本文是一篇电子商务论文，本文主要研究去中心化电商网络中消费者的观点和行为策略的演化，并提出相应的营销建议。
1绪论
1.1研究背景及意义
1.1.1研究背景
21世纪，电子商务作为信息时代互联网经济的代表，一直处在高速发展的进程中。电商平台的本质是通过突破交易双方空间、地域的限制，实现高效、便捷的信息交互，从而完成交易。网上交易的快速发展促进了中国电商从业人数和企业总量的快速增加。根据中商产业研究院数据显示，中国社交电商交易规模由2014年的950.1亿元增长到2021年的44641亿元，预计2025年可达48300.6亿元；用户规模也由2016年的4.18亿增长到2021年上半年的8.5亿人。
当前电子商务处于3.0阶段，与传统电子商务网络最大的区别在于“去中心化”，也就是任何合法公民都可以在网络上发表自己的观点和看法。其特点主要体现在以下四个方面：1.打破了传统电子商务平台在内容分发过程中的主观标准。2.信息传播不受时间、空间限制，传播速度呈现“核裂变”式的几何级数扩散态势。3.电子商务3.0阶段，该网络中的所有用户都可以成为传统电子商务模式中定义的“中心”，并在突发事件的产生、发酵、传播等环节中发挥重要作用。4.呈现自媒体形态，能够根据自己的兴趣偏好，快速进入相应社群。
麻省理工学院的Centola发表在《Science》的一篇研究成果表明，在社交网络系统社交力量的推动下，用户行为要比在随机网络系统中传播的更远更快[2]。20世纪60年代心理学家米尔格兰姆提出了“六度分离”理论，这也说明弱连接在社会生活中普遍存在，同时对我们的社交生活发挥着巨大的作用。
1.2国内外研究现状
与本论文相关的国内外研究包括以下三个方面：
1.2.1消费者行为模式研究
随着互联网的发展与普及，消费者行为模式大体经历了三个阶段，变迁对比如图1.1所示。1898年，美国广告学家艾里亚斯·路易斯正式提出AIDA消费者行动模式，旨在通过推销的方式，引起消费者对商品的兴趣，从而购买商品。在此基础上，美国营销专家山姆·罗兰·霍尔，于1920年对该模式进行了升级，提出了AIDMA消费者行动模式，主要用于品牌推广，旨在利用消费者对于品牌的记忆，在众多同类产品推销中迅速锁定该品牌，形成品牌依赖。
2005年，日本电通公司认为，消费者的口碑传播更为重要，商家会通过刷单获取搜索排名，通过事件营销、分享激励、朋友圈分享等方式，获得更多展示机会，通过堆料打造爆品。消费者会在受到商家的营销作用后，主动搜索该商品的相关信息，并进行信息分享。由此，提出了AISAS模型。
2去中心化电商消费者网络分析
2.1去中心化电商消费者网络概念界定
2.1.1去中心化电子商务模式
电商1.0时代，电子商务平台以淘宝、天猫、京东等为主。这一阶段，无论是商家想要推销产品，抑或是消费者想要购买产品，都需要通过固定平台，平台将所有商家的流量集中至平台，通过个性化推荐算法将店家的产品与消费者相匹配，促成交易，这一过程是高度集中化的。又因为这一阶段，电商平台更多的关注如何以最低的成本将商品同消费者形成精准对接，于是出现了流量的公平分配问题。电商平台采取的策略可以概括为优化存量，引入增量[63]，也就是不断优化平台搜索引擎的商品推荐排名机制，同时通过增加外部营销费用赢得等多的流量。也正是平台为了获得更多的流量，“刷单”、“好评返现”等所谓的激励评价机制爆发，不仅增加了电商平台虚假交易的风险，还使平台的精准营销受到极大的影响。
面对电商1.0时代电子商务平台因为流量乱象逐渐形成的行业垄断地位，为建立健全公平竞争审查制度，制定和实施与社会主义市场经济相适应的竞争规则，新《反垄断法》强调“经营者不得利用数据和算法、技术、资本优势以及平台规则等从事本法禁止的垄断行为。”这为电子商务新形式的发展创造了条件。
加之微信等社交软件的普及，人们获取信息的方式变得更加快捷便利，各种应用软件开始融入社交属性，产生了抖音、快手等短视频平台，具有社交性质的电子商务平台应运而生，电商迎来2.0时代。这一阶段，电商平台主要招募网络中的用户作为意见领袖，通过UGC（用户生成内容）利用私域流量（用户自己的流量）实现价值共创，在这过程中，意见领袖通过自身影响力作为商家营销的关键节点，借助用户之间人际关系的交互行为实现营销裂变，在一定程度上分担了平台集中资源再分发的作用，本文称这种电商形式为“去中心化电子商务平台”。“社会化电子商务”最早在2005年由雅虎提出，而后演变出“社交购物”、“社交电商”等概念，但本质上都是基于社交的电子商务模式。
2.2去中心化电商消费者网络拓扑结构分析
综合2.1.2小节关于去中心化电商消费者网络的定义，本小节继续深入探讨去中心化电商消费者网络的网络结构。对于去中心化电商消费者网络拓扑结构的分析是一种基于图论方法，针对网络中各节点间复杂联系进行分析的理论，其主要包括以下三大指标，分别是平均路径长度（the average path length）、聚集系数（clustering coefficient）和度分布（degree distribution）。因此，本部分通过选取与去中心化电商消费者网络的整体网络特性相吻合的数据集，从这三个指标入手进行分析，最终得到去中心化电商消费者网络的整体拓扑结构。
2.2.1平均路径长度
平均路径长度是评估复杂网络小世界特性最重要的指标，指任意两个节点之间距离的平均值。实证研究中证实，现实网络中尽管拥有的节点数再庞大，但是平均路径长度却较小。在去中心化电商消费者网络中，平均路径长度L是指，网络中的用户A将一件商品的口碑或一个话题的看法，经过最短关系链传递给用户B所需经过的最少的用户的平均个数，可以用于反映网络的整体连通性。去中心化电商消费者网络的平均路径长度越小，说明该网络符合小世界效应。
2.2.2聚类系数
聚类系数C是用来描述去中心化电商消费者网络中的某一节点与其相连节点之间聚集成团的一个程度系数。聚类系数主要用于分析去中心化电商消费者网络中，拥有相同兴趣领域的用户之间，信息的畅通程度。如果去中心化电商消费者网络中，节点a与其他节点存在ad条连边，那么这ad个节点理论上最多可以有2adC条连边。
3 基于改进Ising模型的去中心化电子商务网络演化机理研究........ 22
3.1 基于经典Ising模型的网络演化分析 .................. 22
3.1.1 经典Ising模型介绍 ............................... 22
3.1.2 经典Ising模型的改进点 ............................ 23
4 基于改进BA模型的去中心化电商消费者网络演化研究 ............... 36
4.1 去中心化电商消费者网络的演化动力学模型改进点分析 ........ 36
4.1.1 传统BA模型 ............................... 36
4.1.2 传统BA模型的改进点 ........................... 36
5 总结与展望............................... 48
5.1 研究总结 .................................. 48
5.2 展望 .................................... 49
4基于改进BA模型的去中心化电商消费者网络演化研究
4.1去中心化电商消费者网络的演化动力学模型改进点分析
4.1.1传统BA模型
基于2.3节内容，考虑到去中心化电商消费者网络的整体网络规模并不是一成不变的，而是处在一个不断变化的过程中。并且，新用户也会更倾向于关注系统推荐的、影响力较大的意见领袖，这也就形成了用户会优先考虑与网络中度大的用户建立联系的现象，这种现象在复杂网络中又被称为“马太效应”。
4.1.2传统BA模型的改进点
然而，尽管BA模型的增长机制、优先连接机制与去中心化电商消费者网络中的用户交互行为较为吻合，但是传统BA模型应用于去中心化电商消费者网络中仍存在以下不足：
1.结合2.3.1节特性可知，去中心化电商消费者网络中的用户会同时属于多个社群，而传统BA模型只描述了网络规模的扩大和节点优先连接的特性，忽视了网络演化过程中造成的节点所属社群和网络中社群结构的改变。因此，本章考虑对传统BA模型加以改进，在第一阶段中，为网络中的每个节点设置一个社群属性列表，来存储该节点所属社群，并在网络演化结束后，及时更新节点的社群属性列表，用以记录节点社群在网络演化过程中的变化。
2.结合2.3.2节特性可知，去中心化电商消费者网络中存在若干兴趣领域，用户视野具有局限性，只能看到所处兴趣领域内部其他用户的策略信息，进而选择是否跟随对方的策略。然而传统BA模型并未考虑到现实网络中社团结构的存在，在传统BA模型中的节点可以捕捉到全局信息，每个新加入的节点会优先选择全局范围内，影响力最大的节点并与之建立联系，这与去中心化电商消费者网络中用户的视野局限性特点不相符，该网络中的用户只会关注所属兴趣领域内，能引起自己注意的节点信息，因此本文考虑在第二阶段中，引入节点视野范围，对传统BA模型的优先连接机制加以优化，使整体演化过程更加贴合实际情况。
5总结与展望
5.1研究总结
去中心化电子商务环境下，网络中的用户可以发布对某件商品的评价，发布的评价可以被系统推送，同时也会被关注该商品的其他用户检索、点赞、追评、转发。在此过程中，网络中的用户发生交互，用户间会通过彼此信息的分享，调整自己的消费行为或决策策略。本文主要研究去中心化电商网络中消费者的观点和行为策略的演化，并提出相应的营销建议。具体结论
