基于Agent的消费者决策仿真研究

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

一、基于agent 仿真建模的介绍
基于agent 的建模能表示复杂的市场现象如何从简单的决策规则中得出。

对于常规分析或经验方法来说太复杂的营销现象通常可以使用这种方法建模。

通过调查聚合现象模拟个人“agent ”的行为，如消费者或组织。

我们将探索基于agent 的营销研究建模的思路。

二、设计消费者决策ABMS
我们在使用ABMS 方法设计消费者决策模型时，确立了以下几个要素：
（一）模型的范围
我们需要确立模型的范围是复杂系统的哪一部分，以及建模工作的重点和可以忽略的点。

最初的范围可以基于原始的Bass 模型（一个用来预测耐用消费品销售情况的模型）来定义。

该模型应该能够大致再现原始结果，然后应该可扩展，以使Agent 拥有一个社交网络。

（二）Agent 的一般类别和大致数量
目前我们唯一的Agent 是消费者。

沿用第三章中的数学模型，我们假设市场中存在两类消费者
，可以
表达为。

类消费者是时间敏感类消费者，愿意为更短
的交货时间支付价格溢价。

类消费者是价格敏感类消费者，愿意接受更长的交货时间以获得价格折扣。

同时，市场基数2a 非常大。

（三）Agent 的属性
每个消费者
Agent
将需要一个描述该Agent 的属性列表。

我们模型中
和
表示企业向消费者
提供的
价格和交货时间，
表示k
类消费者对价格的敏感性，
表示k 类消费者对保证交货时间的敏感性。

来自消费者
的需求以速率
的
泊松过程到达，每个Agent 都有一个p 表示由于大众市场而采
取的概率，而q 表示由于口碑效应而决策的概率。

在网络版本中，每个Agent 也将有一组邻居Agent 。

（四）Agent 的行为规则
每个Agent 都有一套行为规则。

在我们的模型中，每个Agent 基于概率决定采用p+q(na/n)，其中na 是邻居的创新者的数量，n 是Agent 的邻居总数。

（五）市场环境
市场环境定义了Agent 的交互拓扑。

在我们的模型中，Agent 的社会邻居定义了它的环境。

当然也可以拓展到物理环境（例如，城市），社会环境（例如，电子邮件网络）或概念环境（例如，品牌空间）
（六）模型输入和输出在我们的模型中，输入为p,q 和第三章的企业产品策略的所有参数及数学模型。

在网络版本中，网络拓扑（即，如何连接个体）是另一个输入。

（七）时间步长
几乎所有ABMS 都有初始化阶段，然后是迭代时间步长，这两个时间必须被描述。

在我们的模型中，初始化阶段将创建Agent 和网络。

在每个短期迭代步长中，每个Agent 决定是
否由于媒体效应或口碑而创新，或者不会创新。

如果Agent 决定采用，则更新相应的属性，并重复该过程。

在每个长期迭代步长中，企业应用产品策略数学模型，调整产品定价。

模型不终止。

三、构造迭代演化系统
在快递快运等服务性行业中，消费者的需求对服务产品的价格和交货时间有一定的敏感性。

提供差异化产品服务的企业主要利用消费者对时间和支付意愿偏好的异质性来提供不同类型的产品服务。

当产品对消费者开放时，消费者可以根据自己对时间和价格意愿或其他情况来选择不同的产品服务。

快递企业在不同的细分市场之间会产生需求交互，产品组合策略在一个长期迭代步长中以数学模型的表达方式迭代演化。

模型构建是一个软件工程过程。

目标是创建可以计算执行并与概念模型相对应的模型的实现版本。

模型实现有两种选择。

第一个是以通用编程语言编写模型。

二是利用现有的ABM 语言/库。

现有四种广泛使用的ABM 工具包：NetLogo ，Repast ，Mason 和Swarm 。

模型遵循以下图示：
图1迭代演化系统
一旦建立了适当的ABMS ，就可以将其用作实验工具，在一系列参数中运行模型并分析结果，并可以使用输入和输出变量之间的相关性分析、均匀回归等统计方法来检验结果。

由于模型的随机性而可能存在的可能结果的分布，因此需要遍历研究者指定的所有输入，为每个处理反复运行模型，然后聚合结果，从模型中发现新的见解。

四、总结
我们通过利用Agent 仿真技术对消费者决策进行研究，设计了消费者决策行为概念模型，提炼出了影响消费者行为的各影响因素，并分析其相互联系。

尽管建立严格的基于Agent 的模式存在困难，但是针对个人层面的营销建模方法的优点和观察总体结果是巨大的。

ABMS 提供了一种方法，使得可以以可测量和可测试的方式具体化许多消费者行为理论，同时允许包含和比较经验数据。

此外，ABMS 的现实主义促进了管理者和利益相关者的模型理解。

随着计算能力的成本持续下降，创造越来越多的精细模型的能力不断增加，ABMS 和其他计算密集型方法在我们对世界的理解中可能发挥更大的作用，营销研究人员需要了解如何使用这种新方法。

基于Agent 的消费者决策仿真研究
——以时间价格敏感的快递产品为例
朱晓洁
（同济大学上海200092）
摘
要：本文主要研究消费者决策与企业产品策略的相互市场演化作用。

我们研究的市场中消费者有时间和价格两种敏
感特性，每个消费者具有自身的特征和行为，并组成社交网络。

企业提供一系列不同交货时间和价格的产品组合策略。

我们设计构建了一个拥有消费者和企业的迭代演化系统，在一个短期迭代步长中，应用消费者决策行为的仿真模型。

消费者在有限的时间和资源范围内做出决策，并通过相互之间的交互行为，模拟出社交网络对于产品市场份额的影响。