基于Agent的建模与仿真技术在消费者行为研究中的应用述评

龚映梅，刘珍羽

(昆明理工大学 管理与经济学院，昆明 650031)

消费者行为是一个动态的过程，它涉及感知、认知、行为以及与环境因素的互动，也涉及交易的过程，具有复杂多样性的特点。目前，对消费者行为的研究集中于消费者在动态市场下的行为变化，主要探索影响消费者行为的因素。对消费者行为的研究方法大都基于实证研究且从全局变量入手，采用从上至下的方法建模，忽视消费者个体异质性对整体结果的影响。因此，需要新的研究方法来解决融合了技术和社会现象、异质的消费者和市场非线性宏观结果[1]的复杂性问题。基于Agent建模与仿真(ABMS)技术在处理这种复杂性的问题中是一种有潜力的方法。ABMS可以建模代表复杂自适应系统，并且可以建模实现消费者行为转换过程中的路径，是适应消费者行为复杂性、帮助构建动态市场模型以及优化和提升对消费者行为理解的有效方法。

1 基于Agent的建模仿真概述

1.1 ABMS的基本思想

ABMS在各科领域中代表着人工智能的前沿学科，该方法最开始起源于复杂自适应系统(CAS)。采用ABMS技术方法，能够对复杂系统中大量相互独立且又彼此交互的基本元素进行自底向上的建模，以期观察微观个体与宏观涌现现象的联系。

ABMS中的Agent主体有4个特点：①这些主体是独立且唯一可识别的；②自主和自我指导，即一个Agent将个人信息与自己的决策和行动联系起来；③具有一个随时间变化的个人状态，即Agent的行为以其条件状态变化；④表现出与其他影响其行为的主体的动态互动，即个体Agent的行为会影响他们自己的行为、其他Agent的行为以及环境。从技术上讲，ABM可以被描述为一种分散的自底向上的方法。因此，它可以解释在属性和决策过程方面的人口异质性、社会网络对市场动态的影响以及由Agents的交互作用产生的突发现象(涌现行为)。所以，ABM通常是理解复杂系统其他方法的自然补充。

1.2 Agent模型构建研究

ABMS的研究思路是首先根据研究意图和目标通过观察分析实际系统建立一个概念模型，抽象成由一群智能体构成的虚拟系统，该系统包含了一定数量的Agent和环境、信息等；其次，研究者对模型进行基本假设，结合实际去对该系统个体Agent从微观层面进行属性、行为等定义，同时进行交互规则和方法的初始定义，系统的交互行为是推动系统演变的重要动力，所以该交互规则包括Agent间的交互以及Agent与环境间的交互；最后该系统不再受人为的干扰进行自发演化。研究者们只需观察利用系统在交互过程中产生的多样化数据以及系统的演变规律进行总结归纳来解决现实复杂系统中的问题。

2 ABMS技术应用于消费者行为研究的优势

2.1 消费者行为的复杂性

当前的消费者既彰显个性，又存在从众心理和行为，其行为同时展现出社会化和个性化这两种看似矛盾的变化趋势。消费者市场是复杂系统的一个主要例子，对于这个复杂系统，微观层面的分析(即个体消费者对外界营销的反应)和宏观层面的分析(消费者对营销模式的整体反应)都很重要。

2.2 ABMS在消费者行为中的应用优势

2.2.1 体现群体行为涌现性

数字化时代对消费者行为的关注重心已经从“个体行为”转向“群体行为”(如社交网络和朋友圈的行为)。群体行为不是个体行为的简单相加，两者的行为特征并不相同，从理论上讲，理解了个体行为不等于就掌握了群体行为[2]。基于以上挑战，建模与仿真方法可以成为提供定量结果和复杂行为环境测试的关键手段[3]。作为一种演绎方法，ABMS使建模者能够使用定义良好的数学方程来定义理性行为人的行为[4]。另一方面，它还能够研究具有多代理系统的突发行为及其在多次迭代中的交互[5]。

2.2.2 量化消费者异质性

在管理领域应用的大多数ABM方法都涉及代表人类的Agent，一个特殊的挑战在于量化、校准和证明驱动现实世界消费者行为的软因素(非理性行为和主观选择)。因此，在基于Agent的模型中，开发将人类行为嵌入Agent相关联的标准化方法是很重要的。Smith和Rand提供了一个例子，说明了如何从实验中推导出主体行为的规则，并论证了行为学科学家和基于主体的建模者之间的关系深化[6]，这不仅为对ABM感兴趣的研究人员提供了有效的人类行为规则，也为行为学科学家提供了一个实验突破口。

2.2.3 减少数据的依赖性

在对消费者行为的研究中，传统的方法收集到的数据基本上是静态数据，同时需要大量的数据采集工作，耗费成本高，但消费者行为往往是在动态市场条件下做出决策，这代表着数据不应该是静态的，而是动态变化的[7]。因此引入来源于生物学概念的Agent建模仿真可以弥补以上不足，ABMS方法只需要简单的数据构建初始模型，随后利用Agent的智能特性模拟消费者异质性行为过程中会得到多样化的数据，这些数据包含了对真实时序数据的趋势分析和关联数据的挖掘分析[8]，以供管理者参考。

2.2.4 市场动态的适应性

在市场环境中，重要的除了效率，还有鲁棒性和弹性——对市场中不可预见的情况做出迅速恢复或转型能力反应。这种思维方式不仅给商业运作带来了不同的方法，也给管理本身带来了不同的方法。与传统优化模型相比，ABM的适用性取决于决策环境：给定的初始环境和一组假设(自下而上)可能的未来场景(市场环境)，Agent在给定决策环境下会改变自己的行为去适应环境。

3 ABMS技术在消费者行为研究中的应用现状

在研究解释消费者行为时，不同研究者依据研究背景的不同，有不同的研究方法。莫文等对消费者行为的研究角度分为3类，分别是基于消费决策的观点、基于消费体验的观点和基于影响 (改变)消费行为的观点[9]，其中营销学最倾向和主张的是基于影响消费者行为的观点。因此，本文从基于影响消费者行为的观点入手，在检索阅读大量文献的基础上，总结出基于Agent的建模与仿真技术在消费者行为中的研究应用主要在3个方面，分别是内部因素(消费者异质性)对消费者行为的影响、外部因素对消费者行为的影响、心理作为中间变量对消费者行为的影响。

3.1 内部因素(消费者异质性)对消费者行为的影响

消费者是异质性的，每个消费者都是独立做出购买决策的，在每个时期的同一时间最多选择一种产品。市场上很多消费者彼此不认识，他们只是根据自己的特征信息来做决定。根据这一特点，Du和Xiao利用计算机生成的海量数据进行实验，在基于Agent的模型中结合博弈论等方法探讨了定价策略问题，将供应链成员(供应商、零售商、消费者)的实际适应能力纳入模型，表明消费者个人对商店估值和产品估值的异质偏好影响其定价策略[10]。Mashhadi等通过调查分析研究消费者对于租用手机而不是购买手机的接受程度，建立了规范化Logistic回归模型，构建了消费者决策模型。该决策模型随后被用于基于Agent的模拟(ABS)框架，以模拟社会影响、先前决策和异质个人特征对消费者租赁决策的影响。研究结果表明，正在租赁手机的消费者更倾向于在未来再次租赁手机，而目前拥有手机的消费者更倾向于购买未来的手机[11]。Tang和Zhu将改进的SEIR流行病模型与异构Agent模型相结合考虑了消费者3个方面的异质性：敏感性、网络拓扑结构和对接收信息流的考虑，旨在分析消费者异质性通过影响购买决策来改变消费者购买行为最终影响新产品扩散的规模和速度。初步研究结果表明，消费者敏感性的异质性决定了目标消费者购买新产品的概率；由网络拓扑结构引起的消费者异质性决定了潜在消费者与购买消费者连接的概率，同时结合人群效应和互动效应，共同决定了潜在消费者在网络环境下购买的概率；而信息流引起的消费者异质性决定了潜在消费者在信息不断更新的情况下进行理性购买的概率[12]。

以上学者运用基于Agent的建模与仿真技术研究消费者行为时，主要考虑了消费者个人因素即个体异质性对其消费行为的影响，个体的异质性主要表现在消费者本身对产品和外部刺激的偏好。个体的异质性直接或间接地影响消费者的行为，对消费者的购买决策起着关键性作用。

3.2 外部因素对消费者行为的影响

Rand等[13]将交互分为两大类：①直接互动，即消费者直接与某些其他代理互动。例如，在口碑传播中，消费者创建和分享关于产品的口碑信息，可能会以积极或消极的方式影响其同伴的态度，这种影响通常发生在用户的社交网络中。Backs等利用ABM方法构建代表服装市场中制造商的几个代理和代表消费者(组)的几百和几千个代理组成的社交网络，以期观察消费者在社交网络中受到同伴的影响，被直接和间接的互动改变服装购买决定[14]。②间接互动，即消费者不直接与某个代理互动，但会受到其他代理的决策总和的影响。例如，以社会影响的形式。Bruzzone等模拟一个中型城市(60万居民)中的个体行为受到的社会影响，将人类模拟为智能个体Agent，该模型中包含了社会网络层，旨在将智能体与社交网络内口碑现象的模拟相匹配，用于捕捉社交网络如何与人类活动相关联，以及“个人观点”在社交互动中发生的作用如何提高社交网络中的消费者对绿色食品的消费[3]。

以上学者运用基于Agent的建模与仿真技术研究消费者行为时，主要研究的是外部因素如社会影响的直接互动和间接互动对消费者行为的影响，其主要作用于消费者在不同外部因素下的选择行为和购买决策行为，其实现过程是通过消费者与外部因素间的交互进而改变其购买行为。综上，外部因素对消费者的行为也起着关键性作用。

3.3 心理作为中间变量对消费者行为的影响

Wei等研究消费者在诱饵效应的影响下，个人的自我理性和损失规避会产生心理认知偏差，从而在两个选项中做出购买行为，满足营销企业目标产品的促销，这一系列的结果是通过Agent的量化演变消费者的心理认知变化过程得出[15]。Potluri等在研究对数据本地化限制带来的经济后果时，建立了生产者和消费者两种类型的代理，模拟在仿真迭代的过程中，消费者Agent和生产者Agent在彼此属性(如服务价格、服务质量或消费者敏感性)规则下的交互。结果显示，在每次迭代中，消费者都会根据生产者的服务价格和服务质量带来的感知效用最大化寻找最优生产者，从而改变其购买行为[16]。Ackland等展示买家如何通过之前成功和失败的交易了解卖家(药品供应链)的质量，从而建立长期的信任。其建立的ABM假设理性的Agents(批发商、零售商和消费者)在交易经验中学习时，会以信任作为中间变量影响改变他们的购买行为。该结果也表明，引入从经验中学习的能力和建立信任网络有助于从供应链中消除低质量药品[17]。Fatas-Villafranca等提出基于Agent的产业动态模型依赖于消费者社会学习和企业的创新，该模型利用行为经济学和消费者心理学，将消费者学习建模为在随机动态网络中运行的适应社会和新事物的过程。在模型中，消费者创造了原始的行为模式，但他们也通过对社会的依赖去模仿类似的其他人。因此，该模型揭示了消费者通过创新和对社会网络的适应来更新他们对产品的心理偏好，从而改变他们的消费行为[18]。

以上学者运用基于Agent的建模与仿真技术研究消费者行为时，均以心理作为中间变量来研究消费者购买决策的过程，心理变量涉及外界条件刺激下心理产生的偏好变化和感知效用变化，最后消费者根据其心理的中介作用做出最终的购买行为。因此，心理变化的中介作用对消费者的行为起着关键作用。

4 不足与挑战

基于Agent的建模与仿真技术在消费者行为中的应用领域具有强大的生命力，是描述复杂消费者行为特性、探究其个体微观行为与在特定市场环境下涌现的宏观行为内在联系的有效方法。但随着数字化时代的发展，消费者行为变得愈加复杂，对消费者行为的研究不能只局限在对表层因素的分析，还需要完善技术手段对影响消费者行为的因素进行更深层次多角度的分析。因此，目前面临着以下不足与挑战。

4.1 完善跨学科性研究

在文献中已经注意到通过ABMS进行跨学科研究的可能性，但对它的需要还没有得到充分的解决。如果ABM要作为一种过渡工具向前发展，就需要增加跨学科性，通过更好地整合环境、社会和技术元素，使多学科程度的提高加快对消费者行为的研究。

4.2 加强ABMS的可信度

基于Agent建模仿真方法的研究发展迅速但尚不成熟，对其建模的可信度建立在对复杂系统构建的理解判断上，其运行结果也是在模型运作机制中得出。但是真实的数据结果往往来于真实世界，因此ABMS方法更多地体现出一种充分性，但不能真实地证明其必要性。为了降低这种错误理解，所以在对复杂系统建模时要做到以下3点：①前提假设的科学合理性；②试验模型的正确性；③灵活性参考模型仿真结果。

5 结语

可以看出，ABMS是一种很有价值的方法，向消费者行为的建模与仿真注入了活力，可以补充实证研究，减少对数据的依赖。ABMS中Agent主体具有的主动性、能动性、适应性以及与环境的交互性等特点，可以完美地模拟消费者在市场环境中的行为变化，同时对个体Agent自底向上的异质性建模和Agent主体对动态的市场变化表现出的适应性，使研究者们对未来市场环境条件可能出现的结果有个预估的评判，也可以对现实世界中实施的政策和干预措施有个提前的了解。当然，ABMS最被经常用来对消费者行为影响因素进行过程性研究，可以较好地重现消费者的购买决策过程。此外，对消费者行为的研究也要顺应时代变化进行多角度的分析，加强与其他方法技术的融合和完善跨学科性的研究，有助于对营销管理和企业创新带来“非线性”发展。