一、引言
2014 年 7 月 21 日，中國互聯網絡信息中心\\(CNNIC\\)在京發布第 34 次 《中國互聯網絡發展狀況統計報告》。數據顯示：截至 2014 年 6 月，中國網民規模達 6.32 億，互聯網普及率達到46.9%。我國網絡購物用戶規模達到 3.32 億，較 2013 年底增加2962 萬人，半年度增長率為 9.8%。與 2013 年 12 月相比，我國網民使用網絡購物的比例從 48.9%提升至 52.5%。與此同時，手機購物在移動商務市場發展迅速，使用比例由 28.9%提升至38.9%[1]。電子商務的發展繼續保持快速增長態勢。2014 年 9 月19 日，阿里巴巴正式在紐交所掛牌交易，創下了全球范圍內規模最大的 IPO 交易之一，相信電子商務的發展也將進入新的發展階段。
電子商務迅猛發展的背后，羊群效應現象也一定程度存在著，它對電子商務的發展起到了推波助瀾的作用?！把蛉盒爆F象產生的最終結果還將導致商家的“馬太效應”中國互聯網絡信息中心ANN IC\\)發布的《2013年中國網絡購物市場研究報告》中指出:淘寶天貓等網購平臺呈現出強者愈強、弱者愈弱的“馬太效應”黔因此分析研究電子商務運營中羊群效應的主要特征具有一定的意義。
二、研究意義分析
1.意義一:羊群效應的發展導致事件的不確定，增加了研究的必要性
羊群效應一詞源于生物學對動物聚群特征的研究羊群是一種很散亂的組織，平時在一起也是盲目地左沖右撞，但一旦有一只頭羊動起來，其他的羊也會不假思索地一哄而上，全然不顧前面可能有狼或者不遠處有更好的草叭羊群效應是一種廣泛出現的社會現象，在輿論傳播、金融、股市領域特別明顯近年來，在電子商務領域也逐步顯現發生羊群效應時，人們往往會追隨他人的選擇而忽略自有的信息，出現了一種跟風效應和從眾效應叭一般認為，可以對羊群效應進行兩種解讀:第一，正面積極:如“團隊合作、團隊精神、凝聚力、向心力”等，要求大多數人保持一致的思考、感官和行動的狀況，此時1+1>2;第二，負面破壞:如被戲稱為的“烏合之眾、從眾效應、跟風效應”，指人們容易受到多數人的影響，追隨大眾所同意的，跟從大眾的思想或行為，而自己并不會思考事件的意義，這種心理很容易導致盲從，從而陷入騙局或遭到失敗，此時1+1<2隊因此，羊群效應是一個自然社會現象，尤如一把“雙刃劍”，可以為事件帶來良性的發展，也可能出現毀滅性打擊，增加了事件發展的不確定性和風險性B ichchandan i等的研究\\(1992\\)認為，羊群行為的發生需要兩個先決條件:決策者對“自我信息的不確定性”和他們“觀察前人決策的能力”}l隨著互聯網不斷滲透到人們的日常生活中，購物、投資、投票、言論發表等傳統環境中的決策逐漸轉移到了互聯網上進行決策環境的這種變化使得從眾行為發生的條件得到了增強:首先，由于用戶與信息提供方沒有物理接觸而且相互匿名，大部分用戶對自己掌握的信息并不能很好地把握;其次，互聯網上的信息平臺能夠不同程度地披露前期用戶的決策信息，而互聯網的開放性使得所有的用戶都獲得了這種“觀察前人決策的能力”67羊群行為產生作用環境的網絡化和虛擬化，進一步增強了事件發展的模糊性和不確定性因此，有效地利用和引導好“羊群效應”，研究“羊群效應”發生發展的特征和規律，將正面的“羊群效應”運用到實踐中，控制負面的“羊群效應”現象的產生，對電子商務的健康發展十分必要
2.意義二:羊群效應的結果致使“馬太效應”出現，增加了研究的迫切性
簡單地說，電子商務的運營是電子商務企業利用網絡技術搭建一個商戶和網民之間的交易平臺理想中的電子商務市場結構如圖1所示一邊是由不同規格、價格、資質、種類、特色組成的眾多商品或商戶，另一邊是不同偏好、需求、年齡、地域、收入水平、網購經驗等組成的眾多網民理想中的電子商務市場結構就是要讓不同的商品或商戶都有自己的市場份額或擁有一定的客戶群，不同需求的網民都能得到個性化的滿足。
然而隨著電子商務的運營和發展，由于諸多因素或自然的選擇，社會上必然會有一些個體或組織具有信息占有的比較優勢，這種優勢促成了羊群效應的形成，最終導致市場結構出現分化，從而形成“馬太效應”，即強者愈強，弱者愈弱，如圖 2所示?！榜R太效應”在社會、經濟、政治、金融等等各個領域客觀、現實地存在著，不管人們怎樣對它褒貶不一、批判指責。我們與其回避此問題，批判“馬太效應”帶來怎樣的社會不公，不如去正視它的存在，努力發揮“馬太效應”所帶來的積極作用，消除和減少“馬太效應”所附帶的消極影響。
圖 3 所示是“馬太效應”起積極作用的電子商務市場結構。競爭強勁的商戶市場份額不斷擴大，品牌影響力日益增強，最終可能通過兼并、購買、重組等形式，將競爭弱小的商戶進行吞并。重組之后的商戶繼續發揮原有的管理、資本、品牌、研發等方面的優勢，積極改良產品，細分用戶需求，努力創造更加符合客戶需求的高價值產品，并且實現了規模效益，最終商戶和客戶均會從中受益，形成市場多贏的局面。對整個市場來說，無論是品牌影響力、競爭軟實力，還是規模、銷量、產值、就業人數等指標均比重組之前得到了提高。這樣的市場結構即就是“能力越大，責任越大”。圖 4 所示是“馬太效應”起消極作用的電子商務市場結構。
某商戶可能通過一些不正當手段顯著地占領了市場，并逐步將競爭弱小的商戶擠出了市場，形成一枝獨大的壟斷局面。借著壟斷地位，該商戶沒有把精力放在改良產品、滿足客戶需要、為客戶創造價值的本位上，而是不顧客戶利益，哄抬產品價格，瘋狂攫取客戶利 潤 ，最終的結果是客戶會放棄該商戶的產 品 ，選擇其它的產品進行替代，或者有新的競爭者進入，該商戶最終倒閉或者是被別的商戶所取代。應該認識到，在競爭充分的市場經濟中，任何市場行為都應是以滿足客戶需求、為客戶創造價值為本位，虛假、浮夸的市場行為騙得了一時，騙不了長久，騙得了一部分人，卻騙不了所有人。
因此，無論是羊群效應還是最終導致形成的馬太效應，都是現實社會中存在的一種自然現象，其本身沒什么好壞之分，其本質取決于這個群體的行為動機和價值取向，以及形成這種現象的過程是否公平公正，或形成之后朝著怎樣的目標前進。
在電子商務平臺上，對于產品質量過硬、品牌美譽度較高的商品，我們可以有效地借助和利用“羊群效應”，使其達到快速占領市場、擴大市場影響力的作用。在運營當中，如出現羊群效應現象，可以先分析這種現象是否屬于正常。如正常，分析原因、找出規律、改進已建立的管理模型；如不正常，則采取相應的阻隔和干預措施。目前，國內外有關電子商務運營中的羊群效應管理機制的研究，其完整系統理論較少，在電子商務爆發式增長的現階段，在羊群效應將導致馬太效應的爭議討論下，對此進行研究具有一定的迫切性。
3. 意義三：羊群效應的研究可借鑒運用到輿論導向和社會正能量的傳播，增加了研究的現實性。
近年來，媒體網站上的新聞熱點事件較多，如 2013 年隨著劉志軍、雷政富、薄熙來、李某某、楊達才、龔愛愛等案件的公開審理，人們在關注案件本身的同時，對其事件的評論也引起了廣泛的注意。許多評論觀點雷同、出奇一致，有時則出現意見一邊倒的現象，新聞事件的背后是不同觀點之間的“口水仗”。在網絡發達的自媒體時代，無論是門戶網站中對某一新聞事件的評論群體，還是電商網站中對某一商戶商品的點評群體，或者是社交網站中信息交流的社交群體，羊群效應都不同程度地存在著。
一直以來，弘揚人類美德、彰顯社會公德、傳播社會正能量，是社會輿論傳播的主旋律，同時可以起到凈化心靈、樹立正氣、和諧社會的效用。而借助羊群效應能快速、有效地達到這個目的。電子商務運營中的羊群效應包含較多的數量化信息，通過這方面的數理研究，可將其相關方法、理論借鑒運用到媒體輿論導向和社會正能量的傳播上來，進而增加了研究的現實性。
三、羊群效應呈現的主要特征分析
法國著名社會心理學家、群體心理學創始人古斯塔夫·勒龐\\(Gustave Le Bon\\)指出：群體形成之后，就會表現出一種共同的、暫時的、然而又是十分鮮明的普遍特性[7]。因此，不管是正面還是負面，從對羊群效應的描述上看，羊群效應的存在具備以下主要數理特征：
其一是一致性特征。群體成員觀點意見一致，大多數保持一致的思想和行動，與成員的級別、貢獻、偏好、性別等因素關系不顯著。古斯塔夫·勒龐\\(Gustave Le Bon\\)指出：群體中人有兩個共同的特點，首先是每一個人個性的消失，其次是他們的感情與思想都在關注于同一件事。
其二是非泊松分布特征。加入該群體的人數到達過程不符合泊松分布的性質。泊松分布是一種很常見的簡單隨機過程，經常用來模擬營業廳的客戶到達率、電話呼叫次數、某一地區一段時間間隔內發生交通事故的次數、某一醫院在一天內的急診病人數等等。泊松分布具有以下幾個性質：第一，平穩性：
在區間[α，α+t]內有 k 個客戶到來的概率與起點 α 無關，只與時間區間的長度 t 有關，即概率 pk\\(α，α+t\\)=pk\\(t\\)；第二，無后效性：
客戶到達時刻互相獨立，客戶各自獨立地隨機到達，不相交區間內到達呼叫數的概率分布是相互獨立的；第三，疏稀性：在無限小時間間隔 △t 內，到達 2 個以上的概率可認為是零，且在有限時間區間內到達的顧客戶數是有限的，即很顯然，羊群效應的人數到達率不符合泊松分布性質。
其三是突增性特征。在羊群效應的產生過程中，會出現人數突發激增現象，某一時期的人數到達率會是其全程平均到達率的數倍以上。
其四是同質連續性特征。受前人決策信號的影響，后來人的決策行為會出現與前人決策信號一致的情況，從而出現決策行為同質連續性特征。
四、羊群效應主要特征的實證分析
文章擬從某電子商務網站對最佳商戶的評定結果入手，研究羊群效應呈現的主要特征。該電子商務網站推出的最佳商戶評定，主要是由該網站會員對商戶進行內容點評和星級打分，網站對加入時間超過 3 個月且點評數達到同行平均點評數的商戶進行綜合打分，從而得出總體評價最好的最佳商戶，由系統自動生成，每天更新，從而為消費者進行決策提供依據和參考。
文章分別選取了三個案例：某市的最佳酒店、最佳餐廳和最佳商場。在 2013 年 5 月的一個多月觀察中，某酒店在 107 個上榜商戶中一直名列第 1 位置，某餐廳和某購物商場也分別在100 個上榜商戶中一直名列第 1 和第 2。文章試圖通過上述羊群效應的三個主要特征，檢驗分析這三個案例是否存在羊群效應現象，數據采集情況如表 1 所示，其中“全部點評”是指未經該網站審核認可的所有會員對該商戶進行點評的數量，“默認點評”是指經該網站審核認可通過的點評數量。
1. 一致性驗證
該網站會員對商戶的每一條點評內容主要有以下信息：文字描述、星級打分、分項內容打分、消費額、會員級別等，會員自身的信息還有性別、發表的主題貼數、點評數、粉絲數等。一致性驗證主要是通過單因素方差分析，研究不同級別、不同消費額、不同性別、不同范圍內發表的主題貼數、點評數、粉絲數是否對星級打分造成顯著影響。數學模型如下[9]：
設在一項試驗中，因素 A 有 r 個不同水平 A1，A2，… Ar，在水平 Ai下的試驗結果 Xi服從正態分布 N \\(μi，σ2\\)\\(i=1，2，…，r\\)，且X1，X2，… Xr相互獨立，現在水平 Ai下做了 ni次試驗，獲得了ni個試驗結果 Xij\\(j=1，2，…，ni\\)，它可以看成是取自總體 Xi\\(i=1，2，…，r\\)的一個樣本，由于 Xij服從正態分布 N\\(μi，σ2\\)，故 Xij與 μi的差可以看成一個隨機誤差 εij\\(i=1，2，...，r；j=1，2，…，ni\\)，εij服從正態分布，于是單因素方差分析的數學模型可以表示為：
其中各 εij相互獨立，其任務是檢驗上述同方差的 r 個正態總體的均值是否相等，即檢驗假設：H0：μ1=μ2=…=μ圮H1：μ1，μ2，...，μi中至少有兩個不相等。
在選取的三個案例中，文章運用數理統計工具的單因素方差分析 ，分別進行了檢驗。結果表明，會員級別、性別、消費額度、擁有粉絲數、撰寫點評數、發表主題貼數均對商戶的星級打分不會造成顯著影響，即從打分的分值結果來看，為同一商戶打分的所有會員分值集中，差別不顯著，觀點趨于一致。
以下是排名第 2 的最佳購物商場案例的具體數據情況：
（1） 不同級別的會員對星級打分影響不顯著。
該網站根據會員的貢獻值大小，分別設立了 0、1、2、3、4、4.5、5、5+ 共八個級別。這些級別所對應的會員數分別是5，7，9，19，22，20，24，7，3，F=0.903 （2） 不同性別的會員對星級打分影響不顯著。 最終結果顯示，107 條點評打分中，其中男性 15 名，女性84 名，其余 8 條內容未注明性別。最終 F=0.233 （3） 不同消費額度的會員對星級打分影響不顯著。 107 調點評中，其中消費額滿 600 元以上的有 4 人，消費額 300~599 之間的有 6 個，消費額 101~299 元之間的有 10 人，消費額 1~100 元之間的有 14 人，未標明消費額度的有 73 人，最終結果顯示，F=0.465 （4） 擁有不同粉絲的會員對星級打分影響不顯著。 結果顯示，最終 F=0.644 （5） 撰寫不同點評數的會員對星級打分影響不顯著。 107 條點評中，已寫 1000 個以上點評的有 5 人，已寫401~1000 個點評的有 16 人，已寫 201~400 個點評的有 24 人，已寫 101-200 個點評的有 16 人，已寫 51~100 個點評的有 14人，已寫 21~50 個點評的有 16 人，已寫 0~20 個點評的有 16人，結果顯示，F=1.703 （6） 發表不同主題貼數量的會員對星級打分影響不顯著。 會員在該網站發表主題貼的數量情況，可說明此會員的活躍程度，107 條點評中，發表了 100 以上主題貼的有 6 人，發表了30~99 個主題貼的有 16 人，發表了 10~29 個主題貼的有 7 人，發表了 1~9 個主題貼的有 24 人，發表了 0 主題貼的有 54 人，結果顯示，F=1.643 2. 非泊松分布驗證檢驗總體是否具有某一個指定的分布或屬于某一個分布族時，可以用 X2擬合優度檢驗法。當總體為離散型的情況，常用Pearson X2檢驗：設總體的 X 分布律為 P{X=i} = pi，i=1，2，…k；又設 p0i，i=1，2，…，k 為已知分布律，要檢驗的假設為：H0： pi=p0i，i=1，2，…，k圮H1：至少有一個 i，pi≠p0i設\\(X1，X2，…，Xn\\)為來自總體 X 的樣本，檢驗統計量為 X2=∑i=1k\\(ni-np0i\\)2/np0i。 其中 ni為 X1，X2，…，Xn中取值為 αi的個數。對檢驗水平 α，拒絕域為 X2≥Xα2\\(k-r-1\\)，r 為 p0i中所含的要估計的未知數的個數，而此時 p0i應為將所含的未知參數用其最大似然估計代替后的值[11]。 文章以某市的最佳酒店為例，期間有 92 封點評，共 882天、127 周、30 個月。我們分別以天、周、月為單位統計出客戶前來點評的次數 i，用 nti、nzi、nyi分別表示每天、每周、每月前來點評次數為 i 的頻數，結果如表 2 所示。 下面文章用 χ2擬合優度 -Pearsonχ2檢驗來驗證每天、每周、每月前來點評的次數 X是否服從 Poisson 分布\\(α=0.05\\)。 可見應拒絕 H0，即可認為以天、周、月為周期的前來點評的次數 X 不服從 Poisson 分布。 另外兩個案例的檢驗方法、過程同上所述，結果均表明以天、周、月為周期的前來點評的次數 X 不服從 Poisson 分布。 3. 突增性驗證 從表 3、表 4 可以看出，在觀察期的 20%時間點位前后，出現了人數突增情況，此時的周到達率是整個觀察期周到達率的 2-14 倍，其中最佳酒店、最佳餐廳點評次數突增的情況十分明顯。 4. 同質連續性驗證 為了考察這三個案例的跟風、從眾程度，可以定義同質連續性占比和相近連續性占比兩個指標。同質連續性占比 = 連續出現 3 個以上 （含 3 個） 打分一致的點評數 / 默認點評數。如規定點評打分在±1 分視為決策行為類似相近，則相近連續性占比 = 連續出現 3 個以上 （含 3 個） 打分相近的點評數 / 默認點評數。最佳酒店、最佳餐廳、最佳商場的點評打分的同質連續性如表 5 所示。 五、結論 文章運用數理統計的特征和指標，定量分析和描述了電子商務運營中的羊群效應現象。通過設定一致性、非泊松分布、突增性、同質連續性四個指標，分析羊群效應的主要特征，可以掌握羊群效應參與的熱情度和形成的聚集度，從而為今后的研究奠定了基礎。其中一致性、同質連續性呈現出了羊群效應成員參與的群體特征，非泊松分布、突增性呈現出了羊群效應產生形成的過程特征。從上述分析可以看出，上面三個案例滿足“羊群效應”的三個主要特征，均不同程度地存在著羊群效應現象，產生這種現象的原因是多方面的，例如網站對會員的激勵，商戶近期開展了系列營銷促銷活動，商戶對會員的點評反饋和激勵，“頭羊”的帶動和推動，或者存在“網絡推手”的策劃等等。這種現象屬于正面還是負面，還有待于進一步分析和研究。 正面的羊群效應，即消費者確實對該商品的價格、質量、服務、品牌、信譽較為認可，從而帶動了銷量和排名，進而刺激商家生產、開發更加符合消費者需求的產品，出現了正反饋；負面的羊群效應則是商家出于利益追逐，通過網絡推手、網絡水軍的策劃人為作假形成。據北京市公安局網絡管理處分析，目前知名商業網站和論壇 50%以上的帖子，都來自“網絡推手”，而并非網民自發的發帖[11]。 “羊群效應”的正面或負面判別將作為下一步的研究范疇，而從社會學的角度來看可以認為，“羊群效應”是一個自然的社會現象，其本身沒什么好壞之分，其本質取決于這個群體的行為動機和價值取向，以及形成這種現象的過程是否公平公正，或形成之后朝著怎樣的目標前進?！把蛉盒庇热缫话选半p刃劍”，可以為企業帶來良性的發展，也可能出現毀滅性打擊；“羊群效應”的爆發力度和爆發后的穩定時間長短，表面上可能與“頭羊”或者“網絡推手”有關，但最終還是取決于企業是否把精力放在產品的質量和服務上，是否真正實踐以人為本，以客戶中心的經營服務理念。 【參考文獻】 [1] 中國互聯網絡信息中心. 第 34 次中國互聯網絡發展狀況統計報告[RB/OL].2014-08-08. [2] 中國互聯網絡信息中心. 2013 年中國網絡購物市場研究報告[RB/OL]. 2014-08-08. [3] 百度百科. 羊群效應 [RB/OL].2013-09-18. [5] 薛玉林，陳霞. 電子商務企業的羊群效應凸顯 [J].中國電信業，2013\\(01\\): 48-49. [6] Bikhchandani S.，Hirshleifer D.，Welch I. A Theory of Fads，Fashion，Custo-m，and Cultural Change as Informational Cascades [J].Journal of PoliticalEconomy，1992，100\\(5\\)：992-1026. [7] 古斯塔夫·勒龐著，戴光年譯. 烏合之眾—大眾心理研究\\(第二版\\) [M].北京:新世界出版社，2011：10-11. [8] 蘇駟希. 通信網性能分析基礎 [M].北京:北京郵電大學出版社,2006:13-14.
[4] 薛玉林，呂廷杰，齊佳音，陳霞.“雙 11”促銷活動中羊群效應的博弈分析 [J].技術經濟與管理研究，2014\\(09\\)：3-6.
