考虑电子口碑累积效果的手机app bass扩散过程的研究.doc

1、考虑电子口碑累积效果的手机 APP BASS 扩散过程的研究 朱侯 万芳彬 张丽 中山大学资讯管理学院 摘 要： 随着移动互联网的飞速发展和智能手机的普及, 手机APP作为智能手机接入移 动互联网最重要的入口, 与人们的生活息息相关。 探究移动APP的推广及扩散机 理, 对企业制定 IT 营销及开发策略具有重要的意义。 本文在经典 BASS 模型的基 础上, 引入了电子口碑这一影响因素, 利用多智能体模拟技术, 借助建模软件 Any Logic, 建立了手机 APP在移动互联网中的仿真扩散模型。对比实际案例中 手机APP的扩散情况, 本文验证了模型的有效性。 由于电子口碑的累积效果, APP

2、的扩散过程与传统产品的扩散过程明显不同, 不同的电子口碑累积效果, 将导 致APP 不同的扩散趋势。 关键词： BASS模型; 手机APP 扩散; 电子口碑; 多智能体模拟; 作者简介：朱侯 (1985-) , 男, 讲师, 博士, 硕士生导师, 研究方向:计算机模 拟, 信息扩散与传播, 复杂网络。 作者简介：万芳彬 (1997-) , 女, 本科生, 研究方向:计算机模拟。 作者简介：张丽 (1997-) , 女, 本科生, 研究方向:信息行为。 基金： 中山大学人文社会科学青年教师桐山基金项目“社会化媒体用户隐私披露 行为的社会计算研究” (项目编号:20000-54500053) A

3、Study of Diffusion Process of Mobile APP Based on BASS Model Considering the Cumulative Effect of Electronic Word of Mouth Zhu Hou Wan Fangbin Zhang Li School of Information Management, Sun Yat-Sen University; Abstract： With the rapid development of mobile internet and the popularity of smart phones

4、, mobile APP, the most important access to mobile Internet of smart phones, is more and more inseparable from peoples lives. The research on the mechanism of diffusion and spreading of mobile APPs had important significance for enterprises to formalate IT marketing and developing strategies. Based o

5、n the classic BASS model, this paper introduced a new influencing factor, electronic word of mouth, into the model. Multi-agent simulation technology was utilized to model the diffusion of mobile APPs with the help of Any Logic, a powerful modeling software. After comparing the simulation results wi

6、th real cases, the paper validated the effectiveness of this model. There were obvious differences between the diffusion process of mobile APPs and traditional products. The cumulative effect of different kinds of electronic word of mouth will lead to different diffusion results of mobile APPs. Keyw

7、ord： BASS model; diffusion of mobile APP; electronic word of Mouth; multi-agent simulation; 随着移动互联网的飞速发展以及智能手机的普及, 移动设备的用户群体规模迅 速扩大, 使用频率越来越高, 人们与移动终端设备之间的关系也越来越紧密。 中 国互联网络信息中心于 2017年 1月22日发布的 中国互联网络发展状况统计报 告指出, 截至2016 年12月, 我国网民人数已经达到了 7.31亿, 其中, 手机 网民的数量就占了 6.95亿, 占比从2015年的 90.1%提高到了95.1%, 比例进一 步攀

8、升。 手机在人们生活中扮演着越来越重要的角色, 而手机APP是安装在手机 中的应用软件。 作为智能手机接入互联网的入口, 其丰富多样的功能给用户的生 活带来了极大的便利, 改变了人们的生活方式, 同时, 手机APP也是企业技术 创新和服务提升的一种重要方式。 因此, 了解手机 APP扩散的机理, 对于企业管 理者制定符合企业发展的 IT决策具有重要意义。 与传统的实体商品相比, 手机APP作为一种虚拟商品, 其扩散方式与实体商品 存在很大的不同。 电子口碑成为人们在互联网环境下做出购买决策的重要参考标 准之一, 并受到人们的广泛推崇。在互联网环境下, 面对面、口耳相传的口碑模 式已经很难适用于

9、虚拟商品的大面积传播, 而电子口碑传播效率高、 传播方式多样化、互动性好等特点, 受到越来越多研究者和实践者的关注1, 且电子口碑 还会在各类应用市场上长期存在, 形成累积效果。 这些特点必然带来 APP的推广 和扩散过程与传统产品相比存在差异。 本文基于BASS产品扩散模型, 在考虑广告和口碑两种影响手机 APP 传播的因素 的基础上, 进一步引入了电子口碑 (Electronic Word of Mouth) 这一区别于传 统口碑 (Word of Mouth) 的因素, 设计了由广告、传统口碑、电子口碑 3个因 素驱动的手机APP扩散模型, 借助该模型来研究电子口碑如何影响手机APP的扩

10、 散。 1 相关研究 新产品的扩散研究可以大致分成两个层面:1) 个体层面;2) 群体层面。 个体层面 的研究从个体感知的角度出发, 分析个体用户决定采纳某个新产品主要受到哪 些因素的影响。其中包括李欣颖2等以技术采纳和使用整合理论及感知信息质 量理论为基础, 构建餐饮外卖移动 APP信息采纳行为影响因素模型, 探究所构 建模型的适用性及各影响因素的影响方向及程度。赵玉攀3等选取互动性、移 动性、情景感、临界质量、感知易用性、感知有用性以及感知鼓励等因素构建公 众采纳政务APP的模型。杨艳妮4等分析了行为意向、感知有用性、感知易用 性、相关性、个体差异、感知愉悦与图书馆 APP采纳之间的影响关

11、系。上述模型 仅仅从个体的层面分析了新产品采纳的影响因素, 而在实际的新产品的营销过 程中, 除了个体感知之外, 群体之间的互动、口碑传播等对于 IT产品特 别是手机APP的传播扩散有着至关重要的作用, 因而上述基于个体层面的模型 具有一定的局限性。 在群体层面的新产品扩散研究中最具有代表性的是 BASS模型。1969 年美国学者 Frank M.Bass5在前人的基础上, 结合了 E.M.Rogers6对新产品采用者的分 类, 融合了 Fourt提出的指数扩散模型和 Woodlock、 Mansfield提出的逻辑扩散 模型7这两种模式, 提出了BASS模型。BASS 模型将新产品的潜在使用

12、者分为 两类:创新者和模仿者。 并假定潜在采用者会受到两种因素的影响:外部影响因素 和内部影响因素, 前者主要借助大众媒体传播, 后者主要借助口碑传播, 即已 采用者对未采用的潜在采用者的口头传播, 对模仿者产生影响。 BASS模型的成立需要基于一系列的假设条件:1) 市场潜力随时间的推移保持不 变;2) 一种创新的扩散独立于其他创新;3) 产品性能随时间推移保持不变;4) 社会系统的地域界限不随扩散过程而改变;5) 扩散只有两阶段过程, 不采用和 采用, 不考虑重复购买;6) 一种创新的扩散不受市场营销策略的影响;7) 不存 在供给约束;8) 采用者是无差异的、同质的。 BASS模型作为新产

13、品扩散研究的基础, 被广泛用于以下 3个方面8:对新产品 采用者进行分析, 描述新产品进入市场后的传播情况;对创新产品或新技术市场 做出预测;引入其他市场变量, 通过观察和控制产品的销售情况来制定合适的市 场策略。尽管BASS 模型在上述 3个方面取得了很好的应用效果, 但它的严格假 设限制了其应用范围。BASS模型提出后, 不少研究者针对模型中假设前提过于严格等问题, 通过放宽模型假设、 扩大模型应用领域, 提出了许多适用性更广的 拓展模型。Guo9在研究中用经典 BASS模型模拟消费者初次购买过程, 使用基 于神经心理学的消费者实用理论来模拟重复购买过程, 改进了BASS 模型只考虑 消费

14、者初次购买的局限, 更为精确地模拟和预测消费者实际购买决策。 Robinson10基于 BASS模型建立了考虑价格因素的营销策略扩散模型。 Boehner11则通过 BASS模型中价格和广告水平参数的连续性变化, 给出了营 销组合中弹性系数的不同假设, 结果表明不同的营销组合对 BASS模型中的创新 和模范系数、市场规模和扩散速度等关键要素均有不同影响。除此之外, 诸多学 者还分别从产品多功能问题12、产品替代问题13、初始参数依赖问题14 等方面对模型进行了扩展和完善。 在手机APP扩散的研究上, 目前国内在这方面的研究相对较少, 且主要集中在 各类APP 使用的影响因素以及实证研究上。学者

15、张一弛15基于创新扩散理论, 分析了报纸类新闻 APP接受创新扩散的条件, 并进一步探讨了其未来发展的策 略;学者徐承欢等16结合顾客承诺理论与创新扩散理论, 采用问卷调查与结构 方程建模的方法, 实证研究了移动图书馆 APP 使用意愿的影响因素;学者武志琴 17以小咖秀为例, 结合创新扩散理论分析了其成功实现创新扩散的相关因素; 学者代玲18基于创新扩散理论, 分析了打车 APP接受创新扩散的条件, 并进 一步探讨了其未来发展的策略从而使得该 APP 更好地实现创新的扩散。 因此, 已有研究在对 APP扩散的驱动因素、 扩散条件等问题进行了研究, 并取得 了一定的成绩, 然而这类研究不能很好

16、的揭示 APP的扩散机理和动态过程。 基于 多智能建模的BASS 模型在研究产品扩散动态机理方面具有明显的优势, 产品的 扩散主要受广告和口碑的影响, 并且口碑的相互传播会造成用户采纳行为的动 态变化。 但是手机APP 的扩散过程中, 应用市场的网络评论等电子口碑相比传统 产品而言, 影响更加明显, 且这种影响具有累积效果。在这种影响下, 传统的 BASS扩散模型已经不能充分表达 APP的扩散机理了。本研究在传统 BASS模型的 基础上, 考虑电子口碑的影响函数, 进而分析手机 APP的扩散机理和过程, 为 APP提供商给出决策建议。 2 基于BASS 模型的手机APP扩散模型建立 2.1 B

17、ASS 模型 新产品扩散效果的影响因素包括口碑、广告、用户诱导、渠道推送、业务粘度等, 这些因素之间关系复杂, 然而口碑和大众媒体广告的影响最为显著。 因此, 为了 有效控制模型的边界, 经典BASS模型主要选取了口碑和大众媒体广告两类驱动 因素。BASS 模型是研究新技术在生命周期中扩散机制的重要模型, 其数学表达 式如下: 其中, n (t) 为t时刻新的产品采纳者的数量, N (t) 为t时刻产品采纳者的总 量, p 代表外部影响系数 (创新系数) , 表示在大众媒体传播的影响下, 尚未采 纳的潜在采纳者采纳该产品的可能性大小, q 代表内部影响系数 (模仿系数) , 表示在口头传播的影

18、响下, 尚未采纳的潜在采纳者采纳该产品的可能性大小, m 代表潜在的采纳者总量 (即市场最大潜力) 。由该公式可以得到BASS 模型中t 时刻产品采纳者累计总量的表达式: BASS模型在实践领域有广泛的应用, 其在零售业、工业技术、农产品和耐用消 费品等行业已经有了成功的预测效果19。 然而, 利用BASS模型来分析手机APP 的扩散具有一定的局限性, 因为传统BASS模型忽略了手机 APP扩散过程中电子 口碑的影响, 且手机 APP的电子口碑具有累积效果。 电子口碑, 又称为网络口碑或在线口碑。 电子口碑与传统口碑的不同之处在于:1) 传统的面对面交流方式具有明显的时效性, 信息只在交互期内

19、传递, 而电子口 碑突破了时间限制, 且具有累积效应, 这种累积效应体现在可保存性和保存的 持久性, 即电子口碑可以被存储在数据库中, 在很长一段时间内不会消失并对 后来的浏览者产生影响;2) 电子口碑的传播效率更高, 突破了空间限制, 人们 不仅受到周围少数人的影响, 而且可以接收到更广泛的口碑信息;3) 手机APP 的扩散依赖于电子口碑的程度明显增加, 各大 APP应用市场充满了评分和相关 的文字评论, 其成为了用户最终采纳行为的重要依据。因此, 经典的 BASS扩散 模型已经不能充分表达手机 APP的扩散机理。 2.2 手机 APP 扩散模型 本文进一步将内部影响因素细分为电子口碑和传统

20、口碑两部分, 其中传统口碑 以恒定不变的速度在人群中扩散, 而电子口碑则随着时间的变化而变化。借鉴 Easingwood等学者20将BASS模型中的内部影响因素由原本的常量设计为变量, 用来表示产品扩散过程中人际影响的变化。此外, 本文假定内部影响因素 q (t) 是时间的函数, 而非一个恒定常量, 其值的大小反映了口碑效应的变化。 当电子 口碑的评价越积极时, 内部影响因素越大, 人们就越倾向于接受手机 APP;当电 子口碑的评价越消极时, 内部影响因素越小, 人们就会更倾向拒绝接受手机 APP。这里本文分别考虑电子口碑为正面、负面以及波动变化的情况, 参考BASS 模型的表达式 (2) ,

21、 手机APP 扩散模型公式如下所示: 许晓晖等21认为技术创新扩散速度可以用 Logistic曲线的斜率来度量, 罗彪 等22的研究表明, 具有大量口碑的产品能够吸引更多的消费者进行评论, 具 有“成功产生成功效应”。 在本文中, 通过控制函数的曲线斜率大小来模拟不同 的电子口碑情况。当正面电子口碑累积时, 曲线斜率逐渐增大;当负面电子口碑 累积时, 曲线斜率逐渐减小。因此, 本文选择了曲线斜率不断增大的 Logistic函数来模拟正面电子口碑随时间的变化;选择曲线斜率不断减小且呈现下降趋势 的二次函数来模拟负面电子口碑随时间的变化;使用正弦函数来模拟波动口碑对 口碑效应的影响情况。 电子口碑

22、在不同情况下影响的函数以及随时间变化的图像 如表1 所示: 表1 手机 APP扩散模型内部影响因素函数表达式汇总 下载原表 上述内部影响因素函数反映了实际生活中广泛存在的 3种电子口碑的情况, 在 内部影响因素随时间变化的表达式中, 通过不断迭代来模拟电子口碑的累积效 应。在正面电子口碑的表达式中, a为正面电子口碑扩散系数, 表示正面电子口 碑在人群中扩散的最大增速, b 是正面电子口碑的持续影响时间;在负面电子口 碑的表达式中, 表示负面电子口碑扩散系数, 用于控制负面电子口碑在人群 中扩散的速度大小;在波动电子口碑的表达式中, 每一时刻的电子口碑大小都是 相对初始口碑大小来确定的, 其中

23、表示电子口碑的波动幅度, T 表示电子口 碑的波动周期。 3 手机APP扩散模型的仿真与结果分析 3.1 模型建立和参数设定 本文采用的多智能体模拟方法起源于人工智能, 是分布式人工智能的一个重要 分支, 主要用于研究与复杂系统相关的问题。 多智能体模拟是从微观角度自下而 上的研究, 通过将复杂系统中的个体映射为具有自主性、主动性、反应性和交互 性特征的智能体, 将复杂系统分解为多个智能体的相互作用, 通过模拟多个智 能体之间简单的行为交互, 从而研究系统整体复杂行为的涌现。基于 Anylogic 构建的手机APP扩散模型如图 1所示。 Talukdar的研究表明:外部影响系数p平均介于 0.

24、00070.03之间, 模仿系数q 平均介于0.380.53 之间, 扩散的动力更多地来自于内部影响23。 为了更好地 研究电子口碑对手机 APP扩散的影响, 避免函数过快收敛, 本文将外部影响系 数与模仿系数均设定为一个较小值。这里, 我们设定广告效应 (外部影响系数) 的大小为0.01, 初始时刻口碑效应的大小为 0.015, 其余参数的默认值也依据 经典BASS 模型的设置, 如表2 所示。 图1 手机 APP扩散仿真模型的组织结构 下载原图 表2 Anylogic 建模初始参数设置 下载原表 3.2 模型执行过程 模型的算法流程如下: 步骤一:构建环境智能体, 并在其中构建手机 APP

25、扩散所在的无标度网络; 步骤二:创建手机网民智能体, 所有手机网民的状态初始化为潜在采纳者 (Si=0) ; 步骤三:仿真实验开始; 步骤四:手机网民受到广告效应的影响, 若手机网民决定采纳该手机 APP, 则状 态变成采纳者 (Si=1) , 若不采纳, 仍为潜在采纳者; 步骤五:潜在采纳者根据按照内部影响因素的大小决定是否受到影响而采纳其意 见, 若手机网民决定采纳该手机 APP, 则状态变成采纳者 (Si=1) , 若不采纳, 仍为潜在采纳者; 步骤六:判断是否达到仿真结束时间, 若未达到, 继续步骤四;否则, 进行步骤 七; 步骤七:仿真实验结束。 3.3 仿真结果分析 模拟实验基于A

26、nylogic 进行, 这里本文采用控制变量的方法, 在控制广告效应 和传统口碑效应相同的情况下仅改变电子口碑的形式, 按照上述步骤分别执行: 无电子口碑影响、正面电子口碑影响、负面电子口碑影响、波动电子口碑影响时 的手机APP扩散模型, 得到下面的结果: 图2 无电子口碑影响状态下的手机APP扩散模型模拟结果示意图 下载原图 图3 正面电子口碑影响状态下的手机APP扩散模型模拟结果示意图 下载原 图 图4 负面电子口碑影响状态下的手机APP扩散模型模拟结果示意图 下载原 图 图5 波动电子口碑影响状态下的手机APP扩散模型模拟结果示意图 下载原 图 由图2的仿真模拟结果可以看出, 在无电子口

27、碑影响时, 手机APP的扩散曲线符 合Rogers6提出的“S”型扩散曲线。“S”型曲线可以分为3个阶段:1) 起步 阶段, 一个新的手机 APP刚刚进入市场, 还没有广为人知, 此时广告效应占有 主导影响地位, 手机 APP的扩散速度较慢;2) 加速阶段, 有了起步阶段的人脉 积累, 新产品知名度越来越高并受到口碑效应的影响, 向社会中的其他潜在采 纳者扩散, 手机APP的扩散速度加快;3) 成熟阶段, 手机APP在系统中经过一段 时间的扩散, 人群中的潜在采纳者越来越少, 因而扩散速度逐渐下降, 系统中 的采纳者数量达到饱和。 在正面电子口碑影响状态下, 模型中的参数设置为 a=0.001

28、, b=10, 由图3的仿 真模拟结果可以看出, 此时手机APP在人群中呈现“指数型”扩散, 系统中的 潜在采纳者数量迅速减少, 最终人群中所有的潜在采纳者都转变成为了采纳者, 新产品最终被所有人认可和接受。 在负面电子口碑影响状态下, 模型中的参数设置为 =0.001, 由图 4的仿真模 拟结果可以看出, 手机 APP扩散速度越来越缓慢并最后趋近于某一极值, 近似 于某一斜率很小的“线性”函数。此时, 手机 APP并不能很好的在人群中扩散, 只能被少部分人接受。 在波动电子口碑影响状态下, 模型中的参数设置为 =0.01, 2T=100, 由图5 的仿真模拟结果可以看出, 此时的手机APP

29、扩散曲线类似于“S”型曲线, 但并 不具有明显的3个阶段的划分, 而是呈现出“波浪型”上升的趋势, 并最后在 系统中达到饱和。 从以上的仿真数据可以看出, 不同的电子口碑类型会对手机 APP的扩散形式产 生很大影响, 可以概括为无电子口碑影响时, 手机APP的扩散曲线为“S”型; 积极电子口碑影响时, 手机 APP 的扩散曲线为“指数型”;消极电子口碑影响时, 手机APP 的扩散曲线为“线性”;波动电子口碑影响时, 手机APP的扩散曲线为 “波浪型”。 仿真结果表明, 控制电子口碑的舆论导向对于手机 APP 的扩散有非 常重要的影响。手机 APP在人群中以较快的速度传播是企业所愿意看到的结果,

30、 因此, 企业不能忽视电子口碑对手机 APP扩散带来的影响。 3.4 模型验证 为了更好地验证提出的手机 APP扩散模型的有效性, 本文采用宏观验证法26, 选取了以下3个知名度较高且具有代表性的 APP作为研究对象, 从国内知名的ASO (App Store Optimization) 优化网站 ASO100 (https:/ 中 获得其下载量和评分值等信息, 这些数据来源于 ASO100网站中采集的 IOS系统 应用市场和国内九大主流安卓系统应用市场 (数据统计截止至2017年6月7日) , 4个手机APP的基本情况如表 3 所示。 图6、图 7、图8分别是上述 3 个软件在特定时间内的下

31、载量趋势图。摩拜单车 作为国内最火的“共享单车”之一, 其产品的外观、质量、功能和价格等受到了 消费者的一致好评, 其电子口碑评分均值达到了 4.9分之高。 从图8 中摩拜单车 下载量的曲线形式上来看, 其与正面电子口碑影响下的手机 APP扩散的“指数 型”曲线相吻合。e 宝账是中国人寿公司推出的应用软件, 用户一直抱怨其版本 老旧、 不能更新等问题, 但是中国人寿公司官方并未作出回应或在应用市场替换 老旧版本, 导致其口碑评分很低。 由图7可以看出其下载量的增长率低, 在2017 年1月至5月期间仅有300万左右下载量, 远低于同行业手机APP的下载量, 大 致呈“线性”的形式增长。 此外,

32、 本文选取了 ofo共享单车在最近3 个月的下载 量变化趋势来研究波动电子口碑的影响。ofo 共享单车作为国内共享单车的巨头, 其增长势头强劲, 但由于其不断被曝光的密码安全强度低、车辆乱停乱放、用户 私占共享单车、故意损毁共享单车等负面新闻, 社会舆论对其褒贬不一。从图 8 中可以看出, 其增长呈现“波浪型”上升趋势。 表3 3 种手机 APP基本情况介绍 下载原表 图6 摩拜单车 2016 年7月-2017年5月下载量趋势图 下载原图 图7 e 宝账 2017年 1月-2017年5月下载量趋势图 下载原图 图8 ofo 共享单车 2017年3月-2017年5月下载量趋势图 下载原图 为了进

33、一步验证模型的有效性, 本文对不同情境下模型输出与实际下载趋势进 行了参数检验。由于样本总体分布未知、样本量较小且两组样本相互独立, 采用 MannWhitney U检验分析仿真结果和真实数据是否有显著差异, 进而对仿真效果 做出评价。考虑到模拟输出与实际下载量数据的量纲和区间差异, 本文在对 3 组数据分别归一化的基础上进行 Mann-Whitney U 检验, 根据表4可知, 3组数 据的Sig 值均大于 0.05, 即模拟输出与实际下载趋势间不存在显著差异, 模型 的科学性和有效性得到了验证。 表4 统计结果和模拟结果的非参数检验 下载原表 相比于BASS模型新产品扩散的“S”型增长曲线

34、, 本文提出的手机APP扩散模型 能更好地反映手机 APP在正面电子口碑、 负面电子口碑和波动电子口碑情况下的 扩散情况。 4 对企业APP推广的建议 4.1 加大对电子口碑营销的重视力度 从不同电子口碑影响导致的手机 APP扩散呈现出的四种曲线结果中, 我们可以 体会到电子口碑对于手机 APP扩散的重要程度。 正面良好的电子口碑会减小消费 者采用该产品的风险性, 增大消费者对于该手机 APP的信任程度, 从而使得消 费者更容易做出采纳该手机 APP的决定。 相反, 负面的电子口碑会导致消费者对 该手机APP的不信任程度加剧, 导致手机APP 在人群中的扩散举步维艰。 对于企 业管理者来说,

35、建立专门的电子口碑管理岗位和部门来管理电子口碑是非常有 必要的。 4.2 及时引导电子口碑的舆论导向 鉴于电子口碑对手机 APP扩散的重要影响, 企业应该密切关注其电子口碑的动 态变化。Zhao Y等24的研究表明, 由于负面评论的感知有用性高于正面评论, 人们更容易受到负面评论的影响。 企业管理者应该深入分析其波动原因, 通过采 取及时有效的措施来及时遏制电子口碑下降的趋势, 从而保证手机 APP在人群 中持续、稳定、快速地增长。 4.3 提升产品质量 最好的口碑不是来自完善的销售预算或广告, 而是来自产品本身的特征及良好 的使用者体验, 因此对于企业来说, 提供高质量的产品和良好的产品体验

36、是保 证积极正面的电子口碑的根本原因。 Dellarocas 和Narayan25研究发现, 消费 者对产品的满意度和口碑传播呈 U形关系, 即消费者在高度满意和高度不满意 时口碑传播意愿最强, 而优质的产品质量是用户满意度的保证。 因此, 产品质量 应该是企业关注的核心。 5 结语 手机APP 作为企业创新产品和服务的一种重要形式, 理解其推广和扩散模式对 企业具有重要的意义。本文在 BASS模型的基础上进行变动, 将电子口碑这一常 见的评论形式纳入模型的考虑范围, 并且将电子口碑进一步分成 3类, 利用Anylogic多智能体建模软件进行模拟, 对这 3种情况分别进行讨论和研究。本 文最后

37、得出的结论如下:不同的电子口碑类型对应的手机 APP的扩散形式也有不 同。无电子口碑影响时, 手机APP的扩散曲线为“S”型;积极电子口碑影响时, 手机APP 的扩散曲线为“指数型”;消极电子口碑影响时, 手机APP 的扩散曲线 为“线性”;波动电子口影响时, 手机APP的扩散曲线为“波浪型”。本文所提 出的手机APP扩散模型能够更好地模拟手机 APP在现实世界中的扩散现象, 3个 真实案例也定性的验证了本文模型的有效性。 电子口碑对手机 APP的扩散过程具 有重要影响, 企业管理者需要密切关注手机 APP电子口碑的动态变化, 积极引 导电子口碑的舆论导向, 以促进产品的传播与发展。 本研究中

38、还存在一些局限, 如:未能考虑个体用户的异质性、手机 APP 重复下载 问题、APP 更新换代的问题等, 未来将进一步开展相关的研究。 参考文献 1金永生, 田慧.网站特征对消费者口碑传播意愿的影响机制研究J现代情报, 2016, 36 (10) :107-112. 2李欣颖, 徐恺英, 盛盼盼.餐饮外卖移动 APP信息采纳行为影响因素实证研 究J.图书情报工作, 2016, 60 (18) :133-139. 3赵玉攀, 杨兰蓉.公众采纳政务APP影响因素及实证研究J.情报杂志, 2015, 34 (7) :195-201. 4杨艳妮, 明均仁, 黄传慧.基于 TAM3的移动图书馆 APP用

39、户的信息采纳行为 研究J.图书馆, 2015, (9) :90-95. 5Frank M.Bass.A New Product Growth for Model Customer DurablesJ.Management Science, 1969, (15) :215-227. 6Rogers EM.Diffusion of InnovationsM.Free Press of Glencoe, 1962. 7Fourt L.A.Woodlock.Early prediction of market success for new grocery productsJ.Journal of M

40、arketing, 1960, (25) :31-38. 8赵保国, 冯旭艳.基于 Bass 模型的微信用户数扩散研究J.中央财经大学学 报, 2014, (11) :108-112. 9Guo X.A novel Bass-type model for product life cycle quantification using aggregate market dataJ.International Journal of Production Economics, 2014, 158:208-216. 10Robinson B, Lakhani C.Dynamic price model

41、s for new-product planningJ.Management science, 1975, 21 (10) :1113-1122. 11Boehner R, Gold S.The influence of the marketing mix on the diffusion of innovation:Bass model reduxEB/OL.https:/ 2017-05-30. 12Wu M, Wang L, Li M, et al.Alleviating Feature Fatigue in product development based on the bass m

42、odelJ.Journal of Engineering, Design and Technology, 2015, 13 (3) :350-368. 13Norton J A, Bass F M.A diffusion theory model of adoption and substitution for successive generations of high-technology productsJ.Management science, 1987, 33 (9) :1069-1086. 14Kim T, Hong J.Bass model with integration co

43、nstant and its applications on initial demand and left-truncated dataJ.Technological Forecasting and Social Change, 2015, 95:120-134. 15张一弛.以“创新扩散”理论分析报纸类 APP发展J.传媒观察, 2014, (4) :40-42. 16徐承欢, 管弦.移动图书馆APP 使用意愿影响因素实证研究基于顾客承 诺和创新扩散的双重视角J.信息资源管理学报, 2015, 5 (4) :65-74. 17武志琴.移动互联网时代 App 的创新扩散以小咖秀为例J.新闻研

44、究导 刊, 2016, 7 (6) :159-160. 18代玲.基于创新扩散理论的打车软件发展研究J.中国商论, 2015, (24) :62-64. 19Schmittlein D C, Mahajan V.Maximum likelihood estimation for an innovation diffusion model of new product acceptanceJ.Marketing Science, 1982, 1 (1) :57-78. 20Easingwood C J, Mahajan V, Muller E.A Nonuniform Influence Inn

45、ovation Diffusion Model of New Product AcceptanceJ.Marketing Science, 1983, 2 (3) :273-295. 21许晓晖, 刘汶荣.国外基于 BASS 模型的技术创新扩散影响因素研究述评J. 社会科学战线, 2009, (10) :265-266. 22罗彪, 丛日飞.留、传、搜、用:消费者行为视角下的电子口碑研究综述与展 望J.外国经济与管理, 2015, (8) :54-64. 23Talukdar D, Sudhir K, Andrew A.Investigating new product diffusion a

46、cross products and countriesJ.Marketing Science, 2002, 21 (1) :97-114. 24Zhao Y, Yang S.Modeling consumer learning from online product reviewsJ.Marketing Science, 2013, 32 (1) :153-169. 25Dellarocas C.The digitization of word of mouth:Promise and challenges of online feedback mechanismsJ.Management Science, 2003, 49 (10) :1407-1424. 26Yilmaz L.Validation and verification of social processes within agent-based computational organization modelsJ.Computational&Mathematical Organization Theory, 2006, 12 (4) :283-312.