软件下载中的消费者从众效应，本文主要内容关键词为：软件下载论文,效应论文,消费者论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
DOI:10.3785/j.issn.1008-942X.2012.06.262
[本刊网址·在线杂志]http://www.journals.zju.edu.cn/soc
[在线优先出版日期]2012-12-25
一、引言
从众效应也称作羊群效应(Herding Effect)，原指动物成群地移动并进行迁徙、觅食等活动的现象，而在经济、文化及社会研究中，则被引申为一种忽略个人信息而采纳他人建议的行为[1-2]。从众效应表明，个人强烈地受到他人决策的影响[3]，倾向于相信多数人相信的，尽管多数人相信的并不一定正确[4]。从众的本质是模仿多数人的行为或决策。神经科学中镜像神经元的研究表明，模仿是人的天性，是自发的、潜意识的，因为模仿是最省力的，所需耗费的努力最小[5]。因此从众几乎无处不在，小到个人日常生活中的就餐选择、时尚跟风，大到企业的技术采纳、投资决策，乃至政治领域的公民选举，从众现象举不胜举。
从众现象在以计算机为沟通媒介的环境下特别突出，尤其是网络环境下的IT领域，如软件下载。原因在于软件、电子产品等的复杂性使不具备丰富产品知识的消费者难以对其价值作出正确的评估，一般的消费者无法作出最优的购买决策，因而模仿他人的决策显得最为有效和合理[6]。网络环境下IT领域从众背后的作用机制有三种解释。第一种机制称为网络效应。网络效应原指产品价值随着使用者基数的扩大而变大[7]。例如文字处理系统，使用的人越多，共享文档的人就越多，对每个使用者的价值就越大。这里是指具有这种效应的某些产品中，已经使用的人越多，后来的消费者选择使用它们的也越多。第二种机制称为跟随效应。当行为人的个人信息不足以作出独立决策时，行为人选择模仿其他人的行为。网络环境提供的海量产品和服务使消费者无法准确、全面掌握质量和价值等相关信息，因而经常面临复杂的决策局面[8]。在这样的环境下，消费者根据前人的选择推断产品或服务的质量、价值，并将此信息用于自己的决策，由此产生信息跟随效应[9](简称跟随效应)。信息跟随理论表明，拥有不充分信息的个体会理性地忽略其掌握的信息，跟随前人的行为，从而形成从众。第三种机制称为口碑效应。口碑是消费者与消费者之间关于产品或服务的特性、使用经验及提供商等信息的交换与沟通。口碑的影响力能够改变消费者的态度和行为，从而导致从众。消费者从众中最典型的口碑效应机制是：以前的消费者一致好评时选择购买，反之不购买，即购买决策与多数人的评价意见保持一致。通过互联网所进行的信息沟通与交换即为在线口碑[10]。随着以新媒体(社交网、博客、微博等)为特征的新一代互联网的出现，在线口碑传播媒体随时随处可用，引爆了在线口碑的流行，口碑效应被超级放大。
软件下载选择过程中，当消费者面对众多选择，无法根据个人信息作出独立决策时，从众成为很自然的决策机制。有些人选择其他消费者总体评价最好的软件(口碑效应)，有些人选择总体下载量最大的软件(近似代表已有用户量最大的软件，即网络效应)，有些人选择近段时间下载最多的软件(近似代表当前最热门的软件，即跟随效应)。虽然不同的人可能有不同的从众机制，同一个人也可能在不同的时候有不同的从众机制，或者同时兼顾多种从众机制，但总体来说，不外乎口碑效应、网络效应和跟随效应三种从众机制。“压缩解压”和“闹铃时钟”为常见的两种软件类型，本文选择这两种软件的下载作为研究对象，实证检验三种从众作用机制对IT领域购买行为的影响，以及这些机制之间的相互作用。
二、假设的提出
(一)跟随效应
规范影响和信息影响是引起从众的两种基本原因[4]。规范影响指个体在可被观察的情况下为获得奖赏或避免惩罚而听从他人意见，并不反映真实的态度转变[11]，而且当存在明显的社会压力时，人们在公开场合比私下更趋向遵从群体规范[12-13]。信息影响指个体在有限或不确定信息下参考或采纳他人的信息。信息影响通过个体的内在化过程产生真实的态度转变[11]。
对于网络环境下IT领域的从众行为，规范影响的作用可以忽略。个体在互联网环境下无须遵从他人意见，在消费决策时没有明显的群体规范约束，而网上海量的产品选择强化了消费者对他人评价的依赖[14]，信息影响的作用远大于规范影响。消费者基于两种信息来源在多种竞争性产品中作出选择：一种为个人信息，通常是有限和不完全的，另一种是观察其他决策者行为后所提取的信息。当行为人的个人信息不足以作出独立决策时，行为人选择模仿群体行为而忽略个人信息，而且下一个行为人很可能重复同样的决策过程，由此产生信息跟随。大量研究证实了信息跟随对IT产品接受的重要影响，如信息跟随极大地影响了公司采用何种电子商务系统[15]，同时也极大地影响着人们对IT产品的接受度[16]。
软件选择中的信息跟随者主要关注的是软件流行度，即软件的潮流和时尚。反映软件流行度的基本变量是近段时间的下载量[6]，而累计下载量不能反映流行度，因为软件变化很快，一个软件如果近期下载量一直不大，即使累积下载量很大，在消费者看来也有可能是要面临淘汰的产品，故只有近期下载量最适合作为对信息跟随因素的表征，因此提出如下假设(可称为软件下载从众的跟随效应假设)：
H1:软件的近期下载量越大，后来用户选择该软件的可能性就越大。
(二)网络效应
与其他商品不同，IT产品的特性在于其具有网络效应。众多研究发现，网络效应是IT决策者跟随之前决策者行为的原因之一[17]。网络效应与信息跟随最大的区别在于：网络效应强调过去整个时间段数量的绝对值对现在的影响，而信息跟随主要关注近段时间，而不是绝对量[6]。之前的实证研究认为，随着产品配置基数的增加，对产品的接受度或期望值将会相应增加[18]。IT产品随着使用者的增多不断增加自身价值，比如计算机软件、产业标准、在线服务等。软件也是如此，这就使用户偏向于选择使用者较多的热门软件[7,19]，最终形成从众。
然而，学者们发现IT领域的学术研究者所期望的显著网络效应常常没有实现[20]，即使是具有网络效应的产品也存在网络规模带来的限制。例如，P2P软件随着用户数量的增加而获益，但太多的用户导致网络拥挤，一旦超过某一阈值，网络效应将下降。在本文的研究背景下，现代信息通信网络的发展已经很好地解决了网络规模的限制问题。此外，软件下载多为单机软件，不存在网络拥挤的问题，故软件下载具有网络效应。产品的网络效应一般使用产品的安装数量来衡量[17-18]。而在软件下载这一领域，很难直接得到某个软件有多少用户安装了，但可以粗略假定，每一次下载都代表一次安装，故可采用软件的累计下载总数代表软件的网络效应。值得注意的是，作为累计下载量的一部分，近期下载量对网络效应有贡献，但网络效应看的还是累计下载量。例如，一个近期下载量大但累计下载量小的软件，由于其当前的网络效应尚没有形成优势，一个追求网络效应的消费者也不会选择它。因此给出如下假设(可称为软件下载从众的网络效应假设)：
H2:某软件的累计下载量越大，后来用户选择该软件的可能性就越大。
(三)口碑效应
口碑也是影响在线用户决策的重要因素。在复杂和不熟悉的环境下，人们试图利用所有可获得的信息作最后决定，例如产品简介、推荐信息和口碑等[21]。对于普通消费者，口碑特别是在线口碑信息比产品简介和推荐信息更具参考价值。在线口碑包含多种形式，如消费者评论、博客、电子邮件、网上论坛等[22-24]。由于消费者评论常常集中于购物网站或评论网站中对某具体产品的评论区域，消费者在线购买时可十分方便地查询和参考这些评论信息。同时消费者评论与产品高度相关，所以在诸多的在线口碑形式中，消费者评论对在线决策行为的影响最为明显。
在互联网软件下载的平台上，同一功能的软件往往有上百个品种可供选择。在用户对大量的软件缺乏理性认识的情况下，软件评分(对软件的一种量化形式的评论)将成为左右用户选择的关键信息。绝大部分软件下载网站除了提供软件客观性能等信息之外，还实时发布用户对软件的评分，包括平均得分和评价者数量。用户评价的平均得分越高，说明对产品好评的用户越多，消费者选择该产品的可能性就越大，尤其当评价者数量足够多时，这就是口碑引起的从众效应。因此给出如下假设(可称为软件下载从众的口碑效应假设)：
H3:先前用户对某软件的评分越高，后来用户选择该软件的可能性就越大。
三、实证研究设计
(一)实证背景
软件下载属于典型的网络环境下的IT领域范畴，本文选择软件下载作为研究对象基于如下考虑：首先，普通消费者缺乏有关软件产品的专业知识，在这种信息不对称的情况下，从众现象明显；其次，消费者可以方便地获取大量的客户评论信息，以及日下载量、周下载量、总下载量等统计信息，会很自然地产生从众倾向。本文选取新浪软件下载作为软件下载门户，因为新浪网提供下载的软件均为免费，有效地控制了价格因素对消费决策的影响。同时新浪下载提供了丰富的下载信息，如软件客观性能、累计下载量、同类软件周排名、新浪软件评级、用户评分等。此外，就用户评分系统而言，新浪下载是几大门户网站中唯一提供3分制柱状图评分系统的网站，所提供的三级评价选择包括：优秀、一般、差，不仅符合数据评估的要求，同时也通过柱状图反映了用户评价的分布与投票数量①。用户登录新浪下载网站后，输入关键词(如“压缩解压”)进行搜索，在搜索结果列表中选择某款软件点击进入，在软件详情页可以清楚地查看到该软件的累计下载次数、本周下载次数、软件评级及用户评分柱状图等信息。
(二)数据来源与采集
本研究在新浪下载网站中选取了两个软件子分类作为数据采集对象：“应用软件→压缩解压”与“桌面增强→闹铃时钟”。数据采集过程从2011年4月2日持续到2011年5月3日，于每天晚上11点通过Excel文件的外部数据导入功能采集两大子类共318款软件的累计下载量、当日下载量和用户评分等数据。对数据采集，有两点需要说明：一是关于软件历史时长控制问题。软件的历史时长显然会影响累计下载量，因此不同时长软件的累计下载量可能不具可比性。但本研究并未对软件的历史时长加以控制，因为不影响本文的研究目的。如前所述，软件的累计下载量反映的是网络效应，关注网络效应的用户追求的是该软件当前拥有更多的用户基数，以实现更大的共享价值，故不会在意软件本身的新旧，新软件只有达到其追求的网络效应门槛时才会被选择。二是关于用户评论数量控制。本研究中的变量“用户评分”采用所有用户评分的均值，这个均值只有达到一定数量才有意义，为保证有效性，数据采集时用户评分数量小于30(小样本要求的最小样本规模)的软件被剔除。预研究表明，用户评分数量的控制也避免了用户评分与累积下载量之间的交互效应。
(三)变量
在本研究中，因变量为用户的软件选择，使用软件在其分类中的下载市场份额
(Daily Market Share)进行度量，其中i为软件编号，t为日期，表示i软件在t时间内的市场份额，即得到：
本研究的自变量包括软件的累计下载量、近期下载量以及产品评价。对于累计下载量，使用软件i从发布日至t天的总下载量
度量；对于近期下载量，使用软件i在t天的日下载量
度量；对于评价信息，使用用户评分UserRating度量(连续的3分制)；对于用户投票总人数，使用变量UserVote度量，用于用户评分的加权分析。
(四)模型
本文采用下载市场份额作为因变量。关于市场份额的实证研究在市场营销领域已有一定基础，本文借鉴其研究方法，采用多项Logit市场份额模型(Multinomial Logit Market Share Model，MNL)作为从众行为的主模型。MNL模型在市场营销领域被广泛应用于研究广告和促销的效果[25]。因为大量个体的选择会集合成市场份额，所以研究市场份额也能揭示个体的选择行为[26]。此外，MNL模型融合了时间因素和竞争者因素，很适合我们的研究情境。MNIL模型的具体形式如下[27]：
公式(3)是一个典型的多元线性回归模型，在面板数据里包含了以下数据：软件每天下载量、软件总的下载量和软件的用户评分。公式中基于软件特性的固定效应可避免外部变量的干扰作用，基于时间的固定效应可以有效减少时间序列线性回归中自相关的影响。
为验证信息跟随对软件下载从众的影响，即H1，引入变量；为验证网络效应对软件下载从众的影响，即H2，引入变量；为验证口碑效应对软件下载从众的影响，即H3，引入变量UserRating。这三个变量作为影响因变量市场份额的自变量进入模型(3)，进行回归分析。
四、实证结果与分析
(一)描述性统计
本研究采用的分析样本来自于新浪下载两大子类共318种软件在32天中的下载数据。表1展示了几项关键数据在两类软件中的统计结果。
从表1可以发现，单个软件下载量的市场份额在两类软件中最高者分别为85%和77%，而最低则接近0。这意味着两类软件市场均被少数软件所统治，同时也预示着从众现象的存在。从总下载量来看，以“闹铃时钟”在2011年5月3日的数据为例，排名首位的“雪狐桌面精灵3.5”高达2 186 308次，而排名第二的软件则只有317 076次，并相继平缓下降，最低的总下载量仅为489次。观察变异系数，“压缩解压”的各变量的变异系数除日下载量之外，其余均大于“闹铃时钟”，特别是总下载量。
(二)回归结果
表2为以软件下载市场份额(DMSit)为因变量，每日下载量(DailyDownload)、总下载量(TotalDownload)和用户评分(UserRating)为自变量的回归结果。表2中模型(1)与(2)分别是“闹铃时钟”和“压缩解压”软件的回归结果。结果表明，对于两类软件，每日下载量(近期下载量)、总下载量和用户评分对软件的下载市场份额均有显著的正影响(p＜0.01)，支持假设H1、H2和H3。而且对回归系数的进一步分析显示：第一，用户评分的回归系数在两类软件中均是最高的，表明在软件下载选择中，不论产品特性如何，口碑效应都是最突出的；第二，对“闹铃时钟”软件而言，日下载量比总下载量回归系数更大，而“压缩解压”软件则刚好相反，表明在软件下载选择中，跟随效应和网络效应作用的相对大小取决于产品特性。后面的讨论中，将分析和阐述两类软件回归结果上的异同。
(三)讨论
实证研究结果得到：软件的近期下载量、累计下载量和评论等级对用户选择均具有正向影响。这表明从众的三个因素——跟随效应、网络效应和口碑效应均对软件下载选择存在显著的正向影响。那么，软件下载中为什么会出现这三种效应？
1.跟随效应
决策者通常有两种信息来源，一种为个人信息，另一种为根据他人行为所提取的信息，通过权衡这两种信息进行决策。当这两种信息所引起的决策方向一致时，决策过程很容易产生；而当两者不一致时，决策结果取决于两者的权重。在IT环境下，由于产品参数的复杂性，普通用户缺乏辨别产品优劣的专业知识。同时，软件种类繁多，新浪下载中仅“闹铃时钟”就有132种，用户不可能有足够的时间和精力去了解所有产品的信息。因此，在IT环境下用户的个人信息存在不确定性，而个体在个人信息有限或不确定时将参考或遵从他人的信息。IT环境下信息传播的成本几乎为零，新浪下载提供了丰富的下载信息，如累计下载量、周排名、新浪软件评级、用户评分等，消费者可轻易根据他人的行为获得信息。因此，在个人信息不确定而他人信息极易获得的情况下，消费者赋予他人信息更高的权重，模仿他人的行为进行决策。跟随效应反映的是消费者追随近期观察到的他人最新行为动向，体现在回归模型上，就是软件下载份额与日下载量的显著正相关。
但信息跟随不会出现所有消费者均选择流行产品的极端情况，也有消费者选择非流行产品，可能的原因在于：第一，消费者偏好。以“闹铃时钟”为例，有些消费者要求软件功能齐全，而有些消费者仅对所下载软件的外观有要求，消费者会根据其偏好排除某些产品，在符合其偏好的子类别中进行决策，并受信息跟随效应的影响，但这种影响有限。第二，个人信息的权重大于从他人行为中提取的信息。市场中充斥着各种IT产品，消费者无法准确辨认产品的优劣，这为信息跟随的产生提供了条件，一些质量欠佳的产品由于信息跟随的作用可能成为流行产品。但总是存在一些用户对软件属性十分了解，甚至是业内行家，对产品拥有明确及肯定的个人判断，因而他们忽略他人信息跟从个人信息进行决策，选择非流行但高质量的产品。第三，消费者为显示独特性拒绝大众流行品，而选择非流行产品[29]，尤其是对一些能够体现个性和身份的产品。例如某些消费者在进行“桌面壁纸”下载时，会因为独特性需求而与大众的选择相悖。
2.网络效应
IT产品随着使用者的增多而不断增加自身价值，用户倾向于选择使用人数较多的软件。以往关于IT领域网络效应的研究存在分歧，分歧的症结在于是否存在网络规模的限制。在本文的研究背景下，由于现代信息通信网络的发展，网络拥挤的现象并没有显现，不存在网络规模的限制问题，因此网络效应对软件下载有显著的正向影响。
虽然每日下载量包含在总下载量中，但两者代表着不同的效应，从而区分了跟随效应与网络效应。跟随效应与网络效应均对用户的软件下载产生正向影响，但其作用机理不同。当行为人的个人信息不足以作出独立决策时，行为人选择模仿他人行为而忽略个人信息，下一个行为人很可能重复同样的决策过程，信息跟随便产生了。例如，有A、B两种产品，第N个用户选择时，前N-4个用户均选择A，而第N-3、N-2、N-1个用户都选择B，第N个用户会考虑近段时间选择变化的原因，跟随近期的信息而选择B。而网络效应强调过去整个时间段中下载数量的绝对值对现在的影响。以往的研究较多关注网络效应的作用而忽略了信息跟随，从而放大了网络效应的显著性。
值得注意的是，不同软件的网络效应和信息跟随效应的作用程度不同。根据描述性统计(表1)可知，“闹铃时钟”总下载量的离散程度小于“压缩解压”，而日下载量的离散程度则两者相似。在回归模型(表2)中，对“闹铃时钟”而言，总下载量的作用小于每日下载量的作用；而对“压缩解压”而言，总下载量的作用却大于每日下载量的作用。这一结果恰好反映了两个分类软件的差异之处：“闹铃时钟”类软件的网络效应作用较低，倾向于跟随近期下载用户的选择；而“压缩解压”类软件存在格式或标准兼容的问题，受网络效应的影响较大，因此呈现出更强的网络效应作用。由此可见，网络效应和跟随效应作用的相对大小与产品特性有关。另一方面，虽然“闹铃时钟”的网络效应是三类从众效应中最弱的，但仍然存在。因为消费者在下载“闹铃时钟”时，虽然不需考虑网络效用因素，但仍受累计下载量的影响。在没有时间和精力对大量产品进行比较和亲自体验的情况下，消费者会选择累计下载量高的产品，并且相信这么多用户在用这款产品，其被认可度肯定是比较高的，自己选择的肯定是一款不错的产品。“闹铃时钟”软件虽然不存在与他人的兼容问题，它的实用价值(真实效用)与用户规模无关，但用户规模大却强化了消费者内心对自己所选软件价值的肯定，消费者由此获得的不是真实效用，而是一种心理效用，这已经不是传统意义上的网络效应，可称之为一种扩展意义上的“泛网络效应”，因为两者有相似的价值规律：传统网络效应强调消费者实用价值(真实效用)随用户规模增加而增大，泛网络效应强调消费者对产品的认知价值(心理效用)随用户规模增加而增大。
3.口碑效应
大量研究表明，在线口碑对消费者的决策具有重要影响，在软件下载选择中也不例外。由于市场中软件产品种类繁多，且软件产品的技术参数等产品信息通常专业性较强，因而消费者倾向于寻求更容易理解且更为直观的口碑信息，也就是软件评分。互联网的兴起有助于客户积极参与市场活动，自由发表意见分享经验。上述回归结果表明，某软件的用户评分越高，即用户总体评价越正面，后来的消费者选择下载该软件的可能性就越大。消费者决策神经科学的研究成果揭示了这一结论背后的心理机制。Chen等人在研究在线评论对消费者决策影响的神经机制时发现，消费者在选择负面评价为主的产品时，将在心理上承受强烈的认知冲突和情感冲突[30]。认知冲突是指当前态度、决策或行为与个人既有的观念不一致时在理性层面上产生的一种心理不适[31]。例如，当消费者选择购买多数人或总体评价是负面的产品时，就会产生这种认知冲突，因为经验告诉我们，多数人认为不好的产品往往确实是不好的产品，应当避免选择这样的产品。情感冲突指个体在情感层面上的心理不适，主要包括紧张、担心、焦虑、沮丧、不安等负面情绪[32]，常常与认知冲突紧密相关。当消费者选择购买多数人给予负面评价的产品时，由于与常规的决策准则相悖(因此产生认知冲突)，往往会对自己决策的正确性产生怀疑，随之而来的担心、焦虑不可避免，购买高价产品时尤其如此。每个人在决策时都是天生的冲突最小化的自觉追求者，消费者决策神经科学的上述研究发现证明：“冲突最小”是每个决策者在潜意识中自动遵循的“满意决策规则”。因此不难理解，在进行软件下载决策时，消费者倾向于选择下载用户评分高的软件，这也是追求最小化认知冲突和情感冲突的结果。
五、结论和意义
本文选择新浪软件下载频道中“压缩解压”和“闹铃时钟”两类软件收集面板数据，基于MNL模型构建并检验了能很好描述软件下载中三种从众机制的一个线性模型。根据实证结果可得到如下结论：
1.在软件下载选择中，存在跟随效应、网络效应和口碑效应三种从众机制。近期下载量、总下载量和用户评分三个变量可分别用来表征软件下载选择中跟随效应、网络效应和口碑效应的诱发要素。不论是“压缩解压”软件还是“闹铃时钟”软件，三个变量均与软件下载的市场份额(表征用户的软件选择行为)有显著的正相关关系，从而在统计学意义上表明了三类从众机制均有效。跟随效应表明用户倾向于选择最近比较流行的软件，以紧跟时尚和潮流；网络效应表明用户倾向于选择使用已有用户人数较多的软件，以增加自身的软件应用价值；口碑效应表明用户容易受他人意见的影响，倾向于选择多数人评价好的产品，以减少认知冲突和情感冲突，因为用户认为多数人的意见往往是对的。
2.对不同的软件产品，三种从众机制的重要性(敏感性)排序略有差异。与跟随效应和网络效应相比，口碑效应对从众的影响在两类软件中都是最大的，而跟随效应和网络效应的作用大小与产品功能特性有关：对“压缩解压”软件而言，网络效应的作用比跟随效应更明显，表明消费者选择这类涉及共享和交换问题的软件时，考虑更多的是兼容性，以便在更大范围内与他人保持一致性；对“闹铃时钟”软件而言，跟随效应比网络效应更明显(而且网络效应产生的不是消费者的真实效用，而是心理效用)，表明消费者选择这类独立使用的软件时，更偏重于时尚和潮流。
本研究发现了隐藏在IT产品选择从众背后的三种作用机制，从而揭示了IT领域消费者从众行为的决策机理，拓展了消费者从众理论。该研究成果至少具有如下两个方面的实践意义：
其一，对IT产品的从众营销方案设计有参考价值。在IT领域，产品种类和款式繁多，绝大多数消费者没有能力和精力辨别产品质量和价值，从而难以独立作出高质量的购买决策，模仿他人决策和行为，即从众常常成为很多消费者不得不采取的决策策略，因此，从众营销已经成为企业IT产品销售(乃至传统产品的网上销售)最重要的一种营销战略。本研究告诉我们，跟随效应、网络效应和口碑效应是促成消费者从众决策和行为的三种有效机制，这给企业制订从众营销方案提供了一种清晰的思路，即设计者应当把焦点放在如何诱发消费者的三类从众效应以及它们之间的复合效应上，而且应当根据产品特性的不同设计差异化的从众营销策略和方案。
其二，为电子商务网站的相关功能设计指明了方向。本研究发现，用户在进行IT产品选择时，倾向于将下载量、评分等信息作为决策参考。因此，在电子商务网站的功能设计时，应当充分考虑用户的这些需求，完整、实时地发布购买统计信息，例如购买总量、最近购买量以及用户评论等，从而有效地促进用户的从众购买。
(浙江大学管理学院吴鹏同学在数据采集、建模与分析等方面做了很多工作，特此致谢！)
注释：
①新浪下载网站用户评分系统原来是5级评分制。