基于演化博弈的食品安全舆情主体行为选择的研究*
2022-06-13张立凡
□ 唐 露,张立凡
(南京邮电大学 管理学院，江苏 南京 210003)
1 引言
食品安全作为最重要的民生问题之一，受到全社会的关注。随着近年来网络的不断普及，“饿了么”“美团外卖”等餐饮电商平台蓬勃发展，一方面使食品的销售渠道由线下扩展为线上线下相结合，另一方面使得食品安全问题也更加受到大众关注。但由于网络信息混杂、平台监管不到位，食品安全问题愈演愈烈，这不但会降低群众消费信心和满意度，还会形成社会恐慌。因此，做好食品安全舆情事件的事前预防意义重大。
国内学者从不同角度对食品安全舆情进行了广泛研究。从食品安全舆情治理的目的出发，相关研究主要分为三类：对舆情事件本身的性质分析、对舆情事件主体的分析以及对舆情治理策略的创新。就舆情事件本身的性质而言，郭卓娅[1]对食品安全网络舆情的传播阶段及特点进行归纳，并从主体、知识、组织、时间四大领域提出跨界治理的策略；洪小娟等[2]基于情感语义空间对食品安全舆情进行情感分析。就舆情事件参与主体而言，网络的发展使得食品安全舆情事件主体由单一商家主体扩展为商家主体和第三方订餐平台主体。刘贝贝等[3]探讨食品安全网络群体行为的类型和特征，并基于斯梅尔塞的价值累加理论分析食品安全网络群体行为的发展路径。居梦菲等[4]阐明网络食品安全谣言难治现象，提出建立各主体协同治理的网络食品安全谣言多元共治机制。而细化到第三方平台主体，刘柳[5]提出利用大数据解决网络餐饮服务第三方平台资质审核义务“履行难”困境。就食品安全舆情的创新治理而言，黄音等[6]及熊先兰等[7]均提出将大数据技术运用于建立大数据与食品安全治理平台。而从食品安全舆情预警的角度进行的相关研究相对较少，主要是程铁军等[8]基于网络爬虫技术，提出构建食品安全风险预警因素体系。
总的来说，现有的食品安全舆情研究成果为本研究提供了有益的借鉴，但现有研究多集中于对食品安全舆情本身的性质分析以及针对性的治理策略，是对食品安全舆情的事后治理，较少研究舆情事件的事前预防及舆情主体行为策略的选择。本文从食品安全舆情事件的起点出发，基于演化博弈理论，对商家和第三方订餐平台进行行为选择的演化博弈分析，分类讨论在四种现实意义下均衡点的稳定性，并进一步分析了各支付参数对系统收敛到均衡点的灵敏度，为食品安全网络舆情事件的事前预防提供新思路。
2 商家与第三方订餐平台网络舆情演化博弈模型构建
2.1 模型基本假设
在构建商家与第三方订餐平台间行为博弈模型之前，需要做出一些符合食品安全舆情事件条件下博弈双方的基本假设。
假设1：博弈参与主体仅限于商家和第三方订餐平台。食品安全舆情事件的起点为餐饮提供者，主要包括商家与第三方订餐平台两个主体，商家是餐饮制作者，一般来说对餐饮商品的品质具有把控责任；第三方订餐平台(以下简称为平台)是出售餐饮的第三方平台，对入驻平台的商家具有资质审查的责任。
假设2：博弈主体策略集合。商家策略集合S1={严格品控，宽松品控}；平台策略集合S2={严格监管，宽松监管}。
假设3：博弈主体支付变量。
博弈主体的收益与成本有以下定义：
①商家的基础收益为P，即商家对餐饮品质严格把控获得的信誉度的提升；平台的基础收益为V，即平台严格监管商家入驻资质获得的平台口碑的提升。
②成本付出为平台严格监管、商家严格把控品质带来的成本。商家的成本付出为R，即商家对餐饮品质严格把控付出的人力物力成本；平台的成本付出为S，即平台严格监管付出的人力物力成本。
③口碑流量成本为平台严格监管、商家宽松品控和平台宽松监管、商家严格把控品质付出的成本。商家的口碑流量成本为M，即商家宽松品控造成无法入驻平台而造成的流量损失；平台的口碑流量成本为N，即平台宽松监管造成的用户口碑的下降。
④政府惩罚成本为平台宽松监管、商家宽松品控带来的成本。商家的政府惩罚成本为J，即商家由于餐饮质量问题受到政府处罚所产生的成本；平台的政府惩罚成本为K，即平台由于对商家入驻资质审查不到位所受到的处罚。
其中，P,V,R,S,M,N,J,K>0。此外，用x表示商家选择严格品控的概率，1-x则表示商家宽松品控的概率；用y表示平台严格监管的概率，1-y则表示平台宽松监管的概率。其中，0≤x≤1,0≤y≤1。商家与平台的变量定义见表1。
表1 变量定义表
2.2 模型建立
根据上述假设，可以得到平台与商家的博弈矩阵(见表2)。
表2 平台与商家博弈支付矩阵
①商家的期望收益及复制动态方程
商家选择严格品控的纯策略期望收益Ep1为
Ep1=(P-R)y+P(1-y)
(1)
商家选择宽松品控的纯策略期望收益Ep2为
Ep2=(P-M)y+(P-J)(1-y)
=P-J+(J-M)y
(2)
=x(P-Ry)+(1-x)[P-J+(J-M)y]
=P-J-(J+R-M)xy+Jx+(J-M)y)
(3)
根据(1)和(3)式，得到商家选择严格品控的复制动态方程为
=x(1-x)(Ep1-Ep2)
=x(1-x)[J-(J+R-M)y]
(4)
②平台的期望收益及复制动态方程
平台选择严格监管的纯策略期望收益Ev1为
Ev1=(V-S)x+V(1-x)=V-Sx
(5)
平台选择宽松监管的纯策略期望收益Ev2为
Ev2=(V-N)x+(V-K)(1-x)
=V-K+(K-N)x
(6)
=y(V-Sx)+(1-y)[V-K+(K-N)x]
=V-K-(K+S-N)xy+Ky+(K-N)x
(7)
根据(5)和(7)式，得到平台选择严格监管的复制动态方程为
=y(1-y)(Ev1-Ev2)
=y(1-y)[K-(K+S-N)x]
(8)
将(4)和(8)式联合起来即为商家与平台策略演化的动力学模型。
3 演化均衡稳定分析
3.1 均衡点的相关计算
为求得平台与商家博弈系统的均衡点，根据演化博弈中演化稳定策略的概念和微分方程的相关知识，解由(4)和(8)式组成的关于x、y的二阶微分方程组，如(9)式，即可得到系统的所有均衡点(x*,y*)。
(9)
由(4)和(8)式构成的平台与商家博弈动态系统的雅可比矩阵、雅可比矩阵的秩和迹为
(10)
|Jacobi|=(1-2x)[J-(J+R-M)y]*(1-2y)[K-(K+S-N)x]-(J+R-M)x(1-x)*(K+S-N)y(1-y)
(11)
tr(Jacobi)=(1-2x)[J-(J+R-M)y]+(1-2y)*[K-(K+S-N)x]
(12)
为了分析均衡点的稳定性，将可能的均衡点全部代入(11)和(12)式中，分别计算平台和商家博弈系统的不同均衡点对应的雅可比矩阵的秩和迹，见表3。
表3 不同均衡点对应的雅可比矩阵的秩和迹
3.2 均衡点的稳定性
对于离散系统，当且仅当det(Jacobi)>0，tr(Jacobi)<0时，该均衡点为ESS稳定点。均衡点的类型判别见表4，从中可以看出，博弈矩阵的支付变量相对取值不同，det(Jacobi)、tr(Jacobi)的正负符号可能不同，进而根据表4判别均衡点的类型不同。
表4 均衡点类型判定表
决定det(Jacobi)、tr(Jacobi)正负符号的因素主要是博弈矩阵支付变量M与R、N与S的相对大小。考虑M与R的相对大小主要是M
这里首先简单讨论M与R、N与S组合成的4种情况对应的现实意义。
商家严格品控时，平台宽松监管所付出的口碑流量成本相对于严格监管的成本损失可能并不高，即平台口碑流量成本N小于成本付出S，即N 同理，平台严格监管时，对于商家来说，未进入平台所产生的口碑流量成本相对于严格品控的成本付出并不高，即商家的口碑流量成本M小于其成本付出R，即M 另一方面，当商家宽松品控，平台宽松监管所付出的口碑流量成本相对于严格监管的成本付出高很多，即平台的口碑流量成本N大于成本付出S，即N>S。 类似的，从商家角度分析可以得到相似的结论，即商家的口碑流量成本M大于成本付出R，即M>R。 以上内容说明下文讨论M与R、N与S组合成的4种情况都对应有其现实意义。下面开始讨论4种分类条件下均衡点的稳定性。 ①M 商家的口碑流量成本小于其成本付出，平台的口碑流量成本也小于其成本付出。此时，系统有5个均衡点：(0,0)、(0,1)、(1,0)、(1,1)、 (K/(K+S-N)，J/(J+R-M))。此时均衡点类型见表5。 表5 M 下面分别取一组满足当前条件M 图1 M 从图1中可以很明显地看出，除了表5中的三个不稳定均衡点之外，所有初始值经过一段时间的演化最终都收敛到(0,1)或(1,0)。也就是说，无论商家和平台初始策略选择概率如何，都会向着“严格品控”或者“严格监管”的方向演化。这是因为双方都严格监管和严格品控的成本付出大于口碑流量成本，商家和平台为了降低自己的损失都会选择宽松监管与宽松品控，不会出现“商家严格品控和平台严格监管”的现象；但是政府监管的存在，也不会使得“商家宽松品控和平台宽松监管”的现象出现。经过反复博弈，最终双方达成“商家严格品控”或者“平台严格监管”的协调。 ②M 商家的口碑流量成本小于其成本付出，平台的口碑流量成本大于其成本付出。此时，系统有4个均衡点：(0,0)、(0,1)、(1,0)、(1,1)。计算每个均衡点的局部稳定性见表6。 表6 M 此时，平台与商家的博弈系统有一个稳定点(0,1)，两个鞍点(1,0)、(1,1)。取J=100，R=100，M=8，K=20，S=20，N=100，做出不同初始(x,y)值下的博弈系统演化路径图(见图2)，分析双方策略选择的演化规律。 图2 M 从图2中可以看出，在M ③M>R且N 商家的口碑流量成本大于其成本付出，平台的口碑流量成本小于其成本付出。此时，系统有4个均衡点：(0,0)、(0,1)、(1,0)、(1,1)。计算每个均衡点的局部稳定性见表7。 表7 M>R且N 取J=100，R=20，M=100，K=20，S=200，N=10，做出不同初始(x,y)值下的博弈系统演化路径图(见图3)，由于博弈矩阵变量的对称性，此时M>R且N 图3 M>R且N ④M>R且N>S 商家的口碑流量成本大于其成本付出，平台的口碑流量成本大于其成本付出。此时，系统有4个均衡点：(0,0)、(0,1)、(1,0)、(1,1)。计算每个均衡点的局部稳定性见表8。 表8 M>R且N>S时的均衡点类型判断 取J=100，R=20，M=200，K=20，S=10，N=300，做出不同初始(x,y)值下的博弈系统演化路径图(见图4)，并分析其演化规律。 如图4所示，博弈主体绝大多数的初始值，经过一段时间的演化，最终都会收敛到稳定点(1,1)。这是由于商家的口碑流量成本大于其成本付出，平台的口碑流量成本大于其成本付出，此时(严格品控，严格监管)是纳什均衡点。 图4 M>R且N>S时的x-y演化路径图 前文讨论了商家与平台演化博弈系统均衡点及其稳定性，在此基础上进一步基于博弈矩阵的六个参数R,S,M,N,J,K对系统收敛到均衡点的灵敏度进行分析。为了控制变量，在对一参数进行灵敏度分析时，需要固定其他参数值不变。 取R=200，M=20，K=100，S=100，N=30，(x0,y0)=(0.7,0.3),J分别取10、100、200，做出商家策略选择的演化收敛图(见图5)。显然，随着政府惩罚成本的增大，商家更快地收敛于1，且过程由曲折变得直接，因此，政府惩罚成本的增加促使商家严格品控的概率增大。 图5 J的变化对商家策略选择的影响 取J=100，R=200，M=20，S=100，N=30，(x0,y0)=(0.7,0.3),K分别取10、100、200，做出平台策略选择的演化收敛图(见图6)。显然，随着政府惩罚成本的增大，平台减缓了收敛于0的速度，因此，政府惩罚成本的增加能够降低平台宽松管控的概率。 图6 K的变化对平台策略选择的影响 取J=10，K=100，S=10，N=300，(x0,y0)=(0.7,0.3),取R=20、M=200，R=200、M=20以及R=400、M=10，做出商家策略选择的演化收敛图(见图7)。显然，随着成本付出大于口碑流量的损失，商家逐渐收敛于0，因此，成本付出增加与口碑流量成本减少的叠加效应会加快商家宽松品控的策略选择的演化速度。 图7 R和M之间大小关系的变化对商家策略选择的影响 取J=10，R=20，M=200,K=100，(x0,y0)=(0.7,0.3),取S=50、N=40，S=30、N=80以及S=10、N=600，做出平台策略选择的演化收敛图(见图8)。显然，随着成本付出小于口碑流量的损失，商家逐渐收敛于1，因此，成本付出减少与口碑流量成本增加的叠加效应会加快平台严格管控的策略选择的演化速度。 图8 S和N之间大小关系的变化对商家策略选择的影响 本文从食品安全舆情事件的发生源头出发，对商家和第三方订餐平台进行行为选择的演化博弈分析，分类讨论在四种现实意义下均衡点的稳定性，并进一步分析了各支付参数对系统收敛到均衡点的灵敏度，得到如下结果。 ①政府惩罚成本的变化，对商家严格品控、第三方订餐平台严格监管的概率有上升促进和下降抑制的作用。 ②商家和第三方订餐平台成本付出与口碑流量成本的相对大小对应的演化博弈系统的稳定点和演化方向不同，且口碑流量成本逐渐提高、成本付出逐渐降低的叠加效应会促使商家选择严格品控、第三方订餐平台选择严格监管。 根据以上结论，本文对食品安全舆情事件的事前防范从政府、商家、平台三个主体的视角出发，对实现食品安全监督能够形成多主体参与、多手段结合的综合防范格局提出以下建议。 ①从政府的角度出发，在刑事立法、刑事司法方面建立食品安全监督机制。通过提高商家和第三方订餐平台食品安全不规范的惩罚成本，促使商家严格品控、第三方订餐平台严格监管，从根源上防范食品安全舆情事件的发生。 ②从商家的角度出发，规范食品品控、降低人力物力成本。商家作为食品安全问题出现的根源，要切实履行社会责任，遵守食品安全规范，要做到通过流程化的规范管理降低人力物力成本，从而善加利用第三方订餐平台的流量入口。 ③从第三方订餐平台的角度出发，要提高平台入驻门槛。第三方订餐平台要完善平台准入机制，从平台处对商家资质进行审查，加强对商家食品安全的监管，建立与政府之间的食品安全监管交互平台，共同防范食品安全舆情事件的发生。
4 灵敏度分析
4.1 J的灵敏度分析
4.2 K的灵敏度分析
4.3 R与M之间大小关系的灵敏度分析
4.4 S与N之间大小关系的灵敏度分析
5 结论与建议
