信息共享视角下个体农产品电商信息配置的演化博弈分析

贾 铖 郑嘉欣 杨建辉

(1.山东农业大学 经济管理学院,山东 泰安 271018;(2.华中农业大学 经济管理学院,武汉 430070;(3.浙江农林大学 经济管理学院,杭州 310018)

随着数字乡村发展战略逐步铺开,农产品电商已成为“数商兴农”建设过程中的重要一环。据商务部大数据统计,2022年我国农产品网络零售额达5313.8亿元,同比增长9.2%,增速较2021年提升6.4个百分点(1)中国产业经济信息网:2022年我国农产品网络零售增势较好.2023-02-04.http:∥www.cinic.org.cn/xw/tjsj/1400445.html。以生鲜电商为例,高回头率、高客户粘性、高毛利使其成为电商市场的一片蓝海。仅2020年我国生鲜零售市场规模便超5万亿,但线上零售只占14.6%;且自2005年开始,该行业每年亏损企业超20家(2)生鲜电商市场调查:2021年生鲜电商普遍亏损.2021-08-27.http:∥k.sina.com.cn/article_73728258251b77464e100100z4rl.html。虽然数字技术日趋完善,但农产品电商发展并非“如愿以偿”[1-2]。不同于工业品消费市场,同类农产品间的差异并不明显,仅仅关注产品供需或价格标签难以满足消费者对其品质与多元化的诉求。这也使得农产品难以形成品牌效应。因此,现阶段如何借助电商平台提升农产品品质,进一步提高消费者的品牌忠诚度,对农产品电商未来转型及高质量发展具有现实意义。

进入数字经济时代,数据信息价值日益彰显。香农的信息论证明,信息可以实现到知识的飞跃[3],企业或个体基于数据提炼出的信息可以满足更精准的个性化营销、更高效的生产和交付[4-6],从而改善产品质量和服务体验,吸引更多用户,如此周而复始,最终建立产品的竞争优势与品牌粘性[7-8]。有效利用信息资源成为后疫情时代下经济恢复发展的关键所在。但囿于电商平台发展速度过快,其配套的信息监管制度并不完善,导致平台信息内容真假难辨,消费者对农产品品牌忠诚度较低。不过农产品电商平台内信息传播的本质可以归结为参与个体利益博弈的结果,信息失真的根源在于主体利益失衡,在以农产品生产者、消费者等个体利益为主的同时,又忽视了自身行为对平台信息收益最大化的负向影响。

鉴于此,已有研究肯定了个体信息配置对农产品电商发展具有影响[9],却极少揭示个体对电商信息配置策略的内部博弈关系。在平台信息数量呈指数增长事实下,个体间信息配置策略选择的差异往往会使用户陷入付出较高成本却难以获取满意信息价值的窘境。加之农产品时效性的限制,在信息共享机制尚不健全的情形下,个体有限理性通常会影响群体实现信息效益的最大化。因此,在优劣信息共存的农产品电商平台内,厘清个体间关于信息配置的博弈关系对有效解决农产品电商信息失真等问题具有现实价值。不过,当下关于个体配置农产品电商信息的博弈研究相对较少,现有文献也多是探讨公共信息资源配置的公平性[10]与经济性[11]。当前,信息共享已成为衡量平台提升信息价值的重要举措[12]。由于对农产品新鲜程度等质量存在硬性要求,一旦信息传播过程中存在共享延迟等问题[13],便会打破农产品交易的平衡局面[2,14]。据此,虽然Botsman等[15]和Bellotti等[16]对上述问题原因的解释为个体受利己主义的驱动。信息发布方一般会保护隐私而减少优质信息共享的积极性[17],增加了信息使用者的风险感知程度[18],降低了消费者产品品牌忠诚度[19],但并没有解释个体关于信息配置的策略选择及互动。综上,厘清农产品生产者与消费者对电商平台信息配置的博弈关系,可以优化农产品电商信息质量[10]。

而且,个体配置农产品电商信息的行为是在一个相对模糊且有限理性的空间上进行。由于个体具有自利性,彼此策略博弈后只有通过具体收益才能调整自身后续策略的选择[20]。此外,在平台信息内容良莠不齐的情形下,信息共享或许可以优化个体信息配置的策略选择,实现双方利益的最大化。因此,本研究尝试在信息共享视角下,拟采用演化博弈模型分析不同情景下个体对农产品电商信息配置的博弈逻辑,同时利用Matlab数值仿真模拟个体策略选择的移动轨迹,以期为探索农产品生产者与消费者在何种情景下达到博弈均衡状态提供理论逻辑与关键证据,从而明确未来农产品电商高质量发展的方向和重点。

1 理论分析与研究假设

1.1 信息共享视角下个体农产品电商信息配置的内涵

基于前述分析,农产品电商平台内汇聚了大量“闲置”的信息资源,而信息共享模式可以为优化信息质量提供新的解决路径。由于农产品电商平台具有很强的外部性,加之其个体发布(使用)信息往往具备私人特征。因此,嵌入信息共享视角的本质在于提高平台内不同个体之间优质信息交流的积极性与主动性,从而创造更多经济价值[21]。有鉴于此,信息共享视角下个体农产品电商信息配置的内涵主要包括两个方面:1)电商平台运作过程中,资金流、物流等信息共享有利于提高个体信息配置行为的积极性与有序性,然而农产品新鲜度的特殊属性直接影响个体交换信息的强弱程度。一般来说,农产品生产者拥有更多的产品信息内容,处于信息强势方;而农产品消费者多处在信息弱势方。信息共享视角下可以鼓励个体提高优质信息在平台内的交换比例,从而提升信息资源的整体价值[22];2)共享视角下的信息配置不再是个体间孤立存在,而是通过利益捆绑配置策略实现对信息内容的有序组合,自发调节信息配置效率、信息质量、信息配置成本以及信息服务等环节,以此最大化提高农产品电商参与个体的信息利益。

综上,本研究认为信息共享视角下个体农产品电商信息配置的内涵在于,不同情景设计下,个体通过信息共享可以提高农产品生产者(消费者)对优质信息配置的积极性(有序性),合理开发信息价值,从而提升农产品电商平台内的信息质量。

1.2 信息共享视角下个体农产品电商信息配置策略分析

1.2.1个体农产品电商信息配置的理论基础

个体间的信息配置行为包括信息发布与信息使用等,当农产品电商平台正常运转时,个体积极发布信息与有序(3)有序使用信息包括对信息内容的深度分析,能够将平台内信息内容转为对自身需求节点的重要内容;而无序使用信息则是囫囵接收信息,并未对信息内容做任何处理措施。使用信息的行为可以最大化开发信息价值,保障农产品交易活动的顺利完成。但个体信息配置行为却并非一致,而是存在依据对方行为调整自身决策的动态过程。具体表现为:在信息不对称与有限理性共存的情形下,信息发布方会根据信息接收方使用或不使用信息而调整是否积极发布优质信息的决策;同样信息使用方也会分析发布方提供的信息内容从而判断可否有序使用。所以,在风险规避与效益最大化的前提下,个体间信息配置策略的选择往往具有演化博弈的动态特征。因此,本研究尝试利用演化博弈理论深度探讨个体对农产品电商信息配置的内部逻辑。

诚如上述,演化博弈理论起源于经典博弈论和进化理论。在事先无法确定收益的情形下,参与者通过反复学习优化其行为并最终获取最大利益。一般包括重复博弈与有限理性博弈,后者常被用于经济活动分析中。重复博弈一般指相同结构的博弈多次重复,每次博弈过程称为“阶段博弈”。其本质是前一阶段博弈不会影响到后一阶段博弈。结合个体有限理性的特征,进一步将其分为:1)快速学习的小群体成员之间的反复动态博弈(最优反应动态);2)参与双方学习策略的反复博弈。无论是农产品生产者还是消费者,其对信息处理能力不可能是完整且确定的,只有经过多次学习才能优化行为,实现最优决策的稳定性[23]。至此,本研究利用演化博弈论中的有限理性去探讨个体关于农产品电商信息配置博弈的演化过程,具体包括博弈主体假设、建立博弈支付矩阵与复制动态方程以及演化博弈模型构建等步骤[24]。

1.2.2相关假设和模型参数设置

1)博弈主体假设

农产品电商平台涉及多个参与者之间的利益冲突,考虑到不同个体既可以作为信息发布方,也可以成为信息消费方。在“经济人”理性假设下,个体都具有信息发布者和使用者两种角色。由于农产品自身属性,生产者与消费者各自掌握信息强弱的不同在一定程度上也会影响农产品电商交易活动。据此,本研究基于两种角色分类将个体定义为农产品生产者P与农产品消费者U,双方通过电商平台进行信息配置策略的选择及优化。由此推断,本研究在信息共享视角下着重探讨两方参与主体在电商平台内关于信息配置的博弈决策。在实际经营中,农产品生产者向消费者提供有关农产品的质量、新鲜度、市场价格、库存、交货周期及物流等信息;农产品消费者向生产者反馈需求状况、产品偏好、质量评鉴、合作加盟等信息。双方基于有限理性反复学习新的知识和调整自身行为,从而实现最优决策。因此,在构建博弈模型之前首先对博弈主体间进行以下假设[20]:

①强制性假设。在个体对农产品电商信息配置策略选择过程中,为避免不同平台规模对其行为影响,强制农产品生产者和消费者在是否选择电商平台进行交易活动必须选择同一平台交易农产品[25]。

②策略选择概率平等性假设。设定农产品生产者和消费者两方博弈主体在进行“0”、“1”两种策略选择概率均为0.5。

③电商信息共享模式。由于农产品自身特性,设定农产品生产者为信息强势方,农产品消费者为信息弱势方。生产者是否积极共享信息对农产品电商信息质量优化至关重要。

综上,博弈主体可描述为:农产品生产者(P)。短期来看,农产品生产者作为信息强势方,其发布优质信息(高价值、高成本)的积极性是消费者使用信息的基本前提。长期来看,一旦主体消极发布劣质信息(高重复、低价值),消费者则会减少对该农产品消费信任度,降低对产品的忠诚度。因此,在信息共享视角下农产品生产者的策略集合通常包括两种状态,即,积极共享信息与消极共享信息。农产品消费者(U)。不同于工业品可以采取流水线作业,农产品具有高度的自然依赖性,农业生产的非标准化使其新鲜度或价格波动让消费者在面对信息不对称情形下难以准确判断生产者提供的信息真伪。而且,结合个体追求信息效益最大化的有限理性,消费者通常会慎重思考如何处理平台信息,一般会采取“有序使用和无序使用”的应对策略。

2)演化博弈模型假设

①假设博弈双方的选择都是理性的,且均遵循自身利益最大化原则。

②假设农产品生产者与农产品消费者在长期均衡中存在演化博弈行为。

③假设农产品生产者在电商平台上积极发布优质信息时,所有消费者能够100%识别;但若是消极发布劣质信息时,消费者却存在一定误判率。

④外部手段干预可以直接影响个体对农产品电商信息配置的决策选择,从而便于横向对比且归纳不同情景下个体对信息发布或使用的博弈规律。

3)演化博弈模型相关参数设置

①农产品生产者(P)。个体拥有信息的强弱程度决定了资金等要素的流动方向[25],从而影响自身配置信息的行为[26]。基于上述分析,本研究假设农产品生产者以概率β(0≤β≤1)积极发布信息资源(优质信息)时,也会以1-β的概率选择在平台上消极共享信息资源(劣质信息)。当生产者消极提供劣质信息时,需要承担一定程度上消费者对农产品质量投诉的信息安全风险损失C1(C1>0),且信息收益价值为0。而当生产者积极发布优质信息时,在接受一定信息安全风险的基础上需要付出额外的信息加工成本r,此时积极提供信息的成本增加至C1+r。通过与消费者进行信息交换完成农产品交易活动从而实现优质信息的经济价值,即V(V≥C1+r)。

②农产品消费者(U)。消费者作为信息弱势方,以θ(0≤θ≤1)的概率有序使用生产者发布的信息资源时,也会以1-θ的概率选择无序使用信息内容的策略。而且由于农产品同质问题的存在,消费者在购买心仪农产品时,需要付出一定的信息搜寻成本C2。如果生产者消极发布劣质信息,农产品新鲜度可能存在一定质量问题,此时消费者会存在一定误判率n(0≤n≤1)将劣质农产品误判为优质农产品,并给予一定报酬,从而降低消费者从生产者获取的信息价值。基于此,结合消费者能够100%识别优质信息,部分识别劣质信息的假设,当U有序使用P积极发布的信息内容时,需向P支付一定报酬M1(V>M1>C1+r);而当P消极发布信息后,在劣质农产品误判率n的影响下使U支付P报酬为M1×n。倘若U无序使用信息时,则不需要付出任何成本,无须向P支付任何报酬。根据消费者信息需求偏好特征,U希望通过支付报酬有序使用优质信息价值V(V>M1+C2),并不希望农产品生产者消极发布劣质信息。

据此,本研究在生产者与消费者之间就农产品电商信息配置的策略选择进行博弈分析,同时考虑不同情景设计深度探讨两者之间信息博弈的演化规律,继而提高生产者发布优质信息的积极性,增加消费者信息使用的有序性。

2 信息共享视角下个体农产品电商信息配置的演化博弈模型分析

2.1 自由交易情景:市场机制

2.1.1演化博弈模型构建

当生产者P和消费者U在电商平台内自由交易农产品时,个体发布信息或使用信息需遵循市场机制中的供求关系与价格规律,即个体自由配置信息行为受到信息供需的数量关系和价格关系影响。基于此,生产者出于理性考虑可以选择是否积极发布优质信息;同理,U在不明确信息质量的情形下也可以自由选择是否有序使用该信息。此时,在自由交易情形下,生产者与消费者关于农产品电商信息配置策略之间的演化博弈支付矩阵如表1所示:

表1 自由交易下个体农产品电商信息配置演化博弈的支付矩阵Table 1 Payment matrix of the evolutionary game of information allocation for individual agricultural e-commerce under free trade

根据表1,假设农产品生产者P积极发布优质信息与消极发布劣质信息的期望收益分别为Ep1和Ep2,与之对应的整体期望收益为Ep,则:

Ep1=θ(M1-C1-r)+
(1-θ)(-C1-r)=M1θ-C1-r

(1)

Ep2=θ(M1n-C1)+(1-θ)(-C1)=M1nθ-C1

(2)

Ep=βEp1+(1-β)Ep2=
M1nθ-βM1nθ+βM1θ-βr-C1

(3)

假设农产品消费者U有序使用信息和无序使用信息的期望收益分别为Eu1、Eu2,相应的整体期望收益为Eu,则:

Eu1=β(V-M1-C2)+(1-β)(-M1n-C2)=
β(V-M1+M1n)-M1n-C2

(4)

Eu2=β(-C2)+(1-β)(-C2)=-C2

(5)

Eu=θEu1+(1-θ)Eu2=
θβ(V-M1+M1n)-θM1n-C2

(6)

根据演化博弈的复制动态方程可得,P发布信息和U使用信息的复制动态方程:

(7)

(8)

2.1.2均衡解的稳定性分析

2.1.3演化博弈模型鞍点的移动分析

在上述均衡解的基础上计算市场机制下演化博弈矩阵的值detJ与矩阵的迹trJ,并通过正负情况判断系统均衡点的移动规律。如果detJ>0,且trJ<0时,则表示该点是演化博弈模型的稳定策略(ESS)。若detJ<0,则表示该均衡点为演化博弈模型的鞍点;而如果detJ>0,trJ>0,那么该点表示正处于系统的不稳定状态,最终会向ESS方向演进[27]。在自由交易情形下,农产品生产者与消费者之间博弈的移动规律如表2所示。

表2 自由交易下个体农产品电商信息配置演化博弈均衡点的稳定性分析Table 2 Stability analysis of the equilibrium point of the evolutionary game of information allocation of individual agricultural products e-commerce under free trade.

(0,0)与(1,1)分别表示上述演化博弈模型的稳定策略(ESS);(0,1)与(1,0)则代表非稳定状态;而(β*,θ*)表示鞍点。根据生产者P与消费者U之间的博弈相位图(图1)可知:初始状态落入OADC区域内,农产品电商平台内P与U的策略选择最终会向(0,0)状态演化,即:消极发布劣质信息与无序使用信息。而当初始位置落入ABCD区域内,市场机制影响下使生产者与消费者之间的博弈稳定策略为(1,1),即:积极发布优质信息与有序使用信息。由此推断,鞍点D的初始位置决定了均衡解移动的不同轨迹。如果想要提高平台内信息质量,则需调整鞍点向左下方移动,即β*、θ*的取值偏小。

图1 演化博弈相位图的移动轨迹Fig.1 Moving track of phase diagram of evolutionary game

上述提到β、θ的大小与M1、V、r、n等4个关键变量相关。结合β、θ的微分方程判断不同参数对β、θ的作用关系。通过偏微分求导,当保证其他参数值不变前提下,改变某一参数值后可以发现:减少加工成本r、降低劣质农产品误判率n等都可以提高ABCD的覆盖面积,从而提升P发布优质信息的积极性,促使U有序使用信息;反之则亦然。

自由交易情景下,个体对农产品电商信息配置策略的稳定状态与M1、V、r、n等参数相关。只有当θ>r/M1-M1n时,P、U才能在自由交易情形下实现双方利益最大化,即P积极发布优质信息,U有序使用信息。但P所获报酬M1需大于r/1-n,即U在农产品交易时能够给予P预期收益M1。不过由于数字技术进步,平台内信息数量急剧膨胀。根据信息摩尔定律,信息数量与信息质量之间的差异会重新形成个体认知层面的数字鸿沟。单纯依赖市场机制调节,自由交易则无法全面解决平台内“数字鸿沟”的现实问题。基于此,本研究认为有必要引入新机制,进一步优化P与U关于信息博弈的策略选择。

2.2 平台监管情景:激励机制

2.2.1演化博弈模型构建

农产品电商发展初期,平台内信息内容较为单一,市场机制是保障生产者与消费者自由交易农产品的底层基础。但随时间推移,农产品种类和服务多元化使部分个体为博流量而消极发布或无序使用信息,导致平台内信息内容良莠不齐,真假难辨。为此,提升信息监管力度对优化平台生态环境具有迫切性与必要性。一般而言,监管机构包括政府监管与平台监管,不过政府监管成本较高、环节繁琐、短期内成效难以凸显[24]。所以,本研究主要考虑平台监管情景。由于生产者作为农产品信息强势方,倘若平台监管措施以惩罚为主便会打击P发布信息的积极性。基于上述考虑,本研究引入平台监管情景下的激励机制且满足以下假设:

1)只要平台监管便能发现生产者或消费者的不当行为,但对劣质信息识别存在一定误判概率ɑ。尽管现实中很难做到这一点,但可以通过无限提高监管技术间接实现;

2)平台监管对农产品生产者积极发布信息的行为给予奖励M2(包括积分、账号升级、开放权限、先进奖励等),结合劣质信息误判率,最终奖励收益为M2ɑ。而对生产者消极发布信息的行为给予提醒但惩罚额度为0。

据此,在市场机制基础上引入激励机制以此检验平台监管是否可以解决自由交易情景下个体配置农产品电商信息的不足之处。其中,平台监管下的博弈支付矩阵如表3所示。

表3 平台监管下个体农产品电商信息配置演化博弈的支付矩阵Table 3 Payment matrix of the evolutionary game of information allocation for individual agricultural e-merchants under platform regulation

表4 平台监管下个体农产品电商信息配置演化博弈模型均衡点的稳定性分析Table 4 Stability analysis of the equilibrium point of the game model for the evolution of information allocation of individual agricultural products e-commerce under platform regulation

结合表3,在平台监管情景下,本研究继续假设农产品生产者P积极发布优质信息的概率为β,消费者有序使用信息的概率为θ。根据上述支付矩阵,P积极发布优质信息与消极发布劣质信息的期望收益分别为Ep1和Ep2,相应的整体期望收益为Ep。则:

Ep1=θ(M1+M2-C1-r)+
(1-θ)(M2-C1-r)=θM1+M2-C1-r

(9)

Ep2=θ(M2α+M1n-C1)+
(1-θ)(M2×α-C1)=θn×M1+αM2-C1

(10)

Ep=β(Ep1)+(1-β)(Ep2)=
βθ×M1+βM2-βr+θnM1+αM2-
C1-βθnM1-βαM2

(11)

同理,假设消费者U有序和无序使用信息的期望收益为Eu1和Eu2,与之对应的整体期望收益为Eu:

Eu1=β(V-M1-C2)+(1-β)(-M1n-C2)=
β(V-M1+M1n)-M1n-C2

(12)

Eu2=β(-C2)+(1-β)(-C2)=-C2

(13)

Eu=θEu1+(1-θ)Eu2=
θβ(V-M1+M1n)-θM1n-C2

(14)

整理上述公式得到复制动态方程:

(15)

(16)

此外

∵M1+M2-C1-r>M2α+M1n-C1;M2-C1-r

∴M1+M2-M2α-M1n-r>0;M2-M2α-r<0。

2.2.2均衡解的稳定性分析

在平台监管情景下引入激励机制可以影响生产者与消费者信息配置决策的选择行为。根据博弈支付矩阵可以看出,U期望收益与自由交易情景下完全一致,在此不予赘述,本研究着重分析激励机制下P的策略选择行为。

2.2.3演化博弈模型鞍点的移动分析

在平台监管情景下激励机制使β、θ的演化趋势与M1、V、r、n、M2、ɑ等6个变量密切相关。通过提高平台监管奖励M2等措施可以增加ABCD的覆盖面积,以此推动个体配置信息向(1,1)稳定状态演化。

2.3 利益联结情景:激励+合作机制

2.3.1演化博弈模型的构建

对农产品电商参与个体而言,无论是自由交易情景,还是平台监管情景,其作用机制多是以外部干预为主,较少考虑个体间的主动行为。基于信息共享视角,个体从信息联结层面构建利益共同体或许可以实现“合作共赢”目标,从而在平台激励无效的情形下进一步提高个体配置信息的整体收益。综上,稳定的利益联结关系可以为农产品生产者与消费者之间主动共享信息提供收入保障[28-29]。鉴于此,本研究在激励机制的基础上考虑利益联结情景,借由“激励+合作”机制综合影响P与U之间的博弈决策,旨在弥补激励无效局面,从而促使个体达成共赢局面[30]。因此,本研究进一步提出以下假设:

1)如果农产品生产者P一开始积极发布优质信息,而消费者U在利益联结情景下也愿意相信并选择有序使用信息,那么博弈双方将获取额外收益F1与F2,且F1≫0,F2≫0。

2)如果生产者消极提供劣质信息或消费者无序使用信息,那么双方未来收益均为0。在激励机制基础上融入合作机制后的演化博弈模型的支付矩阵如表5:

表5 利益联结下个体农产品电商信息配置演化博弈的支付矩阵Table 5 Payment matrix of the evolutionary game of information allocation of individual agricultural e-commerce under the linkage of interests

表6 利益联结下个体农产品电商信息配置演化博弈均衡点的稳定性分析Table 6 Stability analysis of the equilibrium point of the game of evolution of information allocation of individual agricultural products e-commerce under interest linkage

为便于比较不同情景设计对农产品电商参与主体经济收益影响效果,本研究继续假设生产者积极发布优质信息与消费者有序使用信息的概率分别为β,θ。所以,P积极发布优质信息、消极发布劣质信息的期望收益分别为Ep1、Ep2,相应的整体期望收益为Ep,则:

Ep1=θ(M1+M2-C1-r+F1)+
(1-θ)(M2-C1-r)=
θ(M1+F1)+M2-C1-r

(17)

Ep2=θ(M2α+M1n-C1)+
(1-θ)(M2α-C1)=θnM1+αM2-C1

(18)

Ep=β(Ep1)+(1-β)(Ep2)=βθ(M1+F1)+
βM2-βr-βθnM1-βαM2+θnM1+αM2-C1

(19)

同理,消费者有序和无序使用信息的期望收益为Eu1和Eu2,整体期望收益为Eu,则:

Eu1=β(V+F2-M1-C2)+
(1-β)(-M1n-C2)=β(V+F2-M1+M1n)-
M1n-C2

(20)

Eu2=β(-C2)+(1-β)(-C2)=-C2

(21)

Eu=θ(Eu1)+(1-θ)(Eu2)=
βθ(V+F2-M1+M1n)-θnM1-C2

(22)

根据演化博弈模型的复制动态方程可得:

(23)

(24)

(0,0),(0,1),(1,0),(1,1),(β*,θ*)。其中,

根据上述假设可得:

∵M1+M2-C1-r+F1>M2α+M1n-C1

∴M1+M2+F1-M2α-M1n-r>0。

2.3.2均衡解的稳定性分析

2.3.3演化博弈模型鞍点的移动分析

利益联结情景下P和U之间演化博弈的稳定均衡解与M1、V、r、n、M2、ɑ、F1、F2等8个变量相关。适当增加M2、F1、F2以及信息价值V,同时降低平台对劣质信息误判率ɑ等可以增加ABCD的覆盖面积,从而推动系统向(1,1)稳定状态演化。

3 数值仿真分析(4)本部分研究内容特别感谢《基于演化博弈论的装配式建筑供应链信息资源优化配置研究》的作者李悦(西安科技大学)对程序编码的指导与调试。

3.1 仿真模拟的初始值设定

上述研究从理论层面分别探讨了自由交易情景、平台监管情景以及利益联结情景下农产品生产者与消费者对农产品电商信息配置策略选择的演化规律,这为优化平台内部信息质量的研究提供了较为充分的资料证据。据此,为了更加清晰直观反映生产者与消费者策略选择的动态演化过程,解析农产品电商信息生态环境发展的影响因素,本部分利用Matlab软件对构建的复制动态方程进行数值仿真模拟[31],以期验证不同情景下个体对农产品电商信息博弈的演化规律。

如表7,为使演化博弈系统稳定在双方积极参与以实现理想的双赢格局,本研究认为参数初始值的设定应满足以下条件:M1-r-M1n>0,M1+M2-M2α-M1n-r>0;M2-M2α-r<0,M1+M2+F1-M2α-M1n-r>0。

表7 不同情景下博弈模型的参数初始值设定Table 7 The initial parameter value setting of the game model under the influence of different scenarios

首先根据约束条件对参数进行赋值,设定起始时间为0,运行时间为10。通过仿真模拟不同情景下生产者与消费者就农产品电商信息博弈策略选择的预期收益演化规律(图2)。

图2 不同情景下个体农产品电商信息配置预期收益的仿真模拟Fig.2 Simulation of expected returns of individual agricultural e-commerce information allocation under different scenarios

图3 自由交易情景下n值变化对演化博弈模型稳定性影响的相位图Fig.3 Phase diagram of the effect of changes in n values on the stability of the evolutionary game model under the free trade scenarios

图4 平台监管情景下M2值变化对演化博弈模型稳定性影响的相位图Fig.4 Phase diagram of the effect of changes in M2 values on the stability of the evolutionary game model under the platform regulation scenarios

图5 利益联结情景下F值变化对演化博弈模型稳定性影响的相位图Fig.5 Phase diagram of the effect of changes in F values on the stability of the evolutionary game model under the linkage of interest scenarios

由图2可见,系统仿真后的预期收益演化图与理论推导的相位图基本一致,再次证实了演化博弈模型的稳定性与鞍点(β*,θ*)的移动轨迹密切相关。同时,对比图2(a)、(b)和(c),可以发现,3种情景下的影响机制对个体优化农产品电商信息配置具有递进关系。具体表现在:图2(a)与(b),平台监管与自由交易相比,平台奖励机制有助于优化市场竞争机制对个体信息配置无效的情形。此时,平台监管相位图从(1,1)演化的区域面积明显大于自由交易从(1,1)状态的演化面积,说明平台监管对农产品生产者进行激励措施可以鼓励其继续积极发布优质信息,从而提升平台信息质量。同理可得,图2(b)与(c)对比后也可以看出,利益联结比平台监管更能促使个体策略选择向收益最大化演化,由此客观说明“合作+激励”比“激励”机制更能激发农产品生产者积极发布优质信息、消费者有序使用信息的主动性。至此,本研究通过数值模拟佐证了上述3种情景下个体农产品电商信息配置策略选择的演化特征,证实了“激励+合作”机制对优化农产品电商平台信息质量具备现实性与合理性。另外,本研究还通过改变不同情景下参数的赋值,以此检验上述推导结果。

3.2 参数调整系统仿真

通过对上述3种情景下的主要参数赋值进行调整,从而得到参数对模型稳定性影响的仿真相位图(5)为节省文章篇幅,本研究主要陈列部分参数赋值变化前后对演化博弈模型的影响效果,其他参数赋值变化前后的相位图并未列出。如若读者有兴趣可向作者索取。:

综合图2～5可知:1)在自由交易情景下,减少劣质农产品误判率n等,可推动农产品生产者与消费者之间的博弈决策向(1,1)最优状态演化。这也说明市场机制主要通过农产品供需关系与价格波动等路径影响个体信息配置策略的选择行为。2)在平台监管情景下,通过提高平台激励收益M2等可以弥补市场机制调节个体信息配置策略的无效状况。由此判断,平台作为信息生态环境的重要建设者和维护者,其激励措施可以直接影响个体信息配置策略选择,并适当给予生产者和消费者一定程度的保护(奖励积分等)。3)在利益联结情景下,“激励+合作”机制可以激发个体优化配置信息的主动性和持续性,而且通过合作方式可让生产者和消费者暂时放弃眼前利益,从而寻求更为长远的合作收益与平台奖励。不过也需要注意,在利益联结情景中,无论如何改变F1、F2的赋值,其演化博弈模型的相位图并非出现显著变化。因此,本研究认为生产者与消费者只要在未来能获取一定合作收益,利益联结情景便能有效落实,进而在“平台激励+未来合作”机制共同影响下提高农产品电商信息价值。

4 结论与对策

4.1 研究结论

电商平台的兴起彻底改变了农产品信息的传播模式,但电商平台本身也是一把双刃剑,在彰显个体配置信息话语权的同时,也衍生出农产品同质、信息内容良莠不齐等现实问题。数字经济时代下,如何提高农产品生产者发布信息的积极性以及消费者利用信息的有序性,这对培育农产品品牌,优化平台信息生态环境具有现实价值。基于此,本研究从信息共享视角下,根据个体有限理性假设,着重探讨了自由交易、平台监管、利益联结等3种不同情景下“生产者与消费者”对农产品电商信息配置策略选择的博弈逻辑。通过求解复制动态方程,推演了博弈系统中参与个体策略演化路径及稳定性,并运用Matlab软件进行仿真模拟,从而检验机制设计的合理性与可行性。主要结论如下:

第一,在自由交易情景下,当优质信息加工成本r与劣质农产品误判率n低于参数阈值(r

第二,农产品电商信息配置策略演化过程主要受到生产者与消费者等参与主体各自利益参数的影响。具体来讲,提高优质信息价值、减少劣质农产品误判率、在降低优质信息加工成本的基础上增加支付报酬等,可以加快个体实现策略的最优选择。另外,农产品电商平台信息收益还受到平台监管、利益联结等情景内的参数影响。不过平台激励对个体策略选择的影响并非简单线性关系,而是存在有效阈值作为影响节点。所以,适度增加奖励可以提高生产者发布优质信息的积极性,过高则会再次打破成本和收益之间的平衡,从而使平台陷入高昂的监管成本困境中。针对于此,利益联结情景下的“合作+激励”机制可以降低平台监管成本,提升生产者与消费者选择合作策略的概率,进而优化平台信息的生态环境。

4.2 对策建议

根据上述结论,本研究提出以下对策建议:

第一,针对农产品电商信息质量优化问题,构建生产者与消费者协同参与的治理机制。在农产品电商发展初期,尽量控制优质信息加工成本、提高保鲜技术降低劣质农产品误判率,充分发挥自由交易情景下市场机制的调节作用。在数字经济背景下,生产者应妥善利用数字技术降低优质信息的提纯成本,同时消费者也应提高数字素养,打破“信息茧房”,增强独立思考能力,做到理性对待平台信息内容,避免个人情绪左右事实真相。

第二,注重平台监管对生产者发布优质信息的激励效用。在市场调节无效的情形下,平台作为信息生产与传播的重要枢纽,应首先提高自身监管的公平性与客观性,兼顾经济和社会效益的双重目标。针对生产者发布优劣信息的关键节点采取“激励”措施,通过信息质量、信息价值等标准灵活变动奖励方式,避免“一刀切”的固定模式。同时,完善平台诚信经营机制,建立农产品监督与消费者投诉渠道,降低生产者消极发布劣质信息的侥幸心理,从而倒逼其提高信息质量,维护平台信息生态环境,有效保证良性竞争。

第三,在利益联结情景下,提高参与个体未来合作收益。一方面,生产者和消费者应适度规避当前追求经济效益最大化的短期行为,博弈双方构建“信息联盟”以此形成平台利益共同体,注重与合作伙伴的长期价值,从而提高生产者发布优质信息和消费者有序使用信息的主动性,着重培育农产品品牌忠诚度;另一方面,通过信息共享的群体协同行为,实现战略资源互补、关键技术共享等,同时借助社交平台完善信息互助理念,进一步塑造参与主体正确的意识形态,从而在“激励+合作”机制共同作用下,优化农产品电商平台大数据信息投放机制,推进农产品电商高质量发展进程。