價(jià)值與風(fēng)險(xiǎn)感知對好評返現(xiàn)行為影響的演化分析

韓 菁，蔡 尋，滕新玉

(1.陜西師范大學(xué)國際商學(xué)院，陜西 西安 710119；2.西安交通大學(xué)管理學(xué)院，陜西 西安 710049)

1 引言

隨著網(wǎng)絡(luò)經(jīng)濟(jì)時(shí)代的到來，中國網(wǎng)購市場取得爆發(fā)式增長。據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心(CNNIC)第41次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》數(shù)據(jù)，截至2017年12月，我國網(wǎng)購用戶規(guī)模達(dá)到5.34億，占網(wǎng)民比例69.2%，年增長14.3%[1]。消費(fèi)者在享受網(wǎng)購便捷和高效的同時(shí)，由于交易平臺的虛擬性、買賣雙方信息不對稱性、交易品類繁雜，監(jiān)管技術(shù)不成熟等原因，使消費(fèi)者也承擔(dān)著較大風(fēng)險(xiǎn)，其中最突出的問題就是網(wǎng)購產(chǎn)品質(zhì)量問題[2]。為改善買家在網(wǎng)購交易中的信息弱勢地位，將網(wǎng)購虛擬性導(dǎo)致的買賣單次博弈變?yōu)橹貜?fù)博弈，網(wǎng)購平臺引入了對賣方的信譽(yù)評價(jià)體系(如淘寶DSR)。信譽(yù)評價(jià)體系為消費(fèi)者提供了一個(gè)對商家產(chǎn)品或服務(wù)進(jìn)行評價(jià)反饋的平臺，也為更多消費(fèi)者提供了購買決策的輔助信息[3]。在這種聲譽(yù)機(jī)制的激勵下，促使商家更重視其商品和服務(wù)的品質(zhì)。然而，近年來這種信譽(yù)評價(jià)機(jī)制受到了網(wǎng)絡(luò)水軍、職業(yè)差評師、好評返現(xiàn)等行為的嚴(yán)峻挑戰(zhàn)。好評返現(xiàn)一般是指賣方為積攢聲譽(yù)，以各種返現(xiàn)或優(yōu)惠形式誘使消費(fèi)者作出好評[4]，相較于雇用網(wǎng)絡(luò)水軍和職業(yè)差評師，低質(zhì)量商品賣方更傾向于采用好評返現(xiàn)策略。這種信用炒作使在線評論偏離真實(shí)性而失去正向引導(dǎo)性，沖擊平臺信譽(yù)評價(jià)體系，不利于電商平臺健康發(fā)展。因此，治理電商平臺中好評返現(xiàn)行為已成為近期一個(gè)具有實(shí)際意義的研究課題。

由于好評返現(xiàn)行為主要存在于國內(nèi)信譽(yù)評價(jià)體制中，國外直接對好評返現(xiàn)行為的研究較少，但相關(guān)問題也引起了國外學(xué)者的關(guān)注。Dellarocas[5]較早懷疑在線評論的真實(shí)性和有效性，建議通過買家對評論內(nèi)容滿意度打分來糾正偏差；Biyalogorsky等[6]、Ryu和Feich[7]和Kumar等[8]通過實(shí)證分析得出商家給予現(xiàn)有顧客一些獎勵能增強(qiáng)消費(fèi)者推薦的可能性，且推薦效果與口碑發(fā)送者及獎勵分配有關(guān)?；诖耍碳业募罴瓤梢詭硇驴蛻?，也能夠滋生信用炒作行為。Lan Yuanfu[9]分析了信用炒作產(chǎn)生的原因及危害，指出法律措施能有效規(guī)制這種行為；Pavlou和Gefen[10]提出通過反饋機(jī)制、第三方托管和信用擔(dān)保能構(gòu)建以制度為基礎(chǔ)的信任電商市場；Cohn和Vaccaro[11]、Chatzidakis和Mitussis[12]則站在消費(fèi)者的視角分析消費(fèi)者的倫理道德與其不誠信行為的關(guān)聯(lián)。針對商家的激勵行為，國內(nèi)學(xué)者開始剖析好評返現(xiàn)行為，并提出一系列治理措施。如楊豐梅等[13]認(rèn)為由于買家與商戶之間信息不對稱，電商失信問題突出，好評返現(xiàn)對網(wǎng)購市場交易主體“看似雙贏，實(shí)則雙輸”。王文婧等[14]認(rèn)為第三方監(jiān)管機(jī)制的設(shè)置能夠減少買家和商家之間的信息不對稱性，對商家不誠信行為有一定的規(guī)制作用，能控制信任風(fēng)險(xiǎn)。國內(nèi)另一部分學(xué)者則通過建立博弈模型來研究雙方策略選擇的內(nèi)在機(jī)制。趙宏霞等[2]建立了一個(gè)仿品賣家和兩個(gè)在線消費(fèi)者的博弈模型，探究不同返現(xiàn)值、評價(jià)時(shí)間等對雙方均衡決策的影響。王寧等[15]在完全理性人的假設(shè)下構(gòu)建買家和商家之間的傳統(tǒng)博弈模型，得出在線評論偏離真實(shí)性的原因。還有部分學(xué)者并沒有直接研究好評返現(xiàn)行為，而是關(guān)注電商平臺的信用問題，其研究思路值得參考。如苗苗和李晴雯[16]通過構(gòu)建完全信息靜態(tài)博弈模型與重復(fù)博弈模型，找出影響電商平臺誠信行為的關(guān)鍵因素，旨在提高賣家誠信概率和買家購買概率。Huang Youbei和Wang Mingming[17]等運(yùn)用重復(fù)博弈模型，深入研究了我國C2C模式中的網(wǎng)絡(luò)信用問題，并驗(yàn)證了信用評價(jià)機(jī)制的有效性。

可見，國內(nèi)外學(xué)者對好評返現(xiàn)行為或電商信用問題的研究主要集中于其產(chǎn)生機(jī)理和治理措施，他們利用實(shí)證分析和構(gòu)建博弈模型的方法得出了豐富的理論成果，但對好評返現(xiàn)行為的研究還有以下不足：沒有直接構(gòu)建關(guān)于買家和商家策略交互的博弈模型，以探究雙方策略選擇相互影響的內(nèi)在機(jī)理；演化博弈因能刻畫有限理性條件下群體間基于學(xué)習(xí)的策略演化過程，為宏觀調(diào)控群體行為提供依據(jù)，已成為分析有限理性主體決策行為的有力工具，廣泛應(yīng)用于企業(yè)經(jīng)營、政府管理、社會治理、國際外交等領(lǐng)域[18-19]，盡管部分研究考慮了決策者的有限理性，引入演化博弈來分析買家和商家策略動態(tài)演化過程，但忽視了面對不確定的決策環(huán)境，決策主體存在主觀判斷偏差和價(jià)值感知偏好?；诖?，本文為更好地刻畫獎懲機(jī)制設(shè)置下買家與商家間決策動態(tài)演變過程，將前景理論和風(fēng)險(xiǎn)感知因素引入演化博弈分析過程，運(yùn)用前景價(jià)值函數(shù)修正支付矩陣部分參數(shù)，分析不同穩(wěn)定條件下雙方的策略選擇及均衡狀態(tài)，從前景理論和風(fēng)險(xiǎn)感知的視角解釋現(xiàn)實(shí)中穩(wěn)定條件難滿足的原因和雙方的行為傾向，仿真不同參數(shù)變化對演化結(jié)果的影響。

2 問題描述與模型構(gòu)建分析

2.1 問題描述

C2C平臺中好評返現(xiàn)行為的發(fā)生可以看作是商家是否返現(xiàn)、買家是否好評的博弈結(jié)果。由于平臺對商家的不誠信行為存在監(jiān)管規(guī)制，且買家作出差評有概率會受到商家的騷擾威脅，因此商家和買家之間的博弈可看作是一種風(fēng)險(xiǎn)決策行為。由此可構(gòu)建關(guān)于商家和買家間的不對稱雙群體演化博弈模型以描述商家和買家策略的演化過程，并基于現(xiàn)實(shí)情景作以下假設(shè)。

2.2 模型假設(shè)

假設(shè)1：博弈主體為商家和買家，且均為有限理性。雙方對策略的選擇完全基于對該策略損益值的感知價(jià)值，而并非策略本身的直接損益，這種價(jià)值感知行為符合前景理論。據(jù)Kahneman和Tversky[20]的觀點(diǎn)，該感知價(jià)值可通過前景值V衡量，由價(jià)值函數(shù)V(Δφi)和權(quán)重函數(shù)ω(pi)共同決定，由式(1)所示：

(1)

其中，pi為事件i發(fā)生的客觀概率。因風(fēng)險(xiǎn)決策具有復(fù)雜性和不確定性，在實(shí)際決策過程中可把決策者給出的屬性期望視為參照點(diǎn)，將實(shí)際收益與參照點(diǎn)進(jìn)行比較。Δφi就表示決策者對事件i中實(shí)際收益與參照點(diǎn)離差的主觀價(jià)值感受，Δφi≥0表示決策者對該決策行為的心理感知為“收益”；Δφi<0表示決策者對該決策行為的心理感知為“損失”，V(Δφi)為Δφi的價(jià)值函數(shù)，具有損失規(guī)避、收益偏好的特征，且當(dāng)Δφi<0時(shí)，函數(shù)的敏感性更強(qiáng)。α(0<α<1)表示決策者對感知“收益”和“損失”價(jià)值函數(shù)邊際遞減程度，其值越大，感知價(jià)值邊際遞減程度越大。λ(λ≥1)表示損失規(guī)避系數(shù)，值越大表明決策者對損失的敏感程度越高。決策權(quán)重ω(pi)有如下特征：ω(1)=1，ω(0)=0；當(dāng)pi值較小時(shí)，ω(pi)>pi；當(dāng)pi值較大時(shí)，ω(pi)

假設(shè)2：博弈雙方的決策背景：①商家提供的是低質(zhì)量的商品或服務(wù)，買家本應(yīng)作出客觀差評。②C2C平臺加強(qiáng)了對商家好評返現(xiàn)行為的管控，發(fā)現(xiàn)商家有返現(xiàn)行為將會給予處罰，對誠信商家將給予獎勵。

假設(shè)3：商家在現(xiàn)實(shí)博弈過程中有兩種選擇：①好評返現(xiàn)H1：商家追求好評帶來的增益或迫于外界競爭環(huán)境的影響。其中商家返現(xiàn)行為分為主動返現(xiàn)和被動返現(xiàn)，被動返現(xiàn)常指買家作出好評主動要求商家返現(xiàn)。②不好評返現(xiàn)H2：即不采取好評返現(xiàn)策略，因商家滿足于當(dāng)前的收益或怕受到平臺監(jiān)督處罰；面對這些低質(zhì)量的商品或服務(wù)，除申請退換貨外，買家也有兩種選擇：①虛假好評E1：買家受商家返現(xiàn)的誘惑或?yàn)楸苊馍碳因}擾的麻煩，也不排除部分買家忽視社會道德故意為之。②客觀差評E2：抒發(fā)對商品的強(qiáng)烈不滿或善意引導(dǎo)其他潛在消費(fèi)者。若買家不作出任何評價(jià)，系統(tǒng)顯示“此用戶沒有填寫評價(jià)”，不對博弈結(jié)果產(chǎn)生影響，博弈雙方策略假設(shè)符合實(shí)際。

假設(shè)4：博弈雙方的策略選擇具有互補(bǔ)效應(yīng)，好評返現(xiàn)行為制造的虛假評論將破壞C2C平臺信譽(yù)評價(jià)機(jī)制。當(dāng)買家和商家的策略組合為{E2，H2}時(shí)，即買家選擇客觀差評策略，商家選擇不好評返現(xiàn)策略，這時(shí)最有利于促進(jìn)C2C平臺健康發(fā)展；若僅有一方作出誠信客觀策略，如組合{E1，H2}時(shí)買家出于主動要求返現(xiàn)或故意為之的動機(jī)作出虛假好評或組合{E2，H1}時(shí)商家主動采用好評返現(xiàn)這種不正當(dāng)競爭策略，這均將影響平臺構(gòu)建健康的在線評論環(huán)境；尤其當(dāng)雙方的策略組合為{E1，H2}時(shí)，將產(chǎn)生

大量虛假評論，嚴(yán)重破壞平臺的信譽(yù)評價(jià)機(jī)制。本文就要討論在何種條件下博弈雙方的策略組合會朝著{E2，H2}逐步演化，并給出在其它策略組合狀態(tài)下對應(yīng)的治理措施。

2.3 矩陣構(gòu)建及參數(shù)說明

結(jié)合以上四點(diǎn)假設(shè)，依據(jù)前景理論博弈雙方對確定的損益不存在感知價(jià)值與實(shí)際效用的偏差，只有當(dāng)雙方對損益不確定時(shí)才會產(chǎn)生心理感知效用的觀點(diǎn)，可知返現(xiàn)金額、平臺對好評返現(xiàn)行為所處的罰金及對誠信行為給予的獎勵三者受雙方策略影響，且具有不確定性，存在價(jià)值感知特征。由此結(jié)合實(shí)際博弈情形構(gòu)建收益感知矩陣如表1所示：

表1 不同策略下買家和商家的收益感知矩陣

表2 收益矩陣相關(guān)參數(shù)說明

2.4 模型構(gòu)建與分析

(1)模型的構(gòu)建

本文借鑒復(fù)制動態(tài)機(jī)制，研究買家與商家的策略選擇問題，其思想是下階段種群采用某種策略的增長率與現(xiàn)階段種群中選擇該策略的比例和收益呈正相關(guān)，隨時(shí)間的演化，收益高的種群比例會增大，收益低的種群比例會減小，直至逐漸消亡。故作以下推導(dǎo)：

買家選擇虛假好評的感知期望收益：

(2)

買家選擇客觀差評的感知期望收益：

(3)

買家的混合感知期望收益：

(4)

商家選擇好評返現(xiàn)的感知期望收益：

(5)

商家選擇不好評返現(xiàn)的感知期望收益：

(6)

商家的混合感知期望收益：

(7)

在該博弈中，買家和商家均為有限理性，雙方在博弈過程中根據(jù)當(dāng)時(shí)狀態(tài)、各自偏好和價(jià)值感知確定策略調(diào)整的參照點(diǎn)，其風(fēng)險(xiǎn)偏好與策略調(diào)整符合復(fù)制動態(tài)方程刻畫的基本特征。復(fù)制動態(tài)方程是用于描述決策者采用特定策略頻度的動態(tài)微分方程，通過該方程可以分析買家和商家的策略演化路徑。

買家選擇虛假好評的復(fù)制動態(tài)方程為：

(8)

商家選擇好評返現(xiàn)的復(fù)制動態(tài)方程為：

(9)

(2)買家策略的演化穩(wěn)定分析

當(dāng)V(kb)>0，且C1+e+2L<0時(shí)，即當(dāng)買家對返現(xiàn)金額的收益感知為正，且買家對作出差評后擔(dān)心受到商家騷擾威脅的情感效用遠(yuǎn)大于其道德成本、社會公共利益感知、以及作出差評的情感極性之和時(shí)，y>y0，V(x2)<0，故x2=1為穩(wěn)定狀態(tài)，即買家會選擇虛假好評策略。

當(dāng)V(kb)>0，C1+e+2L>0時(shí)，即當(dāng)買家對返現(xiàn)金額的收益感知為正，買家對作出差評后擔(dān)心受到商家騷擾威脅的情感效用小于其道德成本、社會公共利益感知、作出差評的情感極性之和，且y>y0時(shí)，V(x2)<0，故x2=1為穩(wěn)定狀態(tài)，即買家將會選擇虛假好評策略；當(dāng)V(kb)>0，C1+e+2L>0，且y

小結(jié)1：當(dāng)買家對返現(xiàn)收益感知為正，不論買家對返現(xiàn)收益感知的多少，只要買家對作出差評后擔(dān)心受到商家騷擾威脅的情感效用大于其道德成本、社會公共利益感知及作出差評的情感極性之和時(shí)，有限理性的買家都會選擇虛假好評策略；當(dāng)買家對返現(xiàn)收益感知為正，買家對作出差評后擔(dān)心受到商家騷擾威脅的情感效用小于其道德成本、社會公共利益感知、作出差評的情感極性之和時(shí)，買家的策略選擇依賴于對返現(xiàn)金額V(kb)的感知，若買家對V(kb)的感知值越大，買家選擇虛假好評策略的可能性越大，反之亦然。

(3)商家策略的演化穩(wěn)定分析

當(dāng)V′(kb)>0，且V(rD1)-R2+C3+V(rA)-C4>0時(shí)，即當(dāng)商家對返現(xiàn)金額的損失感知為正，且感知不采用好評返現(xiàn)受到平臺獎勵與經(jīng)營成本之差大于采用好評返現(xiàn)占有市場份額收益與平臺懲罰及運(yùn)營成本之差時(shí)，x>x0，V(y1)<0，故y1=0為穩(wěn)定狀態(tài)，即商家會選擇不好評返現(xiàn)策略。

當(dāng)V′(kb)>0，V(rD1)-R2+C3+V(rA)-C4<0時(shí)，即當(dāng)商家對返現(xiàn)損失感知為正，且感知不采用好評返現(xiàn)受到平臺獎勵與經(jīng)營成本之差小于采用好評返現(xiàn)搶占市場份額收益與平臺懲罰及運(yùn)營成本之差時(shí)，且x>x0，此時(shí)V(y1)<0，故y1=0為穩(wěn)定狀態(tài)，即商家會選擇不好評返現(xiàn)策略；當(dāng)V′(kb)>0，V(rD1)-R2+C3+V(rA)-C4<0且x

小結(jié)2：當(dāng)商家對返現(xiàn)損失感知為正，且感知采用好評返現(xiàn)搶占市場份額收益與平臺懲罰及運(yùn)營成本之差小于不采用好評返現(xiàn)受到平臺獎勵與經(jīng)營成本之差時(shí)，有限理性的商家都會選擇不好評返現(xiàn)策略；當(dāng)商家對好評返現(xiàn)金額的損失感知為正，且感知采用好評返現(xiàn)搶占市場份額收益與平臺懲罰及運(yùn)營成本之差大于不采用好評返現(xiàn)受到平臺獎勵與經(jīng)營成本之差時(shí)，商家的策略選擇依賴于對返現(xiàn)金額V′(kb)的感知，若商家對V′(kb)的感知價(jià)值越小，在采用好評返現(xiàn)能給商家?guī)碓鲆娴谋尘跋?，作為具有風(fēng)險(xiǎn)偏好的有限理性人，商家選擇好評返現(xiàn)策略的可能性越大，反之亦然。

(4)買家和商家策略的演化穩(wěn)定分析

由(8)式和(9)式組成的買家和商家的博弈動態(tài)系統(tǒng)如下：

由此可得到系統(tǒng)的5個(gè)局部均衡點(diǎn)：E1(0，0)，E2(0，1)，E3(1，0)，E4(1，1)，E5(x0，y0)，當(dāng)且僅當(dāng)0≤x0，y0≤1時(shí)成立。結(jié)合前文分析可得出買家和商家交互系統(tǒng)均衡策略結(jié)果如表3所示：

表3 買家-商家交互演化均衡策略

注：表3中參數(shù)m=C1+e+2L，n=V(rD1)-R2+C3+V(rA)-C4；且默認(rèn)V′(kb)>0，V(kb)>0。

(5)均衡點(diǎn)穩(wěn)定性分析

為檢驗(yàn)均衡策略的穩(wěn)定性找到雙方演化穩(wěn)定策略(ESS)，根據(jù)Freidman[22]提出的系統(tǒng)演化穩(wěn)定策略計(jì)算方法，通過采用雅克比矩陣的局部穩(wěn)定性分析法可得到ESS，此系統(tǒng)的雅克比矩陣為：

該系統(tǒng)的目標(biāo)是在面對低質(zhì)量的商品或服務(wù)時(shí)買家能選擇客觀差評策略，而商家則思考怎么提高商品或服務(wù)質(zhì)量并誠信地選擇不好評返現(xiàn)策略，即當(dāng)系統(tǒng)策略組合為{E2，H2}時(shí)，最有利于C2C平臺信譽(yù)評價(jià)體系健康發(fā)展。為達(dá)到該策略組合目標(biāo)，應(yīng)當(dāng)同時(shí)滿足以下四個(gè)條件：

V(kb)-C1-L≤e+L，-C1-L≤e+L

R2-V(rD1)-C3≤V(rA)-C4，R2-V(rD1)-C3≤V(rA)-C4

當(dāng)以上四個(gè)條件滿足時(shí)，系統(tǒng)將收斂于E1(0，0)最佳穩(wěn)定狀態(tài)，5個(gè)局部均衡點(diǎn)的穩(wěn)定性結(jié)果如表4所示：

表4 局部均衡點(diǎn)穩(wěn)定性分析

表4中m={(C1+e+2L)(V(rD1)+C3+V(rA)-C4)(C1+e+2L-V(kb))(V'(kb)+V(rD1)+C3+V(rA)-C4-R2)}/V(kb)V′(kb)，

通過穩(wěn)定性分析，滿足以上四個(gè)條件后，系統(tǒng)將會存在一個(gè)ESS (E1)，兩個(gè)鞍點(diǎn)(E2、E3)，一個(gè)不穩(wěn)定點(diǎn)(E4)，一個(gè)沒有演化穩(wěn)定策略的中心點(diǎn)(E5)，由此可得到系統(tǒng)的動態(tài)演化相圖如圖1所示：

圖1 系統(tǒng)動態(tài)演化相位圖

3 基于前景理論和風(fēng)險(xiǎn)感知的演化穩(wěn)定結(jié)果分析

約束條件V(kb)-C1-L≤e+L，-C1-L≤e+L表明：不論商家的策略選擇如何，希望買家自主選擇客觀差評策略，需使買家作出差評的情感極性，對道德成本和社會公共利益的價(jià)值感知之和大于對返現(xiàn)金額的價(jià)值感知與受到商家騷擾威脅的風(fēng)險(xiǎn)感知之和。其策略選擇受V(kb)影響，當(dāng)V(kb)較大時(shí)，買家認(rèn)為返現(xiàn)能給自身帶來較大收益，故策略就越傾向于虛假好評，反之亦然。

約束條件R2-V(rD1)-C3-V(rA)-C4，R2-V(rD1)-C3≤V(rA)-C4表明：不論買家的策略選擇如何，希望商家自主選擇不好評返現(xiàn)誠信策略，需使商家感知不采用好評返現(xiàn)受到平臺獎勵與經(jīng)營成本之差大于采用好評返現(xiàn)搶占市場份額收益與平臺懲罰及運(yùn)營成本之差，這與商家對平臺的獎勵金額V(rA)和監(jiān)督罰金V(rD1)的感知緊密相關(guān)，當(dāng)V(rA)和V(rD1)同時(shí)增大時(shí)，商家就越趨向于選擇不好評返現(xiàn)策略，反之亦然。

現(xiàn)實(shí)中，博弈主體僅具備有限理性，在決策過程中并不能最佳利用已有信息，而是通過自身價(jià)值感知進(jìn)行決策，這使得買家和商家易產(chǎn)生認(rèn)知偏差。對于買家來說，盡管感知返現(xiàn)金額V(kb)有限，但絕大多數(shù)買家見小利而忘大義，高估了V(kb)給自己帶來的收益，即V(kb)>kb，加之買家“多一事不如少一事”趨利避害的心理，使買家放大作出客觀差評將受到商家威脅騷擾的效用，不愿輕易作出客觀差評。由此，許多自利的買家樂此不疲的參與好評返現(xiàn)作出虛假好評，他們低估了自己將要付出的道德成本C1以及由此產(chǎn)生并需要部分由自己承擔(dān)的負(fù)外部性如公共利益的損失L。同樣，商家在對策略選擇判斷時(shí)，容易出現(xiàn)僥幸心理和樂觀偏見，這降低了他們的風(fēng)險(xiǎn)感知水平，弱化了他們規(guī)避風(fēng)險(xiǎn)的意識。商家面對競爭日益激烈的電商環(huán)境，在自身產(chǎn)品和服務(wù)質(zhì)量很難提升的情況下，采用好評返現(xiàn)能在短期內(nèi)獲得較高的收益R0+R2，且由于其具有樂觀偏見，認(rèn)為自己不易受到C2C平臺的監(jiān)管與處罰，將低估好評返現(xiàn)行為要付出的代價(jià)，即V(rD1)

其次，Cooper和Faseruk[23]研究表明面對確定性損失，有限理性的決策者多表現(xiàn)出風(fēng)險(xiǎn)偏好特征。商家不論是否采取好評返現(xiàn)策略都將會付出確定性運(yùn)營成本，而采取好評返現(xiàn)策略有一定概率會付出監(jiān)督罰金rD1但同時(shí)會獲得返現(xiàn)行為帶來的可能性增益R0和確定性增益R2，此時(shí)商家更傾向于風(fēng)險(xiǎn)偏好，寧可冒險(xiǎn)追求返現(xiàn)帶來的高額收益也不滿足于基本收益，依據(jù)前景理論當(dāng)商家面對返現(xiàn)確定性增益R2，他們會低估V(rD1)、V(rA)、V′(kb)三個(gè)概率性結(jié)果，即V(rD1)

4 演化數(shù)值仿真分析

為驗(yàn)證上述理論分析的科學(xué)性與正確性，探究在前景理論的背景下電商平臺在線評論中好評返現(xiàn)機(jī)制模型中各參數(shù)變化對系統(tǒng)演化的影響，本節(jié)利用Matlab軟件進(jìn)一步開展數(shù)值仿真以模擬買家與商家策略選擇的動態(tài)演化過程。結(jié)合現(xiàn)實(shí)與參數(shù)條件設(shè)定，將模型參數(shù)初始取值設(shè)置如下：k=0.8，b=5，V(kb)=4，V'(kb)=3，C1=0.5，e=0.5，L=1，R2=13，r=0.5，D1=16，V(rD1)=6,C3=4，C4=2，A=8，V(rA)=4，x=0.3，y=0.6。仿真過程中，除被分析參數(shù)外，其余參數(shù)保持初始值不變。

4.1 博弈雙方初始選擇概率的相互影響

(1)商家初始選擇概率對買家選擇演化的影響

在既定參數(shù)設(shè)置下，圖2a表示的是在V(kb)>0，且C1+e+2L<0的條件下(此時(shí)e可取-3，其余參數(shù)為初始值)，當(dāng)y初始值為0.1，0.2，0.3……0.9，1時(shí)，x隨時(shí)間變化的演化結(jié)果。由此可知，在該條件下只要商家有一定概率選擇好評返現(xiàn)(即y≠0)，不論y初始值大小如何，買家最終的策略選擇都會演化穩(wěn)定于虛假好評。同理由圖2b所示，在V(kb)>0，且C1+e+2L>0的條件下(參數(shù)均為初始值)，當(dāng)y初始值為0.7(y0)時(shí)，買家最終的策略選擇分別會演化穩(wěn)定于客觀差評和虛假好評。特別地，當(dāng)y的初始值為0.75(=y0)買家的策略選擇將會停止演化。

(2)買家初始選擇概率對商家選擇演化的影響

圖2 不同條件下商家初始選擇概率對買家選擇演化的影響

圖3 不同條件下買家初始選擇概率對商家選擇演化的影響

上述分析結(jié)果與小結(jié)1和小結(jié)2一致，有效驗(yàn)證了前面理論分析的有效性。表明不同條件下，博弈雙方的初始選擇影響著對方最終的演化穩(wěn)定策略。這與決策者在進(jìn)行決策評估時(shí)，不僅依賴于自身價(jià)值感知，還受他人決策狀況影響的觀點(diǎn)一致。

4.2 α和λ的敏感性分析

根據(jù)Kahneman和Tversky[20]的研究，當(dāng)感知收益和損失的邊際遞減敏感性程度α取值0.88，損失規(guī)避系數(shù)λ取值2.25時(shí)，能夠表示任意決策者大致的行為偏好。由此收益感知矩陣中的價(jià)值函數(shù)可表示為：V(kb)=(kb)α，V′(kb)=λ(kb)α，V(rA)=(rA)α，V(rD1)=λ(rD1)α，由此可求出博弈雙方含α和λ的復(fù)制動態(tài)方程：

為探究買家和商家感知價(jià)值敏感性α和損失規(guī)避敏感性λ對系統(tǒng)演化的影響，對α分別取值0.2、0.5、0.88、1；對λ分別取值0.25、1.25、2.25、3；x、y的取值均為0.5，模擬在不同的取值下，博弈系統(tǒng)、買家和商家策略演化結(jié)果對α和λ的敏感性。

(1)決策者對α的敏感性分析

由圖4a模擬結(jié)果可知，在既定參數(shù)設(shè)置下，博弈系統(tǒng)對感知價(jià)值函數(shù)邊際遞減程度α十分敏感。當(dāng)α=0.2和0.5時(shí)，博弈系統(tǒng)朝著策略組合{ E2，H1}演化并最終穩(wěn)定，且α的值越小演化穩(wěn)定的速率越快；當(dāng)α=0.88和1時(shí)，博弈系統(tǒng)朝著策略組合{ E2，H2}演化并最終穩(wěn)定，且α的值越大演化穩(wěn)定的速率越快；這說明在一定范圍內(nèi)增大α的值，有助于系統(tǒng)朝著最優(yōu)的策略組合{E2，H2}演化。由圖4b可知，隨著α的值由0.2增大到0.5，買家對返現(xiàn)收益的感知增大，買家選擇客觀差評策略的演化速率放緩，但當(dāng)α的值超過某個(gè)閾值(0.5～0.88)，如α的值由0.88增大到1，買家向客觀差評策略演化的速率增大。究其原因，隨α的值增大，商家對選擇好評返現(xiàn)將會付出的返現(xiàn)金額的感知V′(kb)及受到電商平臺監(jiān)管處罰的感知V(rD1)增大，且對選擇不好評返現(xiàn)時(shí)受到平臺獎勵的感知V(rA)也增大，這使得商家策略向不好評返現(xiàn)演化，即y值變小，買家無利可圖，這勢必導(dǎo)致買家策略向客觀差評演化的速率增大。由圖4c可知，當(dāng)α=0.2和0.5時(shí)，商家策略向好評返現(xiàn)演化；當(dāng)α=0.88和1時(shí)，商家策略向不好評返現(xiàn)演化；總體來說隨著α的增大，商家策略向不好評返現(xiàn)的趨勢增強(qiáng)，理由同上。

綜上，適度增大α能促使博弈系統(tǒng)向最優(yōu)策略組合演化，盡管隨α增大，在一定時(shí)間范圍內(nèi)V(kb)增大，將促使買家策略向虛假好評演化的趨勢短暫增強(qiáng)，但畢竟返現(xiàn)收益有限，隨商家V′(kb)、V(rD1)、V(rA)增大，商家策略將逐步穩(wěn)定于不好評返現(xiàn)，而后買家自然會選擇客觀差評策略，這說明商家對損失和收益的感知敏感性對博弈系統(tǒng)最終的演化結(jié)果起主導(dǎo)作用。

(2)決策者對λ 的敏感性分析

由圖5a模擬結(jié)果可知，博弈系統(tǒng)對損失規(guī)避程度λ也十分敏感。當(dāng)λ=0.25和1.25時(shí)，博弈系統(tǒng)朝著策略組合{E2，H1}演化，分別演化至(x，y)=(0.08，1)與(x，y)=(0.04，0.79)時(shí)演化終止，且λ的值越小演化穩(wěn)定的速率越快；當(dāng)λ=2.25和3時(shí)，博弈系統(tǒng)朝著策略組合{E2，H2}演化并最終穩(wěn)定，且λ的值越大演化穩(wěn)定的速率越快；這說明在一定范圍內(nèi)增大λ的值，有助于系統(tǒng)朝著最優(yōu)的策略組合{E2，H2}演化。由圖5b可知，在既定參數(shù)設(shè)置下，客觀差評是買家的演化穩(wěn)定策略，且隨λ的值由0.25增大到3，買家選擇客觀差評策略的演化速率增大，其演化速率與λ值的大小呈正相關(guān)。究其原因，隨λ值增大，商家對選擇好評返現(xiàn)將付出高額返現(xiàn)成本及受到電商平臺監(jiān)管處罰的損失規(guī)避程度增強(qiáng)，這使商家策略向不好評返現(xiàn)演化的趨勢增強(qiáng)，故y值變小，間接增大買家策略向客觀差評演化的速率。由圖5c可知，當(dāng)λ=0.25和1.25時(shí)，商家策略向好評返現(xiàn)演化；當(dāng)λ=2.25和3時(shí)，商家策略向不好評返現(xiàn)演化；總的來說隨λ的增大，商家策略向不好評返現(xiàn)的趨勢增強(qiáng)，理由同上。

圖4 系統(tǒng)及博弈雙方對α的敏感性

圖5 系統(tǒng)及博弈雙方對λ的敏感性

綜上，適度增大λ能促進(jìn)博弈系統(tǒng)向最優(yōu)策略組合演化。買家對λ的敏感性主要受商家影響，重點(diǎn)應(yīng)著眼提高商家對λ的敏感性，即增大V′(kb)和V(rD1)。

4.3 相關(guān)參數(shù)變化對買家和商家策略演化的影響

為更全面和直觀的分析博弈系統(tǒng)中相關(guān)參數(shù)對買家和商家策略選擇的影響，以采取更有針對性的治理措施促使買家和商家策略分別向客觀差評和不好評返現(xiàn)演化，作以下仿真分析：

由圖6a所示，在既定參數(shù)設(shè)置下，隨參數(shù)e、C1、L增大，買家策略向客觀差評的演化趨勢增強(qiáng)。這表明提高買家作出客觀差評的收益、道德成本和社會公共利益感知有利于促進(jìn)買家策略向客觀差評演化。由圖6b所示，在既定參數(shù)設(shè)置下，隨參數(shù)R2、C4的減小，C3的增大，商家策略向不好評返現(xiàn)的演化趨勢逐漸增強(qiáng)。這表明降低不返現(xiàn)商家的運(yùn)營成本與好評返現(xiàn)搶占市場份額的收益，增加好評返現(xiàn)的運(yùn)營成本有利于促進(jìn)商家策略向不好評返現(xiàn)演化。

圖6 相關(guān)參數(shù)變化對博弈雙方策略演化的影響

5 結(jié)語

本文針對C2C平臺中的好評返現(xiàn)行為開展研究，將前景理論和風(fēng)險(xiǎn)感知因素引入演化博弈分析過程，利用前景價(jià)值函數(shù)取代傳統(tǒng)支付矩陣中不確定的損益值，使整個(gè)決策過程貫徹有限理性假設(shè)，以此探究獎懲機(jī)制設(shè)置下商家與買家之間好評返現(xiàn)行為的演化機(jī)制，最后利用Matlab軟件模擬不同參數(shù)變化對系統(tǒng)演化結(jié)果的影響。主要結(jié)論如下：

(1)通過對商家和買家策略的演化穩(wěn)定性分析，得出在C2C平臺獎懲機(jī)制設(shè)置背景下，不好評返現(xiàn)為商家的優(yōu)勢策略，而買家更易傾向選擇虛假好評策略。(2)初始條件會影響博弈雙方的演化路徑與結(jié)果。一定約束條件下，當(dāng)一方?jīng)Q策者初始選擇概率圍繞閾值波動時(shí)，另一方將會有不同的策略選擇。(3)適度提高決策者的損失和收益感知敏感性α及損失規(guī)避敏感性λ，能促使該博弈系統(tǒng)向最優(yōu)策略組合演化。對于α，商家對損失和收益的感知敏感性大小對系統(tǒng)最終的演化結(jié)果起主導(dǎo)作用；對于λ，商家的損失規(guī)避敏感性同樣會直接影響買家的策略選擇。(4)提高買家作出客觀差評的收益、道德成本、社會公共利益感知及商家好評返現(xiàn)的運(yùn)營成本，降低不返現(xiàn)商家的運(yùn)營成本及好評返現(xiàn)搶占市場份額的收益能夠誘導(dǎo)買家和商家策略分別向客觀差評和不好評返現(xiàn)演化。

根據(jù)以上結(jié)論，可得出對應(yīng)的一些管理學(xué)啟示：

(1)C2C平臺獎懲機(jī)制的設(shè)置在一定程度上能有效規(guī)制商家好評返現(xiàn)行為，且更應(yīng)重視對買家行為的引導(dǎo)治理。(2)治理好評返現(xiàn)行為要先摸清當(dāng)前平臺大環(huán)境中好評返現(xiàn)行為的現(xiàn)狀——即初始狀態(tài)。調(diào)查買家和商家初始選擇的傾向及比例，參考“閾值”找到治理的癥結(jié)所在，有針對性的采取治理措施。(3)重視提高商家對損失和收益的感知敏感性和對風(fēng)險(xiǎn)感知的敏感性。平臺應(yīng)打擊商家間惡性競爭行為，同時(shí)借助云計(jì)算、大數(shù)據(jù)等新興技術(shù)加強(qiáng)對商家返現(xiàn)行為的監(jiān)管，給予誠信商家更多的獎勵和扶持。買家方面，輿論應(yīng)對其加強(qiáng)誠信教育，并提升他們的維權(quán)意識，引導(dǎo)他們認(rèn)識虛假好評給自身帶來的損失遠(yuǎn)大于眼前的返現(xiàn)收益。(4)通過社會權(quán)益教育讓買家意識到作出虛假好評會損害公共利益。平臺應(yīng)采取相關(guān)措施保護(hù)評論買家隱私，使其免受商家的騷擾和威脅。同時(shí)要明確買家義務(wù)，利用輿論增強(qiáng)對買家的道德約束。對于商家，平臺應(yīng)制定相關(guān)政策扶持誠信經(jīng)營商家，同時(shí)促進(jìn)商家間開展以質(zhì)量為核心的公平競爭，完善在線評論體系，施行多方位監(jiān)管，增加商家返現(xiàn)難度。

本研究對C2C平臺買家和商家好評返現(xiàn)行為策略選擇的互動機(jī)制做了理論上的分析和定量化的研究，通過本文可為相關(guān)部門治理好評返現(xiàn)等信用炒作行為提供借鑒和參考。