一种跨游戏均衡框架：通过消费者偏好学习新产品创意

《Expert Systems with Applications》：A Cross-Game Equilibrium Framework for Learning New Product Ideas from Consumer Preferences

　　夏美美|冯雨瑞|徐泽水|朱斌
北京交通大学经济与管理学院，北京，100044，中国

摘要
从消费者偏好中学习新产品创意（NPIs）是市场驱动的新产品开发（NPD）中一个基本而具有挑战性的任务。现有研究通常将NPIs的生成视为一个静态的数学聚合问题，忽略了消费者在有限的产品定义资源上进行战略互动这一事实。因此，这些方法很少能产生稳定和公平的均衡解。本文引入了一种创新的跨游戏均衡（CGE）框架，将NPI生成重新概念化为一个去中心化的战略协商过程。该框架将消费者视为理性代理人，他们的偏好在同伴诱导的兼容性约束下动态演变。没有单一的消费者偏好主导产品设计；相反，偏好相互制约和协商，最终达到一个没有个体有动机偏离的稳定状态。所得到的均衡解在个体理性与集体兼容性之间取得了平衡，从根本上避免了传统聚合方法典型的平均偏差。在汽车行业的实证研究表明，与基准方法相比，CGE框架生成的新产品在结构一致性和市场代表性方面显著更高，为企业提供了更强大且实用的市场驱动NPD决策工具。

引言
在市场驱动的新产品开发（NPD）中，识别最优的新产品创意（NPIs）是一个关键的战略决策，它决定了下游的设计路径和资源分配（Rochford, 1991, Wind, Mahajan, 1997）。这一过程在技术密集型耐用品的先进制造行业中尤为明显，例如新能源汽车（NEVs）和高端消费电子产品（Marion & Fixson, 2021）。随着这些行业的成熟，市场竞争已从基本的功能差异化转变为复杂属性组合的精细优化（Porter, Heppelmann, 2014, Yin, Stecke, Li, 2018）。开发这些高复杂性产品需要大量的、往往是不可逆的研发投资。同时，由于规模经济的限制，企业无法为每个个体定制产品；相反，他们必须确定一个能吸引广泛市场细分市场的集体产品架构（Simpson, 2004, Tao, Sui, Liu, Qi, Zhang, Song, Guo, Lu, Nee, 2019）。这一企业层面的要求因消费者行为而变得复杂。由于购买这类耐用品涉及重大的财务承诺，消费者会进行认知要求高、参与度高的决策（Liao, Molin, Van Wee, 2017, Tversky, Simonson, 1993）。他们不是基于孤立的特征来评估产品，而是进行多维权衡，其中产品属性经常表现出强烈的非线性互动，如互补性和替代性（Wang, 2022）。因此，NPI生成的真正难点不仅在于捕捉这些复杂的个体权衡，还在于在异质且常常冲突的市场利益中将其数学上协调成一个结构稳定、集体可接受的产品概念。

尽管有这一迫切需求，当前的方法论范式在理解消费者需求与确定具体建造内容之间留下了巨大的“生成空白”（Van Kleef, Van Trijp, & Luning, 2005）。一方面，现象驱动的探索性方法主要依靠自然语言处理和文本挖掘，已被证明在从非结构化的用户生成内容中提取显著的产品属性和潜在消费者痛点方面非常有效（Huang, Ignatius, Song, Bian, Gong, 2025, Liu, Shi, Huang, Hou, Zhang, 2024, Ren, Liu, Zhang, 2024）。然而，这些方法主要停留在定性特征识别的层面；它们缺乏将这些孤立见解综合成精确的定量产品坐标所需的正式数学机制。另一方面，以评估为导向的定量模型，如联合分析和离散选择模型（Berbeglia, Garassino, Vulcano, 2022, Green, Srinivasan, 1990），在数学上非常稳健，但本质上仅限于评估消费者对预定义产品组合的偏好。它们有效地作为事后市场验证工具，而不是事前的生成引擎。

为了弥合这一生成空白，Shocker & Srinivasan（1974）提出的基于意图的逆向设计框架提供了一个基础视角。该方法基于多维偏好分析的线性规划技术（LINMAP）（Srinivasan & Shocker, 1973），将产品表示为多维属性空间中的连续坐标。它从成对的偏好判断中推断出消费者的理想点和权衡结构，直接得出与消费者内部表征最一致的候选产品概念。这一视角从根本上将分析重点从预测现有选项之间的选择转移到发现尚未进入市场的潜在产品创意上。虽然这种生成范式成功地揭示了潜在的产品概念，但将这些个体理想点转化为集体市场产品时暴露了一个根本的结构限制。在Shocker & Srinivasan（1974）的框架中，这种转换被明确表述为一个集中优化问题。具体来说，该方法将个体选择概率聚合起来定义一个静态的全球目标函数，寻找一个最大化整体市场份额或收入的单一产品位置。虽然计算上简单，但这种集中视角依赖于一个隐含的假设，即可以通过数学聚合无缝协调冲突的偏好。然而，在实际市场中，消费者不仅在偏好的属性水平上有所不同，而且在接受不利设计权衡的阈值上也存在差异（Dong et al., 2018）。通过将多样化的偏好强制纳入单一的全球目标，静态优化程序不可避免地会产生一个数学上的折中方案。这样的“平均产品”很少能特别满足任何特定消费者群体，因为它为了取悦整体而稀释了强烈的典型偏好（DeGroot, 1974）。此外，为了建模个体偏好，这种生成框架主要依赖于线性加性效用结构，这隐含地将产品属性视为相互独立的。然而，在实际消费者决策中，产品评估很少是简单的线性叠加。消费者通常会进行复杂的多维权衡，其中属性表现出强烈的非线性互动，如互补性和替代性（Aggarwal, 2016）。因此，依赖线性简化的偏好输入在结构上扭曲了最终产品概念的行为准确性。

为了克服这些限制，本文提出了一种跨游戏均衡（CGE）框架，将NPI生成重新概念化为一个基于行为现实偏好建模的去中心化战略协商过程。该框架首先使用Choquet积分来建模个体消费者偏好。通过利用模糊度量为属性子集分配权重，Choquet积分明确捕捉了如互补性和替代性这样的非加性互动（Grabisch, 1996）。在此基础上，框架将集体NPI生成表述为一个跨游戏协商过程。在这种设置中，消费者作为理性代理人，在同伴诱导的兼容性约束下迭代调整他们的产品提案，使系统收敛到一个受限的纳什均衡，而不是静态的数学平均值（Dong, Zha, Zhang, Kou, Fujita, Chiclana, Herrera-Viedma, 2018, Meng, Wang, Pedrycz, Tan, 2023）。通过结合行为真实的偏好模型和博弈论协调机制，CGE框架确保了最终产品创意在个体理性和集体可行性之间取得平衡，直接解决了现有方法中固有的行为简化和战略不稳定性问题。

本文的贡献可以总结为三个关键创新：
（i）从静态聚合到战略均衡的范式转变。我们提出了一种跨游戏协商机制，消除了对“中央规划者”或简单数学平均的依赖。通过将偏好协调建模为一个去中心化的游戏，其中消费者在同伴诱导的兼容性约束下迭代调整他们的候选NPIs，系统收敛到一个受限的纳什均衡。这确保了最终产品创意在战略上是稳定的，在社会上是具有代表性的，并避免了传统的“平均产品”陷阱。
（ii）一种捕捉非加性行为现实的意图导向偏好模型。我们通过整合Choquet积分来估计消费者理想点，推进了逆向设计方法。这种表述明确捕捉了复杂的、高阶的属性互动，如互补性和替代性，克服了经典模型（如LINMAP）的限制性线性加性假设。这为后续的协商游戏提供了结构上真实且行为上现实的基础。
（iii）一个端到端的框架，具有内生的代表性机制。我们开发了完整的CGE框架，无缝桥接了个体偏好学习和群体层面的游戏动态。至关重要的是，我们引入了一种内生的代表性加权方案，根据每个消费者的自一致性和交叉兼容性来校准他们的影响力。这确保了细分市场层面的均衡由典型偏好牢固地支撑，使框架完全数据驱动，并可直接应用于复杂的实际市场。

本文的其余部分结构如下。第2节回顾了关于NPI生成、消费者偏好建模和博弈论共识机制的相关文献。第3节正式开发了所提出的CGE框架，详细介绍了基于Choquet的偏好学习和去中心化协商过程。第4节通过汽车行业的实证案例研究展示了我们方法的实际效用和有效性。第5节全面讨论了框架的计算可扩展性、管理和应用见解，以及其假设、限制和未来方向。最后，第6节总结了本文的主要发现。

相关工作
本节回顾了构成我们工作理论基础的三个文献流：（i）NPI识别，它建立了问题背景；（ii）消费者偏好建模，它提供了个体层面的行为表示；以及（iii）跨游戏和战略均衡，它提供了群体层面的协调机制。通过综合这些不同但互补领域的见解，我们确定了激发所提出的CGE的研究空白。

问题描述和框架概述
在NPD的早期阶段，企业通常进行市场研究以了解无法直接观察到的消费者需求。所获取的信息通常以比较而非绝对术语的形式表达，因为消费者在报告相对偏好（例如，“产品A比产品B更受欢迎”）方面更为一致，而不是提供绝对效用分数。因此，可用数据通常采取成对比较的形式，这只能提供部分和间接的信息。

计算属性和可扩展性
评估所提出框架的计算复杂性需要分析个体偏好学习和跨游戏协商阶段。如第3节所述，个体学习阶段（NLP1）与消费者数量N成线性比例，在我们的汽车案例研究中平均每个消费者大约需要3秒。相比之下，跨游戏协商机制每次迭代需要解决N(N?1)个独立的子问题，导致二次方的计算复杂度。

结论
本文解决了市场驱动新产品开发中的一个核心挑战：从异质消费者偏好中推导出可行且具有代表性的NPIs。传统的以评估为导向的方法和静态聚合模型往往模糊了偏好异质性，产生的数学解决方案缺乏行为合理性。为了弥合这一差距，我们提出了CGE框架，它将NPI识别从一个集中计算练习重新定义为一种去中心化的过程。

作者贡献声明
夏美美：概念化、方法论、软件、形式分析、验证、写作——审阅与编辑。
冯雨瑞：概念化、方法论、软件、验证、数据管理、调查、写作——原始草稿、可视化。
徐泽水：方法论、验证、监督、写作——审阅与编辑。
朱斌：概念化、监督、项目管理、资金获取、写作——审阅与编辑。

利益冲突声明
作者声明他们没有已知的竞争财务利益或个人关系可能影响本文报告的工作。