張寶明，夏 悅，楊晨宇

（上海理工大學(xué)管理學(xué)院，上海 200093）

新冠疫情給社會帶來許多災(zāi)難的同時，也帶來了不少商機。例如，帶火了網(wǎng)絡(luò)直播行業(yè)。作為直播帶貨的一種形式，電商直播秉承了網(wǎng)絡(luò)直播互動性強的特點，在與客戶互動和產(chǎn)品介紹的過程中，電商主播與達(dá)人不僅“無意中”勾起了客戶的好奇心，營造了更好的購物氛圍，而且激發(fā)了更多的購物欲望和消費沖動，給企業(yè)和相關(guān)店鋪帶來了不少生意。

然而也應(yīng)看到，電商直播的歷史畢竟很短，商業(yè)模式也未完全成熟，電商直播繁榮的背后，確實也隱藏著不少問題。例如，一些平臺和達(dá)人，為了吸引更多的客戶，不顧商業(yè)道德，不講誠信，虛報銷售額和銷售人數(shù)，對數(shù)據(jù)進行造假，等等。所有這些，不僅影響了客戶的消費意愿和客戶價值，而且影響了企業(yè)形象和收益。為了弄清這些因素對電商直播的影響及相關(guān)的影響機制，本文有針對性地選取了電商直播平臺與主播的影響力和專業(yè)度、商品質(zhì)量與售后服務(wù)這兩個關(guān)鍵因素，通過分析電商直播的交易過程、博弈過程和信息傳播機制，建立電商直播效果與這些因素之間的關(guān)系模型，利用Netlogo平臺編寫仿真程序，通過仿真來探討它們之間的關(guān)系，很有必要。

1 電商直播研究現(xiàn)狀

目前，學(xué)者對于電商直播領(lǐng)域的相關(guān)研究成果較多，本文主要從電商直播營銷模式、電商直播發(fā)展模式、電商直播應(yīng)用場景、直播信息的傳播機制等理論進行評述。

1.1 電商直播營銷模式

電商直播的客戶購物意愿，受許多因素的影響，如誠信、商品品類與商品質(zhì)量、平臺與主播的影響力與聲譽、平臺屬性等，注重以人帶貨、以內(nèi)容帶貨、以社交生態(tài)帶貨和以平臺帶貨。基于SOR 理論、IIR 或信號模型理論，文獻(xiàn)［1-2］進行了討論。但是應(yīng)該看到，基于客戶價值的營銷機制固然有其價值，能吸引到更多的客戶參與直播并進行購物，但如果未做好售后服務(wù)或質(zhì)量把控，對商家來說未必就能盈利。就此來說，文獻(xiàn)成果存在一定的局限。

1.2 電商直播發(fā)展模式

主要分為邀請網(wǎng)紅或明星作為合作主播帶貨以及商家“店鋪”自播兩種。本質(zhì)上它們是利用平臺和明星的人氣、商品影響力、優(yōu)惠力度等，客戶在觀看直播的過程中，通過點擊直播間鏈接來購買產(chǎn)品，接收主播的商品推薦，或發(fā)表自己的意見和看法。文獻(xiàn)［2］進行了討論，但對其模式創(chuàng)新機制未有討論。

1.3 電商直播應(yīng)用場景

文獻(xiàn)［3-4］討論了電商直播的應(yīng)用場景，包括農(nóng)產(chǎn)品、生鮮食品、飲料、美容護理、服裝、鞋包、床上用品、旅游產(chǎn)品等品牌產(chǎn)品和生活必需品。盡管場景應(yīng)用比較廣泛，但鮮有文獻(xiàn)對它們之間的差異做比較研究。

1.4 直播信息的傳播機制

信息傳播形式上雖然表現(xiàn)為信息的流動，但其本質(zhì)是高度智能的人與網(wǎng)站、信息、環(huán)境相互作用的結(jié)果，受到多種非線性、隨機性因素及異構(gòu)實體交互過程的影響。在電商直播過程中，負(fù)面信息和正面信息會通過網(wǎng)絡(luò)、直播平臺以及其他各種類型的平臺進行傳播，進而會影響客戶參與的人數(shù)。文獻(xiàn)［5］對網(wǎng)絡(luò)信息傳播的動力學(xué)模型進行了分析，對傳播效果進行了仿真研究。結(jié)果顯示，網(wǎng)絡(luò)信息傳播有別于一般的基于SIR模型的疾病傳播，其傳播速率遵循S形曲線。

2 電商直播交易過程及相關(guān)模型分析

電商直播交易過程分為四個階段，分別是初始階段、博弈階段、信息傳播階段和客戶調(diào)整階段。

在初始階段，電商直播平臺與主播的影響力和專業(yè)度，對吸引客戶參與交易起到?jīng)Q定性的作用。影響力和專業(yè)度越大，往往吸引的交易客戶就越多。因此，可以假設(shè)初始的交易客戶量與影響力和專業(yè)度成正比。

在博弈階段，賣方與買方處于競爭對立的環(huán)境下，為此需要依據(jù)各自所掌握的信息，在一定的規(guī)則約束下進行網(wǎng)絡(luò)演化博弈，以盡可能取得最大的收益。博弈雙方可采取合作（cooperation）、背叛（defection）、以牙還牙（tit-for-tat）、模仿（如模仿最優(yōu)者、模仿優(yōu)勝者、隨機配對比較）等策略來更新自己的策略［6］?？紤]到電商直播的本質(zhì)還是電商，大家本意都是為了交易，并且為了降低仿真的難度，為此本文假設(shè)在直播的過程中，買賣雙方都采取合作的策略進行博弈。

在售后服務(wù)與信息傳播階段，客戶可能會提出各種各樣的售后服務(wù)請求，賣家應(yīng)盡力滿足。但是，囿于資源和能力的制約，現(xiàn)實中賣家不可能完全滿足所有客戶的服務(wù)請求。得不到滿足的客戶會制造負(fù)面信息；當(dāng)然，得到滿足的客戶相應(yīng)地也會產(chǎn)生正面信息。這些信息會通過直播平臺或其他網(wǎng)絡(luò)媒介，甚至線下媒介進行快速傳播，影響更多的人群。

依據(jù)網(wǎng)絡(luò)信息傳播動力學(xué)原理，網(wǎng)絡(luò)信息傳播具有S 形函數(shù)的非線性演化特征（圖1）。信息價值與信息傳播的范圍之間存在非線性正相關(guān)，即信息傳播的速率其中，v0為信息在網(wǎng)站上初始時刻的時效性價值，λ為信息在網(wǎng)站中的時效性衰減系數(shù)，σ(t) 為在網(wǎng)站影響力、信息傳播方式（包括讀、寫、評、傳）共同作用下的人數(shù)加權(quán)平均系數(shù)，這里分別為信息閱讀人數(shù)、信息評論人數(shù)和信息寫作人數(shù)。

圖1 信息傳播的S形曲線特征Fig.1 S-curve characteristics of information dissemination

最后，當(dāng)客戶提出售后服務(wù)請求后，勢必會產(chǎn)生兩種結(jié)果：滿意或不滿意。不滿意就有可能產(chǎn)生退貨行為，退貨人數(shù)顯然與售后服務(wù)（包括商品質(zhì)量）的不滿意率有關(guān)。所以，在客戶調(diào)整階段，可能產(chǎn)生的退貨人數(shù)為：退貨人數(shù)=售后服務(wù)不滿意率×購買人數(shù)。這是正常狀態(tài)下因服務(wù)不到位或商品質(zhì)量原因而導(dǎo)致的退貨情況。

另外，考慮到網(wǎng)絡(luò)信息傳播效應(yīng)，由退貨而帶來的負(fù)面信息經(jīng)過傳播之后，因信息扭曲與失真、口碑效應(yīng)等原因，勢必會帶來更多的外溢的退貨人群，流失更多的已有客戶。與此相對應(yīng)，由順利購買而帶來的正面信息經(jīng)過傳播之后也會帶來更多的外溢的購買人群，吸引更多的新客戶。因此有：外溢的退貨人數(shù)=退貨人數(shù)×負(fù)面的信息傳播速率；外溢的購買人數(shù)=（購買人數(shù)-退貨人數(shù)-外溢的退貨人數(shù)）×正面的信息傳播的速率。

若以q_users 代表購買人數(shù)，q_ret 代表退貨人數(shù)，q_over_ret代表外溢的退貨人數(shù)，r=v0.σ0.Sigmoid(-ω(t-t0)) 代表負(fù)面信息傳播的速率（這里用Sigmoid曲線來模擬r（t）曲線），q_over_attract 代表外溢的購買人數(shù)，r′=*v′0.σ′0.Sigmoid(-ω′(t′-t′0)) 代表正面信息傳播的速率，則有：q_over_ret = q_ret ×v0.σ0.Sigmoid(-ω(t-t0))，q_over_attract =(q_users - q_ret - q_over_ret)× v′0.σ′0.Sigmoid(-ω′(t′-t′0))。這里需要指出的是，r′曲線比r曲線更平緩，更接近線性關(guān)系（圖2）。

圖2 信息傳播速率Fig.2 Information propagation rate

3 算例模擬分析

本文基于Netlogo 平臺，依據(jù)前述的流程和模型，編寫相關(guān)的Netlogo仿真程序，對實驗環(huán)境進行初始化設(shè)置，對參與電商直播的交易主體進行建模。程序中初始參數(shù)設(shè)置及相關(guān)算法流程圖如表1 和圖3 所示。通過仿真，得出了以下的結(jié)論。

圖3 算法流程圖Fig.3 Algorithm flow chart

表1 初始參數(shù)設(shè)置Tab.1 Initial parameter setting

（1）服務(wù)不滿意率決定了電商直播的帶貨持續(xù)時間，影響到參與交易的人數(shù)。在直播平臺和主播影響力一定的情況下，商品質(zhì)量及相關(guān)服務(wù)（如物流服務(wù)、信息服務(wù)等）的不滿意率存在一個“臨界值”（本文為2. 5% 左右）。當(dāng)?shù)陀谶@個臨界值時，直播會持續(xù)不斷地吸引到客戶參與交易，盡管人數(shù)不多，交易會持續(xù)不斷地進行下去；當(dāng)高于這個臨界值時，參與交易的人群和帶貨量會快速降為0，交易過程很快就會結(jié)束；而在接近臨界值時，交易過程可以持續(xù)一段時間（可以進行多輪博弈，輪次不一，平均6 輪左右），盡管時間長短不一，但最終會歸于結(jié)束，交易人群和帶貨量也會歸零。相關(guān)增長曲線如圖4所示。

圖4 服務(wù)不滿意率接近臨界值(2.5%)時帶貨持續(xù)時間及交易人數(shù)增長曲線示例Fig.4 Example of the growth curve of goods carrying duration and number of transactions when the service dissatisfaction rate is close to RV(2.5%)

（2）直播平臺和主播的影響力也會對帶貨持續(xù)時間產(chǎn)生影響。直播網(wǎng)站的影響力越大，帶貨持續(xù)時間反而會越短，反之帶貨持續(xù)時間會越長。但是，交易人數(shù)卻呈現(xiàn)出隨機性、非線性的關(guān)系：在影響力很大時，盡管帶貨持續(xù)時間較短，可最終得到的交易人數(shù)卻很多；在影響力不是很大時，得到的交易人數(shù)具有不確定性。

隨機進行10 次仿真結(jié)果顯示，當(dāng)直播網(wǎng)站的影響力很大（達(dá)到50%）時，帶貨持續(xù)時間（博弈輪次）只有3. 7 輪，最終交易人數(shù)平均可達(dá)10064 人；而當(dāng)直播網(wǎng)站的影響力為5% 和1% 時，帶貨持續(xù)時間分別為6 次和6. 3，成反比關(guān)系，但最終得到的交易人數(shù)前者平均為2701 人，后者平均為4276 人，并沒有呈現(xiàn)反比的關(guān)系，具有一定的隨機性、非線性性。

4 不足與建議

在仿真分析的過程中，通過模擬雖然得出了一些結(jié)論，但也存在不足，主要在于分析不夠全面，未對其他的影響因素進行分析。同時，對相關(guān)參數(shù)的取值帶有一定的經(jīng)驗主義（譬如對溢出的退貨人數(shù)），不夠精確。另外，對網(wǎng)絡(luò)信息產(chǎn)生、傳播和利用效應(yīng)未做更加深入細(xì)致的研究，一定程度上影響了模型的精確性和仿真結(jié)果。這需在今后繼續(xù)加入分析。