基于Agent的手機(jī)銀行品牌擴(kuò)散微觀模型及仿真研究

李瑩瑩, 李 英

(華東理工大學(xué)商學(xué)院,上海 200237)

1 引 言

移動互聯(lián)網(wǎng)時(shí)代,移動化和智能化的金融服務(wù)已經(jīng)逐步滲透至人們的生活.面對經(jīng)濟(jì)下行壓力、壞賬數(shù)量和線下成本的攀升、互聯(lián)網(wǎng)金融興起等因素,銀行業(yè)互聯(lián)網(wǎng)化轉(zhuǎn)型勢在必行.手機(jī)銀行突破了地理和時(shí)間的局限,能夠隨時(shí)隨地為消費(fèi)者提供銀行賬戶管理、移動支付等金融服務(wù),且運(yùn)營成本低于線下,具有明顯的優(yōu)勢.因此,各銀行機(jī)構(gòu)將手機(jī)銀行定位為產(chǎn)品創(chuàng)新、業(yè)務(wù)拓展、戰(zhàn)略轉(zhuǎn)型的重要平臺.從各商業(yè)銀行公布的2018年年報(bào)可知,中國工商銀行、中國建設(shè)銀行兩大國有銀行手機(jī)銀行用戶為兩億多1依次來源于http://www.icbc.com.cn/icbc/;http://www.ccb.com/cn/home/index.html,股份制銀行中的招商銀行手機(jī)銀行用戶為五千萬左右2http://www.cmbchina.com/;但部分城市銀行、網(wǎng)商銀行、微眾銀行等互聯(lián)網(wǎng)民營銀行的手機(jī)銀行產(chǎn)品才剛剛起步.可以看出,手機(jī)銀行產(chǎn)品的擴(kuò)散在銀行品牌層面存在較大差異,且仍有很大的發(fā)展空間.因此,從微觀視角對手機(jī)銀行產(chǎn)品品牌層面的擴(kuò)散過程進(jìn)行研究具有重要意義.

從微觀層面來看, 手機(jī)銀行擴(kuò)散表現(xiàn)為每個(gè)消費(fèi)者的采納決策行為.很多學(xué)者基于TAM(technology acceptance model)、UTAUT(unified theory of acceptance and use of technology)等用戶行為理論,利用實(shí)證方法研究了消費(fèi)者采納手機(jī)銀行的影響因素.TAM模型[1]假定創(chuàng)新技術(shù)的采用是由采納者行為意向所決定的,而個(gè)體行為意向由感知有用性和感知易用性共同決定.Luarn和Lin[2]、Amin等[3]基于擴(kuò)展TAM 模型得出消費(fèi)者自我感知效用、財(cái)務(wù)支出、產(chǎn)品的易用性和有用性對于手機(jī)銀行采納有積極的影響.Venkatesh 在對TAM相關(guān)研究總結(jié)的基礎(chǔ)上提出了UTAUT模型,該模型由績效期望、付出期望、社群影響和便利條件四個(gè)維度組成[4].UTAUT 模型在手機(jī)銀行采納研究中得到了廣泛應(yīng)用[5?7].Zhou等[8]基于UTAUT模型提出了一種手機(jī)銀行消費(fèi)者采納模型,發(fā)現(xiàn)績效期望、付出期望、社群影響和便利條件對于消費(fèi)者采納具有顯著影響.Shareef等[9]使用結(jié)構(gòu)方程和神經(jīng)網(wǎng)絡(luò)兩種方法對手機(jī)銀行的使用情況進(jìn)行分析,發(fā)現(xiàn)服務(wù)質(zhì)量和信任度是影響消費(fèi)者采納的主要因素.另外一些研究者將UTAUT 理論運(yùn)用于不同地域、不同文化和不同消費(fèi)者群體之間的手機(jī)銀行采納進(jìn)行了對比研究[10?12].

除了從微觀層面對消費(fèi)者的采納行為進(jìn)行研究, 還有一些學(xué)者通過BASS模型和SIR傳染病模型等從宏觀層面探索創(chuàng)新技術(shù)或信息擴(kuò)散問題[13,14], 并且有的研究將復(fù)雜網(wǎng)絡(luò)理論加入到模型中, 探討消費(fèi)者網(wǎng)絡(luò)結(jié)構(gòu)異質(zhì)性對于產(chǎn)品持續(xù)擴(kuò)散的影響[15].宏觀模型雖然在描述整個(gè)市場擴(kuò)散上具有優(yōu)勢, 但無法體現(xiàn)消費(fèi)者自身異質(zhì)性對于擴(kuò)散的影響.少量文獻(xiàn)從微觀宏觀相結(jié)合的視角對創(chuàng)新產(chǎn)品的擴(kuò)散規(guī)律進(jìn)行了研究[16?18].Laciana等[19]基于Agent模型, 將BASS模型的消費(fèi)者效用應(yīng)用到用戶采納決策中, 通過調(diào)整微觀模型的參數(shù)組合來仿真宏觀擴(kuò)散規(guī)律,提出了一種將宏觀和微觀模型聯(lián)系起來的方法.這類研究中,每個(gè)Agent代表一個(gè)消費(fèi)者,消費(fèi)者處于一定的社交網(wǎng)絡(luò)中,相互之間可以交互,以是否采納新產(chǎn)品為決策,仿真創(chuàng)新產(chǎn)品被采納及宏觀擴(kuò)散的過程[20,21].Zaffar 等[22]基于Agent 模型對比了城市和鄉(xiāng)村不同消費(fèi)者在采納移動支付上的異同.

已有研究多針對整個(gè)產(chǎn)品品類,從產(chǎn)品品牌層面進(jìn)行研究的較少.Mahajan等[23]研究了新進(jìn)入市場的品牌對已存在品牌的銷售及市場總體規(guī)模變化的影響;Kim等[24]通過Agent模型構(gòu)建了產(chǎn)品擴(kuò)散仿真平臺,消費(fèi)者Agent在進(jìn)行采納決策時(shí)考慮了不同產(chǎn)品品牌的屬性特征.在手機(jī)銀行方面,Wei等[25]通過實(shí)證研究方法構(gòu)建中國市場手機(jī)采納模型,并在此基礎(chǔ)上針對中國八大銀行手機(jī)銀行不同的產(chǎn)品屬性,利用神經(jīng)網(wǎng)絡(luò)方法對消費(fèi)者效用和銀行成本支出的優(yōu)化問題進(jìn)行了研究.

可以看出,手機(jī)銀行產(chǎn)品擴(kuò)散的已有研究中：分別從微觀或宏觀層面進(jìn)行研究的較多,利用微觀宏觀相結(jié)合的方法深入討論消費(fèi)者異質(zhì)性和產(chǎn)品屬性特征差異對擴(kuò)散影響的較少;針對產(chǎn)品品類的研究較多,從產(chǎn)品品牌層面研究擴(kuò)散過程的文獻(xiàn)較少;擴(kuò)散模型中很少有文獻(xiàn)考慮到服務(wù)型創(chuàng)新產(chǎn)品的重復(fù)采納特征.因此,本文融合微觀宏觀兩個(gè)層面,從手機(jī)銀行產(chǎn)品品牌層面出發(fā),利用基于Agent的方法構(gòu)建手機(jī)銀行品牌擴(kuò)散微觀仿真平臺,以現(xiàn)實(shí)世界中的數(shù)據(jù)為基準(zhǔn),對仿真模型的參數(shù)組合進(jìn)行校驗(yàn)和優(yōu)化;并針對國有銀行和股份制銀行,分別從用戶體驗(yàn)、安全性和個(gè)性化等方面設(shè)計(jì)場景,對擴(kuò)散趨勢進(jìn)行仿真實(shí)驗(yàn)分析,從而為各類銀行的手機(jī)銀行推廣提供有針對性的營銷管理建議.

本文的主要貢獻(xiàn)在于: 1)構(gòu)建了一種微觀仿真與宏觀擴(kuò)散相結(jié)合的服務(wù)型創(chuàng)新產(chǎn)品擴(kuò)散模型,將消費(fèi)者的決策行為分解為采納決策和品牌選擇兩個(gè)步驟[26],并且考慮了創(chuàng)新產(chǎn)品屬性隨時(shí)間動態(tài)變化的特征.2)將采納多種手機(jī)銀行產(chǎn)品的消費(fèi)者分解為多個(gè)個(gè)體,建立了一種通過擴(kuò)充采納者基數(shù)實(shí)現(xiàn)對消費(fèi)者重復(fù)采納行為進(jìn)行微觀建模的方法,對于研究服務(wù)型創(chuàng)新產(chǎn)品的擴(kuò)散具有借鑒和推廣價(jià)值.3)從品牌層面研究創(chuàng)新產(chǎn)品的擴(kuò)散問題,并從先進(jìn)入者和跟隨者的角度進(jìn)行實(shí)驗(yàn),為不同類型銀行提出有針對性的手機(jī)銀行產(chǎn)品推廣策略.

2 基于Agent的仿真模型構(gòu)建

本節(jié)將構(gòu)建基于Agent的手機(jī)銀行品牌擴(kuò)散微觀仿真模型.首先建立消費(fèi)者手機(jī)銀行采納行為模型;然后,通過文獻(xiàn)查閱、問卷調(diào)查等方式確定模型中關(guān)鍵參數(shù)的取值范圍,并設(shè)計(jì)模型系統(tǒng)的仿真過程.

2.1 消費(fèi)者采納行為模型

模型中,將消費(fèi)者采納行為分為兩個(gè)步驟: 第一步消費(fèi)者決策是否采納手機(jī)銀行產(chǎn)品,決策過程綜合考慮了消費(fèi)者對于產(chǎn)品效用的感知和社交網(wǎng)絡(luò)對于個(gè)體影響兩部分因素[27];對于決定要采納的消費(fèi)者,第二步基于UTAUT理論[6],從消費(fèi)者異質(zhì)性、手機(jī)銀行產(chǎn)品的多個(gè)屬性、環(huán)境多樣性等角度選擇采納的手機(jī)銀行品牌.

1)手機(jī)銀行產(chǎn)品的采納決策

借鑒Laciana等[19]研究的思路,在本文的仿真模型中,用消費(fèi)者個(gè)體k決策時(shí)的采納效用ΔUk表現(xiàn)為采納新產(chǎn)品的效用和不采納的效用之差,如果ΔUk >0,則消費(fèi)者k將會采納手機(jī)銀行;ΔUk= 0,消費(fèi)者k采納的概率為50%;如果ΔUk <0,消費(fèi)者將不會采納手機(jī)銀行產(chǎn)品.ΔUk計(jì)算如下

2)品牌采納決策

當(dāng)消費(fèi)者決定采納手機(jī)銀行產(chǎn)品后,還要決定選擇哪家銀行的手機(jī)銀行產(chǎn)品,屬于品牌競爭環(huán)境下的消費(fèi)者決策行為.本文采用UTAUT理論[9],從消費(fèi)者感知角度分析手機(jī)銀行被采納的影響因素.其中,績效期望和付出期望兩方面因素對應(yīng)到手機(jī)銀行的產(chǎn)品屬性為:用戶體驗(yàn)(包括操作便捷性、界面友好度、訪問速度)(A1)、功能完備性(A2)、技術(shù)先進(jìn)和安全性(A3)、創(chuàng)新性(A4);便利條件因素通過發(fā)布手機(jī)銀行產(chǎn)品的商業(yè)銀行的規(guī)模(A5)體現(xiàn).

作為一款為銀行客戶提供金融服務(wù)的軟件產(chǎn)品,手機(jī)銀行產(chǎn)品具有更新?lián)Q代快的特征,而其在市場中的擴(kuò)散卻是一個(gè)長期持續(xù)的過程.因此,手機(jī)銀行產(chǎn)品屬性數(shù)據(jù)不是一個(gè)靜態(tài)數(shù)據(jù),而是會隨時(shí)間不斷改進(jìn).假設(shè)銀行b的手機(jī)銀行屬性矩陣如下

其中矩陣的行表示不同的屬性,列表示不同的時(shí)間.b ∈B,B為本文需考察的發(fā)布手機(jī)銀行的商業(yè)銀行集合.本文手機(jī)銀行的屬性值采用權(quán)威媒體發(fā)布的手機(jī)銀行評分,表1所示為2018年新浪財(cái)經(jīng)上發(fā)布的各商業(yè)銀行不同屬性的得分.

表1 各銀行手機(jī)銀行服務(wù)評分3Table 1 The service evaluation of mobile banking

消費(fèi)者的異質(zhì)性通過對手機(jī)銀行各產(chǎn)品屬性的不同敏感度來體現(xiàn),相關(guān)敏感度通過調(diào)查問卷的方式獲取.考慮到消費(fèi)者在決策某個(gè)屬性的敏感度時(shí)可能會在多個(gè)評估值之間猶豫,本文基于模糊理論,定義消費(fèi)者k對于銀行b發(fā)布的手機(jī)銀行某屬性a的感知權(quán)值猶豫模糊集為hab, 有其中l(wèi)ab為猶豫模糊集hab中元素個(gè)數(shù),且文中a= 1,2,...,5.b ∈B,定義m為產(chǎn)品集B的總數(shù)量.為了計(jì)算感知權(quán)值ω,引入信息熵[28],屬性a的信息熵定義為

其中hσ(i)表示描述屬性a的模糊集h中第i大的元素,q >0,T=(1+q)ln(1+q)?(2+q)(ln(2+q)?ln2).根據(jù)信息熵理論,熵值越小,表示不確定性越低,對于該屬性的權(quán)值也就越大,反之,熵值越大,表示不確定性越大,對應(yīng)該屬性的權(quán)值也就越小.因此屬性a的感知權(quán)值計(jì)算公式如下

其中矩陣的元素xij=.

UTAUT理論中的第三個(gè)因素社群影響體現(xiàn)了消費(fèi)者受環(huán)境因素的影響,例如周圍朋友觀點(diǎn)和看法將會影響其對于手機(jī)銀行的采納行為.與其他網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)相比,小世界網(wǎng)絡(luò)[29?32]平均路徑短和聚集系數(shù)高的兩大特征,更加符合現(xiàn)實(shí)人群社交網(wǎng)絡(luò)的特性.因此,在本文的模型中,基于小世界網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)組建虛擬社交網(wǎng)絡(luò),以仿真消費(fèi)者的社交圈對其決策的影響.每個(gè)消費(fèi)者作為網(wǎng)絡(luò)中的一個(gè)節(jié)點(diǎn),節(jié)點(diǎn)之間的連線表示消費(fèi)者與消費(fèi)者之間的社交連接,共享產(chǎn)品的屬性信息.假定消費(fèi)者k為該網(wǎng)絡(luò)中的一個(gè)節(jié)點(diǎn),與消費(fèi)者k存在社交連接的消費(fèi)者設(shè)為c,消費(fèi)者k度為Lk,即c數(shù)目為Lk,消費(fèi)者集合設(shè)為C,c ∈C.考慮消費(fèi)者k受網(wǎng)絡(luò)中與其連接的其他消費(fèi)者影響后,感知權(quán)值矩陣中的元素xij修正為

消費(fèi)者k在時(shí)刻j的手機(jī)銀行效用值滿足采納要求后,計(jì)算市場上各商業(yè)銀行發(fā)布的手機(jī)銀行產(chǎn)品(集合B)的各屬性效用之和并采納值最大的產(chǎn)品.值的計(jì)算如下

2.2 模型參數(shù)設(shè)定

為使得本文的模型可以貼切模擬現(xiàn)實(shí)世界中手機(jī)銀行被消費(fèi)者采納的過程,需優(yōu)化模型參數(shù),找到最優(yōu)參數(shù)組合.參考Laciana[19]和Kim[24]模型中的社交網(wǎng)絡(luò)構(gòu)建方法,通過調(diào)整Pr和L兩個(gè)參數(shù)仿真現(xiàn)實(shí)世界消費(fèi)者之間“口口相傳”的網(wǎng)絡(luò)關(guān)系.Pr為小世界網(wǎng)絡(luò)中每條邊的重連概率.當(dāng)Pr=0時(shí),小世界網(wǎng)絡(luò)轉(zhuǎn)變?yōu)橐?guī)則網(wǎng)絡(luò),當(dāng)Pr = 1 時(shí),小世界網(wǎng)絡(luò)轉(zhuǎn)變?yōu)殡S機(jī)網(wǎng)絡(luò).L參數(shù)代表整個(gè)網(wǎng)絡(luò)的平均度,即網(wǎng)絡(luò)中節(jié)點(diǎn)的邊數(shù)目和的均值.與某個(gè)節(jié)點(diǎn)相連的節(jié)點(diǎn)集合中,已經(jīng)采納的節(jié)點(diǎn)數(shù)越多,那么該節(jié)點(diǎn)采納的可能性較越高,因?yàn)橄噙B的節(jié)點(diǎn)會共享關(guān)于創(chuàng)新產(chǎn)品的信息,促使未采納者進(jìn)行采納決策.

式(4)中,Δu參數(shù)描述的是消費(fèi)者從未采納狀態(tài)到已采納狀態(tài)轉(zhuǎn)變后的效用增量.在Laciana等[19]的研究中,采用了固定值.實(shí)際上,消費(fèi)者在情感、知識等方面的異質(zhì)性導(dǎo)致感知到的效用增量存在差異,不失一般性,假設(shè)效用增量Δu服從正態(tài)分布[33].

一些文獻(xiàn)將消費(fèi)者分為兩類[24]: 一類為革新者,有很強(qiáng)的動力嘗試新產(chǎn)品: 一類為模仿者,需要在革新者的影響和對產(chǎn)品的感知效用增加后才會采納新產(chǎn)品.本文引入?yún)?shù)γ,表示革新者所占總體消費(fèi)者的比率.根據(jù)BASS 模型,革新者的采納行為發(fā)生在創(chuàng)新擴(kuò)散的早期,對于整個(gè)消費(fèi)者團(tuán)隊(duì)的采納行為有重大的作用.為了仿真中國手機(jī)銀行2011年到2018年的擴(kuò)散過程,以每個(gè)月作為一個(gè)時(shí)間步,共96個(gè)時(shí)間步.假設(shè)革新者在前16個(gè)時(shí)間步完成采納,革新者在社交網(wǎng)絡(luò)中隨機(jī)分布.各仿真模型參數(shù)的取值范圍如表2所示.

表2 仿真模型參數(shù)取值范圍Table 2 The value range of model parameters

為了使模型更好的仿真現(xiàn)實(shí)世界中消費(fèi)者的異質(zhì)性,本文通過問卷調(diào)查方法獲取消費(fèi)者相關(guān)屬性值.除了人口統(tǒng)計(jì)特征, 調(diào)查問卷中主要包括: 采用了哪些手機(jī)銀行產(chǎn)品、對于社交影響的敏感度、對于手機(jī)銀行各屬性的敏感度.關(guān)于敏感度的問題均采用7 分制的Likert量表方式.1分～7分的含義分別為非常不贊同、不贊同、略微不贊同、中立、略微贊同、贊同、非常贊同.考慮消費(fèi)者對于各手機(jī)銀行各屬性了解程度各異,消費(fèi)者在決策某個(gè)屬性的感知權(quán)值時(shí)可能會在多個(gè)評估值之間猶豫,因此該項(xiàng)問題設(shè)置為多選,并根據(jù)公式(6)計(jì)算相應(yīng)的信息熵.通過問卷星在線發(fā)送調(diào)查問卷,共收回問卷365份,有效問卷312 份,有效率85%.

2.3 仿真過程

1)初始化

步驟1從調(diào)查問卷數(shù)據(jù)集中,采用放回采樣的方式選取消費(fèi)者樣本構(gòu)建虛擬社交網(wǎng)絡(luò).虛擬網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)為小世界網(wǎng)絡(luò),網(wǎng)絡(luò)中節(jié)點(diǎn)表示消費(fèi)者,邊表示消費(fèi)者之間的社交關(guān)系.根據(jù)調(diào)查問卷中消費(fèi)者采納手機(jī)銀行產(chǎn)品的數(shù)量,生成對應(yīng)數(shù)量的節(jié)點(diǎn)加入到社交網(wǎng)絡(luò)中,通過擴(kuò)充采納者基數(shù)的方式刻畫現(xiàn)實(shí)世界中消費(fèi)者重復(fù)采納手機(jī)銀行產(chǎn)品的特征.

步驟2根據(jù)問卷調(diào)查,為虛擬網(wǎng)絡(luò)中的每個(gè)消費(fèi)者分配社交影響敏感度權(quán)值α和對手機(jī)銀行產(chǎn)品各屬性的感知權(quán)值ω.

2)執(zhí)行

步驟3如果t為擴(kuò)散初期(t=1,4,8,16),選擇相應(yīng)數(shù)量革新者采納對應(yīng)的手機(jī)銀行產(chǎn)品.

步驟4費(fèi)者與社交網(wǎng)絡(luò)中其他個(gè)體交互,更新各自感知效用ΔUk和消費(fèi)者感知后的各手機(jī)銀行屬性,消費(fèi)者感知前的手機(jī)銀行屬性根據(jù)時(shí)間表更新.當(dāng)ΔUk >0時(shí),根據(jù)多品牌產(chǎn)品選擇規(guī)則,選擇一款手機(jī)銀行產(chǎn)品.當(dāng)ΔUk= 0時(shí),生成隨機(jī)自然數(shù),得到偶數(shù)時(shí)根據(jù)上文多品牌產(chǎn)品的選擇規(guī)則,選擇一款手機(jī)銀行產(chǎn)品;得到奇數(shù)時(shí)不采納手機(jī)銀行產(chǎn)品.當(dāng)ΔUk <0時(shí),不采納手機(jī)銀行產(chǎn)品.

步驟5如果有新產(chǎn)品投入市場,選擇相應(yīng)數(shù)量革新者采納新產(chǎn)品.

步驟6設(shè)置t=t+1,當(dāng)t到達(dá)規(guī)定時(shí)間步后,仿真過程結(jié)束.

3 實(shí)驗(yàn)結(jié)果

3.1 手機(jī)銀行產(chǎn)品擴(kuò)散模型的參數(shù)擬合

根據(jù)Analysys易觀產(chǎn)業(yè)數(shù)據(jù)庫發(fā)布的《中國手機(jī)銀行市場季度監(jiān)測報(bào)告2018年第4季度》數(shù)據(jù)顯示4https://www.analysys.cn/article/analysis/detail/20019269,中國手機(jī)銀行交易規(guī)模為77.1萬億元人民幣, 其中中國工商銀行、中國建設(shè)銀行、中國農(nóng)業(yè)銀行、中國銀行、交通銀行、招商銀行、中信銀行、上海浦發(fā)銀行和民生銀行9家銀行的用戶總數(shù)和市場交易總額占整個(gè)市場份額的八成以上.因此,本文的研究重點(diǎn)集中于這9家銀行.根據(jù)銀行性質(zhì)和規(guī)模,將這9 家銀行分為兩類: 前4 家國有大型銀行為一類,此類銀行資本雄厚,為手機(jī)銀行產(chǎn)品的擴(kuò)散提供了堅(jiān)實(shí)的條件;后5家銀行為另一類,這類銀行雖然資本和規(guī)模相對較小,但手機(jī)銀行的產(chǎn)品創(chuàng)新性更強(qiáng).這兩類銀行的手機(jī)銀行產(chǎn)品分別命名為B1和B2.

本文將擁有智能手機(jī)的用戶消費(fèi)者作為手機(jī)銀行的潛在用戶,截止2017年全國智能手機(jī)用戶數(shù)為9.7億.現(xiàn)實(shí)世界中消費(fèi)者采納多家手機(jī)銀行產(chǎn)品的現(xiàn)象較為普遍,考慮到消費(fèi)者的重復(fù)采納行為,將潛在消費(fèi)者總量設(shè)置為90億,即市場容量為每個(gè)消費(fèi)者均采納了所有9家銀行的手機(jī)銀行產(chǎn)品.為了提高模型運(yùn)算速度,實(shí)驗(yàn)中的個(gè)體總量設(shè)置為9萬,即虛擬網(wǎng)絡(luò)中1個(gè)節(jié)點(diǎn)大約代表現(xiàn)實(shí)中的10萬個(gè)消費(fèi)者.

本文使用Repast Simphony 2.6作為仿真模型框架, Repast是芝加哥大學(xué)社會科學(xué)計(jì)算研究中心研制的多Agent建模工具.將消費(fèi)者的采納效用增量Δu和社交網(wǎng)絡(luò)節(jié)點(diǎn)的平均度L分別設(shè)定為0.43和4, 通過調(diào)整小世界網(wǎng)絡(luò)斷鍵重連率和革新者占比兩個(gè)參數(shù), 得到圖1和圖2所示的擴(kuò)散曲線.圖1為在斷鍵重連率Pr= 0(規(guī)則網(wǎng)絡(luò)),革新者比例γ分別設(shè)定為0.01和0.02時(shí),手機(jī)銀行產(chǎn)品擴(kuò)散的時(shí)序圖;圖2為斷鍵重連率Pr=0.05,革新者比例γ分別設(shè)定為0.01和0.02時(shí)的擴(kuò)散曲線.斷鍵重連率設(shè)定為0.05,虛擬社交網(wǎng)絡(luò)表現(xiàn)為更短的網(wǎng)絡(luò)路徑長度和更高的聚集效應(yīng),屬于小世界網(wǎng)絡(luò)結(jié)構(gòu).從圖1和圖2中可以看出,與規(guī)則網(wǎng)絡(luò)結(jié)構(gòu)相比,小世界網(wǎng)絡(luò)下手機(jī)銀行產(chǎn)品的采納速度更快;且革新者比率的增加也起到了顯著的作用.以上實(shí)驗(yàn)結(jié)論與宏觀BASS模型相符.

3.2 品牌擴(kuò)散模型的參數(shù)擬合

為了進(jìn)一步研究兩種不同類型銀行的手機(jī)銀行產(chǎn)品B1和B2的擴(kuò)散趨勢,本文以2011年至2018年中國工商銀行等9家銀行年報(bào)公布的手機(jī)銀行用戶市場占比作為基礎(chǔ)數(shù)據(jù),構(gòu)造B1和B2兩類產(chǎn)品月度數(shù)據(jù)序列.該序列數(shù)據(jù)記為Pij,其中i=1,2標(biāo)記B1和B2兩類產(chǎn)品,j=1,2,...,96 標(biāo)記月份序列.本文將實(shí)驗(yàn)輸出的手機(jī)銀行產(chǎn)品月度采納數(shù)據(jù)序列記為Qij.為了尋找使模型輸出的采納數(shù)據(jù)與基準(zhǔn)數(shù)據(jù)的誤差率最小的參數(shù)組合,引入誤差率

其中分母表示B1和B2兩類產(chǎn)品9年間月度數(shù)據(jù)的計(jì)數(shù)和.分子表示兩類產(chǎn)品實(shí)驗(yàn)數(shù)據(jù)與真實(shí)數(shù)據(jù)的絕對誤差.

針對表2中的參數(shù)取值,可以得到10×10×6×10=6 000個(gè)參數(shù)組合,對每個(gè)參數(shù)組合進(jìn)行5次實(shí)驗(yàn),共進(jìn)行了30 000次實(shí)驗(yàn).最終得到的最優(yōu)參數(shù)組合為:Pr=0.06,L=7,Δu=0.47,γ=0.01.

國有銀行(B1)、股份制銀行(B2)兩類銀行手機(jī)銀行從2011年到2018年真實(shí)市場月度占比值如圖3所示.最優(yōu)模型輸出的月度占比值如圖4所示,與真實(shí)值之間的誤差率為4.5%.圖5為將消費(fèi)者的社交敏感度權(quán)值設(shè)置為0時(shí)的模型輸出.這種場景下,消費(fèi)者在決策采納哪家銀行的手機(jī)銀行產(chǎn)品時(shí),完全依據(jù)自身對于該產(chǎn)品效用的感知.從圖5 和圖4的比較可以看出,無社交影響時(shí),圖5中B1類產(chǎn)品擴(kuò)散速度顯著降低,B2產(chǎn)品占領(lǐng)市場的速度明顯加快.可能的原因是,有社交影響時(shí),B1類產(chǎn)品較早進(jìn)入市場,憑借其強(qiáng)大的資產(chǎn)和規(guī)模實(shí)力,在社交網(wǎng)絡(luò)中已經(jīng)累積一定的聲望,產(chǎn)生了“l(fā)ock-in”的效應(yīng).

圖6為模型在最優(yōu)參數(shù)組合下,執(zhí)行到180個(gè)時(shí)間步時(shí)B1和B2兩類產(chǎn)品的市場占比值.其中,前96個(gè)時(shí)間步的輸出與圖4相同;97時(shí)間步到180時(shí)間步是假定B1和B2兩類手機(jī)銀行產(chǎn)品屬性保持在2018年水平的情況下,對手機(jī)銀行產(chǎn)品擴(kuò)散的預(yù)測.從圖6 的預(yù)測部分可以看出,股份制銀行的手機(jī)銀行的市場份額占比與國有銀行的差距將逐漸減少.

3.3 仿真實(shí)驗(yàn)及結(jié)果分析

在本部分中,將從手機(jī)銀行產(chǎn)品各屬性角度,設(shè)計(jì)仿真實(shí)驗(yàn)場景,基于仿真平臺進(jìn)行擴(kuò)散實(shí)驗(yàn),并針對國有銀行和民營銀行提出相應(yīng)的管理建議.

1)場景一:國有銀行調(diào)整手機(jī)銀行產(chǎn)品B1的屬性

從圖6的預(yù)測可以看出,國有銀行與股份制銀行手機(jī)銀行產(chǎn)品的市場份額差值逐步降低,國有銀行手機(jī)銀行產(chǎn)品的市場份額將逐步被股份制銀行“蠶食”.那么,國有銀行應(yīng)該采取什么樣的產(chǎn)品調(diào)整策略,避免這種現(xiàn)象發(fā)生呢？手機(jī)銀行的五大產(chǎn)品屬性: 用戶體驗(yàn)A1、功能完備性A2、技術(shù)先進(jìn)和安全性A3、創(chuàng)新性A4和商業(yè)銀行的規(guī)模A5中,前4個(gè)屬性可以通過投入一定資源進(jìn)行提升.

在最優(yōu)化模型中, 針對國有銀行手機(jī)銀行產(chǎn)品的4個(gè)屬性進(jìn)行敏感性分析, 將其取值分別提高5%、10%、20%、30%和40%,得到20種組合,每個(gè)組合進(jìn)行5次實(shí)驗(yàn),最終輸出取平均值.共進(jìn)行了100次實(shí)驗(yàn).模型最終的輸出結(jié)果如圖7～圖10 所示,可以看出:

①當(dāng)四個(gè)屬性分別提升5%時(shí),產(chǎn)品的用戶體驗(yàn)A1的提高對擴(kuò)散效果的影響更大,安全性A3次之.

②手機(jī)銀行產(chǎn)品的任一屬性提升10%,都將顯著提升手機(jī)銀行產(chǎn)品B1的占比.其中,用戶體驗(yàn)A1和創(chuàng)新性A4提升10%的市場占比與該屬性提升25%的占比接近.因此,10%可以作為國有大型銀行針對這兩個(gè)屬性投入資源提升的參考值,超過該值后資源的投入和產(chǎn)出比將會降低.

③從圖8和圖9中可知, 基于提高資源使用效率的原則, 功能完備性A2提升的建議值為20%, 而安全性A3的提升可以使手機(jī)銀行市場占比持續(xù)增加.

因此,國有銀行要扭轉(zhuǎn)市場占比將被“蠶食”的發(fā)展趨勢,最有效的方法是投入資源,全面提升手機(jī)銀行產(chǎn)品的用戶體驗(yàn)A1和產(chǎn)品安全性A3,樹立“客戶至上,安全第一”的人性化服務(wù)理念.

2)場景二: 互聯(lián)網(wǎng)銀行作為新進(jìn)入者加入行業(yè)競爭

雖然權(quán)威媒體并沒有關(guān)于網(wǎng)商銀行、微眾銀行等銀行的手機(jī)銀行產(chǎn)品的屬性評分,但這些互聯(lián)網(wǎng)民營銀行的進(jìn)入也會影響行業(yè)競爭環(huán)境.為了探討這類銀行的手機(jī)銀行產(chǎn)品加入競爭行列后,手機(jī)銀行市場的變化情況,本文設(shè)計(jì)一類新的產(chǎn)品加入仿真模型中,新產(chǎn)品命名為B3.依托互聯(lián)網(wǎng)企業(yè)的技術(shù)優(yōu)勢,互聯(lián)網(wǎng)民營銀行產(chǎn)品的創(chuàng)新性優(yōu)勢比較顯著,但產(chǎn)品功能完備性和產(chǎn)品所擁有的便利條件相對較弱.因此,在國有銀行手機(jī)銀行產(chǎn)品B2的基礎(chǔ)上,B3的功能完備性A2和產(chǎn)品便利條件A5兩個(gè)屬性下降50%,創(chuàng)新性A4提升80%,其它屬性不變.

假定互聯(lián)網(wǎng)民營銀行的手機(jī)銀行產(chǎn)品B3在第9年初,即第97個(gè)時(shí)間步投入市場中,模型輸出如圖11所示.隨著B3市場占比的逐漸增加,國有銀行B1和股份制銀行B2的市場份額都有所減少,其中股份制銀行B2市場份額減少的更加明顯.因此,新進(jìn)入者對股份制銀行產(chǎn)品B2的影響更大,股份制銀行應(yīng)提高警惕,充分發(fā)揮其手機(jī)銀行產(chǎn)品進(jìn)入市場較早、信息基礎(chǔ)設(shè)施建設(shè)較完備、產(chǎn)品安全性高等優(yōu)勢,提供讓消費(fèi)者放心和滿意的產(chǎn)品和服務(wù).與國有大行相比,股份制銀行受限于自身股權(quán)結(jié)構(gòu)、組織結(jié)構(gòu)和人才基礎(chǔ)上的約束,應(yīng)該在局部市場、特定行業(yè)和核心消費(fèi)者群體中奠定差異化的競爭優(yōu)勢,打造“千人千面”、“懂你知你”的個(gè)性化、定制化貼心服務(wù).

4 結(jié)束語

本文基于Agent模型,提出了一種融合微觀和宏觀兩個(gè)層面的服務(wù)類產(chǎn)品品牌層面的擴(kuò)散建模與仿真方法,通過擴(kuò)充個(gè)體基數(shù)的方法模擬了消費(fèi)者的重復(fù)采納行為,并將該仿真模型應(yīng)用于中國的手機(jī)銀行擴(kuò)散市場.模型中,將消費(fèi)者的采納決策行為分解為兩個(gè)步驟: 是否采納決策和基于產(chǎn)品多屬性的品牌決策.以國有銀行和股份制銀行兩類銀行2011 年到2018 年間手機(jī)銀行用戶數(shù)為對比數(shù)據(jù),通過調(diào)節(jié)社交網(wǎng)絡(luò)變量、革新者所占比率、產(chǎn)品相對優(yōu)勢效用等變量,探討各變量對兩類手機(jī)銀行產(chǎn)品擴(kuò)散的影響;并以現(xiàn)實(shí)世界的數(shù)據(jù)為基準(zhǔn),尋找匹配效果最優(yōu)的參數(shù)組合.然后,將最優(yōu)的參數(shù)組合代入仿真模型中,設(shè)計(jì)了國有銀行產(chǎn)品調(diào)整和互聯(lián)網(wǎng)民營銀行新產(chǎn)品進(jìn)入市場的實(shí)驗(yàn)場景,并分析了其對各類產(chǎn)品市場占有率發(fā)展趨勢的影響.

未來的研究可以從以下方面拓展: 本文的仿真模型參數(shù)取值是通過在參數(shù)設(shè)計(jì)的取值范圍內(nèi)遍歷30 000個(gè)組合,取最優(yōu)的參數(shù)組合為本文模型的參數(shù).后續(xù)的研究中可通過遺傳算法、深度學(xué)習(xí)等人工智能方法改進(jìn)模型參數(shù)的尋優(yōu)方法.因數(shù)據(jù)獲取問題,本文在仿真模型構(gòu)建過程中未包含互聯(lián)網(wǎng)銀行的手機(jī)銀行產(chǎn)品.進(jìn)一步的研究中將收集互聯(lián)網(wǎng)銀行相關(guān)數(shù)據(jù),對本文模型進(jìn)行修正.