宋紅娟

[摘 ? ?要]近幾年，風險決策和“賭博范式”一直是經濟學和心理學的研究主流，但奈特不確定性的選擇問題沒有引起學者的關注，尤其是旅游營銷領域消費者潛在的認知過程。文章引入貝葉斯學習理論，還原旅游消費者學習過程，通過兩階段實驗來探索感知價格和不確定質量信息對旅游消費者學習及其決策的影響機制。貝葉斯學習理論假設通過提供動態(tài)旅游廣告信息的眼動追蹤實驗來觀察消費者在奈特不確定性決策過程中的學習機制進而得到驗證。結果表明，奈特不確定性下，旅游消費者在不同的信息狀態(tài)空間[St]中基于不同感知價格水平，進行了不規(guī)則的貝葉斯學習;信念變化遵循一階馬爾可夫的學習規(guī)則;貝葉斯學習是一個雙系統(tǒng)加工過程?？傮w而言，結果支持貝葉斯學習模型的信念整合原則。

[關鍵詞]奈特不確定性;貝葉斯學習;旅游消費者;價格決策

[中圖分類號]F59

[文獻標識碼]A

[文章編號]1002-5006（2020）08-0033-15

Doi： 10.19765/j.cnki.1002-5006.2020.08.010

引言

奈特（Frank Hyneman Knight，1885—1972）是20世紀初較有影響力的經濟學家之一，他在著作Risk， Uncertainty and Profit中提出區(qū)別“風險”（已知機會或可測量概率）和“不確定性”（不可測量的概率或不確定的機會）差異的重要性。近年來，奈特不確定性下的風險管理和決策問題越來越引人關注，因為有些利潤在奈特不確定性狀態(tài)下不可能產生而在風險狀態(tài)可能產生[1]，觀測到的行為結果與模型的預測結果存在偏差。

處理奈特不確定性的主要統(tǒng)計決策方法可分為新古典方法（期望效用理論）、參數(shù)修正方法（前景理論等）和貝葉斯方法，但前兩種決策方法分析框架仍是在風險狀態(tài)下的最優(yōu)決策，而非直接面對不確定性，造成研究結果的偏差。目前，一些研究把前景理論直接引入不確定性消費者行為研究，造成結果偏離傳統(tǒng)行為理論，尤其認知過程偏差很大[2-3]。最近一些研究提出并證明了貝葉斯學習法則是解決奈特不確定性的合理方法[4-6]，但沒有進行具體情境的實證研究，特別是旅游消費者決策研究領域。一些學者基于風險狀態(tài)假設研究了消費者決策問題[7]，并比較了風險與奈特不確定性下消費者對價格的不同信息獲取和反應模式，證明了不同的信息狀態(tài)不僅影響選擇，還影響消費者的價格判斷（即支付意愿的形成），即風險狀態(tài)下消費者會過高估價低概率的收益，而奈特不確定性狀態(tài)下會偏低估價低概率收益;風險狀態(tài)下會偏低估價高概率收益，而不確定狀態(tài)下會過高估價高概率收益[8]。本研究由Golan和Ert的文章[8]激發(fā)，探討了一個新的決策情境，稱之為“奈特不確定性下旅游消費者價格決策研究”，具體而言，本研究將從旅游消費者學習視角，結合貝葉斯學習規(guī)則理論，探究奈特不確定性下的價格和產品信息如何影響消費者的購買決策（即支付意愿）。

1 文獻綜述

1.1 奈特不確定性的行為決策方法

本研究重點探討奈特不確定性下旅游消費者基于外部信息（旅游廣告）對價格的反應，貝葉斯學習模型提供了一個框架來研究旅游消費者整合外部信息進行選擇的動態(tài)過程。

在旅游市場中，消費者擁有有限的產品知識，必須通過學習降低不確定性。相關的消費者貝葉斯學習文獻解決了有關產品質量信息有限的問題。Erdem和Keane在他們的開創(chuàng)性工作中估計了消費者如何了解衣服洗滌劑的清潔能力，認為經驗和廣告都給消費者帶來有關洗滌劑質量的嘈雜信號，消費者以貝葉斯學習方式更新其關于質量的信念[9]。在這項研究之后，已經有許多研究在各個市場用貝葉斯框架模擬消費者學習[10-11]。但這些研究主要基于過去的面板數(shù)據演繹消費者的貝葉斯學習過程，側重經濟方面的研究結果，而忽略了消費者在其學習中信念更新的認知機制。

1.2 基于信息加工的價格決策

對于現(xiàn)代旅游市場，許多創(chuàng)新定價機制已經演變，消費者、價格和零售商的關系也發(fā)生了新的變化。例如，priceline.com等一些網上旅行社推出的支付你想要的價格（pay what you want，PWYW）、說出你的價格（name your own price，NYOP）和概率銷售（probabilistic selling）等新的參與定價機制已在市場開始應用，即經營商把旅游需求的不確定性轉化為消費者購買信息的不確定性，消費者面臨奈特不確定性決策問題。針對市場上的不確定性，考慮到決策行為的復雜性，大量研究認同旅游市場參與者的行為受到信念影響，需要綜合過去、現(xiàn)在和未來的信息做出價格決策。本研究重點關注廣告作為信源對旅游消費者價格決策的影響。廣告有兩種信息效應：產品質量信號和影響旅游消費者意識到產品的可能性[12-13]，消費者在廣告動態(tài)的信息環(huán)境中不斷更新價格判斷[14]。廣告信息效應是指廣告有效提供相關信息的能力[15]。營銷專業(yè)人士認為，廣告是刺激需求的信息和有說服力的工具[16]。從廣告的信息性角度來看，大量研究表明，廣告的信息性與廣告對消費者的價格感知有很強的相關性[17]，而廣告的信息性內容是品牌態(tài)度形成的最佳預測因子[18]，而品牌態(tài)度的形成又會對消費者行為產生顯著影響[19]。Klein認為，當消費者在購買決策之前能夠獲得關鍵和有用的產品信息時，被視為體驗商品（如旅游產品）的產品就可以成為搜索商品[20]。特別是，消費者可以從文本、圖像、視頻等內容中建立間接體驗，以及各種廣告信息的刺激，即產品選擇的內在風險，可以隨著消費者對可選方案的了解而大大降低[18]。許多研究表明，由于賣方和買方之間的信息不對稱，企業(yè)有動力通過廣告來影響消費者的價值感知[21]。因此，廣告可以提高消費者的感知質量并改變他們的支付意愿（willingness to pay，WTP），從而在感知質量和支付意愿之間建立積極的關系[22]。

目前，關于消費者價格決策的研究聚焦于消費者價格信息處理階段（價格獲取、價格評估、價格存儲）及其消費行為[23]，但主要集中在確定性情境中靜態(tài)信息和顯性過程的研究，忽略了新的定價機制下不確定信息的動態(tài)變化、消費者的隱性信息學習過程對消費行為的影響，無法解釋新的定價機制下消費者對價格的反應模式。在這種新的旅游市場營銷環(huán)境下，亟須發(fā)展新的理論來解釋旅游消費者、價格和零售商之間的新關系。

1.3 眼動實驗在不確定情境中的應用

鑒于文獻中缺乏對現(xiàn)實決策環(huán)境中的消費者使用的實際學習規(guī)則的共識，因此需要以足夠的靈活性來估計這些規(guī)則以適應貝葉斯學習模式。本文提出了一種評估旅游消費者貝葉斯學習中信念動態(tài)變化的新方法，即在實驗環(huán)境中，利用實驗中的受試者眼睛運動的數(shù)據，以幫助筆者推論受試者在決策過程中使用的學習（或信念更新）規(guī)則。以前的研究已經建立了受試者的眼睛運動和凝視時間之間的聯(lián)系以及他們在選擇實驗中的估價[24]。筆者利用這種連接，并使用決策時間、眼動指標來反映被試在動態(tài)選擇環(huán)境中的不斷變化的信念。

眼動跟蹤技術在決策中的應用是近年來在行為經濟學和決策科學領域得到迅速發(fā)展和開始有效利用的一種方法。這個應用程序顯化了認知過程，是理解人類決策過程的基礎。目前，有關眼動跟蹤技術在決策領域的研究主要集中在風險情境，即概率世界，其中，“賭博范式”主導了大部分研究，主要集中在金融領域[25]，而模糊了奈特不確定性與風險性的認知區(qū)別[3]，同時也忽略了不確定性逐漸提高的旅游市場營銷領域。國內一些學者嘗試借用眼動跟蹤技術對旅游者決策過程進行追蹤，主要包括：（1）外部信息對旅游者決策的影響，例如借用眼動技術可以顯化旅游地圖信息加工模式對旅游決策的影響[26]以及大學生群體對旅游地圖空間符號的認知差異[27]。隨著在線旅游的發(fā)展，眼動技術幫助研究者探索景區(qū)在線評論對游客決策的影響程度[28]，酒店預訂網站的信息布局如何影響消費決策[29]以及旅游移動界面的布局及信息呈現(xiàn)方式如何影響游客的信息搜索[30]等。（2）旅游廣告效果，徐薛艷等探討了眼動實驗法在旅游廣告有效性研究中的合理性[31]，孔少君利用眼動技術構建大學生對移動端旅游廣告的心理效應模型[32]。（3）旅游行為決策研究，眼動技術有助于打開游客游前決策的黑箱以及判斷計劃行為與時空行為的差距[33]。國內這些研究對理解眼動與旅游研究的關系提供了一定的理論實踐，但研究中主要強調現(xiàn)有的、特定的信息，而對旅游消費者在決策過程中不確定的信息更新環(huán)境關注較少。

關于眼睛運動和奈特不確定性之間的關系研究不多，據目前的文獻顯示，從眼睛運動和不確定性之間的類似的行為關系可以推測，人類通常會通過暫停、反應和尋求暗示或信息來對不確定性做出反饋[34]。在最近的兩項研究中，Uggeldahl等確定了眼睛運動與不確定之間的相關性。在選擇任務中可替代方案之間的注視轉換次數(shù)越多，他們所選擇的確定性就越低[35]。Brunyé和Gardony驗證了眼睛運動與感知決策的關系。結果表明，決策的確定性影響了眼動變量，包括注視頻率和注視時長，跳視的頻率、峰值速度和幅度，以及瞳孔面積。而大多數(shù)眼動指標隨著決策的確定性變化呈線性變化，瞳孔面積則揭示了更多關于感知決策時間過程的微妙動態(tài)信息[25]。這表明，轉換的眼動跟蹤措施反映出不確定性，并可能為我們提供一種外部評估方法，用于評估消費者在面臨奈特不確定時的價格決策問題。

2 研究設計

本文沒有使用復雜的模型擬合，而是使用經典的假設檢驗方法。具體來說，通過操縱產品的價格和質量信息之間的差異，來預測因變量以及操縱效果。貝葉斯學習的結果關鍵依賴于信念更新的認知推理過程。整個過程的時間分配和注意力分配是量化其信念的重要指標。本研究選擇決策時間、注視比例、平均注視時長、瞳孔擴張、信息搜索方向作為因變量。首先，本研究基于時間的推移和外部信息的變化從整體角度分析了消費者的貝葉斯學習過程。其次，通過分階段分解了價格決策過程，分析信息與信念的發(fā)展和變化。

2.1 研究假設

本研究引入變量[X*t]，其表示旅游消費者在t階段對當前信號狀態(tài)[St]的信念;顯然，旅游消費者知道他們的信念[X*t]，但這些不被研究者觀察到。在下文中，假設[X*]和S都是離散的，并且支持t個不同的值，用{1， 2， …，t}表示。本研究對旅游消費者的學習和決策規(guī)則做出以下假設：

假設1：旅游消費者的選擇概率[PYt|X*t]僅取決于當前的信念。此外，選擇概率[PYt=y|X*t]在不同的[X*t]值之間變化（即信念影響行為）

這個假設體現(xiàn)了本研究估計旅游消費者信念的核心思想：不可觀察到的變量[X*t]表示目前旅游消費者在判斷哪一個產品是否“值得”購買的當前信念，所以選擇概率[PYt|X*t]可以被解釋為遵循“近視”選擇規(guī)則。這種解釋是通過模擬反轉學習環(huán)境下的完全理性的決策規(guī)則來證明，這表明這些規(guī)則是近視的，僅依賴于當前的信念[X*t]。

假設2：信念[X*t]的運動定律稱為學習規(guī)則，它描述了旅游消費者的信念隨著時間的推移，基于過去的選擇和感知價值而變化

這個假設是由完全理性的貝葉斯信念更新規(guī)則的結構所驅動，其中，期間t的消費者信念[X*t]僅僅依賴于過去的信念[X*t-1]、行動[Ct-1]和期間的價格感知[Vt-1]，屬于典型的一階馬爾科夫鏈。

假設3：奈特不確定下貝葉斯學習是一個雙系統(tǒng)認知過程，旅游消費者信念[X*t]是理性推理[R*t]和啟發(fā)式判斷[E*t]共同作用下形成的，即[X*t]=[αR*t |R*t-1+βE*t|E*t-1]

[α、β]分別表示有意識信息加工和無意識信息加工在信念[X*t]形成過程中的權重系數(shù)。理性推理一直與貝葉斯推理的概念有關，可以幫助旅游消費者在不確定情況下做出理性決策，是非常重要的。簡而言之，貝葉斯規(guī)則通過一個新信息被壓縮的信號來幫助消費者修改先前的信念。但由于人類認知的有限性，旅游消費者通過啟發(fā)式決策提高對市場不確定的反應效率。在形成購買決策過程中，兩個系統(tǒng)相互作用[36]。

2.2 因變量

本研究自變量為感知價格和產品信息不確定程度，驗證感知價格和產品信息不確定程度對旅游消費者信息搜索和信息整合的影響，因變量包括決策時間、注視次數(shù)、平均注視時長（不包括首次和最后一次注視時長）、瞳孔擴張、注意力分布和信息搜索方向。決策時間是指開始曝光于廣告到形成初步選擇的過程。注視次數(shù)指的是每個階段平均注視次數(shù)（次/每次決策/人）。平均注視時長指的是在一次決策中的單一注視時長，換句話說，平均每次注視多長時間。已經有研究證明在學習中總平均注意時長會隨著屏幕感知的加工水平不斷增加[37]。這個結果推廣到更廣泛的應用，可以認為深思熟慮的加工過程伴隨著較長的注視，而直覺或淺層次的信息加工通過短時的注視積累完成[38]。瞳孔擴張指的是任務加工過程中瞳孔面積的變化，反映人們的心理負荷。注意力分布可以解釋為對不確定信息廣告界面特定區(qū)域的注視比例，也叫做興趣區(qū)。興趣區(qū)由兩幅廣告一些小信息區(qū)域組成。信息搜索方向指的是在選項內注視轉換與選項間信息處理所有轉換的百分比。

2.3 實驗設計

在旅游市場中，由于旅游產品頻繁的升級和退出，消費者面臨兩種信息不確定問題：一方面，他們對產品的存在性認知有限;另一方面，消費者在消費前對旅游產品的質量了解有限，特別是面對新的不確定定價形式，消費者很難用概率去衡量旅游產品的交易效用，處于奈特不確定性決策環(huán)境，符合本文的研究情境。因此，本文選擇旅游產品購買情境作為研究典型。

2.3.1 ? ?被試

本實驗于2016年12月在某大學人因認識工程實驗室進行。招募的被試要求在時間和金錢允許的情況下，有意愿購買上?！~阿密的15日郵輪旅游產品。為了控制商業(yè)誘導形象和經驗對實驗的影響，要求被試沒參加過郵輪旅游，只通過非商業(yè)渠道了解過郵輪旅游（例如報紙雜志、教材課本、新聞解說）。被試共36名，其中，男性14名，女性22名，年齡23～50歲（平均年齡為38歲，年齡標準差為3.3歲），一名男性因為視力存在問題，取消了實驗資格，故有效被試35名。所有被試都是右利手，視力正常，無色盲等眼疾，均簽署了研究知情同意書，且均為自愿參與，每位被試在實驗結束后分別獲得了30元的報酬。由于本研究主要測試信息更新對消費者的決策問題，因此采取了組內設計。

2.3.2 ? ?眼動設備

實驗采用加拿大SR Research公司開發(fā)的Eyelink2000桌面式眼動儀，具有采樣頻率高、空間分辨率高、精確度高、數(shù)據反饋迅速等特點。該設備由兩臺計算機組成，采樣率為1000次/秒。其中，一臺計算機用來呈現(xiàn)實驗刺激材料，其液晶顯示器為27英寸，屏幕分辨率設置為1024×768像素;另一臺計算機用來記錄眼動數(shù)據，其刷新頻率為120赫茲。實驗程序由Eyelink2000自帶程序Experiment Builder編制。整個實驗在某大學人因認知工程實驗室進行，隔音及抗干擾條件較好。實驗過程中，被試頭部都由下巴托固定，被試眼睛與顯示屏中央水平距離約為75厘米，與眼動儀距離約為55厘米。在實驗過程中被試雙眼注視屏幕，由于兩個眼球的活動是很協(xié)調的，它們總是向同一方向運動。當頭部固定不動時，用兩眼追蹤一個出現(xiàn)在偏左或偏右前方的物體時，兩眼的運動程度有差異，但這種差別是極微小的。所以，本實驗只記錄其右眼的眼動軌跡。

2.3.3 ? ?實驗刺激

本研究選擇郵輪旅游產品作為實驗刺激材料（圖1），主要有3個原因：首先，過去的研究表明，郵輪旅游產品往往更加體驗化，廣告對旅游消費者的支付意愿的影響異質性很大。第二，郵輪旅游產品是獨一無二的，需要生產者和消費者共同創(chuàng)造完成。旅游消費者在購買產品之前主要通過廣告信息來評估產品的不確定性和商家的不確定性。第三，郵輪旅游產品是即時現(xiàn)場體驗產品，可以消除消費者對產品過期或賣家操縱產品的擔憂。郵輪旅游產品的這些特點為測量廣告的有效性提供了保障。實驗情境是從上?！~阿密的郵輪旅游，共有兩種產品方案可供選擇。為了避免郵輪旅游產品地域性和熟悉度對被試判斷的影響，本研究選擇跨境郵輪旅游產品廣告作為刺激物。在實驗中，分階段播放郵輪旅游的信息性廣告和形象性廣告，構建旅游者產品信息更新環(huán)境。其中，信息性廣告包括確定性廣告和不確定廣告信息，廣告中產品信息的不確定性主要根據廣告產品中信息量的多少來確定。由于旅游屬于體驗性產品，相對于一般商品，消費者旅游決策具有更高的風險性。本研究中不確定性指的是廣告中只允許消費者提供預算，其余的出發(fā)時間、行程天數(shù)等由商家來幫其選擇，但享受折扣優(yōu)惠，只有消費者付款后才知道旅游航線細節(jié);確定性指的是正常的產品銷售，消費者有權利選擇出發(fā)時間、出發(fā)地點和行程天數(shù)，并知曉航線的細節(jié)信息，但感知體驗具有不確定性。本文參考攜程網的報價制作了實驗刺激材料，并對圖片廣告信息的不確定性進行了控制，另外，從攜程網選取歌詩達郵輪視頻形象廣告作為第二階段更新信息實驗素材，其中，廣告的主要內容是對實驗第一階段信息廣告中同一郵輪產品的體驗性進行展示，播放時長大約40秒。

2.3.4 ? ?實驗程序

為了更好地匹配實驗，被試在實驗前要回答選擇確定性問題，每個選擇集使用Likert 5級量表判斷產品確定性問題，1表示非常不確定，5表示非常確定，隨后在分析中用作選擇確定性的度量。本研究采用了一個重復選擇實驗設計，被試在每個實驗階段完成兩個選擇集。每個選擇集包括兩個替代方案：一個替代品屬于不確定性產品，另一個替代品顯示了標準的“常規(guī)”郵輪旅游產品廣告，具有確定性的產品質量信息。采用E-Prime 2.0編程，刺激項目以上下并列的方式呈現(xiàn)在屏幕上方。為了盡量減少時間壓力對被試學習的影響，刺激呈現(xiàn)時間由被試控制。廣告中的價格信息和產品質量信息進行變化對比，廣告郵輪圖片和廣告語在呈現(xiàn)方式（字體、位置、大小、背景顏色）上是固定的，并且總是顯示在廣告屏幕的上半部分，以減少反應的認知負擔。

被試被告知有關調查的主題、實驗程序以及關于眼睛跟蹤的一般說明，然后進行如圖2所示的實驗，首先進行眼動設備的點校正，確保測量的注視數(shù)據與目標點之間的平均差小于或等于40像素，接著介紹實驗過程中的注意事項，被試使用普通電腦鼠標回答問卷調查，并可以隨時查看屏幕上的說明和選擇集，為了使所有選擇集中的視覺注意的起點保持一致，被試被要求在每個選擇集開始前呈現(xiàn)兩秒鐘的固定十字。一旦被試完成了一個試次（trial），圖2中的實驗進行第二次重復試次。每項實驗平均花費約10分鐘完成。被稱為凝視點的單次眼睛跟蹤觀察由當時的被試凝視在屏幕上位置的時間戳和一組坐標組成。根據觀察完成后的凝視點，計算被試的注視位置和持續(xù)時間。注視被定義為在一個半徑內的至少100毫秒的凝視點。

2.4 變量測量

實驗參與者參與實驗之前并不知曉實驗的相關內容。為避免參與者互相交流，影響實驗的真實性，首先給每位參與者分配一個ID號，并請其按照各自的ID號在相應的座位依次就坐;實驗員再向參與者提供書面材料，解釋實驗流程。

在試驗t階段，被試選擇[Yt]∈{1=（“確定性”），2=（“不確定性”）}。被試對這兩個產品產生的感知價值跨實驗而變化，用狀態(tài)變量[St]∈{1，2}進行描述，這是被試從未觀察到的。當[St]=1時，被試處于靜態(tài)信息廣告階段，當[St]=2，被試處于動態(tài)形象廣告階段。受試者在實驗t階段感知的交易效用[Ut]取決于所采取的行動以及（隨機地）當前狀態(tài)，感知效用過程為：

[Ut]=1感知低價格 ? ?如果支付意愿>產品廣告價格

[Ut]=2感知高價格 ? ?如果支付意愿<產品廣告 ? 價格

為方便起見，使用符號[Ut]=1表示感知低價格，[Ut]=2表示感知高價格。被試感知效用根據外部二進制馬爾可夫過程進化，狀態(tài)隨著轉換概率而演變。由于受試者沒有觀察到[St]，并且隨著時間的推移而連續(xù)相關，受試者有機會在過去的感知效用基礎上學習和更新他們對當前狀態(tài)的信念。

第一輪實驗的目的是獲得實驗參與者認知更新前的參照點數(shù)據。首先要求實驗參與者根據已有的知識估計上?！~阿密的郵輪旅游產品價格，作為支付意愿初始值。

第二輪實驗為了避免順序效應，同時播放確定性和不確定性兩種郵輪產品信息性廣告。確定性產品廣告中，實驗參與者可以在現(xiàn)有運營郵輪旅游產品中進行自由選擇;不確定性產品廣告的旅游產品屬于隨機產品，廣告中只包含目的地名字、游程天數(shù)和最低價格，其他信息都由郵輪產品經營商幫助消費者進行選擇（圖1）。關于不確定程度并不直接告知實驗參與者，他們只能通過對廣告信息的閱讀和學習進行統(tǒng)計推斷，假設這一認知更新過程遵循貝葉斯法則。實驗參與者在看完圖片廣告的不確定信息后，要求其分別給出選擇兩個廣告產品的概率。概率較大的那個產品作為每位參與者在本輪實驗中的實際選擇結果。實驗要求參與者對兩個產品給予的概率總和必須為100%。為了符合真實的游前感知價格，嚴禁參與者對兩個產品均給出50%的選擇概率，因為這樣將無法判斷其在該輪實驗中的實際選擇結果，并且要求給出的概率百分數(shù)盡量采用整數(shù)。本實驗階段為了測量過去的信念[X*t-1]、行動[Ct-1]和期間的價格感知[Vt-1]。

第三輪實驗，播放攜程網提供的郵輪旅游產品視頻廣告，連續(xù)播放3次，要求被試再次估計上?！~阿密的郵輪旅游產品價格，目的是獲得實驗參與者經過認知更新并且對支付意愿進行調整之后的數(shù)據，構建被試在信息更新后的感知效用。在經過信息更新后要求實驗參與者分別給出選擇兩種產品的概率，具體規(guī)則與第一輪實驗相同。為了更好地控制視頻時長對實驗結果的影響，實驗后，實驗員對此問題通過訪談被試進行確認，被試一致表明由于形象廣告視頻時長較短，對他們的決策只起到信息更新的作用，對注視時長和決策時間影響甚微。本實驗階段為了測量消費者當前信念[X*t]。

3 結果與討論

首先，從整體的角度分析整個學習過程的選擇規(guī)律和眼動指標特點。其次，從動態(tài)的角度，分析隨著時間的推移，消費者在貝葉斯學習過程中的價格決策的階段性特點。

3.1 整體決策視角

3.1.1 ? ?選擇結果

對于每個對象，每輪實驗t，觀察數(shù)據（[Yt]，[St]，[Ut]）。表1統(tǒng)計了實驗t階段產品的選擇概率，取決于前一階段的選擇和感知效用[PYt|Yt-1， Ut-1]。這可以解釋為被試的“簡化”決策規(guī)則。表1中的首行表示所有被試不同狀態(tài)下的產品選擇概率P[Yt|Yt-1， Ut-1]。在旅游信息廣告[St-1狀態(tài)空間]，被試基于感知效用進行產品選擇，被試的選擇存在顯著的異質性。無論在感知低價格（[Ut-1]=1）或感知高價格（[Ut-1]=2）的情況下，被試傾向于選擇確定性產品，概率達到70%以上，而高度不確定性產品的概率只有20%左右，說明被試在選擇時進行了較理性的學習和判斷，而不是隨機選擇（40%～60%之間的選擇概率稱為隨機化[3]）。

然而，被試在經過信息狀態(tài)轉換后，進入旅游形象廣告階段[St]。在感知低價格（[Ut-1]=1）的情況下，被試仍然選擇“確定性”策略，確定性產品（[Yt=1]）的選擇概率仍然保持在70%以上，但試著通過貝葉斯學習改變原來的選擇，增強了對不確定產品[（Yt=2）]的選擇信念，概率達到63%。在感知高價格（[Ut-1]=2）的情況下，被試接受旅游形象廣告后，通過貝葉斯學習，采取“不確定策略”的被試產品選擇概率變得隨機化，即保持在50%左右，這種不對稱學習原則的發(fā)現(xiàn)在以前的文獻中很少出現(xiàn)，也是本研究的主要發(fā)現(xiàn)之一。確定性策略者開始嘗試選擇不確定性產品，因為廣告信息有助于降低不確定性，符合貝葉斯整合信息的學習原則。

3.1.2 ? ?感知價格和信息不確定性程度對旅游消費者信息搜索和加工的影響

在決策中隨著外部信息的變化，人的注意力產生動態(tài)變化。目前一些研究主要研究了描述性決策（風險狀態(tài)）中人們的注意力轉移模型。本研究主要探討奈特不確定性下的注意偏差及其詳細過程，驗證消費者在貝葉斯學習過程中信念和外部信息相結合的認知過程。

3.2.1 ? ?注意力分布

為了驗證在決策過程中注意偏差的發(fā)生，將產品信息的注視比例作為因變量。圖4顯示出了注視比例與決策時間比例之間的關系，每個箱包含每人每次決策絕對時間的10%，重現(xiàn)對產品偏好的注意偏差。在兩個不同決策階段過程的最后1/3處，被試對確定性產品和不確定性產品注視比例都開始出現(xiàn)強分離狀態(tài)。在這兩項研究中，筆者也始終看到由讀取方向驅動的上側的初始注意偏差。

為了從統(tǒng)計角度測試結果，回歸上側/下側產品的注視比例、決策比例時間（即時間段）及其相互作用（表3）。對3個預測因子進行隨機效應回歸，并將決策任務的虛擬變量作為控制因素。選擇的主效應表明，被試在產品選擇方向方面整體上具有注意偏差。也就是說，如果選擇了上側的產品，被試要比選擇合適的產品多注視4%～5%。在決策的時間過程中，被試從上側產品轉移到下側產品的時間大概占決策時間的比例在18%～20%左右，這可能是由于自然閱讀順序造成的初始上偏。更重要的是，選擇與時間比例之間的顯著相互作用表明強烈的一階馬爾可夫過程，并且捕捉到注意偏差主要出現(xiàn)在決策過程的最后部分，即產品在決策后期才被真正注意和選擇。

消費者的信念作為隱藏變量隨著時間而變化，在不同的時間點獲得關于消費者眼動指標信息以推斷其信念。所謂的馬爾可夫性質：以現(xiàn)在的世界狀況為條件，過去獨立于未來，以看作是現(xiàn)時的外部信息和內部信念相結合，在該時間點獲得的聯(lián)合估計值將是下一個時間點的更新先驗值。

消費者信念的動態(tài)不總是恒定的，而是在給定的時間點上變化。在信息狀態(tài)[St-1]下，消費者對產品的注視比例在決策時間的2/3處進行了分離，而在信息狀態(tài)[St]下，他們在決策時間的1/3處對產品的注視比例過早發(fā)生了分離。整體上，不確定性產品在決策后期注視比例都呈現(xiàn)了下降趨勢，而確定性產品呈現(xiàn)上升趨勢。這說明消費者在不同的信息狀態(tài)下，自身的認知（感知低價格或感知高價格）對其眼睛運動模式和信念影響很大。

3.2.2 ? ?信息搜索方向

信息搜索方向是基于屬性與基于維度的搜索度量（search measure， SM）[43]。SM是觀察到的替代方案之間差異的函數(shù)，計算如下：

[SM=NADNra-rd-（D-A）A2D-1+D2（A-1）]

跳視是注視點的快速轉移，從而將需要注視的對象保持在視網膜中央窩區(qū)域，以此獲得清晰的視覺[44-45]，其中A和D分別表示選項屬性和選項維度的數(shù)量，本研究選項維度主要包括不確定性廣告和確定性廣告，選項屬性是指廣告中產品質量信息和產品價格（在本研究中，A=2，D=2）;[ra]和[rd]分別表示基于屬性的跳視次數(shù)和基于維度的跳視;并且N表示總跳視的數(shù)量（即由眼跟蹤器記錄[ra]、[rd]和N）。廣告中的興趣區(qū)主要劃分為確定性產品信息、不確定性產品信息、高價格和低價格4個區(qū)域，并在此基礎上，針對各區(qū)的跳入次數(shù)眼動指標進行統(tǒng)計分析。

基于維度跳視的顯著性，隨著SM值的增加而增加。使用這個指數(shù)來測試關于信息搜索方向的假設，SM為正值時，表示理性推斷過程;SM為負值時，表示啟發(fā)式判斷過程。如圖5所示，在兩個階段中，SM都包含了正負值，說明被試在貝葉斯學習過程中采取“雙系統(tǒng)加工”策略，理性思考（基于維度的跳視）和啟發(fā)式判斷（基于屬性的跳視）。在第一階段，SM離散程度低，消費者對信息的加工主要集中在決策前期，SM的最小值在-5左右。第二階段，SM離散程度擴大，SM最小值降低至-15左右。說明消費者隨著貝葉斯學習的深入，啟發(fā)式判斷在決策系統(tǒng)中的權重不斷提高。

4 結論

本文沒有使用復雜的模型擬合，而是使用探索性研究方法，分析因變量的一般差異以及關于操作效果的預測。通過觀察到的選擇和眼動數(shù)據來估計消費者的決策規(guī)則和學習規(guī)則，以這種免模型的方式估計學習規(guī)則，使本研究能夠以與現(xiàn)有文獻中所采用的截然不同的方式（例如模型擬合）評估消費者在學習實驗中的選擇的最優(yōu)性[5，46]。本文拓寬了奈特不確定性下旅游消費者決策的認知機制研究，特別關注動態(tài)，即決策過程中信息搜索和處理的變化。

第一，不同的信息狀態(tài)空間[St]中不同價格水平引發(fā)的感知收益或損失情境下，旅游消費者進行了不規(guī)則的貝葉斯學習。處于信息狀態(tài)空間[St-1]時，被試無論感知高價格或低價格時，都采取了“確定性”策略，即選擇確定性產品的概率達到70%。而在信息狀態(tài)空間[St]時，感知低價格時，不確定性產品的選擇概率超過了60%，而感知高價格時，消費者進行了不規(guī)則學習，不確定性產品的選擇概率呈現(xiàn)隨機性。這說明貝葉斯學習效果在不同情境中存在差異，符合貝葉斯理論假設1，即旅游消費者的選擇概率[PYt|X*t]僅取決于當前的信念，并在不同的[X*t]值之間變化。

第二，奈特不確定性下，旅游消費者的信念變化遵循一階馬爾可夫過程的學習規(guī)則。消費者在決策時間t的注視比例只與t-1時刻的狀態(tài)相關，而與t-1時刻以前的狀態(tài)無關。為了估計產品當前價格，旅游消費者需要將每個時間點獲得的新的感官信息與目前的信念相結合。這個過程可以看作是在兩個步驟之間交替的系統(tǒng)：（1）使用貝葉斯規(guī)則將信息與當前信念相結合;（2）市場的動態(tài)（本研究中指外部產品信息的變化）影響了消費者購買決策和他們的信念估計，符合本研究假設2。一些動態(tài)通常是不可預測的，而消費者收到的線索通常使他們更加確定決策環(huán)境。不可預測的變化和觀察變量之間的相互作用定義了貝葉斯模型的不確定性。

第三，奈特不確定性下的貝葉斯學習是一個雙系統(tǒng)認知過程。對整個注意過程進行更深入的分析是本研究獨有的。定點動態(tài)過程中，筆者分析了產品質量信息和感知價格的注視變化、瞳孔面積擴張的變化以及決策過程中對替代品的注意力分布。根據以前的研究，相對較長的決策時間反映了消費者有意識地對信息進行詳盡加工[47-48]。此外，在決策的整個時間過程中主要發(fā)現(xiàn)長期注視，說明旅游消費者面臨奈特不確定性進行貝葉斯學習時對信息采取了有意識的加工，在確定性決策的開始，消費者更偏向加工價格信息。然而，在決策的中后期部分，個人更注重加工產品質量信息。筆者還觀察到決策后期替代品之間注意力分布的強分離，顯示了旅游消費者對不確定性選擇進行了無意識加工，這可能是由于注視在決策過程或注視期間偏向稍后選擇的產品，以確認選擇。此外，兩項研究的瞳孔面積擴張都隨時間增加，這可以解釋為對信息搜索過程的積累，可以由貝葉斯學習理論解釋。信息搜索方向SM指標存在正負值，表明消費者在奈特不確定性的決策中同時應用了理性的高級加工和啟發(fā)式的低級加工系統(tǒng)，符合本研究假設3，即消費者在奈特不確定性下貝葉斯學習是一個雙系統(tǒng)加工過程。

5 管理啟示

5.1 新的定價機制下旅游企業(yè)的定價決策和信息傳播

本研究選擇奈特不確定下的旅游消費者價格決策為研究主題，在學術上和市場營銷實踐中都極富研究價值。本研究從心理學角度探索消費者對不確定性價格信息的反應，拓展了傳統(tǒng)價格理論（成本價格理論、競爭價格理論等），也為企業(yè)除了成本和價值信息之外，了解消費者如何看待、處理和響應價格信息提供理論參考，以便其作出最佳的定價決策。

本研究結合現(xiàn)實市場環(huán)境中許多創(chuàng)新的定價機制的不確定性，對消費者價格決策產生影響的分布規(guī)律進行定量化考察，使用實驗方法對消費者的價格決策顯性過程和隱性過程進行準確刻畫，從而為新的定價機制下企業(yè)更好地預測消費者行為和廣告投放提供理論參考，有利于提高現(xiàn)實市場中企業(yè)合理定價和提高廣告的傳播效果。

5.2 創(chuàng)新旅游市場定價機制

本研究從動態(tài)的角度探討不確定信息下消費者對價格信息的認知處理，不僅豐富了目前旅游價格領域的研究，探索了旅游消費者行為價格動態(tài)變化的心理黑箱，而且研究結果可以幫助零售商和市場營銷人員更好地創(chuàng)新定價機制。本研究引入的不確定性定價機制從根本上是由買家偏好的異質性驅動的，是一種典型性的行為定價模式。企業(yè)可以通過提前銷售來創(chuàng)造買方不確定性，即在旅游消費者了解他們的估值之前完成與他們的交易，通過價格區(qū)分具有不同偏好的異質消費者，減少不確定需求和能力之間的不匹配，并軟化價格競爭。不確定商品不是具體的，而是虛擬的，虛擬的性質也允許靈活地調整產品線的長度，但又不增加新產品開發(fā)成本，例如在旅游淡季，郵輪公司可以靈活地提供不同價格水平的郵輪產品組合，緩解資源有限和市場疲軟的問題。此外，本文研究方法也可以用來檢驗各種其他產品/服務環(huán)境中的價格判斷形成過程，提高購買轉化率。

6 局限性和未來研究方向

第一，本文的方法應被解釋為探索性。由于研究思路和方法在價格研究方面相對較新，因此需要進一步研究消費者信息加工與價格之間的關系。

第二，風險和不確定性之間的區(qū)別并不總是在認知神經科學中得到認可，其中一個主要限制是使用奈特不確定性的概念。一方面，在許多情況下，研究人員區(qū)分風險和不確定性兩種情境的差異性是一項艱巨的任務，這導致在相關研究中研究人員混淆使用這兩個概念。另一方面，貝葉斯信念涉及先驗概率的主觀分布。因此，均衡這兩個概念的模型或實驗設計可能會產生誤導性結果。未來的研究將會通過實驗比較分析風險和奈特不確定性兩種情境下行為價格形成機制和結果的實質性差異。

第三，本研究選擇的郵輪旅游產品價格偏高，被消費者歸屬為高價值產品，因此被試未參加過的概率很大，控制了實驗中的先前經驗變量的影響，符合研究預設，但是高價值產品自身具有消費壁壘，也許其對實驗結果會造成一定的偏差。未來的研究可通過常規(guī)旅游產品（低價值產品）的實驗，驗證產品價值不同是否也會對實驗結果產生影響。

參考文獻（References）

[1] KNIGHT F H. Risk， Uncertainty and Profit [M]. Boston： Houghton Mifflin， 1921： 18-23.

[2] PROKOSHEVA S. Comparing decisions under compound risk and ambiguity： The importance of cognitive skills[J]. Journal of Behavioral and Experimental Economics， 2016， 64（2）： 94-105.

[3] VOLZ K G， GIGERENZER G. Cognitive processes in decisions under risk are not the same as in decisions under uncertainty[J]. Frontiers in Neuroscience， 2012， 6： 105.

[4] AADLAND D M， CAPLAN A J， PHILLIPS O R. A Bayesian examination of information and uncertainty in contingent valuation[J]. Journal of Risk and Uncertainty， 2007， 35（2）： 149-178.

[5] AL-NAJJAR N， WEINSTEIN J. A Bayesian model of Knightian uncertainty[J]. Theory & Decision， 2015， 78（1）： 1-22.

[6] VILARES I， KORDING K. Bayesian models： The structure of the world， uncertainty， behavior， and the brain[J]. Annals of the New York Academy of Sciences， 2011， 1224（1）： 22-39.

[7] HARBAUGH W， KRAUSE K， VESTERLUND L. The fourfold pattern of risk attitudes in choice and pricing tasks[J]. The Economic Journal， 2010， 120（545）： 595-611.

[8] GOLAN H， ERT E. Pricing decisions from experience： The roles of information-acquisition and response modes[J]. Cognition， 2015， 136： 9-13.

[9] ERDEM T， KEANE M. Decision-making under uncertainty： Capturing dynamic brand choice processes in turbulent consumer goods markets [J]. Marketing Science， 1996， 15（1）： 1-20.

[10] ACKERBERG D A. Advertising， learning， and consumer choice in experience good markets： An empirical examination[J]. International Economic Review， 2003， 44（3）： 1007-1040.

[11] CRAWFORD G S， SHUM M. Uncertainty and learning in pharmaceutical demand[J]. Econometrica， 2005， 73（4）： 1137-1173.

[12] NELSON P. Information and consumer behavior[J]. Journal of Political Economy， 1970， 78（2）： 311-329.

[13] NELSON P. Advertising as information[J]. Journal of Political Economy， 1974， 82（4）： 729-754.

[14] ADAVAL R. The utility of an information processing approach for behavioral price research[J]. AMS Review， 2013， 3（3）： 130-134.

[15] HSIENHUNG C， CHEN C M. Advertising， price and hotel service quality： A signalling perspective[J]. Tourism Economics， 2014， 20（5）： 1013-1025.

[16] PENG B， SONG H， CROUCH G I. A meta-analysis of international tourism demand forecasting and implications for practice[J]. Tourism Management， 2014， 45： 181-193.

[17] CAULKINS J P， FEICHTINGER G， GRASS D， et al. Interaction of pricing， advertising and experience quality： A dynamic analysis[J]. European Journal of Operational Research， 2017， 256（3）： 877-885.

[18] CHEN C M， LIN L， CHIU H H. Advertising medium effect on tourist satisfaction [J]. Annals of Tourism Research， 2016， 57： 268-272.

[19] SHAOUF A， Li X Y. The effect of web advertising visual design on online purchase intention： An examination across gender[J]. Computers in Human Behavior， 2016， 60： 622-634.

[20] KLEIN L R. Evaluating the potential of interactive media through a new lens： Search versus experience goods[J]. Journal of Business Research， 1998， 41（3）： 195-203.

[21] 劉振.“有限理性”的消費者與廣告有效訴求的實現(xiàn)——基于行為經濟學視角. 財經理論與實踐， 2019， 40（5）： 136-14. [LIU Zhen. Consumers with bounded rationality and the realization of advertising appeals： A perspective of behavioral economics[J]. The Theory and Practice of Finance and Economics， 2019， 40（5）： 136-140.]

[22] 王沛， 楊眉. 信息加工視域下的廣告心理研究： 廣告說服模型. 西北師大學報（社會科學版）， 2007， 44（1）： 89-94. [WANG Pei， YANG Mei. A look on persuasion model from the perspective of information processing[J]. Journal of Northwest Normal University （Social Sciences Edition）， 2007， 44（1）： 89-94.]

[23] KOSCHATE-FISCHER N， W?LLNER K. New developments in behavioral pricing research[J]. Journal of Business Economics， 2017， 87（6）： 809-875.

[24] SHIMOJO S， SIMION C， SHIMOJO E ， et al. Gaze bias both reflects and influences preference[J]. Nature Neuroscience， 2003， 6（12）： 1317-1322.

[25] BRUNY? T， GARDONY A L. Eye tracking measures of uncertainty during perceptual decision making[J]. International Journal of Psychophysiology， 2017， 120： 60.

[26] 黃瀟婷， 李玟璇， 閆申.旅游地圖眼動行為模式研究[J]. 旅游學刊， 2018， 33（10）： 93-102. [HUANG Xiaoting， LI Wenxuan， YAN Shen. Research on pattern of eye-tracking behavior based on tourism map[J]. Tourism Tribune， 2018， 33（10）： 93-102.]

[27] 王君怡， 林嵐， 高華， 等. 大學生旅游地圖空間符號認知的群體差異研究——基于眼動實驗數(shù)據分析[J].旅游學刊， 2016， 31（3）： 97-105. [WANG Junyi， LIN Lan， GAO Hua， et al. Differences in college students spatial symbol cognition of tourism map： Based on experimental data from an eye-movement tracking system[J]. Tourism Tribune， 2016， 31（3）： 97-105.]

[28] 張慧. 基于眼動實驗數(shù)據的景區(qū)在線評論對游客決策意愿的影響研究[D]. 重慶理工大學， 2019.[ZHANG Hui. Study on the Impact of Scenic Online Reviews on Tourists Decision Making Intention Based on Eye Movement Data[D]. Chongqing： Chongqing University of Technology， 2019.]

[29] 袁旭鐸， 裴文秀， 伍文， 等.酒店在線預訂決策的消費者需求——基于眼動追蹤實驗[J].資源開發(fā)與市場， 2019， 35（11）： 1438-1443. [YUAN Xuduo， PEI Wenxiu， WU Wenfan， et al. Tourism consumers demand for online hotel decision-making： Based on eye-tracking study[J]. Resource Development and Market， 2019， 35 （11）： 1438-1443.]

[30] 劉會會. 旅游APP頁面設計對視覺搜索影響的眼動研究[D]. 燕山大學， 2016. [LIU Huihui. Eye Movement Research on the Influence of the App Page Design on the Visual Search [D]. Qinhuangdao： Yanshan University， 2016.]

[31] 徐薛艷， 張建華， 謝鵬揚. 眼動實驗法在旅游廣告有效性研究中的應用初探[J]. 上海商學院學報， 2014， 15（6）： 27-32. [XU Xueyan， ZHANG Jianhua， XIE Pengyang. Eye-tracking technology and effectiveness of tourism advertising[J]. Journal of Shanghai Business School， 2014， 15（6）： 27-32.]

[32] 孔少君. 基于眼動實驗的在線旅游平臺移動端廣告心理效應研究[D]. 南京師范大學， 2017.[KONG Shaojun. Research on the Psychological Effect of Mobile Tourism Advertising Based on Eye Movement[D]. Nanjing： Nanjing Normal University， 2017.]

[33] IHNATOLIOVA L. 旅游者眼動行為與時空行為的對比研究[D]. 濟南：山東大學， 2019. [IHNATOLIOVA L. A Comparative Study of Eye Movement Behavior and Spatial -Time Behavior of Tourists [D]. Jinan： Shandong University， 2019.]

[34] SHIELDS W E， SMITH J D， GUTTMANNOVA K， et al. Confidence judgments by humans and rhesus monkeys[J]. The Journal of General Psychology， 2005， 132（2）： 165.

[35] UGGELDAHL K， JACOBSEN C， LUNDHEDE T H， et al. Choice certainty in discrete choice experiments： Will eye tracking provide useful measures？[J]. Journal of Choice Modelling， 2015， 11（6）： 1-12.

[36] LI R， SMITH D V， CLITHERO J A， et al. Reasons enemy is not emotion： Engagement of cognitive control networks explains biases in gain/loss framing[J]. The Journal of Neuroscience， 2017， 37（13）： 3588-3598.

[37] HART B M， SCHMIDT H， KLEIN-HARMEYER I， et al. Attention in natural scenes： Contrast affects rapid visual processing and fixations alike[J]. Philosophical Transactions of the Royal Society B Biological Sciences， 2013， 368（1628）： 1-10.

[38] HORSTMANN N， AHLGRIMM A， GL?CKNER A. How distinct are intuition and deliberation？ An eye-tracking analysis of instruction-induced decision modes[J]. Judgment and Decision Making， 2009， 4（5）： 335-354.

[39] CHENG L L， MONROE K B. An appraisal of behavioral price research （part 1）： Price as a physical stimulus[J]. AMS Review， 2013， 3（3）： 103-129.

[40] 溫忠麟， 范息濤， 葉寶娟 等. 從效應量應有的性質看中介效應量的合理性[J]. 心理學報， 2016， 48（4）： 109-117. [WEN Zhonglin， FAN Xitao， YE Baojuan， et al. Characteristics of an effect size and appropriateness of mediation effect size measures revisited[J]. Acta Psychologica Sinica， 2016， 48（4）： 109-117.]

[41] HU Y， KAYABA Y， SHUM M. Nonparametric learning rules from bandit experiments： The eyes have it！[J]. Games and Economic Behavior， 2013， 81： 215-231.

[42] KNILL D C， POUGET A. The Bayesian brain： The role of uncertainty in neural coding and computation[J]. Trends in Neurosciences， 2004， 27（12）： 712-719.

[43] BOCKENHOLT U， HYNAN L S. Caveats on a process-Tracing measure and a remedy[J]. Journal of Behavioral Decision Making， 1994， 7（2）： 23-25.

[44] SU Y， RAO L L， SUN H Y， et al. Is making a risky choice based on a weighting and adding process？ An eye-tracking investigation [J]. Journal of Experimental Psychology-Learning Memory and Cognition， 2013， 39（6）： 1765-1780.

[45] SCHALL J D. The neural selection and control of saccades by the frontal eye field[J]. Philosophical Transactions of the Royal Society B： Biological Sciences， 2002， 357： 1073-1082.

[46] MATHYS C， DAUNIZEAU J， FRISTON K， et al. A Bayesian foundation for individual learning under uncertainty[J]. Frontiers in Human Neuroscience， 2011， 5（2）： 39.

[47] GL?CKNER A， HERBOLD A K. An eye-tracking study on information processing in risky decisions： Evidence for compensatory strategies based on automatic processes[J]. Journal of Behavioral Decision Making， 2011， 24（1）： 71-98.

[48] GL?CKNER A， FIEDLE S， HOCHMAN G， et al. Processing differences between descriptions and experience： A comparative analysis using eye-tracking and physiological measure[J]. Frontiers in Psychology， 2012， 3（6）： 173.

Abstract： In recent years， risk-related decision-making and the “gambling paradigm” have been prominent topics in economics and psychology research. However， decision-making under Knightian uncertainty has not attracted the attention of scholars， especially those studying consumers cognitive processes in relation to marketing. The main statistical methods for dealing with uncertainty in decision-making can be divided into neoclassical methods （e.g.， expected utility theory）， parameter correction methods （e.g.， prospect theory） and Bayesian methods， but the first two types focus on optimal decision-making under risk but not uncertainty， resulting in bias. Some recent studies have found that Bayesian learning is a reasonable means of overcoming Knightian uncertainty. However， there has been no empirical research on Knightian uncertainty， especially in relation to consumer decision-making.

Given the lack of consensus in the literature on the learning rules used by consumers in real-world decision-making environments， these rules need to be evaluated with sufficient flexibility to accommo-date Bayesian learning patterns. In this study， we propose a new method to evaluate the dynamic changes in beliefs that occur during consumers Bayesian learning. We conducted an experiment and used data on the subjects eye movements to confirm that the subjects used learning （or belief update） rules in their decision-making process. We refrained from complex comparative model fitting， instead using the classical method of hypothesis testing to investigate predictions regarding general differences in dependent variables and the effects of manipulating information relating to the price and quality of the product. The results of Bayesian learning are dependent on the cognitive process of belief updating， and the entire process of time and attention distribution is an important indicator of beliefs. In this study， we chose decision time， mean fixation duration， pupil dilation， distribution of attention， and direction of information search as the dependent variables. First， we investigated these measures from an overall perspective， aggregating them over the entire Bayesian learning process. Second， we analyzed changes in these variables during the decision-making period by dividing the learning process into several parts （i.e.， time bins）.

The results showed that the participants adopted a “certainty” strategy in state space [St-1] when they perceived a high price or a low price， that is， they chose certain products by 70%. However， in state space[ St]， when the perceived price was low， the probability of selecting uncertain products exceeded 60%， while when the perceived price was high， the consumers engaged in irregular learning， and the probability of choosing uncertain products was random. In state space [St-1]， the fixation proportion of the consumer on the product was separated by two-thirds of the decision time， while in state space [St]， they separated prematurely the fixation proportion of product by one-third of the decision time. Overall， the proportion of uncertain products in the late stage of decision-making showed a downward trend， while that of certain products showed an upward trend. Positive （alternative-based） and negative （dimension-based） search indicators exist in relation to information searching， indicating that consumers apply dual systems （reasoning and heuristics） to decision-making under Knightian uncertainty.

In summary， when facing Knightian uncertainty， tourism consumers use irregular Bayesian learning based on different perceived price levels in different information state spaces， changes in consumers beliefs follow the first-order Markov learning rule， and Bayesian learning is a dual-system process.

Keywords： Knightian uncertainty; Bayesian learning; tourism consumer; price decisions

[責任編輯：周小芳;責任校對：宋志偉]