本站原创
创新扩散研究意义重大。原因在于，在当前社会，创新往往被视为进步与现代性的关键标志，而创新的最终价值需要体现在其扩散状况上。创新扩散同时具有隐喻意义，在许多社会变迁中，都存在着与创新扩散类似的过程，比如新观念在大众中的传播。
创新扩散问题一直是学术研究的热点。其中，针对消费耐用品，Bass（1969）提出了同时考虑外部影响（大众传播）与内部影响（口碑传播）的新产品增长模型，并激发出众多基于Bass模型的派生研究（Mahajan et al.，2000），Granovetter，Soong（1986）与Valente（1996）从社会学传统出发构造了创新扩散的阈值模型（Threshold Model），Rogers（2003）从传播学角度提出了创新接受决策过程模型，并给出了一个被广泛接受的创新采纳者分类框架，Solomon等（2000）借鉴物理学中的渗透模型（Percolation Model），以电影产品为原型讨论了发生在消费者社会网络内的扩散现象，Delre等（2006）则利用基于主体的建模（Agent-based Modeling，ABM）技术研究了小世界网络内的创新扩散问题。
创新扩散研究文献丰富，但仍存在不少有待改进之处，其中一个典型问题即以往研究经常忽视创新扩散过程中可能存在的负面口碑影响，而负面口碑显然在现实中往往具有重要作用。在整合已有研究的基础上，本研究以消费者接受新产品为原型讨论了包含负面口碑的创新扩散问题，具体分析了负面口碑、消费者网络结构类型及消费者局部世界大小等因素及其间存在的交互作用对于创新扩散可能产生的影响。
首先，如果消费者只受到大众传播的影响，则消费者对创新的采纳主要取决于创新质量（q，0源于：初中英语论文www.udooo.com以阈值模型的方式体现消费者所感受到的口碑影响（Granovetter，Soong，1986；Delre，Jager，Janssen，2006）。基本规则如下：
Ui，t=？茁ixi，t+（1-？茁i）yi，t
其中，Ui，t表示消费者i在时刻（时期）t对创新的效用判别值，xi，t表示消费者i在时刻t的公共效用激活状态， yi，t表示消费者i在时刻t的个人效用（质量）要求激活状态，？茁i为消费者i创新效用判别值构成中来自口碑影响部分所占的权重。
xi，t与yi，t的定义如下：
xi，t=1，Ii，t？叟Ti0，Ii，tIi，t=■
式中，Aj表示消费者j的接受状况，其中Aj=1表示消费者j采纳创新并给出正面评价，Aj=-1则表示消费者j采纳创新但给出负面评价，Aj=0则表示消费者j尚未采纳该创新。
在同时存在大众传播与口碑影响的情境下，消费者对创新的接受变得复杂，需要综合考虑大众传播，创新质量q与个人质量要求阈值pi，min，以及Ui，t与消费者的个人创新效用要求阈值Ui，min之间的关系以决定其是否采纳。
具体而言，如果Ui，t？叟Ui，min，则消费者将采纳创新，注意该条件可能包含q此外，论文采用如下指标测量创新扩散过程。
（1）扩散比例，
？琢t=■
其中，nt=■A■，表示到时刻t的累积创新采纳人数，N表示创新扩散的潜在接受者数量。
（2）创新扩散的过程最大速度。定义如下，
V=■v■，…，v■，…，v■
其中，v■=n1 t=1nt-nt-2，t？叟2，T表示创新扩散的全部时间长度。
研究通过网络结构体现消费者之间的关系及发生于其上的交互影响。在网络结构方面，论文主要在Watts-Strogatz小世界网络（简记为WS网络）（Watts，Strogatz，1998）与Barabási-Albert无标度网络（简记为BA网络）（Barabási，Albert，1999）框架下展开讨论。两者均具有小世界属性，但WS网络通常具有比较均匀的度分布，BA网络度分布则具有幂律特征，即度分布极端不均等，多数节点具有较低的度，少数节点具有非常高的度。
模拟中BA网络起始节点数为4，之后顺序进入的节点根据偏好连接（Preferential Attachment）规则与之前网络中的4个节点建立连接；WS网络每个节点有8个邻居，每条边的随机重连概率为0.1。不同的网络结构下局部世界大小分别为r=1，2，其中r=1代表较小的局部世界，r=2代表较大的局部世界。直观地讲，r=1将考虑焦点节点（消费者）直接邻居对其的影响，而r=2将同时考虑直接邻居及邻居的邻居对焦点节点的影响。
研究以外生方式体现负面口碑，即对于已采纳创新的个体，模型设定其有一定的概率将传播关于创新的负面评价。模拟参数负面口碑比率（negative WOM ratio，简记为NR）体现该概率。在仿真过程，负面口碑比率分别设定为0.0，0.1，0.3，0.5，从性质上表示不同的负面口碑水平，即不存在负面口碑、低度、中度与较高程度的负面口碑状况。
对于每种模拟情况，程序各重复20次，每次运行长度为300回合，然后报告测量指标均值。为了体现口碑作用的影响，附加考虑两类“基准”情景，即WS网络与BA网络下的无任何口碑过程的情形。对于基准情景，模拟次数与运行长度与上相同。
①在扩散比例方面，存在口碑效应过程与不存在口碑效应的过程在多数情景下存在具有统计显著性的差异（在16种基本情景中，只有2种情景存在例外），而过程最大扩散速度在所有基本情况下与基准情况之比值均超过1，且所有情形下的Mann-Whitney U检验显示这些差异均具有统计显著性。因此可以确定存在口碑效应与不存在口碑效应的创新扩散之间存在差异。
②多数情景下，口碑过程均会促进创新扩散。在当前考虑的非常少的情形下，即r=2，NR=0.5的情形下，负面口碑将抑制创新扩散，Mann-Whitney U检验结果显示，该差异具有统计显著性（BA网络下Mann-Whitney检验统计著性为0.00，WS网络下Mann-Whitney检验统计著性为0.031）。
（2）口碑、网络类型及局部世界大小影响作用的系统分析。图1显示了不同情形下的指标测量均值。图示中的记号xx-r各构成要素含义如下：xx表示网络类型、r表示局部世界大小。比如WS-1就表示网络类型为WS网络，局部世界大小为1的情形。根据图示1结果并结合相应的统计检验可以得出如下结论：
①创新扩散比例与过程扩散最大速度应该是两类相对独立的测量指标，扩散比例显示出了接受的结果，过程最大速度揭示的则是扩散的过程与路径。
②负面口碑对于创新扩散具有关键影响，随着负面口碑的增强，两类测量指标均呈下降趋势。Kruskal-Wallis检验结果显示，在所有测试的情形下，负面口碑所造成的差异，无论是扩散比例上的差异，还是最大过程速度上的差异均具有统计显著性。
③在负面口碑之外，网络类型将影响创新扩散。最终扩散比例方面，Mann-Whitney U检验结果显示网络类型与负面口碑及局部世界大小之间存在交互。首先，当r=1时，网络类型对于最终扩散比例的影响没有表现出显著差异，而在r=2时，当不存在负面口碑比率（NR=0.0），BA网络的最终扩散比例要显著优于WS网络；在存在较低水平的负面口碑效应时（NR=0.1），两类网络之间不存在显著的差异；如果负面口碑水平在中度以上（NR=0.3，0.5），则WS网络的最终扩散比例要显著优于BA网络。过程最大扩散速度方面，Mann-Whitney U检验结果显示网络类型对于该测度具有明显的影响，在所有模拟情形下，BA网络与WS网络下的结果均存在显著差异，结合图示1，可以发现BA网络下的扩散速度均要大于WS网络下的结果。这意味着BA网络与WS网络在创新扩散路径方面存在差异。
其四，局部世界大小也对创新扩散发生影响。最终扩散比例方面，Mann-Whitney U检验结果显示局部世界大小的影响受到负面口碑与网络类型的调节。如果不存在负面口碑效应（NR=0.0），大的局部世界（r=2）具有更好的最终接受比例结果，如果负面口碑比例较低（NR=0.1），则局部世界大小不会造成最终扩散比例的显著差异，如果负面口碑比例较高（NR=0.5），则小的局部世界（r=1）具有更好的结果；如果负面口碑处于中间水平（NR=0.3），局部世界大小的影响将因网络类型而不同：对于WS网络而言，局部世界大小不会造成显著差异
未来研究方面，论文主要考虑了单一创新扩散情景，而现实中往往存在多创新扩散问题。再者，论文对负面口碑的刻画采取外生方式，而现实中的负面口碑其产生往往并不是随机的。此外，消费者的创新采纳通常会走向重复购写，或在创新采纳过程中亦会存在重复购写，因此如何将创新扩散与重复购写进行合适的衔接，同样具有重要的现实与理论意义。从模型构建角度，论文给出的形式模型将为上述问题分析提供基础。
参考文献：
1. Barabási， A.-L.， Albert， R.Emergence of scaling in random networks.Science，1999，（286）： 509-512.
2. Bass， F.M.， A new product growth model for consumer durables.Management Science，1969，（13）：215-227.
3. Watts， D.J.， Strogatz， S.H.Collective dynamics of all-world networks.Nature，1998，（393）：440-442.
4. Mahajan， V.， Muller， E.， Wind， Y.New product diffusion models. New York： Kluwer Academic Publishers，2000.
5. Rogers， E.M. Diffusion of innovations （5e）. New York： The Free Press，2003.
基金项目：教育部人文社会科学研究青年基金项目“竞争性创新扩散问题的动态建模与仿真及其在舆情控制方面的应用：网络视角下的研究”（项目号：12YJC630034）。
作者简介：丁海欣，郑州大学旅游管理学院讲师，山东大学管理学博士。
收稿日期：2013-06-10。
创新扩散问题一直是学术研究的热点。其中，针对消费耐用品，Bass（1969）提出了同时考虑外部影响（大众传播）与内部影响（口碑传播）的新产品增长模型，并激发出众多基于Bass模型的派生研究（Mahajan et al.，2000），Granovetter，Soong（1986）与Valente（1996）从社会学传统出发构造了创新扩散的阈值模型（Threshold Model），Rogers（2003）从传播学角度提出了创新接受决策过程模型，并给出了一个被广泛接受的创新采纳者分类框架，Solomon等（2000）借鉴物理学中的渗透模型（Percolation Model），以电影产品为原型讨论了发生在消费者社会网络内的扩散现象，Delre等（2006）则利用基于主体的建模（Agent-based Modeling，ABM）技术研究了小世界网络内的创新扩散问题。
创新扩散研究文献丰富，但仍存在不少有待改进之处，其中一个典型问题即以往研究经常忽视创新扩散过程中可能存在的负面口碑影响，而负面口碑显然在现实中往往具有重要作用。在整合已有研究的基础上，本研究以消费者接受新产品为原型讨论了包含负面口碑的创新扩散问题，具体分析了负面口碑、消费者网络结构类型及消费者局部世界大小等因素及其间存在的交互作用对于创新扩散可能产生的影响。
一、 模型构建
创新扩散是一个多级传播过程。在传播过程中，潜在采纳者（消费者）或单独通过大众传播渠道，或同时经由人际沟通渠道知晓创新（新产品），并评估其在不同情形下所能提供的效用，从而决定是否采纳创新或新产品。但无论通过何种途径接受了创新，都无法保证创新能够让所有采纳者满意，于是不满意的采纳者将有可能传播关于创新的负面信息，从而将影响到创新扩散的过程及最终结果。下面从消费者视角出发，针对不同的接受情景考察消费者的创新采纳决策。首先，如果消费者只受到大众传播的影响，则消费者对创新的采纳主要取决于创新质量（q，0
Ui，t=？茁ixi，t+（1-？茁i）yi，t
其中，Ui，t表示消费者i在时刻（时期）t对创新的效用判别值，xi，t表示消费者i在时刻t的公共效用激活状态， yi，t表示消费者i在时刻t的个人效用（质量）要求激活状态，？茁i为消费者i创新效用判别值构成中来自口碑影响部分所占的权重。
xi，t与yi，t的定义如下：
xi，t=1，Ii，t？叟Ti0，Ii，t
式中，Aj表示消费者j的接受状况，其中Aj=1表示消费者j采纳创新并给出正面评价，Aj=-1则表示消费者j采纳创新但给出负面评价，Aj=0则表示消费者j尚未采纳该创新。
在同时存在大众传播与口碑影响的情境下，消费者对创新的接受变得复杂，需要综合考虑大众传播，创新质量q与个人质量要求阈值pi，min，以及Ui，t与消费者的个人创新效用要求阈值Ui，min之间的关系以决定其是否采纳。
具体而言，如果Ui，t？叟Ui，min，则消费者将采纳创新，注意该条件可能包含q此外，论文采用如下指标测量创新扩散过程。
（1）扩散比例，
？琢t=■
其中，nt=■A■，表示到时刻t的累积创新采纳人数，N表示创新扩散的潜在接受者数量。
（2）创新扩散的过程最大速度。定义如下，
V=■v■，…，v■，…，v■
其中，v■=n1 t=1nt-nt-2，t？叟2，T表示创新扩散的全部时间长度。
二、 模型模拟结果
1. 模拟基本设定。本研究利用ABM技术进行模拟分析。ABM系统由主体（agent）构成，每个主体都是一个处于一定情景内的独立决策实体。在本研究中，主体即作为创新潜在采纳者的消费者，其决策即考虑是否接受创新。每个消费者评估其所在环境并基于前述创新采纳规则做出决策，在此过程中将接受其他消费者的影响并对其他消费者施加影响。 表1给出了模拟中创新扩散系统的基本参数设定。研究通过网络结构体现消费者之间的关系及发生于其上的交互影响。在网络结构方面，论文主要在Watts-Strogatz小世界网络（简记为WS网络）（Watts，Strogatz，1998）与Barabási-Albert无标度网络（简记为BA网络）（Barabási，Albert，1999）框架下展开讨论。两者均具有小世界属性，但WS网络通常具有比较均匀的度分布，BA网络度分布则具有幂律特征，即度分布极端不均等，多数节点具有较低的度，少数节点具有非常高的度。
模拟中BA网络起始节点数为4，之后顺序进入的节点根据偏好连接（Preferential Attachment）规则与之前网络中的4个节点建立连接；WS网络每个节点有8个邻居，每条边的随机重连概率为0.1。不同的网络结构下局部世界大小分别为r=1，2，其中r=1代表较小的局部世界，r=2代表较大的局部世界。直观地讲，r=1将考虑焦点节点（消费者）直接邻居对其的影响，而r=2将同时考虑直接邻居及邻居的邻居对焦点节点的影响。
研究以外生方式体现负面口碑，即对于已采纳创新的个体，模型设定其有一定的概率将传播关于创新的负面评价。模拟参数负面口碑比率（negative WOM ratio，简记为NR）体现该概率。在仿真过程，负面口碑比率分别设定为0.0，0.1，0.3，0.5，从性质上表示不同的负面口碑水平，即不存在负面口碑、低度、中度与较高程度的负面口碑状况。
对于每种模拟情况，程序各重复20次，每次运行长度为300回合，然后报告测量指标均值。为了体现口碑作用的影响，附加考虑两类“基准”情景，即WS网络与BA网络下的无任何口碑过程的情形。对于基准情景，模拟次数与运行长度与上相同。
2. 模拟结果分析。
（1）与基准情景的比较。基准情况模拟结果如下，BA网络下，20次运行的指标均值分别为■BA=0.348，■BA=2.8，WS网络下的结果则为■WS=0.384，■WS=2.55。将基本情况下的模拟均值与之比较，可得到如下结论：①在扩散比例方面，存在口碑效应过程与不存在口碑效应的过程在多数情景下存在具有统计显著性的差异（在16种基本情景中，只有2种情景存在例外），而过程最大扩散速度在所有基本情况下与基准情况之比值均超过1，且所有情形下的Mann-Whitney U检验显示这些差异均具有统计显著性。因此可以确定存在口碑效应与不存在口碑效应的创新扩散之间存在差异。
②多数情景下，口碑过程均会促进创新扩散。在当前考虑的非常少的情形下，即r=2，NR=0.5的情形下，负面口碑将抑制创新扩散，Mann-Whitney U检验结果显示，该差异具有统计显著性（BA网络下Mann-Whitney检验统计著性为0.00，WS网络下Mann-Whitney检验统计著性为0.031）。
（2）口碑、网络类型及局部世界大小影响作用的系统分析。图1显示了不同情形下的指标测量均值。图示中的记号xx-r各构成要素含义如下：xx表示网络类型、r表示局部世界大小。比如WS-1就表示网络类型为WS网络，局部世界大小为1的情形。根据图示1结果并结合相应的统计检验可以得出如下结论：
①创新扩散比例与过程扩散最大速度应该是两类相对独立的测量指标，扩散比例显示出了接受的结果，过程最大速度揭示的则是扩散的过程与路径。
②负面口碑对于创新扩散具有关键影响，随着负面口碑的增强，两类测量指标均呈下降趋势。Kruskal-Wallis检验结果显示，在所有测试的情形下，负面口碑所造成的差异，无论是扩散比例上的差异，还是最大过程速度上的差异均具有统计显著性。
③在负面口碑之外，网络类型将影响创新扩散。最终扩散比例方面，Mann-Whitney U检验结果显示网络类型与负面口碑及局部世界大小之间存在交互。首先，当r=1时，网络类型对于最终扩散比例的影响没有表现出显著差异，而在r=2时，当不存在负面口碑比率（NR=0.0），BA网络的最终扩散比例要显著优于WS网络；在存在较低水平的负面口碑效应时（NR=0.1），两类网络之间不存在显著的差异；如果负面口碑水平在中度以上（NR=0.3，0.5），则WS网络的最终扩散比例要显著优于BA网络。过程最大扩散速度方面，Mann-Whitney U检验结果显示网络类型对于该测度具有明显的影响，在所有模拟情形下，BA网络与WS网络下的结果均存在显著差异，结合图示1，可以发现BA网络下的扩散速度均要大于WS网络下的结果。这意味着BA网络与WS网络在创新扩散路径方面存在差异。
其四，局部世界大小也对创新扩散发生影响。最终扩散比例方面，Mann-Whitney U检验结果显示局部世界大小的影响受到负面口碑与网络类型的调节。如果不存在负面口碑效应（NR=0.0），大的局部世界（r=2）具有更好的最终接受比例结果，如果负面口碑比例较低（NR=0.1），则局部世界大小不会造成最终扩散比例的显著差异，如果负面口碑比例较高（NR=0.5），则小的局部世界（r=1）具有更好的结果；如果负面口碑处于中间水平（NR=0.3），局部世界大小的影响将因网络类型而不同：对于WS网络而言，局部世界大小不会造成显著差异
源于：大学生毕业论文www.udooo.com
，对于BA网络而言，小的局部世界（r=1）则将产生更好的最终接受比例结果。过程最大速度方面，Mann-Whitney U检验结果显示局部世界的大小在多数情况下不会造成过程最大扩散速度的显著差异。唯一的例外来自于不存在负面口碑情景（NR=0.0），此时大的局部世界（r=2）表现出更强的口碑促进效应。三、 结论与展望
（1）口碑的确会对创新扩散产生影响，这一点表现在两个层面：①是否存在口碑效应的创新扩散表现不同，即便最终结果相同（体现在扩散比例上），但过程不同（体现在过程最大速度上）；②在均存在口碑效应的过程中，随着负面口碑的增加，创新扩散受到抑制，无论是扩散比例还是过程最大速度均是如此。（2）网络结构类型对于创新的扩散具有影响。BA网络较WS网络对于创新扩散的影响表现得更为极端。（3）局部世界大小同样会影响创新在网络内的接受。局部网络越大，采纳行为其影响所波及范围也越大，从而可能改变扩散过程与结果。 从现实意义上讲，研究显示企业必须关注口碑对于其创新扩散的影响，特别是在当前的网络经济时代，消费者的信息获取空间在增大（增大的局部世界），从而更进一步强化了口碑效应的影响。概言之，创新质量与局部世界大小的交互将使具有不同质量的创新其扩散呈现出极为不同的结果。未来研究方面，论文主要考虑了单一创新扩散情景，而现实中往往存在多创新扩散问题。再者，论文对负面口碑的刻画采取外生方式，而现实中的负面口碑其产生往往并不是随机的。此外，消费者的创新采纳通常会走向重复购写，或在创新采纳过程中亦会存在重复购写，因此如何将创新扩散与重复购写进行合适的衔接，同样具有重要的现实与理论意义。从模型构建角度，论文给出的形式模型将为上述问题分析提供基础。
参考文献：
1. Barabási， A.-L.， Albert， R.Emergence of scaling in random networks.Science，1999，（286）： 509-512.
2. Bass， F.M.， A new product growth model for consumer durables.Management Science，1969，（13）：215-227.
3. Watts， D.J.， Strogatz， S.H.Collective dynamics of all-world networks.Nature，1998，（393）：440-442.
4. Mahajan， V.， Muller， E.， Wind， Y.New product diffusion models. New York： Kluwer Academic Publishers，2000.
5. Rogers， E.M. Diffusion of innovations （5e）. New York： The Free Press，2003.
基金项目：教育部人文社会科学研究青年基金项目“竞争性创新扩散问题的动态建模与仿真及其在舆情控制方面的应用：网络视角下的研究”（项目号：12YJC630034）。
作者简介：丁海欣，郑州大学旅游管理学院讲师，山东大学管理学博士。
收稿日期：2013-06-10。
摘自：毕业论文格式www.udooo.com