李華晶

你買東西的時候，是喜歡看看朋友圈里朋友都買了什么？還是喜歡打開app看看陌生人都推薦了什么？朋友圈和陌生人對于用戶而言，誰更有利于他們做出正確的消費(fèi)決策呢？美國加州大學(xué)圣芭芭拉分校的安德魯·德爾頓和麥克斯·卡拉斯諾這樣告訴你。

設(shè)想一個場景：用戶在不確定質(zhì)量的情況下打算買一件電子產(chǎn)品，她知道一位朋友已經(jīng)買了，而另一位陌生人卻沒有購買。此時，她會決定買下這件產(chǎn)品嗎？

如果她的朋友圈里有10位朋友買了這件產(chǎn)品，而她還知道有10 位陌生人并未購買，那么，她的消費(fèi)決策又會是怎樣的呢？

美國加州大學(xué)圣芭芭拉分校的安德魯·德爾頓（Andrew Delton）和麥克斯·卡拉斯諾（Max Krasnow）兩位學(xué)者的模擬研究成果表明，情不自禁相信陌生人甚至傾向于選擇與陌生人合作是人類漫長進(jìn)化的自然現(xiàn)象。

那么，朋友圈和陌生人對于用戶而言，誰更有利于他們做出正確的消費(fèi)決策呢？

朋友圈和陌生人網(wǎng)絡(luò)的綁定

朋友圈里往往聚集著具有同質(zhì)性偏好的人，陌生人網(wǎng)絡(luò)則是由異質(zhì)性偏好的人構(gòu)成。這兩張社會網(wǎng)絡(luò)都會提升用戶在做出消費(fèi)決策前觀察和學(xué)習(xí)的能力，同時也提升了企業(yè)把控用戶社會網(wǎng)絡(luò)的可能性和運(yùn)作空間。

例如，亞馬遜很早就在網(wǎng)頁上為用戶提示，瀏覽某頁產(chǎn)品的顧客最終購買了什么，讓用戶了解其他人之前的消費(fèi)行為。

2010年開始，亞馬遜與臉書（Facebook）合作，為用戶提供社會評價信息。當(dāng)一位用戶將自己的臉書賬戶與亞馬遜賬戶相聯(lián)，他在亞馬遜上瀏覽和選購一件產(chǎn)品時，可以看到同樣這樣綁定賬戶的好友是否購買或“點(diǎn)贊”了這件產(chǎn)品。

再如，在牛仔褲品牌李維斯的母公司李維·斯特勞斯（Levi Strauss）的網(wǎng)站上，用戶既能夠看到朋友們在“朋友商店（Friends Store）”的購買選擇和偏好，還能夠獲知互不相識的陌生人在“大眾商店（Everyone Store）”的這些信息。

就連搜索引擎必應(yīng)（Bing）也實(shí)現(xiàn)了用戶賬戶與其臉書和推特等社交網(wǎng)絡(luò)賬戶的綁定，讓每個人都有可能觀察到來自朋友圈和陌生人的兩類行為信息。

朋友圈產(chǎn)生“信息瀑布”造成錯誤決策

在傳統(tǒng)觀念中，用戶更有可能效仿她的朋友們。因此，相比較異質(zhì)性的陌生人，同質(zhì)性的朋友們的行為信息，對用戶來說更加有用、更具指導(dǎo)性。

例如，朋友買的一本書，要比路邊或網(wǎng)絡(luò)上任意一位陌生人買的書，更有可能符合用戶的偏好。

美國加州大學(xué)伯克利分校的學(xué)者安瑞克·莫里提（Enrico Moretti）研究發(fā)現(xiàn)，人們在決定看什么電影時，會傾向于朋友們的選擇。

但這并不意味著在影響用戶消費(fèi)決策方面，朋友圈總是跑贏陌生人。

清華大學(xué)教授陳煜波與美國兩位學(xué)者的最新研究證明，隨著網(wǎng)絡(luò)規(guī)模的擴(kuò)大，朋友圈極有可能產(chǎn)生“信息瀑布（information cascade）”現(xiàn)象，陌生人網(wǎng)絡(luò)卻不會。

“信息瀑布”意味著用戶在觀察其他人的消費(fèi)行為時，忽略甚至無視自身擁有的、與觀察信息沖突的信號，轉(zhuǎn)而采取與其他人相似的行為，結(jié)果可能造成錯誤的決策。

這樣看來，在一定規(guī)模水平上，對“信息瀑布”具有較高絕緣性的陌生人網(wǎng)絡(luò)，就比朋友圈更能夠提供有用的產(chǎn)品質(zhì)量信息。

陌生人網(wǎng)絡(luò)為何跑贏朋友圈

當(dāng)然，陌生人網(wǎng)絡(luò)是否能夠戰(zhàn)勝朋友圈？取決于兩個重要的行為效應(yīng)。

一是個體偏好效應(yīng)（individual preference effect），簡單來說就是用戶對先前越明確自己需要什么，作出正確產(chǎn)品質(zhì)量判斷的可能性越高。但是由于如今網(wǎng)絡(luò)越來越紛繁復(fù)雜，用戶相比以前更難提前明確自身的偏好要素。

二是社會從眾效應(yīng)（social conforming effect），即用戶遵從他人行為的可能性越高，作出正確質(zhì)量判斷的可能性越低。同時，越來越紛繁復(fù)雜的網(wǎng)絡(luò)，降低了用戶遵從他人行為的可能性，增加了用戶采納自身擁有的質(zhì)量判斷信息的可能性，反而有利于用戶開展積極的社會學(xué)習(xí)。

總的來說，在小規(guī)模網(wǎng)絡(luò)里，個體偏好效應(yīng)大于社會從眾效應(yīng)；在大規(guī)模的網(wǎng)絡(luò)里，社會從眾效應(yīng)大于個體偏好效應(yīng)。

在此基礎(chǔ)上，陳煜波教授等進(jìn)一步提出，由于朋友圈是同質(zhì)性偏好的社會網(wǎng)絡(luò)，因此，當(dāng)朋友網(wǎng)絡(luò)規(guī)模擴(kuò)大到一定程度之后，用戶觀察新增行為的社會學(xué)習(xí)效果，將出現(xiàn)邊際回報遞減的情況。

換言之，了解一些朋友的信息，就能幫助用戶作出產(chǎn)品價值的推斷。了解更多的朋友，幾乎不會改變用戶的判斷。用戶卻能夠從持續(xù)增大的陌生人網(wǎng)絡(luò)中受益，因?yàn)槟吧司W(wǎng)絡(luò)規(guī)模越大，異質(zhì)性越高，而此時由于社會從眾效應(yīng)主導(dǎo)著用戶的學(xué)習(xí)，這就會調(diào)動用戶去積極運(yùn)用自身所掌握的質(zhì)量信息。

是朋友，也是最熟悉的陌生人

互聯(lián)網(wǎng)時代的營銷，不能用傳統(tǒng)的眼光來判斷誰是用戶的朋友，誰是陌生人。

美國研究人員的最新數(shù)據(jù)分析發(fā)現(xiàn)，伴隨著諸如Pinterest（照片分享網(wǎng)站）、Quora（問答SNS網(wǎng)站）和Flipora（基于瀏覽歷史的內(nèi)容推薦引擎）等基于興趣愛好的社交網(wǎng)絡(luò)興起，越來越多的用戶是按照共同興趣愛好來選擇社交網(wǎng)站，而不是簡單地把線下關(guān)系移到線上。

正如一位大學(xué)老師在選擇買什么書當(dāng)教材時，她的同事會進(jìn)入決策參考的朋友圈，而當(dāng)她在選擇看什么電影時，這位同事卻不會出現(xiàn)在影響決策的朋友圈中。

生物學(xué)領(lǐng)域有種“循環(huán)磨（Circular Mill）”現(xiàn)象，是說幾乎不能依靠視力導(dǎo)航的軍蟻，總是通過尋找前面一只螞蟻留下的氣味等信息作出判斷，結(jié)果導(dǎo)致它們常常沒有目的地一直繞圈子，甚至陷入“自殺螺旋”，這就是自然界的“朋友圈”。

而物理學(xué)的“布朗運(yùn)動”則是指任何物質(zhì)的分子，不論在什么狀態(tài)下，都會永不停息地做無規(guī)則的運(yùn)動，而且，當(dāng)物質(zhì)的溫度越高，分子的無規(guī)則運(yùn)動就越劇烈，這就是自然界的“陌生人”。

如何避免朋友圈帶來死循環(huán)，如何挖掘陌生人網(wǎng)絡(luò)的動力源，自然界的實(shí)例或許能帶來些許啟發(fā)。