当今社会，数字化驱动着供需两端的深刻变革，成为中国经济增长的重要引擎之一。其中，数字消费与数字营销是相关领域的两大重点研究问题：数字消费是推动数字经济发展的关键动力；数字营销变革了传统营销方式，日益成为主流营销方式。同时，数字经济的快速发展，企业信息化、智能化的变革持续深化，极大提高了以云计算、大数据、物联网、移动智能设备为代表的新一代信息技术进一步丰富微观数据观测的可能性。如何以微观大数据为基础的管理应用研究应对最新产业实践变化，以数字经济发展中衍生出的管理挑战为核心，融合信息科学、管理科学和组织行为学相关实证方法，推动管理理论发展的同时着力提升研究成果的应用性和实践价值，成为了亟待突破和完善的重大课题。两大研究方向之间联系密切：一方面，从供需两端研究数字消费和数字营销需要基于微观大数据及其相关实证方法；另一方面，数字消费和数字营销也为大数据应用研究提供了业务场景和一定的理论基础，二者相辅相成。围绕上述问题，北京大学光华管理学院科研团队的优秀学者们形成了研究共同体，积极展开各项研究，取得了丰富的学术成果，并在本次会议上对本学科的前沿问题进行探讨与展望。

5月17日，北京大学光华管理学院围绕“数字消费与数字营销——基于微观大数据的应用型管理研究”的研究方向，举办了第十一场“双一流学科建设重点研究方向”系列研讨会，介绍北京大学在上述领域的研究现状和研究方向，并结合嘉宾们的学术成果与前沿探索展开讨论。本次研讨会由北京大学光华管理学院市场营销学系刘宏举教授和管理科学与信息系统系王翀教授担任主讲人，北京大学光华管理学院市场营销系厉行副教授、北京大学光华管理学院市场营销系张颖婕助理教授、北京大学光华管理学院管理科学与信息系统系王聪助理教授和北京大学光华管理学院“光华思想力”李奕霖博士后担任主讲嘉宾。光华管理学院教师、访问学者及博士生线上线下共计八十多人参加了本次研讨。

会议伊始，刘宏举老师首先对今天的议题进行了简要介绍，明确本次研讨会将聚焦在数字消费与数字营销、基于微观大数据的应用型管理研究两个方向。刘老师向大家简单介绍了在本次研讨会上做重点分享的四位主讲嘉宾，介绍了他们在本方向上的研究基础和学术水平，并表示非常希望借此机会能与大家展开研讨。

品牌广告：调研问卷的比较

厉行，北京大学光华管理学院市场营销系副教授

厉老师以“品效之争”研究为核心，首先介绍了关于该主题的研究背景。“品效之争”是广告行业的一个重要话题，主要涉及品牌广告（Brand Advertising）和效果广告（Performance Advertising）之间的对比和选择。品牌广告的主要目标是提升品牌知名度和形象，增加品牌影响力，通过塑造品牌故事和形象来建立消费者的情感连接，这种广告类型的效果通常是长期的、难以量化的，往往对提升品牌形象具有一定效果。相反，效果广告更注重直接结果，如点击、购买、订阅或下载等具体行为，这种广告类型的效果往往能够立即看到，并且容易度量，但很难对品牌形象提升做贡献。在市场投放广告统计中，广告市场效果与品牌广告的占比大约是8:2，大多数广告都以效果广告为主，“品效之争”主要集中在以下两个方面：度量的困难以及归因的困难。

而在线广告平台从可度量结果、科学地归因两个角度缓解了广告效果评估的难题。在线效果广告的点击量、转化率、购买量等指标都是具体的、可视化的，可以直观地衡量广告的效果。同时，在线广告的效果也可以通过归因模型或者A/B实验等不同的方式去客观的衡量。但另一方面，在线广告平台并不能完全解决上述度量困难和归因困难的问题，因为这两个方面的评估方法大部分是在效果广告的背景下发展出来的，对品牌广告的效果评估促进甚微。

厉老师对品牌广告度量与归因的方法进行了梳理，并进一步提出研究问题。他认为，针对度量问题，在效果广告方面，可以直接使用曝光、点击、转化等具体的指标度量；在品牌广告方面，研究结果表明虽然品牌广告的直接转化率较低，但是对品牌心智却有较大影响。品牌心智是一种消费者对品牌的知觉、认知和情感关联，这个概念描述了消费者在考虑购买产品或服务时，品牌在他们心中占有的“份额”。在营销学界对于品牌心智的度量常用调研问卷的形式度量，包括如品牌购买意愿、消费者满意程度等等。针对归因问题，在效果广告方面，可以利用随机对照实验，对广告点击的平均处理效应（average treatment effect）以及受处理人群的平均处理效应（average treatment effect on treated）进行计算。在品牌广告方面，尽管也可以使用随机实验进行问卷发放，但归因的结果依赖于问卷的回收情况，而人们在是否回复问卷这个选择中存在内生性，对于问卷的归因变得比较困难。

厉老师的研究主要提出了一种基于意向性治疗（intention to treat）的A/B测试方法来衡量用户对广告的态度反应。研究首先通过忽视性假设（Latent Ignorability Assumption）解决问卷回应偏差问题（non-response bias），在此假设基础上，研究提出一套基于倾向性匹配（propensity score match）进行估计，在处理响应率低的数据不平衡问题上，提出了一种新的方法，并在字节跳动抖音场景中实施了该方法，并对其效果进行了实证评估。

在抖音的实证场景中，研究进行了一个A/B测试实验，实验组向用户发关于品牌喜好程度以及是否愿意推荐给别人的问卷。研究发现，问卷回应偏差确实存在：看到广告的人比不看广告的人问卷回复的概率提高13%左右。研究进一步估计并比较了三种估计结果：问卷回应的用户，实验组中问卷回应用户，实验组用户在品牌喜好程度以及是否愿意推荐两个关键变量上的区别，并且对比了用户群体之间的人口统计学变量，探究造成广告效果差异的原因。

最后，厉老师总结了研究对于推动品牌广告在广告行业中发展的作用和意义。“我们坚信伟大的广告在于创意，而创意体现在于品牌广告。我希望我们的研究可以促使广告行业有更多高质量的品牌广告出现。”

1+1＞2？数据、人类与机器

张颖婕，北京大学光华管理学院市场营销系助理教授

张老师以AI的发展为切入点，思考在人工智能进入社会后，人类应当如何发挥主观能动性，由此引出了自身关于人机协作的研究主题，以及人类应当如何实现自身价值的问题。

张老师首先概述了人机协作领域近年的研究焦点，主要聚焦于人类对AI社会化的反应，以及人机决策的相似性和差异性。这种研究背景下出现了两个极端现象，即人工智能厌恶与半机械人化。前者对AI的信任度低，认为人类拥有更丰富的信息，能做出更优的决策；而后者则相信AI的智能度和精准度，认为人类可以完全依赖AI决策。针对这一情况，张老师的研究试图解答三个问题：一是通过系统设计探索人类在人机协作中的贡献；二是解析这一人机协作的生成机制与原因；三是探讨如何利用人类的异质性来提升协作效能。

进一步，张老师选取亚洲的小额贷款公司为研究对象，对比了人工和AI在批准借款人违约率方面的决策差异。实验设定了两组处理对照组：第一组研究信息丰富度对决策的影响，人工审核员往往依赖于传统数据，而AI对于如购买记录、电话使用记录等新型信息具有更强的解析能力；第二组研究了为人工组提供AI决策理由的情况，从而提升人工对于AI决策的理解。

实验结果揭示了几个关键的发现。首先，当人工和AI各自独立作决策时，AI的判断准确率虽超过人工，但二者之间的差距并不明显。其次，在小数据情况下，AI的参与对人工决策未产生显著影响。然而，在大数据环境下，人类只有在被告知AI决策逻辑的前提下，才能对违约率判断产生积极的价值。第三，人在第八组数据中显著地表现出对AI的跟随性，但在AI出现错误时，人工仍能展现出独立思考和纠错能力，这恰恰体现了人类的独特价值。

同时，张老师对实验结果进行了深入的思考。她指出，在大数据背景下，人工难以有效运用如购买记录等大数据信息，并将其与自身决策融合，尽管仍依赖传统数据，人工的判断能力并未显著提升。相比之下，AI在处理大数据信息上，显示出更强的提取、转化和运用能力，从而得出更精准的判断。另外，当面对中间情况且处于纠结状态时，人工更倾向于依赖AI的决策，但当申请人的情况较为极端时，人工通常会依赖自己的判断而非接受AI的建议。

最后，张老师深入讨论了机器决策的潜在弊端。通过详尽的模型分析和实验研究，她发现机器决策可能引入一定的偏见。例如，在判断是否批准借款人的贷款申请时，AI有明显的倾向性，更偏向批准女性申请者。然而，这并非源于女性申请者的条件优于男性。实际上，数据展示，女性的违约率反倒更高。当人工审核参与后，尽管对于缩小男女批准率的差异并无显著影响，但它却进一步筛选了女性借款人，从而有效降低了违约率。

探寻数字足迹，触及固有偏好：个性化推荐的因果解读方法

王聪，北京大学光华管理学院管理科学与信息系统系助理教授

王聪老师首先以“探寻数字足迹，触及固有偏好：个性化推荐的因果解读方法”为主题，介绍了她本次分享的研究背景。

随着过滤气泡、信息茧房等现象逐渐为人们所熟知，用户开始意识到信息世界很大程度上是被推荐系统所构建的。同时，随着用户与信息系统交互，这种信息世界构建的逻辑循环也在不断加强。为了更好的优化推荐系统，避免由于情景化产生的选择给推荐系统带来的影响，推荐系统需要从用户历史的行为轨迹（digital footprint）或者隐式反馈（implicit feedback）中找到用户真正兴趣的话题。然而，往往用户的行为数据不仅包含内容兴趣，还存在很多场景化噪音（contextual factor）。王老师利用了生动形象的例子说明场景化存在的情况：如一个关心国际政治的用户，某次因为场景性的原因点击观看了娱乐圈八卦新闻，这种场景化噪音会使得用户偏离原本的兴趣进行消费，并且进一步说明如果推荐系统将场景噪音下的用户选择行为作为推荐系统训练样本，将带来推荐不准确或用户流失的问题。为了更科学的解决这个问题，王老师认为应当通过科学的方式建模，探索将用户真实兴趣与场景化因素剥离的新方法，从而进一步提升推荐系统模型的可解释性。这个模型也能够为将来推荐工作中设计场景化因素干预提供科学启示。上述研究主要使用因果图的方式对行为偏差的产生原因进行刻画，同时针对上述问题，王老师也遇到了一系列研究挑战，如因果图的构建、学习、可识别性以及用户的动态决策过程等。

接下来，王老师对相关前沿研究进行了回顾和梳理，借助Dowling（2020）对于用户在在线消费过程中的一些认知偏差总结，比如非标准偏好、非标准信念、非标准决策，王老师总结了上述偏差产生的原因，如需求识别、购前阶段中影响用户决策的内外部因素，内部因素即用户兴趣，外部因素包含物品显著程度、用户从众性等。

接下来，王老师以购买过程中的典型变量为例，讲解了因果图的构建，并说明每一个决策的背后都可能包含内在偏好以及外部影响。随后，王老师进一步说明了三个变量在因果图模型推断的难点，即三元决策问题。研究从理论出发，探讨了用户兴趣、物品显著程度、用户从众性对浏览、添加到购物车以及购买行为的影响。同时，研究探讨了模型的可识别性问题。通过相关实验验证，试图厘清合因果图与机器学习的推荐系统是否比较好的拟合，存在场景因素形成的噪声数据时能否有很好的表现，在图上考虑一些额外的信息是否有价值，图模型与真实世界的是否有比较好的对应等重要问题。通过展示可视化结果，研究证明了模型可以将不同的影响因素剥离分解，取得了重要成果。

王老师的研究在理论层面揭示了消费者多种隐性反馈背后的行为机制和因果关系，研究了这些因素如何通过不同的决策路径影响消费者的购买意愿。在方法论层面，该研究是首个解析各个阶段隐性反馈背后原因并提供可解释建议的研究之一。同时，研究还提出了处理具有挑战性的三角结构数字足迹的新方法、拓宽了对更多类型隐性反馈建模的途径。上述研究共同构成了一种可靠的评估框架，对于研究数字化背景下的消费者偏好倾向具有重要意义。

强化薄弱环节：双边闭包与内容创新

李奕霖，北京大学光华管理学院“光华思想力”博士后

李老师首先分享了其研究重点——关注“内容创新”，并表示期待能够和弱关系理论这一经典的社会科学理论对话，促进内容创新。

新一代信息技术，以云计算、大数据、物联网以及移动智能设备为代表，将进一步丰富微观数据的观测方式。随着微观数据观察的持续丰富，基于机器学习的管理决策辅助应用以及适用于处理高维和多模态数据的数据挖掘算法模型，也得到了快速的发展。李老师指出，大数据和算法通过提供更丰富的信息，更先进的算法，更优质的外部环境，以及更出色的理论，为社会科学研究带来了新的机遇。

在讨论具体的研究背景时，李老师首先强调了内容创新对于数字平台发展的关键作用。内容创新能够促进用户互动的活跃度，而在面对平台竞争压力加剧和平台媒介更加丰富的社会背景下，如何吸引专业且富有创新精神的内容创作者，已成为数字平台亟需解决的问题。同时，这种大环境也为内容创作者提供了机遇和挑战。

首先，数字平台具有丰富的交互功能，可以拉进消费者和创作者之间的距离，并促进了二者的信息交换。消费者作为重要的信息来源，其想法、对产品的反馈和市场需求，都对创作者的创作有着很大影响。但是在当今消费者信息量爆炸的情形下，如何提取其中的有效信息并转化为创新生产力，则是创作者面临的一大挑战。传统理论认为，弱关系可以传递更加新颖的信息，弱关系理论可以较好的解决上述问题。但李老师通过研究发现，在信息变换速度快、信息总量巨大、信息分布碎片化的数字平台上，弱关系理论在这一领域明显发力不足。因此，我们需要对弱关系理论做出拓展，创建新的网络结构，使创作者可以更加有效的利用海量、更新迅速而又碎片化的信息。

李老师在研究中提出了一个名为“双边闭包”的网络结构，以描述创作者和消费者之间的信息交互过程。这个结构也分辨了用户在网络中的不同角色。该研究旨在通过实验揭示创作者的信息网络结构对内容创新的影响机制。在双边闭包中，信息传递有两种路径：首先，消费者可以直接将信息传递给焦点创作者。其次，消费者可以首先连接到同行创作者，然后再将信息传递给焦点创作者，这是一种间接的信息传递方式。这种传递方式的优点在于，同行创作者可以对消费者的信息进行整理，将其转化为更易于消化和吸收的知识，从而提高了信息转化效率。

李老师提出三个假设：第一，消费者的网络规模和创作者的内容创新性之间存在倒U型关系。在一定范围内，消费者网络规模越大越好，但是如果数量过多，就会因认知过载，而对创作者的内容创新产生负向影响。第二，双边闭包的密度对创作者的内容创新性有积极影响。第三，双边闭包密度可以正向调节消费者网络规模对内容创新性的影响。

在实证研究阶段，李老师及其研究团队重点分析了“创作者社团”现象，创作者社团是指一些网络名人表现出自发形成“社会团体”的趋势，他们通过集体行动来提高曝光率并获得经济利益，广泛存在于快手、B站、YouTube等视频网站。创作者社团会为其成员提供培训，并相互推广，从而增加共享粉丝的数量。研究主要关注创作者在加入创作者社团前后的内容创新是否有所变化，以及是否可以将这种变化归因于网络结构的变化。他们使用了一些复杂的算法，从用户大数据中提取了传统手段难以获取的信息。利用UKG-Vortex系统，他们在2019年12月至2020年10月期间，记录了125个“创作者社团”和超过1600个新成员的加入，并收集了这些创作者的行为特征，用于匹配过程。

研究结果表明：消费者网络规模对创作者的内容创新具有倒U型效应，双边闭包的密度具有正向的主效应和调节效应。三个假设都得到了实验结果的支持。

在最后的总结中，李老师指出，首先，本研究的理论贡献在于提出了“双边闭包”这一全新的理论概念。这是对以往的弱关系理论的一种扩展，同时，这个概念也能更好地反映在线社交网络中的现实规律。李老师表示，未来的研究将更加关注“双边闭包”的具体成因、形成过程以及演化方式。其次，本研究对于文化产品的创新也有着重要贡献。它深化了我们对数字内容创新潜在机制的理解，并使用人工智能算法来辅助衡量内容创新。最后，本研究对于理解数字平台的生态环境具有重要的作用，它帮助我们更好地理解用户社交网络，以及如何激发信息处理和创新的新模式。

未来，北大光华将以“有组织的科研”服务国家重大战略需求，围绕“数字消费与数字营销——基于微观大数据的应用型管理研究”开展学术探索，充分发挥北京大学光华管理学院的师资与平台优势，凝聚社会各方研究力量，顺应数字化、信息化、智能化的时代发展潮流，开展中国情景下的数字消费和数字营销研究，并利用好微观大数据这一重要工具，推动管理学理论发展、着力提升研究成果的应用性和实践价值，更好地应对世界大变局。

编辑：梁萍