和消费者，其中潜在消费者指平台中存在但没有做出购买行为的人群，消费者指已经做出购买行为的人群.在线上网络层面，平台通过在线评论数量及质量等口碑信息给予潜在消费者口碑作用率，通过投放广告等获客营销策略加强或减弱线上社会网络作用力，潜在消费者个体感知到线上平台作用后，以有限理性状态决定是否做出购买行为，以一定概率转变为实际消费者.在线下网络层面，早期消费者在线下NW小世界网络内部通过线下接触、线下社会网络作用力等方式进行消费扩散，以一定概率影响潜在消费者，促进剩余潜在消费者个体转化为实际消费者.在线上-线下综合作用下，平台中潜在消费者不断被社会网络作用率、线上口碑作用率、线下接触人数三重因素影响，以一定概率做出购买行为转化为实际消费者，个体微观变化的累积引起群体宏观涌现，进而作用于平台消费者规模.当平台内潜在消费者全部转化为实际消费者时，平台消费者规模达到饱和状态，平台消费者规模演化达到最优状态.

3 仿真分析

3.1 参数设定

基于上述模型，设定平台内总人数N为1 000人，最初状态下全部为潜在消费者，受到社会网络作用率、线上口碑作用率和线下接触人数相关因素影响后以一定概率转化为消费者.分别对影响因素进行不同参数设定，以消费者人数增多衡量平台消费者规模正向演化，以消费者人数扩增速率衡量平台消费者规模正向演化速度，利用Anylogic仿真平台进行仿真实验，对设定的1 000位理性消费者行为扩散过程进行模拟.根据仿真模拟结果，选择性地截取第16到20时间段的数据进行分析，具体参数设计如表1所示.

表1 相关因素仿真参数设置

3.2 线上-线下社会网络影响率仿真对比结果与分析

社会网络影响率是指潜在消费者个体对线上及线下社群网络感知后做出购买行为的概率，这一传播过程主要是指外部广告和其他大众媒体的传播[15].这里的社会网络影响率与消费群体外部平台属性信息及策略信息有关，并不考虑与消费者口碑相关，它代表的只是大众媒体的外部力量.依据上述参数设定，在接触人数为50、口碑作用率为0.04条件下，选取0.005，0.011，0.022三个社会网络影响率进行了对比实验，截取第16到20时间段，如图2所示.

图2 基于不同社会网络影响率的平台消费者规模演化曲线图

在模型演化初期和末期，三条曲线均显现为差距很小，较为接近状态.演变初期，三条曲线的社会网络影响率基数均较小，作用于潜在消费者使其转化为消费者的现象并不明显，三者差距较小.演化末期，经由初期社会网络作用率引起平台内早期消费者出现以及中期接触人数、口碑作用率和社会网络作用率的内外部因素综合作用，越来越多的潜在消费者做出购买行为转化为消费者，使此时平台内消费者人数接近于总人数，平台消费者规模演化趋近于最优状态.

在模型演化中期，三条曲线间隔呈现出先扩大后缩小的趋势.由于演变初期社会网络影响率并未引起消费者人数大量增加，此时平台内仍存在着大量潜在消费者.当潜在消费者人数对于平台消费者规模演化不构成限制因素时，在口碑作用率与接触人数相同的情况下，影响潜在消费者转化的决定性因素就是社会网络作用率.随着时间步推进，由社会网络影响率引起消费者人数不断累积，三条曲线间距不断扩大.当消费者人数累计到一定数量时，受平台内潜在消费者人数限制，外部社会网络对于平台消费者规模演化作用率开始减弱，三条曲线间距开始缩小.

社会网络影响率作为平台内早期消费者的发生器以及贯穿始终的作用因子，与平台消费者规模演化呈明显正相关关系.同时，由于平台内各因素综合作用，在不同时间段，社会网络影响率变化对于平台消费者规模演化的影响程度也不尽相同.

3.3 线下接触人数仿真对比结果与分析

接触人数是指在特定时间段潜在消费者线下所接触到的消费者数量.消费者通过线下接触这一渠道将商品信息传递给潜在消费者，而且在社会网络中，消费者远不止接触一个潜在消费者，接触人数越多，可能做出购买行为的人也就越多.在消费者接触潜在消费者的这一过程中，潜在消费者以一定概率感知到商品信息，然后以有限理性状态做出可能购买行为，即接触人数越多，理论上可能做出购买行为的潜在消费者越多，平台消费者规模正向演化可能性越大.依据上述参数设定，在社会网络影响率为0.011、口碑作用率为0.04条件下，选取10，25，50三个接触人数，截取第16到20时间段，如图3所示.

图3 基于不同接触人数的平台消费者规模演化曲线图

在模型演化初期，三条曲线非常贴近.此时，较小的0.011社会网络影响率作用于潜在消费者，使其转化为消费者的现象并不明显，导致平台内早期消费者出现是极为缓慢的；0.04口碑作用率使得即使平台内显现了少量早期消费者，其通过线上口碑作用实现潜在消费者快速转化为消费者的可能性也是很小的.因此，在这个阶段接触人数差异并未造成平台消费者规模演化曲线明显分隔.

在模型演化中后期，仅有接触人数不同的三条平台消费者规模演化曲线出现了不断扩大的间隔.由于初期平台内消费者人数较少的情况经由时间步推移不断得到改善，受到社会网络影响率作用而出现的消费者不断累积.当平台内早期消费者累积到一定程度时，来自于群体内部口碑作用成为平台消费者规模演化主要推动力，口碑作用影响人数满足公式：受到口碑影响消费者数量=消费者*接触人数*(潜在消费者/总人数)*口碑作用率.此时平台内潜在消费者人数众多，接触人数差异会更为直观地反映到受口碑作用消费者人数变化，并随着时间步推进愈加明显.由接触人数不同所引起消费者人数差距经由较大口碑作用率、较小社会网络影响率与时间推进而被不断拉大，平台消费者规模演化差异愈加明显.

对比接触人数与社会网络影响率两图可以看出，虽然接触人数发生作用时间在社会网络影响率之后，但一旦平台内早期消费者出现并积累到一定数量，接触人数对平台内潜在消费者转化为消费者从而实现平台消费者规模演化的影响远大于社会网络作用率.

3.4 线上口碑作用率仿真对比结果与分析

线上口碑传播是指感知到商品信息的消费者和潜在消费者之间存在非正式人际交流，在线上平台发布交流产品信息，存在于购前和购后两个阶段.购前阶段潜在消费者会受到线上口碑作用影响从而以一定概率产生购买行为，购后阶段消费者会通过线上口碑传播途径将商品信息传递给其他潜在消费者，促进平台消费者规模演化.线上口碑作用率是赋予口碑传播相对明确数值，即潜在消费者在受到消费者口碑作用后做出购买行为的概率.依据上述参数设定，在社会网络影响率为0.011、接触人数为50的前提下，选取0.015，0.03，0.045三个不同的线上口碑作用率，截取第16到20时间段图像，如图4所示.

图4 基于不同口碑作用率的平台消费者规模演化曲线图

在模型演化初期，三条曲线并无明显差别，由于线上口碑作用率在平台内产生影响依赖于早期消费者出现.而在演化初期，受到0.011社会网络影响率影响，平台内早期消费者出现是极为缓慢的.在这个阶段，社会网络影响率对潜在消费者转化为消费者影响较大，不同口碑作用率设定并无明显的影响.

在模型演化中后期，仅有口碑作用率不同的三条平台消费者规模演化曲线出现了明显间距.经由社会网络作用率影响以及时间步推移，平台内消费者数量得到了充分的积累，在平台内潜在消费者数量仍然较多，不构成限制因素时，线上口碑作用率与线下接触人数结合而成的口碑作用可以很好地发挥作用，成为平台消费者规模演化主要动力.

线上口碑作用率作用时间在社会网络影响率之后，但一旦平台内早期消费者出现并积累到一定数量，那么由线上口碑作用率与线下接触人数两者的组合机制对平台消费者规模演化产生的影响远大于社会网络影响率.同时，潜在消费者感知到的线上口碑作用率在模型演化中后期对平台消费者规模演化具有明显影响，与线下接触人数对平台消费者规模演化影响具有相似之处.

4 结论

本文引入线上-线下的映射方法，将虚拟交易和实体交易以消费者节点的映射关系进行结合，建立基于线上-线下映射结构的平台消费者规模演化模型，在此基础上仿真对比分析社会网络作用率、线下接触人数、线上口碑作用率三重变量对于平台消费者规模演化的影响.研究发现：外部社会网络作用率、线上口碑作用率及线下接触人数均对平台消费者规模演化起正向促进作用，但线上-线下协同作用的社会网络作用率主要促进早期消费者出现，线上口碑作用率和线下接触人数则对平台后期发展作用显著.然而，本文只考虑线上-线下消费者节点完全正相关的一一映射关系，忽视了一对多、多对一等其他映射关系，未来将围绕多样映射关系进一步研究.