基于智能体建模的医疗众筹信息扩散模型与平台策略研究

马潇晗 欧阳荟 艾时钟 吴翔

(1.华中科技大学医药卫生管理学院,武汉,430030; 2.深圳市龙华区中心医院,深圳,518110; 3.西安电子科技大学经济与管理学院,西安,710126)

1 引言

在我国,尽管全民医疗保险已使医疗自费支出呈下降趋势,但医疗自费占卫生支出的比例仍较高[1]。尤其在农村地区,灾难性医疗支出较高,而医疗保险覆盖率有限,个人和家庭无法负担高昂的医疗费用[2]。随着我国经济发展和政策的大力支持,公益慈善事业呈现多样化趋势。其中,网络医疗众筹已成为当前筹募善款的一种重要模式,其借助互联网技术、社交媒体实现“全民公益”,扩大了募集资金的潜在对象[3],在减轻压倒性医疗费用和补偿当地卫生系统不足等方面发挥了积极作用[4]。截至2018年9月,我国两大网络医疗众筹平台——轻松筹与水滴筹的筹集善款总额超过355亿元[5]。尽管我国互联网医疗众筹发展势态良好,但医疗众筹与教育、贫困等其他类型的众筹相比成功率还较低[6],筹款目标能够完全达成是稀有事件[7]。

具体到筹款模式,在线医疗众筹的筹款主要由求助者发起,包括通过微信朋友圈发布包括个人财务状况、治疗情况等信息,然后再由朋友圈中的好友分享、扩散[8]。由此,传播网络和人际网络高度重合,医疗众筹的扩散结果依赖熟人圈子的人际传播,传播由熟人网络中基于关系的转发和捐赠决定[9]。有研究认为,这种基于“关系”的公益传播往往会形成群集传播,即由与筹款人关系最亲近的好友组成的社群中心带动公益信息传递,接受信息的社群再继续扩散至所在的不同社群[10]。也有研究指出,基于朋友圈关系的传播并不能离开发起者自身的社交网络,大部分项目难以传播至较远的社群中[11]。除这一扩散模式外,为了提升筹款完成率,众筹平台会每日随机选取一些众筹项目展示在平台首页或微信公众号首页,展示在首页的项目会越过发起者的人际网络,面向所有人群[12]。由此,医疗众筹项目沿着发起者人际网络和潜在捐助人的全局覆盖网络一起扩散,起到一定的宣传效果,降低因社会资本不同而产生的筹资不平等。Ordanini等[13]将网络众筹筹资过程分为三个阶段,分别为朋友阶段(friends funding)、吸引阶段(getting the crowd)、参与机会阶段(race to be “in”)。其中,第一阶段最为重要,特点是资金流动迅速且显著,往往决定了众筹项目的成败。研究表明,相比微信朋友圈,微博上的众筹项目存活率更高,原因是微信朋友圈中的传播受个体社会网络资源限制[11]。众筹平台的广播策略也许会让更多的潜在捐助者在第一时间加入到转发和捐赠的人群中,从而扩大初期传播人数,获得最终筹款率的提升。那么,普通求助和借助广播求助的医疗众筹信息的传播机制如何、有哪些影响因素?医疗众筹平台实现的广播策略能否帮助众筹项目筹资的第一阶段、脱离发起者个人的社交圈,引发更多的资助?对此,在资源有限的情况下,基于广播的周期和广播范围如何设计广播策略,是本文研究的主要问题。

巴斯扩散模型用人际传播因素(内部因素)和大众传播因素(外部因素)刻画创新扩散的过程,经常被应用在信息传播领域的研究中[14]。本研究将医疗众筹信息传播看作是基于巴斯扩散模型的独立系统,医疗众筹项目仅通过发起者社交网络传播的方式对应于巴斯扩散模型中的人际传播因素,利用众筹平台广播策略时对应于人际因素和大众传播因素。

本研究结构为:首先,从结果端和过程端两个角度梳理现有关于医疗众筹项目的研究,重点梳理众筹项目的成功因素(筹款者、支持者、项目本身、众筹平台)和针对平台的建议策略。其次,说明研究的理论基础,包括扩散模型和基于智能体的仿真扩散模型,在此基础上,结合医疗众筹信息在社交媒体上的传播特征改进数学模型。在数学模型的基础上,利用基于智能体的建模方法在社交网络中建立考虑个体异质性医疗众筹信息的仿真模型,通过仿真结果分析各影响因素对医疗众筹信息扩散的影响。再次,构建广播策略的扩散模型,通过对比两种模式的扩散过程,观察广播周期和广播覆盖人群比例的影响来讨论平台广播策略。最后,总结并讨论研究结果。

2 相关研究

从医疗众筹的结果端来看,关注医疗众筹结果的研究大多从筹款者、项目本身、支持者和众筹平台四个维度分析众筹项目成功的因素[15]。在筹款人特征层面,筹款人的地理位置、社会网络和社会资本对医疗众筹的成功率有较大影响[3]。城市地区的筹款人总体上较农村地区具有更高社会经济地位,在众筹时具有显著优势[16]。在实际的筹款过程中,筹款人一般会利用社会网络推广众筹项目[8]。在项目层面,项目发起诉求的语言风格[17]、项目中的信息披露程度[18-19]、信息中有关筹款人的职业、家庭成员、与金钱相关的需求等信息与项目成功存在相关关系[20]。当潜在捐赠者对募捐人的健康和医疗状况信息产生共鸣时,项目往往更易取得成功[21]。例如,Ba等[22]关注到医疗众筹项目内容描述中的疾病诊断、治疗阶段等信息对项目成功率的影响最大。在支持者层面,研究聚焦医疗众筹中支持者的转发和捐助动机,个人兴趣和个体卷入度[23]、对平台的信任程度[24]等个体因素和社会规范、社会风险、人际关系等社会因素[25]均是转发和捐赠医疗众筹信息的重要影响因素,但参与者的转发行为比捐赠行为更加谨慎[9]。在医疗众筹平台层面,现有研究主要从风险防范方面和提升最终筹款率方面讨论了针对众筹平台的管理建议。风险防范方面,多数研究注意到医疗众筹平台在运行过程中存在信息严重不对称、合规管理缺失、所得筹款分配不均、筹资不公平、个人隐私泄漏、虚假信息带来的诈捐和炒作等问题,对此,建议平台应建立全面的形式审核和实质审核,实现善款的全过程追踪[26],尽快构建众筹平台的外部监督和管理体系,加强信用风险管理[27]等。提升筹款率方面,研究主要从技术特征和运营水平上提供建议。在技术特征层面,叶磊等[28]建议设计匿名机制以减少信息不对称;蒋志强等[29]发现,证明人数越多、项目更新越频繁的众筹项目筹资绩效越佳;张星等[30]建议医疗众筹平台的运营者可以从网站设计、社区建设和线下宣传中营造一种体现爱心、弘扬利他主义的氛围。运营水平方面,平台的声誉、信息质量、宣传强度有利于众筹项目更容易达成其筹款目标[31]。除此之外,少部分研究关注到了众筹信息在不同类型平台上的扩散效果,如尹木子[11]对比了微博和微信两类网络公益众筹平台的筹资情况,结果表明,微信的主要贡献者是亲朋好友,微博主要是凭借“非直接关系”的支持,发布于其上的众筹项目扩散过程更持久、存活率更高。

从医疗众筹传播的过程端来看,已有的相关研究关注了上述实证研究中除平台行为外的筹款者特征、项目本身、支持者(转发和捐赠行为)这三个层面的影响因素,基于多智能体仿真、SEIR模型、创新扩散理论等方法,通过模拟医疗众筹信息的扩散过程,仿真最终形成扩散的结果——筹款率,并给出相应的管理建议。例如,胡森等[32]基于贝叶斯学习机制建立了扩散仿真模型,模拟网民基于创新扩散中的正负口碑调整对医疗众筹项目的动态过程,探讨个体炒作行为对筹款率的影响;Liu等[33]基于多主体建模发现,转发和捐赠的求助对医疗众筹筹款有不同层次的影响;曹广等[34]基于SEIR模型研究了网络医疗众筹的传播过程和筹资公平性,提出发起者节点度、网络结构等影响项目的传播速度和范围。

由以上分析可知:①在医疗众筹项目成功因素的研究中,定性、定量的实证研究较多,有关医疗众筹信息传播过程的仿真研究较少,尤其是往往忽略了平台层面对众筹结果的影响。②在平台管理建议方面,现有的研究从风险防范和筹款率提升的角度出发,围绕技术特征和运营水平提供了管理建议。尽管一些实证研究已经表明,平台的宣传、不同的社交媒体渠道对项目筹款结局有影响,但未有研究对验证平台广播策略(即朋友圈和广播渠道双渠道传播)的效果作出进一步的探讨。

本文利用智能体仿真模型处理复杂系统的优势,综合考虑项目本身、支持者行为、筹款者特征和平台策略因素,基于巴斯扩散模型搭建个体行为决策机制,仿真医疗众筹信息的传播过程。在此基础上,进一步探讨了平台广播策略的结果,为平台管理提出有价值的策略建议。

3 理论基础

3.1 扩散理论与数学模型

创新扩散理论的提出者埃弗雷特·罗杰斯[35]使用了“扩散”的概念来描述信息、行为的“传染”过程,创新扩散研究试图了解新思想、新产品和新实践如何随时间在整个社会中传播,其中的传播指参与者为相互理解而发布和分享信息的过程。罗杰斯[35]指出,这种传播在早期普遍遵循S曲线,传播的过程中会出现四种不同类型的人:即“尝鲜者”(innovator)、“早期接受者”(early adopter)、“大众”(majority)和“滞后者”(laggard)。基于扩散理论,弗兰克·巴斯[36]通过分析大众对创新的接受方式,提出了扩展版模型,将创新扩散的过程描述为一种由大众传播引发并由口碑推动的传染性过程。如公式(1)所示,在每个时间点上,新采用者因以下两种因素加入市场中:外部影响k,例如广告效应或其他由公司发起的沟通;内部影响p,即采用者和潜在采用者在社交系统中的互动结果。巴斯模型说明在个体未接受创新的情况下,个体创新的可能性与先前采用者的数量是线性相关的。公式(2)描述了在时刻t尚未采用产品的参与者在时刻t+Δt(Δt→0)采用产品的极限概率,其中f(t)是采用产品的概率,F(t)是在时刻t采用的累积分布函数。

(1)

(2)

3.2 基于智能体的扩散仿真模型

基于智能体建模方法(agent-based mod-eling)是研究复杂系统的常用方法[37],现已被广泛运用于扩散研究[30]。例如,在巴斯扩散模型的基础上,Rand等[38]考虑个体网络环境,构建了基于智能体建模的巴斯扩散模型。进一步,Goldenberg等[39]在研究网络效应对市场增长的效果时,构建的基于智能体的模型如公式(3)所示。该公式表达了个体i在时刻t采用产品的概率probit。其中,k、p分别代表个体受外部因素和内部因素的影响而采用产品的概率,mit表示在时刻t个体周围已经采用产品的邻居数量。就医疗众筹信息扩散问题而言,医疗众筹项目在社交媒体上的扩散过程构成复杂系统。首先,医疗众筹项目的筹款结果受支持者、筹款者、众筹平台和项目信息特征多个维度的共同影响;其次,医疗众筹信息在社交媒体上单点扩散,意味着个体决策相互影响,个体的转发、捐助取决于社交网络上相邻个体的决策。因此,医疗众筹信息的扩散问题适用于使用基于智能体建模的巴斯扩散模型研究。

probit=1-(1-k)(1-p)mit

(3)

4 医疗众筹信息扩散建模

4.1 个体决策影响因素

医疗众筹项目的筹款结果与潜在捐助者、潜在转发者、筹款者、众筹平台和项目信息特征多个维度有关。本研究从创新扩散的角度考虑这些医疗众筹信息扩散的影响因素,在巴斯扩散模型的基础上,考虑了医疗众筹的情景因素和个体异质性特征。从项目信息特征、同侪效应、个体异质性三个方面描述个体决策的影响因素,归纳如下。

(1)项目信息因素:项目信息是网络医疗众筹成功的重要因素[40],项目信息的内容质量会直接影响人们对项目信息的转发和捐赠,如基本数字特征[41](筹款目标、照片/视频数、文本长度等)和文本内容特征[6](情感倾向、叙事风格等)都可能影响项目的成功。个体求助人在项目信息中通过文本、图片、视频等方式展现患者境况,潜在捐助者和转发者在社交媒体上浏览到网络医疗众筹项目后,会仔细浏览项目信息决定是否捐助或转发。从巴斯扩散模型的视角来看,项目信息对个体捐助和转发的影响属于外部影响,在医疗众筹项目的情境下,医疗众筹项目与一般创新扩散不同,其没有全局广播效果,仅随着社交媒体网络单点扩散。因此,在没有平台广告策略的情况下,项目信息的影响仅发生在周围已有朋友转发或捐赠医疗众筹项目的个体上。

(2)同侪效应:同侪效应影响个体转发和捐赠医疗众筹项目。网络医疗众筹项目发起后,随着医疗众筹信息在社交媒体上扩散,个体会在社交媒体上看到好友的转发,在项目详情页内也会注意到好友的捐赠金额,好友的转发和捐赠行为造成的同伴压力会促进个体的转发和捐赠行为[42]。从巴斯扩散模型的视角来看,同侪效应对个体捐助和转发的影响属于内部影响(口碑影响),即因为同伴转发和捐赠的行为而决定转发和捐赠医疗众筹项目。

(3)个体异质性因素:考虑关系、共情能力和利他倾向三种主要的医疗众筹情境下个体异质性特征。首先,关系。与一般信息扩散问题不同的是,人们在转发和捐赠医疗众筹信息时将与筹款人关系列为首要的考虑因素。一方面,关系亲近可以打消参与者对众筹信息和求助者真实性的怀疑,另一方面,参与者会将医疗众筹项目的捐赠、转发视为人情交往的有限资源。因此,筹款人与个体的关系越近,其众筹项目得到转发与捐赠的可能性越大[9]。其次,共情能力。情感与认知上的共情是促使捐赠和转发行为的内在驱动特征之一[43]。共情能力越高的个体,越容易从项目信息中理解他人的困境,更容易表现出对他人的同情心与同理心,从而表现出更加强烈的捐款意愿和转发意愿。最后,利他倾向。个体转发和捐赠医疗众筹的行为与利他和利己的动机相关,转发和捐助行为不能一概而论[10]。捐助行为会更多地从受捐者的角度出发,而转发行为更容易出于利己的考虑,因为转发有利于个体形象建构和自我展示[9]。因此,捐助行为不一定伴随转发行为,同样,未参与捐助的人群也会传播相关项目信息。在水滴筹2016—2021年984条医疗众筹项目信息中,平均转发次数仅为平均捐助次数的四分之一[34]。关于捐款金额,医疗众筹项目的筹款特征是大量的小额筹款[15]。以水滴筹医疗众筹捐助项目为例,2020年全年的筹款数据显示(见图1),200元以下的捐款占比99.2%,其中,20元以下占比74.3%,21—50元占比13.3%,50—100占比8.8%,101—200占比2.8%。参考这一分布特征,设置个体捐款金额低、中、高三个层次,捐款金额和比例如下表1所示。

表1 捐赠金额及其人数比例

图1 水滴筹单笔捐赠金额分布

结合以上因素分析,提出以下假设:

(1)个体有无条件行动和有条件行动这两种行动模式,关系远近影响个体的行动模式。若潜在决策者和筹款人的关系越近,对项目真实性越认可且人情压力越大,则越不需要经过设定的巴斯扩散机制决策,选择无条件捐赠和转发医疗众筹项目的概率越大。用节点相似性指标衡量网络中两个节点之间的关系,则个体经设定的巴斯扩散机制决策的概率如公式(4)所示。其中i为潜在决策节点,j为项目发起节点,τ(i)和τ(j)分别表示i和j的邻接节点,当潜在决策节点与项目发起节点的共同好友完全一致时,即Pij=1,则潜在决策节点的经过巴斯扩散机制决策的概率为0,选择直接转发和捐赠项目的概率为1。

(4)

(2)在有条件的行动决策中,个体对医疗众筹信息转发和捐赠决策与转发和捐赠医疗众筹信息的朋友人数(内部影响p)和项目信息质量(外部影响k)直接相关。

(3)个体共情能力异质,共情能力影响个体对项目信息质量的理解,共情能力高低在人群中满足截断正态分布e～N(μ,σ2)。

(4)个体有仅转发Fi、仅捐赠Di、既转发又捐赠FDi这三种行动偏好,行动偏好决定个体是潜在捐助者还是潜在转发者,个体的利他倾向影响个体行动偏好。利他倾向h～N(0,1)。相对利己的个体是潜在转发者,仅考虑转发决策不考虑捐赠决策;相对利他的个体既是潜在转发者也是潜在捐助者,既考虑转发决策也考虑捐赠决策;大部分个体是潜在捐助者,仅考虑捐助决策。结合现实的转发和捐赠情况,根据正态分布的比例,将仅捐助个体设置在(u-σ,u+σ)间,个体vi成为潜在转发和潜在捐助者的判断如公式(5)所示。

(5)

(5)转发或捐赠过的个体视为沉默个体,不会重复转发或捐赠。对于转发和捐赠都考虑的个体,一旦实施了至少其中一种行为,便视为沉默个体。

(6)众筹平台有宣传状态s1和沉默状态s0两种行为状态。处于宣传状态的众筹平台具有宣传强度属性,宣传强度属性通过宣传周期和宣传范围描述,宣传周期越长、宣传广播覆盖人群范围越广,宣传强度和宣传成本越高。

4.2 ABM仿真模型构建

采用基于智能体的建模方法构建微观机制并仿真涌现宏观结果。具体方法是将社交网络中的节点看作是具有决策能力的智能体,在观察周围环境和与之相联系的其他智能代理的基础之上,按照一定的决策机制进行决策。个体行为通过网络关系彼此依赖、相互联系,在总体层面展现为社交网络中的扩散过程,扩散的结果即为筹款结果。

(1)社会网络结构建模

本文考虑的现实情境是医疗众筹信息在微信朋友圈中的扩散,区别于普通媒体性社交网络平台,微信的关系网络与人际网络高度重合,强关系社交传播特征十分显著,往往是基于朋友、同事、家庭等强关系构成的,具有小世界、无标度特性,即网络中平均节点间距离较小、聚类系数较高且节点的度成幂律分布[44-45]。在微信用户社会网络中,将参与医疗众筹信息传播的用户抽象成节点,将用户间的社交关系抽象成边,按照“择优链接机制”形成无标度网络。据此生成的网络子图如图2所示,构建的社会网络由5000个节点,4999条无方向、无权重的边组成,节点度符合微信社交网络幂律分布的特点,网络平均最短路径长度为4.172362,符合小世界性。

图2 社会网络结构

(2)个体行为机制建模

本模型构建的个体涉及六种类型:项目起始者、潜在行动者、无条件行动者、条件行动者、潜在捐助者、潜在转发者。项目起始者为发起医疗众筹项目的节点,潜在行动者为浏览到医疗众筹信息的节点,无条件行动者为不经过巴斯扩散模型决策的节点,条件行动者为依照巴斯扩散模型决策的节点,潜在转发者为条件行动者中的潜在转发节点,潜在捐赠者为条件行动者中的潜在捐赠节点。六类节点的设定方法如表2所示。

表2 个体类型及其判别条件

潜在转发者和潜在捐助者的行为依据基于智能体的扩散模型决策,其在t时刻的行动概率受到口碑p和项目信息k的影响,对项目信息的理解受共情能力e调节,与此同时,个体在t时刻得知社交网络中已有mit个好友行动。公式如式(6)所示,随机变量xi～(0,1),当xi

xi

(6)

4.3 仿真实验过程

在没有医疗众筹平台策略的干预下,医疗众筹信息在社交网络上的扩散过程是单点扩散过程,医疗众筹结局由个体的转发和捐助行为共同决定,但仅有转发使项目可见。信息的扩散由项目起始者发起,项目起始者不经过决策机制无条件转发至朋友圈中,其好友为潜在决策者。行动者有两种行动模式,关系亲近的好友无条件转发和捐赠项目,其他好友根据项目信息和口碑因素判断是否行动,行动时有两种偏好,利他个体更容易产生转发行为。由此,一次迭代产生潜在行动者、无条件行动者、条件行动者、潜在转发者、潜在捐助者五种个体和转发、不转发、捐助、不捐助四种行为,迭代结束后不断循环上述过程,直至环境里不再有潜在行动者或筹款金额完成或连续五次无人行动时,众筹项目停止扩散。

仿真过程设计如图3所示。输入社交网络参数、决策机制参数、个体属性参数(仿真初始参数见表3),模型的起始状态根据个体属性参数、社交网络参数生成个体和网络结构,设定初始转发和捐赠节点,以周围有转发节点为条件确定潜在决策节点,根据关系远近公式pi决定转发和捐赠模式(无条件行动或经过决策机制条件行动),根据属性hi决定行动偏好(转发、捐赠或既转发也捐赠)。在迭代过程中,如果个体决策结果为转发或捐赠,个体的状态将会改变,最终统计个体各个状态数量并输出筹款完成率。

表3 仿真模型初始参数设置表(无平台策略)

图3 仿真实验过程设计

5 仿真与结果分析

5.1 传播过程分析

研究使用R语言编写仿真程序,初始参数设定和仿真过程如表3和图3所示。如下分析医疗众筹项目传播过程中个体决策类型(无条件行动者、潜在行动者、条件行动者)和决策行为(转发、捐赠),并通过对比医疗众筹项目与一般创新扩散项目来探究医疗众筹信息的传播特点。

如图4所示,信息传播过程中产生的三种行动模式的决策者(无条件行动者、条件行动者、潜在行动者),数量变化趋势皆先升高后降低,最后为0。信息扩散初期,随着信息逐步从项目起始者处扩散,医疗项目的可见度提高,潜在决策者快速增长,随着越来越多的个体决策,潜在决策者的基数变少,增长的速度趋于0,数量趋于饱和。这一点,医疗众筹信息的扩散与“传染”类似。潜在决策者依据关系判定选择行为模式后产生无条件行动者和条件行动者,无条件行动者数量比例远低于条件行动者,只有极为亲近的个体可以不需要辅助信息决策。随着医疗众筹项目的扩散,无条件行动者在不到仿真步长的三分之一处几乎消失,意味着项目扩散到此时已扩散至离项目起始者社交圈关系较远的社交团体中。

图4 无条件行动者、条件行动者、潜在行动者变化过程图

捐赠者、转发者新增数量在扩散过程中遵循先升高再降低的模式(图5)。捐助者、转发者的扩散速度逐渐趋于0,捐赠目标完成率额与累积捐助者数量变化趋势吻合(图6)。在整个扩散过程中,转发者数量始终低于捐赠者,80%的捐赠结果仅对应30%的转发比例(图7)。创新扩散中,创新的认知属性决定了创新被采用的速度。创新的认知属性包括相对优势、兼容性、复杂度、可试性及可见性。可见性越高,越容易产生口碑效应,创新扩散的过程越顺利。从可见性角度而言,众筹信息的扩散过程并不十分顺畅。

图5 新增转发者、捐助者变化过程图

图6 累积转发者、捐助者、捐赠目标完成率变化过程图

图7 转发者比例与捐赠比例的关系图

如图8和图9所示,保持其他参数不变,将传播过程改为全局扩散的模式,即在每期迭代过程中,潜在决策者不仅限于好友中有已转发项目的个体,而是全部的未行动个体,这一传播过程符合普通产品在市场上的模式,即原有巴斯扩散模式。单点扩散模式与全局扩散相比,由于潜在决策者有限,第一期的行动者远远低于全局扩散,扩散进程更慢,在遍历所有个体之前项目已难以继续扩散。

图8 新增医疗众筹项目行动者、普通产品行动者的变化过程图

图9 累积医疗众筹项目行动者、普通产品行动者的变化过程图

5.2 关键影响因素分析

(1)发起者节点度对传播过程的影响

社会网络结构的中心性可以刻画意见领袖的社会地位。意见领袖对于在微博、微信等社交媒体上的一般信息扩散具有积极影响,通过分析众筹发起者和支持者间的关系网络发现,高支持行为的发起人占据网络中心位置,具有较高的度数中心性、介数中心性和接近中心性的个体对网络信息传递影响甚远[46]。发起者的节点度(度中心性)的影响如图10所示。在初始网络环境设定中,最大节点度为126,最小节点度为3,保持发起人数不变,在节点度范围为(75,125)、(25,75)、(0,25)内抽样。随着节点度增大,无条件行动者、转发者、捐助者的峰值明显升高,项目传播速度变快,累计捐赠金额数量变化更快,筹款率更高。原因是发起者节点度升高,初期潜在决策者变多,使项目能够接触到更多不同社会团体的个体,众筹信息得以传播得“更远”。设置相同的发起人数,分别以度中心性、特征向量中心性、中介中心性、接近中心性为衡量标准从高到低选取节点,如图11所示,扩散效果没有明显区分,特征向量中心性结果略好。

图10 节点度大小对传播过程的影响图

图11 不同衡量标准节点度对传播过程的影响图

(2)项目因素、口碑因素、人群共情能力对传播过程的影响

项目因素、口碑因素、人群共情能力对传播过程的影响如图12所示。将项目因素和口碑因素取值为[0.1,0.4,0.9],共情能力服从截断分布,均值取[0.3,0.5,0.7]。从捐助金额的变化可以看出,三者对扩散速度有显著影响,但对扩散结果没有影响。当潜在决策者数量一定时,项目能够扩散的社会团体范围不变,仅仅是决策为行动者行动的概率变大,因而传播得更快。因此,在不改变发起者节点度的情况下,外部影响、内部影响和人群特质较难跨越社会网络结构改变筹款结局。

图12 项目因素、口碑因素、人群共情能力对传播过程的影响图

图13中进一步分析了项目因素和口碑因素对扩散速率的影响。项目信息的外部影响对速率的影响呈线性、较均匀,口碑因素的内部影响对扩散速率的影响更大,在参数取值大于0.25后,速率的变化已经饱和。随着医疗众筹信息的扩散,潜在决策个体周围已经转发和捐赠的好友数量增多,口碑因素对个体的决策影响会逐渐增大。

图13 项目因素、口碑因素对传播速率的影响图

6 平台策略研究

6.1 平台广播策略建模

从传播的角度来看,社交平台广告既会产生传统广告的效应,又会因其对社交关系的依赖影响个体对广告的关注度,并通过评论功能,使个体间的互动影响扩散。在扩散领域,广告效应是大众传播因素,属于外部效应。根据前述传播过程分析,初步可知医疗众筹信息沿社交媒体单点扩散的模式影响了传播速度和范围,全局扩散的结果更优。医疗众筹项目宣传后会有两种并存的路径,沿着发起者个人的社交网络单点传播和经广播后向范围内人群的全局传播,以下是平台广播策略建模。

平台广播众筹信息后,任何未行动个体均为潜在决策者,其决策模式、机制和行动偏好的判定与策略为0中的环境一致。在平台广播结束后,众筹信息的扩散模式转为单点扩散。因此,在平台广播的策略下,扩散首先在全网内展开,后来逐渐转变为单点扩散。设平台的广播周期为T,广播范围为n个个体,平台宣传行为的模型设定如表3所示。

表3 平台行为设定及建模

6.2 平台广播策略分析

设定初始参数如表4所示,广播周期为20,广播群众为全体个体,意味着医疗众筹信息越过单点扩散,嵌入到所有个体的朋友圈中20个周期。图14中对比了平台广播效应的影响。平台广播策略使筹款率显著提升,同时缩减了筹款时间,在效果和效率上占优。在筹款时间层面,此结果与尹木子[11]对微博和微信平台的研究结论保持一致。在筹款率层面,结合Ordanini等[13]的筹资过程的三个阶段的理论,平台广播的成功也许是源于助力了筹资过程第一阶段的成功,从而获得了更高的筹款率。在传播机制的层面,从潜在决策者的变化情况可以看出,平台广播使更多个体在第一时间进入初始扩散群体并在各自的社交圈中展开扩散,从而提高了扩散效率和效果,而未广播的潜在决策者最高仅不到30%。研究表明,项目发起地的人才比例、发起者的个体社会网络、发起者的地理位置和职业等会通过影响个体的社交网络而影响最终的筹款结局,造成筹资不公平[47]。利用平台广播策略,可以有效扩大潜在决策者的比例,使其不再局限于发起者的社交圈中,促进筹资公平。从筹资公平的角度来看,在有限的资源条件下,平台应将注意力放在更贫困的项目上,而非随机筛选抽取项目展示。

表4 仿真模型平台策略初始参数设置表

图14 平台广播策略效果

平台广播周期越长,成本越高,考虑到节省成本,探究平台广播周期与扩散效果的关系如图15所示。在一定范围内,平台广播周期越长,捐赠者比例和传播速率的效果越好,但当平台广播周期超过30(自然扩散周期的1/2),捐赠情况并无明显变化;当平台广播周期超过15(自然扩散周期的1/4),传播速率也无明显变化。此时增加成本加大广播周期,边际利润降低。与广播周期类似,广播数量越大,在同一时期看到医疗众筹项目的人数越多,但平台成本越高,探究平台广播人数与扩散效果的关系如图16所示。广播比例设置在(0.2,1)之间,广播比例越高,接触到广告信息的人数越多,传播速率越快,捐赠者比例越高。在广播比例超过0.8时,增加广播比例的效果变差,边际利润变低。该研究结果分析表明,在平台广播周期层面,无需全周期广播同一项目,达到项目的最优广播周期后,适当选择其他项目广播,节省平台资源。医疗众筹项目的存活周期一般较短,大多数不超过一个月,建议平台广播同一项目不超过15天。在广播数量层面,无需对所有人群广播,结合以往的研究[29],平台可以在充分挖掘捐助者行为数据的基础上,结合捐助者特征(如同理心)对特定人群定向广播,进一步优化广播策略。

图15 平台广播周期对传播结局的影响图

图16 平台广播人数对传播结局的影响图

7 结语

本研究将医疗众筹信息扩散问题视为复杂系统,将巴斯扩散模型扩展至医疗众筹信息扩散领域,结合医疗众筹特殊的情境因素,基于关系远近和利他倾向设计了异质性个体的行动模式和行动偏好,探究医疗众筹项目中个体的转发和捐赠行为机制,搭建医疗众筹信息扩散的模型,并通过仿真不同策略下的医疗众筹信息的扩散结果,提出医疗众筹平台干预建议,以提升众筹项目的筹款率。本研究的主要结论如下:

第一,本研究建立了个体在医疗众筹活动中的转发和捐赠的行为模型。区分出六类个体的概念,即项目起始者、潜在行动者、无条件转发者、条件转发者、潜在转发者和潜在捐赠者。与全局扩散的一般创新扩散模式对比,医疗众筹的扩散因潜在决策者有限,速率较慢、效果较差。比起捐赠行为,个体的转发行为更谨慎,不到30%的转发比例引发超过80%的捐赠结果。

第二,项目信息因素、口碑因素、人群共情能力对医疗众筹扩散速率有影响,对筹款率结果无明显影响。在不改变发起者节点度的情况下,外部影响、内部影响和人群特质较难跨越社会网络结构改变筹款结局。项目信息的外部影响对速率的影响呈线性、较均匀,口碑因素的内部影响对扩散速率的影响更大,在参数取值大于0.25后,速率的变化已经饱和。

第三,发起者节点度(度中心性)对医疗众筹信息传播速率和筹款率均有积极影响,但节点度的度中心性、特征向量中心性、中介中心性、接近中心性效果区分不大。

第四,平台广播使更多个体在第一时间进入初始扩散群体并在各自的社交圈中展开扩散,利用平台广播策略,可以有效扩大潜在决策者的比例,使发起者不再局限于自身的社交圈中,促进筹资公平。平台广播周期越长,捐赠者比例和传播速率的效果越好,但当平台广播周期超过30,捐赠情况并无明显变化;当平台广播周期超过15,传播速率也无明显变化,此时增加成本加大广播周期,边际利润降低。在广播比例超过80%时,增加广播比例的效果变差,边际利润变低。结合本研究结果,建议平台:①在有限的资源条件下,平台应将注意力放在更贫困的项目上,建议平台审核并筛选贫困项目放置在主页。②无需全周期广播同一项目,达到项目的最优广播周期后,适当选择其他项目广播,节省平台资源。③无需对所有人群广播,结合以往的研究,平台可以在充分挖掘捐助者行为数据的基础上,结合捐助者特征(如同理心)对特定人群定向广播,进一步优化广播策略。

本研究也存在一定局限性。首先,研究范围只包括国内的医疗众筹平台,所提供的干预建议仅适用于国内医疗众筹平台。其次,虽综合考虑了个体异质性因素、个体转发和捐赠医疗众筹的行为动机、众筹平台等对医疗众筹结果的影响,但个体异质性因素中忽略了年龄、性别等人口统计学特征,平台方因素中忽略了平台特征。未来的研究可使用本研究构建的微观模型进一步讨论上述因素。