屏蔽在線廣告的經濟學分析

屏蔽在線廣告的經濟學分析

來自專欄裘箕錄

消費者可以方便地獲取屏蔽廣告的軟體,這如何影響各方的利益?我們的第一感覺,當然是覺得投放廣告的商家吃虧:廣告沒人看,可不就賺不到錢了嗎?不過,和之前提到的搜索成本問題一樣:一個命題看起來沒毛病,不代表這個命題正確。嚴格地按照邏輯走一遍,常常會給人帶來「驚喜」。這個例子也是如此:屏蔽廣告,「受傷」的,未必是廣告主!

Anderson和Gans發表於American Economic Journal: Microeconomics的封面研究,對屏蔽軟體的經濟影響做了完整的分析。他們的分析結論顯示:在一個廣告主通過平台投放廣告、消費客根據平台內容質量和廣告多寡,決定是否消費平台內容的模型中,平台一定會因消費者使用屏蔽軟體而受損。在消費者福利和廣告主利潤方面,屏蔽的影響不確定

模型包含三方:不同類型的消費者、廣告主和壟斷的內容平台[1]。消費者的效用函數如下:訂閱平台時, u=	heta+lambda(1-x)-gamma a ;不訂閱,則獲得 0 效用[2][3]。其中, 	hetalambda 反映平台內容的質量好壞, a 是廣告數。此外, x 衡量了特定消費者對平台內容的喜愛程度, gamma 反映了消費者厭惡廣告的程度。消費者類型 (x,gamma) 均勻分布於 [0,ar x]	imes[0,ar gamma] ,密度為 frac{1}{ar x ar gamma}

其它部分,文章沿用了Anderson和Coate的設定:記個體層面,廣告主對廣告的需求曲線為 r(a) ,則 R(a)=r(a)a 是對每一個體,平台向廣告主身上收取的費用。令 r(a) 是二次可微的凹函數,則 R(a) 也是凹的。免費訂閱的情形中(收費訂閱的情形,請見注2),平台最大化 pi(a)=R(a)N_F ,其中, N_F 是訂閱人數。給定 a ,即可推得上圖中 N_F 的表達式。

觀察收益函數的形式,即知作為平台最優決策的 hat x 需要滿足一階條件: varepsilon_R(hat a)=varepsilon_N(hat a) 。其中, varepsilon_R(a)Ra 的彈性, varepsilon_N(a)Na 的彈性。利用前述 N_F 表達式,可算得 varepsilon_N(a) 。易證這裡的一階條件即為充要條件,且滿足條件的 hat a 唯一且必然小於 1 [4]。因此,沒有屏蔽軟體時,平台投放的廣告數量滿足 varepsilon_R(hat a)=varepsilon_N(hat a)=frac{ar gamma hat a}{2(	heta+lambda)-ar gamma hat a}<1

現在,可以開始引入屏蔽軟體的設定了。文章研究了兩種設定:第一種情形,平台先設定廣告數量;接下來,用戶可以選擇是否付出 c 的成本,以屏蔽所有廣告。求解這種情形並不困難:消費者是否屏蔽的決策,完全取決於費用 c 與廣告負效用上界 ar gamma a 的相對大小。顯然,當 c 足夠大時,沒有人會去屏蔽廣告;當 c<ar gamma a 時,平台的廣告數量將是 a=frac{c} {ar gamma}

第二種情形更為有趣,也更貼合實際:消費者首先決定,是否要付出 p 的成本獲取屏蔽廣告的軟體;了解消費者這一決策後,平台再決定投放廣告的數量。沿用前面算出的 hat a 這個記號,顯然,當 pgeq ar gamma hat a 時,沒有人會選擇購買軟體。進一步,當 p< ar gamma hat a 時,考慮到獲取軟體後,消費者將獲得 	heta+lambda(1-x) ,這個值和 p 的大小關係,將決定消費者的決策。

N_F 分類討論,即可算得以下的均衡:記均衡下的廣告水平為 hat a_p ,所有滿足 gamma >frac{p}{hat a_p}x<frac{p}{	heta+lambda-p} 的消費者都選擇獲取屏蔽軟體; hat a_p 則滿足 varepsilon_R(hat a_p)=frac{p}{2(	heta+lambda)-p} 。考慮到彈性的形式,容易證明,這一均衡也是唯一的[5]。從這個式子出發,再做一點非常簡單的計算,馬上證得以下結論:p 下降時,均衡中的廣告數量 hat a_p 隨之上升

各方的福利狀況怎麼變化呢?考慮到廣告數量上升,選擇屏蔽的用戶,福利會比之前更好;沒有屏蔽的用戶,福利水平因此下降廣告主利潤變化的方向不確定,原文構造了以下的例子:設 r(a)=1-a ,當 	heta+lambda<0.65 時,屏蔽廣告的用戶增加,反而會讓廣告主的利潤上升;這個值大於 0.65 時,廣告主的利潤,會隨著屏蔽軟體的使用率上升而下降[6]。

有趣的是,當 p 下降時,平台的利潤變化,方向可以完全確定:記 hat gamma 對應「於是否屏蔽無差異」的消費者類型,即 varepsilon_R(hat a_p)=frac{hat gamma hat a_p}{2(	heta+lambda)-hat gamma hat a_p} 。注意到 hat gammap 單調變化,即有上式第一個等號。計算即得第二個等號。注意到根據一階條件,有 R(hat a_p)frac{partial{N(hat a_p)}}{partial hat a_p}+R(hat a_p)N(hat a_p)=0 ;又 frac{partial{N(hat a_p)}}{partial hat gamma}=frac{	heta+lambda+hat gamma hat a}{lambda ar gamma ar x}<0 。因此,屏蔽軟體增加,一定會導致平台利潤的下降[7]。

最後,屏蔽軟體對於總福利的影響,方向同樣不確定。哪怕是取 r(a)=1-a 這一最簡單的形式,參數不同, p 下降對總福利的影響亦是可正可負。知友可能抱怨:推了半天,模型壓根就沒告訴我們確定的結論。確實如此。此類研究的意義之一,就是告訴我們當激勵的結構稍微複雜一點時,最終的結果可能有多複雜;僅憑「直觀」「感覺」分析,可以有多不靠譜。

[1] 有兩家平台相互競爭的情形,請見原文19頁。壟斷模型中福利分析的基本結論,在這一情況下仍然成立。

[2] 更一般的形式是 u=	heta+lambda(1-x)-s-gamma a 。其中, s 是平台向消費者收取的訂閱費用。此外,這一效用函數還需要滿足如下假設: lambda>0sgeq 0 , ageq 0 , ar{x}geq1 , 	heta in [-lambda,lambda(ar{x}-1)] 。帶有訂閱費用的情形的結論,請見原文18頁引理9。大體來說,當引入「平台最大化廣告收入加訂閱費收入」時,分析結論如下:相比完全無法獲取屏蔽軟體的情況,獲取成本 p 較低時,廣告數量增加,訂閱費用降低; p 較高時,廣告數量下降,訂閱費用增加。

[3] 平台經濟學中的許多模型,頗切合 @sleepsoft 的吐槽:在缺乏決策論研究支撐的情況下,「尬設」線性效用。當然,誠實地說,這樣做的理論非常充分:只要效用不是線性的,模型的結果,做出來常常就是一鍋漿糊。為說明這一點,以下作為留給知友的趣味小測試。將此處消費者效用函數中廣告部分的設定,由 gamma a 換成 (a-gamma)^2 ,其它保持不變。問題:先探索均衡是否存在;如果存在,求解均衡下的消費決策與廣告數量,並對各方做福利分析。

[4] 證明請見原文第23頁附錄。

[5] 證明請見原文第24頁附錄。

[6] 證明請見原文第25頁附錄。

[7] 值得注意的一點:這一結論,僅在屏蔽軟體能夠完全屏蔽廣告(將個體層面的 a 降到 0 )時成立。如果軟體僅能屏蔽部分廣告,則軟體使用率上升,對於平台利潤的影響不確定。詳見Shah, S. N. (2011). Ad-Skipping and Time-Shifting: A Theoretical Examination of the Digital Video Recorder (Doctoral dissertation, University of Virginia).

參考文獻:Anderson, S. P., & Coate, S. (2005). Market provision of broadcasting: A welfare analysis. The Review of Economic Studies, 72(4), 947-972.

Anderson, S. P., & Gans, J. S. (2011). Platform siphoning: Ad-avoidance and media content. American Economic Journal: Microeconomics, 3(4), 1-34.


推薦閱讀:

絕對的良心軟體,好到我都不想告訴你!

TAG:經濟學 | 互聯網 | 屏蔽廣告 |