張 旭,侯光明,2
(1. 北京電影學(xué)院管理學(xué)院,北京 100088;2.北京理工大學(xué)管理與經(jīng)濟(jì)學(xué)院,北京 100081)
新產(chǎn)品擴(kuò)散(New Product Diffusion)一詞由美國(guó)學(xué)者Bass[1]在其構(gòu)建Bass模型中明確提出,認(rèn)為新產(chǎn)品擴(kuò)散是在一定時(shí)間內(nèi),在大眾傳媒和口碑傳播影響下,由率先采納的少數(shù)消費(fèi)者逐漸擴(kuò)展為更多消費(fèi)者的動(dòng)態(tài)過程。新產(chǎn)品擴(kuò)散理論反映了消費(fèi)者群體行為的客觀規(guī)律,推動(dòng)了市場(chǎng)預(yù)測(cè)與營(yíng)銷策略相關(guān)理論與實(shí)踐的發(fā)展。但該理論提出的時(shí)代背景在20世紀(jì)70年代,近年來科學(xué)技術(shù)與商業(yè)模式已發(fā)生深刻變革,尤其以客戶為中心的體驗(yàn)經(jīng)濟(jì)已成為繼產(chǎn)品經(jīng)濟(jì)和服務(wù)經(jīng)濟(jì)之后的主流經(jīng)濟(jì)形態(tài),新產(chǎn)品擴(kuò)散的管理情景需要與時(shí)俱進(jìn),面向體驗(yàn)經(jīng)濟(jì)的現(xiàn)實(shí)問題。
體驗(yàn)經(jīng)濟(jì)時(shí)代,消費(fèi)者從注重產(chǎn)品或服務(wù)本身轉(zhuǎn)變?yōu)樽⒅卣麄€(gè)消費(fèi)過程的體驗(yàn)[2-3]??诒?,是消費(fèi)者在消費(fèi)體驗(yàn)之后對(duì)產(chǎn)品效能的綜合評(píng)價(jià)[4]。在互聯(lián)網(wǎng)時(shí)代,網(wǎng)絡(luò)口碑已經(jīng)成為消費(fèi)者了解產(chǎn)品信息的重要來源,其傳播對(duì)產(chǎn)品擴(kuò)散產(chǎn)生重大影響[5-7]。尤其在移動(dòng)社交網(wǎng)絡(luò)環(huán)境下,企業(yè)在營(yíng)銷活動(dòng)中需要精準(zhǔn)識(shí)別用戶,提高企業(yè)營(yíng)銷效果[8]。體驗(yàn)經(jīng)濟(jì)下的新產(chǎn)品擴(kuò)散研究,聚焦體驗(yàn)經(jīng)濟(jì)情境下消費(fèi)者群體擴(kuò)散行為的客觀規(guī)律,注重挖掘口碑對(duì)新產(chǎn)品擴(kuò)散的影響,旨在充分利用口碑?dāng)?shù)據(jù)提升產(chǎn)品擴(kuò)散預(yù)測(cè)績(jī)效。
Bass模型提出后,學(xué)者們嘗試從不同角度放寬Bass模型的基本假定,構(gòu)建改進(jìn)模型。Bass等[9]考慮價(jià)格與廣告因素,將經(jīng)典模型拓展為廣義Bass模型。此外,其他學(xué)者從重復(fù)購買[10]、短生命周期[11]、生產(chǎn)限制[12-13]、產(chǎn)品迭代[14]等角度進(jìn)行拓展,推動(dòng)了新產(chǎn)品擴(kuò)散理論的不斷發(fā)展。
在口碑與新產(chǎn)品擴(kuò)散相結(jié)合的研究主要集中在如下兩方面:第一,口碑對(duì)新產(chǎn)品擴(kuò)散影響的外部結(jié)果研究。Chung[15]以手機(jī)銷售為例,研究了網(wǎng)絡(luò)口碑對(duì)產(chǎn)品擴(kuò)散速度、規(guī)模以及國(guó)際流動(dòng)的影響。但該研究關(guān)注的口碑對(duì)產(chǎn)品擴(kuò)散的影響結(jié)果,并未能在Bass模型框架下剖析口碑與產(chǎn)品擴(kuò)散的內(nèi)在關(guān)系。另外,Yan Xiaoming和Liu Ke[16]、Yan Xiaoming等[17]區(qū)分了正面和負(fù)面不同的口碑效應(yīng),研究網(wǎng)絡(luò)口碑影響下供應(yīng)端的生產(chǎn)策略最優(yōu)化問題,但對(duì)需求端的產(chǎn)品擴(kuò)散并無深入討論。第二,口碑對(duì)新產(chǎn)品擴(kuò)散影響的內(nèi)在原理研究。Park和Hoon[18]提出了擴(kuò)散過程中的第三種溝通渠道,即未采納者之間的口碑傳播,認(rèn)為該渠道會(huì)使擴(kuò)散形成指數(shù)增長(zhǎng)態(tài)勢(shì)。丁海欣[19]發(fā)現(xiàn)負(fù)面口碑對(duì)創(chuàng)新擴(kuò)散比例和速度均有影響。Joo和Young[20]聚焦模仿效應(yīng)中口碑傳播的網(wǎng)絡(luò)結(jié)構(gòu),并發(fā)現(xiàn)模仿效應(yīng)系數(shù)值會(huì)隨著網(wǎng)絡(luò)密度降低而降低。但是,該角度研究并沒有剖析口碑對(duì)擴(kuò)散影響具體方式,更沒有結(jié)合Bass模型基本理論假定,研究口碑對(duì)模型解的性質(zhì)影響。
可見,現(xiàn)有研究已取得了豐富的研究成果,也為本文提供了良好的理論與方法參考。但是,外部影響的研究角度缺乏與企業(yè)實(shí)踐中的市場(chǎng)需求預(yù)測(cè)相結(jié)合,而內(nèi)部影響的研究角度則未能將正面和負(fù)面口碑合理嵌入Bass模型的建構(gòu)?;诖?,本文放寬Bass模型中關(guān)于口碑傳播的基本假定,試圖以模型解的性質(zhì)分析來剖析口碑與新產(chǎn)品擴(kuò)散關(guān)系的客觀規(guī)律,并選擇65部電影作為樣本進(jìn)行實(shí)證分析。本文選擇以電影為例,主要有如下原因:第一,電影票房的擴(kuò)散符合新產(chǎn)品擴(kuò)散規(guī)律,基于Bass模型的票房預(yù)測(cè)有較好的擬合績(jī)效[21];第二,電影屬于典型的體驗(yàn)型產(chǎn)品,口碑的在線評(píng)論對(duì)產(chǎn)品擴(kuò)散過程影響明顯[22-23];第三,電影銷售及口碑的相關(guān)數(shù)據(jù)完備且易得。
2.1.1 經(jīng)典BASS模型
圖1 經(jīng)典Bass模型邏輯示意圖
Bass模型的基本假設(shè)為式(1),即潛在群體購買概率P(t)是購買消費(fèi)群體占比的線性函數(shù):
(1)
其中,參數(shù)p(>0)和q(<0)分別為創(chuàng)新效應(yīng)和模仿效應(yīng)影響系數(shù)。在式(1)的基礎(chǔ)上,建立Bass模型的基本等式關(guān)系如下:
(2)
fBM(t)=(1-F(t))(p+qF(t))
(3)
其中,f(t)表示t時(shí)刻已購買人數(shù)占潛在群體比例,而F(t)則為截止t時(shí)刻已累積購買人數(shù)占比。求解此微分方程,可以得到F(t)和f(t)的解析解如下:
(4)
(5)
值得說明的是,下文研究中的參數(shù)符號(hào)表達(dá)與經(jīng)典Bass模型一致,僅在下標(biāo)處標(biāo)示有所區(qū)別。
2.1.2 口碑規(guī)模效應(yīng)下BASS模型修正
基于經(jīng)典Bass模型的基本等式關(guān)系,可以分別從消費(fèi)群體和購買概率兩個(gè)角度進(jìn)行模型修正。Sawhney和Eliashberg[24]提出消費(fèi)者消費(fèi)過程中決策和行動(dòng)是兩個(gè)相互獨(dú)立的過程?;诖耍瑥南M(fèi)群體角度,本文提出了意向群體的概念,即由潛在群體m轉(zhuǎn)換而來,形成了消費(fèi)決策,但未能實(shí)際購買的消費(fèi)群體,用字母N表示。
圖2 口碑規(guī)模效應(yīng)下新產(chǎn)品擴(kuò)散邏輯示意圖
口碑規(guī)模效應(yīng)下新產(chǎn)品擴(kuò)散模型(Quantity improved Bass model, QBM)如圖2所示。在已購買者的口碑影響下,意向群體將是一個(gè)動(dòng)態(tài)變化的過程。既有新增加的意向群體流入m+,也有改變消費(fèi)決策的意向群體流出m-,即形成口碑規(guī)模效應(yīng),具體如下
N=m+m+-m-=(1+δ+-δ-)m=δm
(6)
其中,參數(shù)δ為規(guī)模效應(yīng)系數(shù)。在此假定下,模型基本假定和基本等式修正如下:
(7)
(8)
進(jìn)而求得口碑規(guī)模效應(yīng)下的F(t)的解析解如下:
(9)
2.1.3 口碑比例效應(yīng)下BASS模型修正
(10)
其中,參數(shù)θ為比例效應(yīng)系數(shù),q+和q-分別為正面口碑群體模仿效應(yīng)系數(shù)和負(fù)面口碑群體的模仿效應(yīng)系數(shù)。定義綜合模仿效應(yīng)系數(shù)qw如下:
qw=(1-θ)q+-θq-
(11)
圖3 口碑比例效應(yīng)下新產(chǎn)品擴(kuò)散邏輯示意圖
因此,口碑比例效應(yīng)下的基本假定和基本等式如下:
(12)
(13)
進(jìn)而求得口碑比例效應(yīng)下的F(t)的解析解如下:
(14)
2.1.4 雙口碑效應(yīng)下BASS模型修正
綜合口碑規(guī)模和比例兩方面效應(yīng),形成“潛在群體-意向群體-購買群體-正負(fù)口碑群體”的群體流動(dòng)過程,建立雙口碑效應(yīng)下新產(chǎn)品擴(kuò)散模型(Double improved Bass model, DBM)如圖4所示。
圖4 雙口碑效應(yīng)下新產(chǎn)品擴(kuò)散邏輯示意圖
持正面口碑的購買群體,通過正面口碑模仿效應(yīng)影響購買概率決策的同時(shí),吸引更多潛在群體成為該產(chǎn)品的意向群體;反之,持負(fù)面口碑的購買群體,則因負(fù)面口碑模仿效應(yīng)導(dǎo)致意向群體的流失。綜合兩類效應(yīng),模型基本假定和基本等式如下:
(15)
(16)
進(jìn)而求得雙口碑效應(yīng)下的F(t)和f(t)的解析解如下:
(17)
(18)
在上文構(gòu)建的DBM模型基礎(chǔ)上,本文進(jìn)一步分析規(guī)模效應(yīng)系數(shù)和比例效應(yīng)系數(shù)對(duì)產(chǎn)品擴(kuò)散的影響。進(jìn)行性質(zhì)分析前,求解DBM模型相關(guān)峰值變量如下:
首先,將式(18)乘以m得到t時(shí)刻已購買人數(shù)SDBM(t)如下:
(19)
對(duì)式(19)求導(dǎo),得到:
(20)
因此,在qw>p的前提下,令qwe-(p+qw)t-p=0,得到:
(21)
(22)
(23)
另外,將式(17)乘以m得到t時(shí)刻累積購買人數(shù)γ(t)如下:
(24)
表1 DBM模型相關(guān)變量性質(zhì)分析表
由表1可知,第一,峰值時(shí)間可以有效反映產(chǎn)品擴(kuò)散的衰減情況,在雙口碑效應(yīng)下,群體流出越多,負(fù)面口碑比例越大,產(chǎn)品擴(kuò)散的衰減會(huì)更迅速。此外,存在一定特殊情況,即某產(chǎn)品的綜合模仿效應(yīng)遠(yuǎn)遠(yuǎn)超過創(chuàng)新效應(yīng)時(shí),負(fù)面口碑比例越大,反而會(huì)形成一種輿論話題,引發(fā)消費(fèi)群體關(guān)注,進(jìn)而使產(chǎn)品擴(kuò)散的衰減減緩。第二,峰值銷量可以有效反映產(chǎn)品擴(kuò)散中的最高銷量水平,在雙口碑效應(yīng)下,群體流出越多,負(fù)面口碑比例越大,產(chǎn)品擴(kuò)散的最高銷量水平會(huì)降低。第三,峰值總銷量反映的是產(chǎn)品在達(dá)到峰值之前的累積總銷量,是全生命周期累積銷量的最為重要組成部分,而在雙口碑效應(yīng)下,口碑規(guī)模效應(yīng)與峰值總銷量具有穩(wěn)定的正相關(guān)關(guān)系,而口碑比例效應(yīng)則與峰值總銷量呈負(fù)相關(guān)關(guān)系。第四,累積總銷量是產(chǎn)品擴(kuò)散的最核心體現(xiàn),命題4的兩則命題是應(yīng)用本文構(gòu)建的雙口碑效應(yīng)下Bass模型修正,從理論上證明了口碑規(guī)模效應(yīng)與累積總銷量的正相關(guān)關(guān)系,口碑比例效應(yīng)與累積總銷量的負(fù)相關(guān)關(guān)系。
為了檢驗(yàn)上文提出的雙口碑效應(yīng)下新產(chǎn)品擴(kuò)散模型的實(shí)證效果,本文建立相應(yīng)的回歸模型??紤]到新產(chǎn)品擴(kuò)散的S型非線性特征,本文采用Srinivasan和Mason[25]提出的針對(duì)新產(chǎn)品擴(kuò)散的非線性最小二乘估計(jì)方法,將第t天的銷量S(t)視作潛在消費(fèi)群體m和第t天與第t-1天累積銷量之差的乘積,如式(25)所示:
S(t)=m(F(t)-F(t-1))+ut
(25)
其中,ut為回歸模型殘差項(xiàng)。
由于實(shí)證以電影票房每日數(shù)據(jù)為例,以星期為周期的波動(dòng)特征非常明顯。為了剔除周期性因素干擾,本文加入周期性虛擬變量Dt,基于FBM(t)表達(dá)式,建立BM回歸模型如式(26)所示:
SBM(t)=m(FBM(t)-FBM(t-1))(1+ηDt)+ut
(26)
其中,參數(shù)η為周期效應(yīng)參數(shù),而周期性虛擬變量Dt如式(27)所示:
(27)
同理,基于本文提出的FQBM(t)表達(dá)式,建立QBM回歸模型如式(28)所示:
SQBM(t)=m(FQBM(t)-FQBM(t-1))(1+ηDt)+ut
(28)
其中,對(duì)于口碑規(guī)模效應(yīng)模型中引入的規(guī)模效應(yīng)參數(shù)δ,假定其為如式(29)的函數(shù)形式:
δ=(lnQ)E-μ
(29)
其中,Q為實(shí)際口碑評(píng)論數(shù)量,取對(duì)數(shù)以降低異方差影響,函數(shù)以lnQ為底是為了反映規(guī)模效應(yīng)程度受口碑規(guī)模影響;E為產(chǎn)品實(shí)際口碑效價(jià),反映產(chǎn)品口碑情感傾向,而μ為該函數(shù)中待估計(jì)的口碑效價(jià)參數(shù),函數(shù)以E-μ為冪指數(shù)是為了反映規(guī)模效應(yīng)方向受口碑情感傾向影響,即當(dāng)E>μ時(shí),δ>1,反之當(dāng)E<μ時(shí),δ<1。
另外,基于本文提出的FPBM(t)表達(dá)式,建立PBM回歸模型如式(30)所示:
SPBM(t)=m(FPBM(t)-FPBM(t-1))(1+ηDt)+ut
(30)
其中,口碑比例效應(yīng)模型中引入的比例效應(yīng)參數(shù)θ,用產(chǎn)品負(fù)面口碑比例FU數(shù)據(jù)代替
θ=FU
(31)
最后,基于本文提出的FDBM(t)表達(dá)式,建立DBM回歸模型如式(32)所示:
SDBM(t)=m(FDBM(t)-FDBM(t-1))(1+ηDt)+ut
(32)
其中,參數(shù)δ、θ、μ以及變量Q、E、FU均同上所示。
本文以電影為例,為了充分反映口碑對(duì)電影票房影響,從口碑好與差的兩個(gè)角度分別選取2010至2014年間美國(guó)奧斯卡金像獎(jiǎng)年度最佳影片提名電影和美國(guó)金酸梅獎(jiǎng)最差影片提名電影作為研究樣本,剔除數(shù)據(jù)缺失樣本后,獲得奧斯卡42部和金酸梅23部合計(jì)65部電影。
數(shù)據(jù)來源方面,樣本電影的每日票房、總體票房、上映時(shí)間數(shù)據(jù)來自美國(guó)票房統(tǒng)計(jì)網(wǎng)站Box Office Mojo;電影口碑評(píng)分值、評(píng)論人數(shù)、負(fù)面口碑比例數(shù)據(jù)來自美國(guó)互聯(lián)網(wǎng)電影資料庫(Internet Movie Database, IMDb)。數(shù)據(jù)收集與整理主要采取抓取與解析網(wǎng)頁的方式,收集數(shù)據(jù)截止時(shí)間于2015年11月16日。此外,值得說明的是,Bass模型基本假定要求新產(chǎn)品擴(kuò)散以產(chǎn)品每期銷量為基礎(chǔ)數(shù)據(jù),電影票房實(shí)質(zhì)屬于產(chǎn)品銷售收入,是觀影人次乘以電影票價(jià)后的結(jié)果,考慮到電影票價(jià)的相對(duì)平穩(wěn)性和每日觀影人次數(shù)據(jù)較難獲取,本文模型均以電影票房為基礎(chǔ)數(shù)據(jù)。
3.3.1 擬合和預(yù)測(cè)績(jī)效
為了從整體上全面分析構(gòu)建模型的擬合情況,本文將回歸估計(jì)得到65個(gè)樣本電影的四個(gè)模型的擬合績(jī)效指標(biāo)即赤池信息量(Akaike information criterion, AIC) 和泰爾不等系數(shù)(Theil inequality coefficient, TIC)分別進(jìn)行描述性統(tǒng)計(jì)分析,得到表2。其中,以BM模型為基準(zhǔn)模型,令其指標(biāo)數(shù)據(jù)為絕對(duì)數(shù)據(jù),而其余三個(gè)模型則為相對(duì)數(shù)據(jù),以反映構(gòu)建模型的績(jī)效改進(jìn)。由于AIC越小,反映模型擬合越準(zhǔn)確;TIC越小,表明模型預(yù)測(cè)績(jī)效越高,預(yù)測(cè)誤差越低。因此,當(dāng)相對(duì)數(shù)據(jù)值越小,則表明模型相對(duì)于基準(zhǔn)模型的績(jī)效改進(jìn)越好。由表2可知,績(jī)效優(yōu)化效果最佳的是DBM模型,其擬合績(jī)效優(yōu)化效果一般(<1%),但預(yù)測(cè)績(jī)效優(yōu)化效果顯著(>5%)。而PBM模型和QBM模型亦獲得不同程度績(jī)效改進(jìn),其中QBM模型的AIC相對(duì)數(shù)據(jù)為正,表明其并未能優(yōu)化擬合績(jī)效。
表2 回歸模型績(jī)效的描述性統(tǒng)計(jì)列表
由上可知,本文構(gòu)建的DBM模型在擬合績(jī)效和預(yù)測(cè)績(jī)效方面均有所優(yōu)化。為了反映DBM模型對(duì)于多樣本的績(jī)效表現(xiàn),以AIC指標(biāo)均值27.8為橫坐標(biāo)軸中點(diǎn),以TIC指標(biāo)均值0.12為縱坐標(biāo)軸中點(diǎn),建立直角坐標(biāo)系下的66部樣本電影績(jī)效指標(biāo)散點(diǎn)分布圖,如圖5所示。其中,淺灰色為奧斯卡電影而深灰色為金酸梅電影。四個(gè)象限樣本占比依次為:16.9%、29.2%、24.6%和29.2%。雖然第Ⅱ象限占比最高,但是四個(gè)區(qū)域相差較小,散點(diǎn)分布相對(duì)均勻。另外,在口碑差異角度看,金酸梅獎(jiǎng)樣本電影主要分布在第Ⅲ和Ⅳ象限,而奧斯卡電影則分布較為分散。這說明DBM模型對(duì)于低口碑樣本的預(yù)測(cè)績(jī)效穩(wěn)健性要強(qiáng)于高口碑電影。這可能的原因是,奧斯卡電影在提名或者獲獎(jiǎng)之后,往往會(huì)又有供給排片率的顯著提高,對(duì)于未考慮獎(jiǎng)項(xiàng)因素的DBM模型會(huì)造成績(jī)效擾動(dòng)。
圖5 基于DBM模型的樣本電影績(jī)效指標(biāo)散點(diǎn)圖
3.3.2 參數(shù)估計(jì)
本文將回歸估計(jì)得到65個(gè)樣本電影的四個(gè)模型的參數(shù)m、p、q形成描述性統(tǒng)計(jì)表如表3所示。值得說明的是,表中PBM和DBM模型的參數(shù)q值是依據(jù)表中q+和q-值,按照上文式(2.11)計(jì)算所得qw值,其他數(shù)據(jù)均通過回歸估計(jì)匯總得到。
表3 回歸模型參數(shù)估計(jì)的描述性統(tǒng)計(jì)列表
對(duì)于潛在群體參數(shù)m,相比較于BM和PBM模型,QBM和DBM模型的參數(shù)值較小。這是由于QBM和DBM模型引入了意向群體N,存在著口碑效應(yīng)下的群體流動(dòng)。因此,基于DBM模型,參數(shù)m在未考慮口碑效應(yīng)的經(jīng)典Bass模型中具有一定程度的高估。
對(duì)于創(chuàng)新效應(yīng)參數(shù)p,相比較于BM和QBM模型,PBM和DBM模型的參數(shù)值相對(duì)較小。這說明基于DBM模型,創(chuàng)新效應(yīng)在未考慮口碑效應(yīng)下容易被一定程度高估,但并不明顯。這也是由于模型構(gòu)建時(shí)口碑效應(yīng)的引入并未對(duì)參數(shù)p有直接影響。
對(duì)于模仿效應(yīng)參數(shù)q,具有如下特征:第一,數(shù)值普遍呈現(xiàn)負(fù)值,這可能是因?yàn)楦哳l次高波動(dòng)性的日票房數(shù)據(jù)引入,對(duì)模型估計(jì)具有較強(qiáng)的擾動(dòng);第二,參數(shù)q數(shù)值為負(fù)故小于參數(shù)p值,因而樣本電影的票房曲線主要是衰減形式,并不存在極值。值得說明的是,引入季節(jié)性虛擬變量后,電影票房周末極值則被季節(jié)性因素所解釋;第三,DBM模型的參數(shù)值要大于BM模型,這說明如果不引入口碑效應(yīng),經(jīng)典Bass模型的模仿效應(yīng)容易被低估。
3.3.3 案例電影解析
本文選取三部案例電影進(jìn)行分析。《盜夢(mèng)空間》是奧斯卡2010年度最佳影片提名電影,IMDB評(píng)分8.7且全球票房達(dá)8.3億美元,屬于叫好又叫座的代表?!洞罅ι瘛帆@金酸梅2014年度最差影片提名,IMDB評(píng)分僅4.2,北美票房不及2千萬美元,是口碑差票房少的代表?!蹲冃谓饎?》同獲金酸梅2014年度最差影片提名,雖然IMDB評(píng)分僅為5.8,但全球票房豪取11億美元,是口碑差但票房好的代表。由圖6可見,相比BM模型,三部電影的DBM模型能夠較好擬合實(shí)際數(shù)據(jù)。
圖6 樣本電影DBM模型擬合曲線圖
表4給出了樣本電影DBM模型的全部參數(shù)估計(jì)值及績(jī)效值,括號(hào)內(nèi)為回歸系數(shù)估計(jì)的標(biāo)準(zhǔn)誤差。從擬合及預(yù)測(cè)績(jī)效來看,DBM模型均有不同程度的績(jī)效改進(jìn)。從參數(shù)估計(jì)的顯著性來看,DBM模型達(dá)到了較高的顯著性水平。從參數(shù)估計(jì)值來看,其規(guī)律基本符合整體趨勢(shì),即經(jīng)典Bass模型易造成潛在群體高估m(xù)值、創(chuàng)新效應(yīng)p值高估和模仿效應(yīng)q值的低估。
表4 樣本電影DBM模型的參數(shù)估計(jì)列表
對(duì)于《盜夢(mèng)空間》,其綜合模仿效應(yīng)參數(shù)qw為0.0036,雖然其值小于創(chuàng)新效應(yīng)參數(shù)p值的0.0603,但為正值,說明該電影形成了口碑的積極傳播效應(yīng),促使意向群體更加傾向于選擇觀看這部電影。此外,口碑規(guī)模效應(yīng)參數(shù)δ為2.4625,顯著大于1,說明在口碑規(guī)模效應(yīng)下,意向群體的凈流入增加,即更多觀眾成為了這部電影的潛在消費(fèi)群體。由此,在這兩方面的綜合影響下,《盜夢(mèng)空間》形成了“好口碑-積極擴(kuò)散-群體增加-好口碑”的良好擴(kuò)散循環(huán),進(jìn)而收獲口碑與票房雙豐收。
對(duì)于《大力神》,其qw值為-0.1050,絕對(duì)值要高于p值的0.0972且為負(fù)值,說明該電影的負(fù)面口碑造成了極為不利的口碑傳播效應(yīng),大大降低了意向群體選擇這部電影的概率和傾向。另一方面,口碑規(guī)模效應(yīng)參數(shù)δ為0.9720,略小于1,說明意向群體出現(xiàn)了的凈流出,即意向觀眾在口碑影響下逐漸減少。因而,在兩方面綜合作用下,《大力神》形成了“差口碑-急劇擴(kuò)散-群體減少-差口碑”的惡性循環(huán),從而票房迅速衰減,口碑差的同時(shí)票房成績(jī)也一落千丈。
對(duì)于《變形金剛4》,其qw為-0.0747,絕對(duì)值低于p值的0.1107且為負(fù)值,說明該電影的負(fù)面口碑雖然具有一定程度的負(fù)面擴(kuò)散效應(yīng),但是在前期宣傳、廣告等方面的影響下,意向群體的觀影傾向并未顯著降低。另外,參數(shù)δ值為1.2403,略大于1,說明意向群體形成了凈流入,擴(kuò)充了潛在消費(fèi)群體。這一方面可能由于該影片強(qiáng)大的營(yíng)銷投入,另外也與該影片的動(dòng)漫改編、續(xù)集電影等因素有關(guān)??傮w在兩方面作用下,《變形金剛4》在口碑不理想下實(shí)現(xiàn)了票房大賣。
本文針對(duì)體驗(yàn)經(jīng)濟(jì)下新產(chǎn)品擴(kuò)散問題,從口碑規(guī)模效應(yīng)和比例效應(yīng)兩個(gè)角度,對(duì)經(jīng)典Bass模型進(jìn)行了拓展,構(gòu)建了雙口碑效應(yīng)下新產(chǎn)品擴(kuò)散模型。本文形成主要研究結(jié)論如下:第一,口碑規(guī)模和口碑比例效應(yīng)是新產(chǎn)品擴(kuò)散的兩大口碑影響效應(yīng),可以對(duì)口碑與新產(chǎn)品擴(kuò)散的關(guān)系給出理論解釋。其中,口碑規(guī)模效應(yīng)是指意向群體在已購買者的口碑影響下形成一個(gè)意向群體流入流出的動(dòng)態(tài)變化過程,而口碑比例效應(yīng)是指持負(fù)面口碑的購買者和正面口碑的購買者分別產(chǎn)生不同程度的模仿效應(yīng),對(duì)潛在群體購買決策概率產(chǎn)生影響。第二,通常情況下,在雙口碑效應(yīng)下,意向群體流出越多,負(fù)面口碑比例越大,產(chǎn)品擴(kuò)散衰減會(huì)更迅速,最高銷量水平會(huì)降低,累積總銷量也會(huì)相應(yīng)降低。第三,存在一定特殊情況,當(dāng)產(chǎn)品的綜合模仿效應(yīng)遠(yuǎn)遠(yuǎn)超過創(chuàng)新效應(yīng)時(shí),負(fù)面口碑比例越大,產(chǎn)品擴(kuò)散的衰減反而會(huì)減緩。第四,以電影為例的實(shí)證結(jié)果顯示構(gòu)建模型在擬合績(jī)效和預(yù)測(cè)績(jī)效均有較好表現(xiàn)。
本文的創(chuàng)新點(diǎn)與價(jià)值主要體現(xiàn)在如下三個(gè)方面:第一,將口碑因素納入Bass模型,重塑新產(chǎn)品擴(kuò)散流程。經(jīng)典Bass模型沒有關(guān)注口碑對(duì)模型的具體影響機(jī)理,忽略了負(fù)面口碑造成的需求丟失問題。本文梳理了“潛在群體-意向群體-購買群體-正負(fù)口碑群體”的群體流動(dòng)過程,提升了關(guān)于正面和負(fù)面口碑協(xié)同影響的理論認(rèn)識(shí)。第二,構(gòu)建了雙口碑效應(yīng)的新產(chǎn)品擴(kuò)散模型,并求得模型解析解。本文從口碑規(guī)模效應(yīng)和比例效應(yīng)兩個(gè)角度,對(duì)經(jīng)典Bass模型進(jìn)行了拓展,給出了雙口碑效應(yīng)與新產(chǎn)品擴(kuò)散的相關(guān)關(guān)系的理論證明,對(duì)于Bass模型在口碑渠道角度的發(fā)展具有一定的理論貢獻(xiàn)。第三,基于美國(guó)65部電影實(shí)證證明,引入口碑?dāng)?shù)量、負(fù)面口碑比例等相關(guān)數(shù)據(jù)的模型具有明顯的績(jī)效改進(jìn)。企業(yè)依據(jù)該理論模型,可以將口碑?dāng)?shù)據(jù)有效應(yīng)用到市場(chǎng)需求預(yù)測(cè)中,提升口碑?dāng)?shù)據(jù)的應(yīng)用價(jià)值,而基于口碑?dāng)?shù)據(jù)的需求預(yù)測(cè),能夠反映消費(fèi)者體驗(yàn)的新產(chǎn)品擴(kuò)散趨勢(shì),企業(yè)可以據(jù)此制定相應(yīng)的用戶體驗(yàn)提升策略和市場(chǎng)銷售策略。
當(dāng)然,本文研究也存在一定的不足。第一,理論構(gòu)建方面,未來研究中會(huì)嘗試將口碑動(dòng)態(tài)性因素合理引入,放寬現(xiàn)階段口碑規(guī)模和口碑比例的靜態(tài)假定。第二,實(shí)證分析方面,本文僅僅以電影這一產(chǎn)品類型進(jìn)行了實(shí)證分析,模型適用性有待進(jìn)一步研究。電影屬于文化創(chuàng)意產(chǎn)品,消費(fèi)需求更多面向文化需求和情感需求,消費(fèi)行為通過觀影體驗(yàn)完成,受口碑影響更為明顯。本文可能對(duì)此類口碑影響顯著的產(chǎn)品適用性更明顯。而大宗商品主要面向消費(fèi)者的基本物質(zhì)生活需求,除口碑之外,大眾傳媒也發(fā)揮重要影響。因此,未來可嘗試電子產(chǎn)品等大宗產(chǎn)品類型,提升模型的穩(wěn)健性。