２００8．2企业管理研究
ENTERPRISE MANAGEMENT
1990年 MAHAJAN等[1]对新产品扩散理论的研
究作了系统的回顾和展望， 归纳总结了 Bass模型 [2]
问世后的研究文献，认为研究成果是从 9个方面放
宽 Bass模型的限制性假定而取得的。 在此基础上，
他们指出未来的研究可以从如下 11个方面对新产
品扩散理论进行深化和扩展：①已有的研究只涉及
价格或广告因素对扩散的影响，未来的研究应引入
其他营销组合变量并进行实证；②产品的特征已引
入到扩散模型，未来应进行开发过程的优化产品设
计决策研究；③在产品代际相互影响扩散研究的基
础上， 预测产品换代的可能性和多代产品定价建
模；④已有的研究在下一代产品上市决策分析中没
有考虑价格影响，未来应对此进行进一步的理论和
实证研究；⑤高科技共生性产品捆绑上市的扩散模
型研究；⑥竞争者与产品增长的关系研究；⑦供给
约束的进一步研究，使管理者可以通过管理供给控
制产品的生命周期； ⑧市场干预对产品扩散的影
响；⑨综合时间和空间维度建模以评价上市策略对
扩散的影响研究；⑩在负面口头传播重要性研究的
基础上，开展 Bass模型的多阶段扩展中口头传播影
响的实证研究；輥輯訛研究销售“起飞”现象。
这篇权威的综述文献发表至今已过去了 17
年，关于新产品扩散的模型研究也取得了很大的进
展。 本文尝试对 1990年以后国外新产品扩散模型
研究的新进展作一次总结，并参照上述文献中对未
来研究方向的指导意见，分析研究现状的优势与不
足。
1990年以来国外的研究主要集中在 2个大的
方面：①对 Bass模型的改进和扩展；②脱离 Bass模
型体系构架全新模型。
1 新产品扩散的改进扩展模型
Bass 模型是新产品营销研究的主要平台， 20
世纪 90年代以来的研究依然垂青于对它的改进和
扩展。
加入营销组合变量
近 10多年的研究综合了价格和广告因素对扩
散的影响，同时增加了推销渠道的作用研究。
(1)价格和广告 1990年以前的研究是将二者
分开，单独研究其中之一对扩散的影响。 因为价格
和广告的变化均可刺激市场潜量， 所以 1990年以
后将二者一并引入模型的研究更有意义。 BASS等 [3]
提出了一个包括价格和广告 2 因素影响的广义
Bass模型：
f(t)/[1-F(t)]＝[p+qF(t)]x(t)；
x(t)＝1+[△P(t)/P(t-1)]β1+
[△V(t)/V(t-1)]β2，
式中，f(t)表示 t时间的新产品采用率；F(t)表示 t时
间的累积采用率；p、q分别是外部和内部影响系数；
国外新产品扩散模型研究的新进展
何应龙 周宗放
摘 要： 总结回顾了 1990年以后国外新产品扩散模型的主要研究进展， 其成果主要体现在 2个方
面：①在 Bass模型基础上的改进扩展模型，主要是引入营销组合变量、供给约束、竞争、补充性产品及产品
更新换代的影响，并考虑成倍购买和“试用—再买”的情况；②脱离 Bass模型的研究平台，开创全新架构的
模型，包括购买力驱动、战略驱动、异质性驱动扩散模型，以及空间扩散和娱乐品扩散模型。 比照 1990年
MAHAJAN等指出的 11个未来的研究方向， 可见 1990年以来新产品扩散的研究取得了很大的进展，在
一些方面的发展是突破性的，在另一些方面则严重不足。 尤其是近年来新兴技术及其产品的迅猛增长应
该成为未来研究关注的一个重点。
关键词：新产品扩散 /Bass模型 /新进展 /综述
【海外视野】
152· ·
ENTERPRISE MANAGEMENT
２００8．2 企业管理研究
x(t)表示价格和广告的影响；△P(t)＝P(t)-P(t-1)表示
价格的变化；△V(t)＝V(t)-V(t-1)表示广告的变化；β1、
β2分别为价格变化率的参数和广告变化率的参数，
分别表示价格和广告每变化 1%时对 x(t)的影响程
度。 当价格和广告保持不变时，上述模型就变成了
Bass模型； 当营销变量的系数在统计上显著时，广
义 Bass模型比 Bass模型能更好地拟合数据。
(2)推销渠道 研究分别集中于传统渠道和在
线渠道 2个方面。
JONES 等 [4]研究了传统渠道新产品的扩散，并
假定对任何新产品的采用有 2种渠道：零售商渠道
和消费者渠道。 采用新产品的零售商的数量取决于
消费市场潜量。 结果表明，即使消费者的采用曲线
是指数的，如果开始的销售水平有限，消费者的采
用模式也是与 Bass模型相似的 S型曲线。
RANGASWAMY等[5]研究了基于在线渠道数字
化环境下 Bass模型的应用， 结果表明通过在线渠
道，创新的市场潜量、模仿系数和创新系数将变大，
导致销售增长和采用加速。 作者认为在数字化的环
境里，好产品，如果有正面的口头传播将会比传统
渠道更快地取得市场成功，反之坏产品加上负面的
口头传播也会比传统渠道更快地走向失败。
竞争的影响
这方面的研究集中于探讨一个新品牌对同种
类其他品牌扩散的 2种影响：①增加了这个产品种
类的全部市场潜量； ②它加入同一市场的竞争，因
而减缓了现有品牌的扩散。 同时认为价格、广告等
营销变量的变化引起品牌扩散响应的敏感程度也
随竞争品牌的进入而发生变化。
MAHAJAN等[6]对相机市场的建模实证发现，柯
达从一个以前品牌的潜在购买者中得到了超过
30%的市场销售量， 同时也导致了市场膨胀。
PARKER 等 [7]发现一种甜点很强的品牌效应，在竞
争影响下独立扩散。 它的消费者对其他类似品牌的
试销给予了完全负面的影响。 KRISHNANT 等 [8]对
移动电话行业的品牌销售数据建模发现，新品牌进
入的 2种影响是分开的：在一些情况下增加了同种
类产品的市场潜量；在另一些情况下则加快或减慢
了同种类其他品牌的扩散过程。
引入供给约束
这方面的研究集中于分析采用模式的改变和
等待采用者的决策上，并将企业运作计划和销售研
究融合起来。
JAIN等 [9]认为在供给约束下，存在消费者不能
及时买到新产品的情况， 于是出现等待采用者，即
采用过程为上述 3阶段模式。 其模型
dA(t)/dt＝[p+(q1/m)A(t)+
(q2/m)N(t)][m-A(t)-N(t)]-c(t)A(t)，
式中，A(t)表示 t时间末等待采用者的数量； N(t)表
示 t时间末的累计采用者数量；c (t) 是供给系数；m
为市场潜量，其余字母意义同上。 其中 c(t)A(t)＝dN(t)
/dt表示 t时间供给约束对实际累计采用率的影响。
模型表明等待采用者数量的变化率随新的采用者
（由等待采用者和实际采用者对潜在采用者的影响
而产生）的出现而增加（由模仿系数 q1和 q2分别反
映）， 随等待采用者向实际采用者转变率的增加而
减少［由 c(t)A(t)＝dN(t)反映］。
而采用者总数的动态增长则描述为
dZ(t)/dt＝[p+(q1 /m)A(t)+
(q2/m)N(t)][m-A(t)-N(t)]，
式中，Z(t)＝A(t)+N(t)表示 t时间末等待采用者和累计
采用者总数。
但是， 作者将延期交货量假定为生产量的增
长，将等待采用者假定为始终满意的等待着而不会
中途取消购买的需求者，这些假定在实践中未必成
立。
HO等 [10]允许一些等待采用者在某一时点之后
放弃他们的采用决定。 作者使用优化控制理论建
模，允许库存和供需变化。 在面临是立即出售一单
位产品还是推迟销售以备将来的短缺时，结论认为
公司应立即销售，理由是即时现金流的时间价值超
过对需求加速的限制。
补充性产品的影响
补充性产品包括共生的补充性产品和衍生的
补充性产品。 共生的补充性产品是指一种产品无法
离开另一种产品而独自扩散，且二者重要性大致相
当，因此又称共生性产品或互补性产品。 如电脑硬
件与软件。 而衍生的补充性产品是指在某些创新主
产品出现后会带来某些补充性或衍生性的副产品。
它的一个主要特征是二者的重要性不同，而且主产
153· ·
２００8．2企业管理研究
ENTERPRISE MANAGEMENT
品可以不依赖于副产品而独立扩散。 如电影和录
像，手机和小灵通。 这是一种一方对另一方有间接
外部性的市场。
BUCKLIN 等 [11]建立了一个检验 2 种共生性产
品（产品条形码和扫描器）共同扩散的模型。 作者发
现二者共同扩散且相互的影响力并不对称，其中一
个产品对另一个产品的扩散有更大的影响。 GUPTA
等[12]分析了数字电视的扩散。 作者将共生性产品提
供者（数字程序供应商）的响应作为数字电视消费
需求的函数和外生变量，将消费需求的概率模型和
共生性产品响应模型综合起来建模，结果表明数字
电视的消费需求依赖于电视产品的硬件和软件特
性。
对于连续发行的产品，如电影通过影院和录像
出租发行就变成了 2 种产品的扩散。 LEHMANN
等[13]分析指出这种发行至关重要的问题是确定不同
渠道发行的最佳时间。 一种渠道发行太晚会减小来
自另一个渠道发行的营销影响力。 作者断言最初产
品的销售（如电影票房）有助于预测后续产品的销
售（如录像出租），并对录像发行的最佳时间提出了
建议。 SHOCKER等 [14]则引用移动电话与固定电话
竞争的例子说明，一个最初是补充性的产品，随着
新的市场成长到一定的程度就可能变成竞争性产
品。
产品更新换代的影响
研究主要集中于分析采用者的跳跃行为、多代
产品扩散的相互影响及其对价格变化的敏感性，以
期弄清楚影响的性质、预测多代产品扩散和制定新
一代产品上市的最优决策。
NORTON等[15]将他们以前的新产品更新扩散模
型应用扩展到电子、医药、消费和工业品行业，这个
模型
S1(t)＝m1F1(t)-m1F1(t)F2(t-r2)；
S2(t)＝F2(t-r2)[m2+m1F1(t)]，
式中，r2表示第 2代产品上市的时间；Si (t) 表示在 t
时期第 i代产品的销售量；Fi(t)表示每一代的累积采
用率(i＝1，2)；mi表示第 i代产品的市场潜量。
MAHAJAN等[16]建模说明使用者会跳过一代产
品而去购买较新一代产品的跳跃行为。 作者分析了
耐用技术品连续几代的采用和替代扩散模式，建议
对新产品上市采取“立即，或者成熟期”原则，即对
于新一代产品的上市，公司的最优决策是要么尽快
上市，要么等到上一代产品生命周期的成熟期再上
市。 KIM等 [17]建模分析指出一代产品的市场潜量不
仅要受到来自另一代产品的技术替代的影响，也要
受到其他种类产品销售的影响。 作者应用香港无线
通讯市场的寻呼机、手机和第二代无线电话的动态
增长数据的实证表明，最早上市的寻呼机对手机的
市场潜量有积极的影响，而手机对寻呼机的市场潜
量有负面的影响，第二代无线电话作为补充性副产
品对前二者的市场潜量都有积极的影响。 另外，
DANAHER等 [18]分析了在连续几代的技术更新产品
扩散中，营销组合变量各自独立的影响，指出在欧
洲手机行业中价格变化可以引起 2代产品在扩散
中相互影响。
考虑成倍购买和“试用—再买”的情况
Bass模型只考虑每个采用者采用一单位产品，
20世纪 90年代以前的研究主要考虑重购问题，其
后的研究则主要集中于一次成倍购买问题。
STEFFENS[19]用市场潜量动态的 Bass模型对第
1次单位产品采用者建模， 分析了耐用品成倍购买
问题。 因为外部的影响和以前的成倍购买者的影响
使第 1次单位产品采用者变成成倍购买者。 第 1次
成倍购买模型
dM(t)/dt＝[П1N(t)-M(t)][a1+b1M(t)]，
式中，M(t)表示 t 时间第 1 次成倍购买者的累积数
量；N(t)表示 t时间累积采用者数量；П1表示第 1次
单位产品采用者占全部采用者的比例；a1、b1为 2个
参数，分别代表外部和口头传播对第 1次成倍购买
者的影响。
作者认为第 1次单位购买者后续的成倍购买
往往会多于 2个单位，后续的成倍购买者的上限可
以处理为成倍购买者数量的一个固定比例。 后续的
成倍购买模型
dQ(t)/dt＝[П2M(t)-Q(t)][a2+b2M(t)]，
式中，Q(t)表示累积的后续成倍购买者的数量；П2表
示后续成倍购买者的比例；a2、b2为 2个参数， 分别
代表外部和口头传播对后续成倍购买者的影响。 这
个模型描述了成倍购买的过程和规律，但是没有详
细说明推动这种成倍购买过程的内外部因素。
154· ·
ENTERPRISE MANAGEMENT
２００8．2 企业管理研究
HAHN等[20]分析了制药行业“试用—再买”的扩
散过程，建立了一个 4阶段模型。 这 4个阶段包括
非试用者、试用者、试用后不再买者和试用后再买
者。 作者发现营销努力和已采用者的口头传播影响
试用，而产品质量、营销活动和对市场熟悉程度影
响重购率。
另外，在引入时变参数方面，唯一的扩展是改
变 Bass 模型中已采用者的影响是同质的假定。
SHARMA等[21]提出了一个非一致影响的扩展模型，
在这个模型里， 不仅已采用者的影响各不相同，而
且已采用者对近期的影响大于早前的影响。
另有一些研究者还分析了跨国社会系统的异
质性、世界主义、妇女运动、迁移、不同国家大众媒
体的可靠性、不同的文化和学习环境等跨国扩散变
量对新产品世界范围扩散的作用。
2 新产品扩散的新架构模型
一些研究者认为以 Bass模型为平台的研究的
最大局限是， 理解产品扩散仅仅依赖于传播过程，
而实际扩散还依赖于营销战略和采用者的购买力
及其异质性等因素。 为此，他们放弃了 Bass模型这
个平台，从全新的角度提出新的模型。 主要的研究
成果集中在以下 5个方面。
购买力驱动扩散
Bass 模型假定所有想买的人都能同等地买得
起新产品。 消费者之所以在不同的时间采用，是因
为他们知晓产品的时间和渠道不同。 而考虑购买力
的扩散模型认为采用者的支付能力是有差异的。
GOLDER等[22]指出大多数消费者早在购买以前就了
解新产品，但是高的价格让他们望而却步，因此，购
买力是新产品增长的关键驱动力。 作者将新产品销
售作为价格、收入（购买力）、消费者情绪和市场表
现的函数来建模，并采用柯布—道格拉斯函数模型
的形式：
S＝Pβ1Iβ2Cβ3Mβ4eε，
式中，S表示销售量；P 表示价格；I表示收入；C 表
示消费者情绪；M表示市场表现；e是残差， 表示影
响销售的其他因素；β1～β4、ε则分别表示相应变量的
弹性系数。 这个模型拟合数据不如 Bass模型好，但
是对于新增的观测数据它表现得比 Bass模型更稳
定，而且能够给出更好的来年预测。
HORSKY[23]假定工资和价格的分布，将有购买
力的个体定义为合格个体，认为只有其中的一部分
人购买产品。 其销售模型
式中，M(t)表示 t时间的市场潜量；S(t)表示 t时间的
销售量； 表示平均工资，其标准差为 δ(t)；
表示计算期产品平均价格；θ表示潜在购买者占全
部未购买者的比例；α和 β为常数；Q(t)表示 t时间
已购买者的累积数量。 如果市场潜量、收入分布和
价格保持不变，上式则成为类似 Bass模型的形式：
S(t)=[N-Q(t)][α+βQ(t)]，
式中，N是市场潜量。 作者对模型的实证研究结果
表明， 对那些口头传播很弱的产品种类的扩散，这
个模型的拟合数据好于 Bass模型。最后作者给出了
决策建议，认为当存在弱的口头传播时，专卖者应
采用价格撇脂战略；当存在强的口头传播时，应采
用价格渗透战略。
战略驱动扩散
这部分的研究是用模型来解释一个公司对诸
如市场进入、营销组合的努力和定位的选择。
DEKIMPE 等 [24]分析了数字通讯发射机的技术
采用的 2个阶段：①创新的首次利用和它在一个国
家开始推广之间的时间；②创新被引进到一个国家
和它被充分采用之间的时间。 作者分析了经济、社
会人口统计因素、设备安装的基础条件、创新从一
个阶段到另一个阶段过渡的国际经验以及使用的
方法等对创新扩散的影响等。 指出政府或中央通讯
单位在管理和建立标准方面是一个关键的决策者，
并有可能极大地影响到产品扩散（无论是迅速达到
充分的渗透扩散，还是呈现出更加渐进的 S型扩散
路径）。
VANVDENVBULTE等 [25]建模分析了社会影响和
药品公司的营销努力在赢得医生采用方面的作用，
发现是营销努力而不是传播影响了扩散过程。
BRONNENBERG 等 [26]对比萨饼生产商进入当地市
场的时机、零售商的品牌采用时机和进入的条件进
行建模，分析了通过零售连锁店向市场推广的 2个
比萨饼品牌的扩散。 研究不仅说明了考虑空间扩散
155· ·
２００8．2企业管理研究
ENTERPRISE MANAGEMENT
的重要性，也说明考虑制造商的营销行为（投放市
场战略）的重要性，否则，就会夸大竞争传播的影
响。
异质性驱动扩散
理论界把研究消费者异质性驱动扩散的模型
称为个体水平扩散模型，而研究假定消费者为同质
的集合的扩散模型被称为集合水平扩散模型。 一些
研究者认为消费者是信念更新和异质性的，因此其
采用决策是动态变化的 [27]。 CHATTERJEE 等 [28]主
张消费者是风险规避的，只有当他们对产品性能的
预期超过他们能承受的风险临界值和价格临界值
时才会采用产品，而且因为消费者的差异使其在所
需信息的积累方面是异质性的，他们会根据各自所
得到的正面和负面的信息更新他们的预期。 通过分
析预测个体的采用行为，作者建模得到一条扩散曲
线，而且模型能在一定的条件下生成 Bass模型。
BEMMAOR[29]证明一个集合水平扩散模型可以
从改变 Gompertz模型(G/SG)的个体水平异质性假设
中得到。 接着 BEMMAOR等[30]又证明了个体异质性
的 G/SG在预测能力方面的优势。 作者认为个体采
用的时间是随机的，遵从 2参数 b和 η的 Gompertz
分布。 其累积分布函数
F(t/η,b)＝(1-e-bt)exp(-ηe-bt) (t＞0)，
式中，b是常数；η表示个体的购买倾向。 作者假定
个体购买倾向服从参数为 α、β的伽玛分布，而 α的
小数值表明个体有较大的异质性。 基于此，作者得
出一个集合水平的采用时间分布：
F(t)＝(1-e-bt)/(1+βe-bt)α。
如果 α＝1，b＝p+q，β＝q/p，上式即为 Bass模型；
如果 α＝0，上式即为指数模型。
实证发现 G/SG比 Bass模型预测得更好，然而，
在新增观测值数据的情况下， 与 Bass 模型相比，
G/SG的参数稳定性较差。
SONG等[31]假定消费者对价格和产品质量水平
的未来预期随着二者的动态变化而改变。 认为消费
者在每一个时期都可以选择“买”或“不买”，从而达
到预期效用的折现值最大化。 作者综合这些个体的
采用决策得到一个集合水平的扩散曲线，从而使用
易得到的集合水平数据去估计个体水平的决策参
数。 SINHA等[32]通过将总体分为最终采用者和非采
用者，将采用的时间和概率作为个体水平变量的函
数来建模，分析了单个企业采用新产品的时间和概
率 ， 揭 示 了 个 体 水 平 的 异 质 性 。 CHAN-
DRASHEKARAN等 [33]则应用 Tobit持续期模型说明
了采用量和采用时间的变化。
KARSHENAS等 [34]分析了公司等级(rank)、采用
者累计量(stock)和采用位次(order)的影响。 在考虑公
司等级影响的模型里，一旦创新的效用超过某个关
键水平或临界值，公司就会采用。 如果效用随时间
系统地增加而临界值服从某个铃型分布，那么扩散
曲线将呈 S型。 在考虑采用者累计量影响的模型
里，假定来自采用的边际收益随已采用者数量的增
加而减少，随着时间的推移，技术的获取成本下降，
采用者的数量增加，新产品产出增加、价格下降，导
致技术采用超过某一点后就变成非盈利的了。 在包
含采用位次影响的模型里，假设使用新技术会产生
第一推动力，则采用新技术公司的回报依赖于它的
位次， 高位的公司比低位的公司能得到更多的回
报。 对于任一给定的获取成本，只有一定位次的公
司在一定的点采用是盈利的，由此决定了采用公司
的数量。 接着作者分析了英国工业 CNC工具扩散
中公司等级、采用者累计量、采用位次和传播的影
响，建立了模型
h(t/X，β)＝h0(t)exp(X'β)，
式中，X是包含了技术获取成本、t时间采用者的累
积数量、公司等级、在(t，t+1)期间累积采用者数量的
预期变化、价格及其预期变化等因素的解释变量；h
(g)表示未采用的公司在 t时间采用的条件概率。 他
们发现公司等级和内生的学习效果在扩散过程中
起到了重要的作用，而采用者累计量和采用位次的
影响很小。
空间扩散
主要考虑产品在空间扩散的模式而不是随时
间逐渐扩散。 REDMOND[35]主张对一个国内的扩散
过程进行空间扩散建模时应假定空间同质性，并断
言地区条件和人口统计的差异将导致一个国内不
同的扩散率。 GARBER等[36]认为借助于复杂的系统
分析，通过观察空间扩散模式来预测新产品的市场
成功是可能的。 在作者的分析中，市场是由个体采
用量为元素组成的矩阵，元素之间相互作用。 作者
156· ·
ENTERPRISE MANAGEMENT
２００8．2 企业管理研究
用 0代表新产品非采用者，1代表新产品采用者，p
代表个体受外部因素影响的概率，q代表一个个体
受到相互作用的另一个已采用个体影响的概率。 没
有采用的个体在时间 t采用的概率
P(t)＝1-(1-p)(1-q)v(t)+r(t)，
式中，v (t) 表示 t时间保持强联系的已采用者的数
量；r(t)表示 t时间保持弱联系的已采用者数量。 作
者指出对一种获得好评的产品，口头传播和模仿将
扩大内部影响，导致采用者群的形成。 如果产品失
败，内部影响的活动将减到最小，扩散主要归功于
外部影响，导致采用者随机分布，因此，一个失败产
品的空间分布将更接近于均匀分布。 作者使用交叉
熵的测量方法将这种产品的空间分布与均匀分布
相比较， 来预言一种处于推广期的新产品的成功，
并认为成功的产品会有一个下降的交叉熵，失败的
产品将有一个持续低的交叉熵。
娱乐品扩散
娱乐和信息产品的销售，通常遵循一个指数的
衰减模式而不是铃型模式。 ELIASHBERG等[37]建模
预测了个体在电影娱乐方面的差异。 SAWHNEY
等 [38]将个体看电影的总次数作为决策次数的总和，
建立了一个仅仅含 2个参数的简单模型，但能给出
代表所有的票房模式的 3种采用模式，而且比 Bass
模型的有效预测需要更少的数据，遗憾的是不能解
释票房是怎样逐渐扩大的。
随后的研究主要集中于上市前预测 。
ELIASHBERG等 [39]假定最初的消费者都处于“未决
定”状态，并受到媒体广告和正面或负面口头传播
的影响。 在广告和口头传播的影响下，有一个从“未
决定”到“考虑者”（最终会去看电影）或“拒绝者”的
转变过程。 考虑者会变成一个正面的或负面的传播
者。 作者通过建立马尔科夫链模型分析了这个状态
转变过程。 模型的参数有口头传播的频率、传播持
续期、考虑持续期和电影发行延迟等，这些参数通
过电影预映试验来决定。 ELBERSE等[40]主要分析了
一国内电影市场的票房对随后国际市场发行的影
响，进行跨文化背景下的电影市场预测。
另外，研究者也考察了广告、电影评论和电影
网站促销在预测票房上的影响。 另一些其他的模型
考察了与娱乐品销售有关的方面。 LEE等[41]和 MOE
等 [42]使用分阶段的贝叶斯方法进行娱乐新产品，如
音乐 CD销售的上市前预测。
3 比较与展望
与 1990年 MAHAJAN等所作的重要综述相比
照， 可以看出 17年来新产品扩散的研究取得了很
大的进展，在一些方面的发展是突破性的，另一些
方面则严重不足。 这主要表现在：
(1)在引入更多的营销组合变量建模和实证方
面有一些进展，模型考虑了渠道或价格和广告等营
销变量的影响。 但是只涉及有限的几个变量，而且
没有考虑这些变量的绝对水平。 未来研究的一个自
然发展应该是建立一个融合所有营销组合变量的
统一模型。
(2)考虑竞争影响的模型研究有很大的进展，解
释了扩散过程随新品牌进入的时机及其所面临的
竞争而变化，但是模型并没有说明在新产品市场中
是什么引起了竞争的不同影响。
(3)在放宽 Bass模型限制性假定的其他方面，均
取得了较大的进展。 每一个方面的改进只解决和放
宽了一种限制，管理者和分析者可以使用某一方面
改进模型中的任何一个为他们的产品及其种类建
模。 但是各方面的改进基本上是彼此分离和单独发
展的， 缺乏一个放宽所有这些假定的统一模型，也
就是说新产品扩散的研究至今无法建立一个统一
的理论。 另外，如前文所述，这些扩展模型均认为新
产品扩散过程的基本驱动力是通过消费者传播的
知识扩散过程，而这只不过是推动新产品增长的动
因之一。
(4)在对共生性产品捆绑上市的扩散研究方面
取得了突破性的进展，不仅研究了共生性产品的扩
散特征，而且研究了补充性副产品与主产品的共同
扩散。 其他如市场干预的影响研究，也取得了突破，
这 2方面的研究在 20世纪 90年代以前还很少见。
另外，关于市场“起飞”阶段的研究主要是属于产品
生命周期的范畴，本文限于篇幅不作讨论。
(5)1990年以后最重要的发展是在放弃 Bass模
型框架， 建立新架构模型方面取得了重大进展，并
成为新产品扩散研究的一个重要分支。 它使人们不
再局限于扩散的传播过程，对诸如购买力、采用者
异质性、战略等作为扩散的驱动力及扩散的空间模
157· ·
２００8．2企业管理研究
ENTERPRISE MANAGEMENT
式有了全新的理解， 并研究了数字化环境下的扩
散。 研究的进一步发展有可能成为新产品扩散研究
的另一个重要平台。 其中，基于购买力驱动的模型
能够具体地说明价格、收入（购买力）对采用过程的
影响，提高了模型的解释能力。
基于异质性驱动的模型的一个主要贡献是将
个体水平的采用决策作为扩散的主要驱动力建模；
同时还可以避开难得的个体水平数据而使用易得
的集合水平数据，但是应用集合水平数据实证能否
准确判定新产品扩散过程的驱动力令人怀疑。
基于营销驱动的模型发现营销战略的作用往
往在传播的作用之上，这一发现有助于避免将新产
品扩散全部归功于传播的错误结论。
基于空间扩散建模应用复杂系统分析等技术，
有助于从微观层面考察个体间相互作用的模式，有
助于理解它是如何影响新产品扩散的，但是，模型
忽略了传播以外的其他因素（如购买力、异质性和
战略等）的解释力。
娱乐产品模型在理解、拟合和娱乐品上市预测
方面比 Bass模型效果好，但是这些模型不适合非娱
乐品，对所有娱乐品是否具有一般性也还没有得到
证明。
(6)人类进入 21世纪以来，新兴技术方兴未艾。
新兴技术的发展和新兴技术产品的增长必将成为
创新扩散研究需要特别关注的领域。 而新兴技术有
不同于以前新技术的诸多特点， 如高度的不确定
性、创造性毁灭等，其技术的新特征导致其产品扩
散也会出现与以前新产品扩散不同的特征和模式，
这应该成为未来扩散模型研究的一个重点。
参考文献：
[1] MAHAJANNV,NMULLERNE,
Diffusion Models in Marketing: A Review and Directions for
Research[J]. Journal of Marketing, 1990,54(1):1-26.
[2]
Durables[J]. Management Science, 1969, 15 (5): 215-227.
[3] BASSNFNM,NKRISHNANNTNV,
Model Fits Without Decision Variables [J]. Marketing Science,
1994, 13(3):203-223.
[4] JONESNM,N RITZN CN IncorporatingN DistributionN intoN
New Products Diffusion Models [J]. International Journal of
ResearchNinNMarketing,N1991,8(6):91-112.
[5] RANGASWAMYNA,
DiffusionNinNtheNDigitalNEnvironment:NSomeNResearchNOpportunities
[M].NMAHAJANNV,NMULLERNE,
Models. Boston: Kluwer Academic, 2000.
[6] MAHAJANNV,NSHARMANS,
the Impact of Competitive Entry on Market Expansion and
Incumbent Sales[J]. Journal of Marketing, 1993,57(3):39-52.
[7] PARKERNP,-
fectsNinNDiffusionNModels:NAnNEmpiricalNAnalysisN [J].NInternationalN
Journal of Research in Marketing, 1994,11(1):17-39.
[8] KRISHNANTNV,NBASSNF,
EntrantN onN theNDiffusionN ofN aNNewNProduct/Service [J].N JournalN ofN
Marketing Research, 2000, 37 (2):269-278.
[9] JAINND,NMAHAJANNV, InnovationNDiffu-
sionNinNtheNPresenceNofNSupplyNRestrictions [J].NMarketingNScience,N
1991,10(1):83-90.
[10] HON T-H,N SAVINN S,N -
mandNandNSalesNDynamicsNinNNewNProductNDiffusionNUnderNSupplyN
Constraint[J]. Management Science, 2002,48 (2): 187-206.
[11] BUCKLINN LN P,N SENGUPTAN TheN Co-DiffusionN ofN
Complementary Innovations: Supermarket Scanners and UPC
Symbols [J].N JournalN ofNProductN InnovationNManagement,N1993,10
(2): 148-160.
[12] GUPTANS,NJAINNDNC, theN
Evolution of Markets with Indirect Network Externalities: An
Application to Digital Television[J]. Marketing Science, 1999,18(3):
396-416.
[13] LEHMANNNDNR,-
quentialN DistributionN Channels:N AnN ApplicationN toN MoviesN andN
Videos[J]. Journal of Marketing, 2000, 64(3): 18-33.
[14] SHOCKERNAND,NBAYUSNBNL,-
plementsN andN SubstitutesN inN theN RealN World:N TheN RelevanceN ofN
Other Products[J]. Journal of Marketing, 2004,68(1): 28-40.
[15] NORTONN JN A,N BASSN volutionN ofN TechnologicaiN
Generations:NTheNLawNofNCapture [J].N SloanNManagementNReview,N
1992, 33(2): 66-77.
[16] MAHAJANN V,N MULLERN Timing,N DiffusionN andN
Substitution of Successive Generations of Technological
Innovations:NTheNIBMNMainframeNCase[J].NTechnologicalNForecast-
ing and Social Change, 1996,51:109-132.
[17] KIMNN,NCHANGNDNR,-
ter-Category and Generational Dynamics for a Growing Information
TechnologyN Industry [J].N ManagementN Science,N 2000,46 (4):
496-512.
158· ·
ENTERPRISE MANAGEMENT
２００8．2 企业管理研究
[18] DANAHERR PR J,R HARDIER BR GR S,R PUTSISR JRRWR
Marketing-Mix Variables and the Diffusion of Successive
GenerationsRofRaRTechnologicalRInnovation [J].RJournalRofRMarketingR
Research, 2001,38(4):501-514.
[19]
Diffusion Process[J]. Technological Forecasting and Social Change,
2002,70: 901-917.
[20] HAHN M,FPARKFS,FKRISHNAMURTHIFL,FZOLT-
NERS A. Analysis of New Product Diffusion Using a Four Segment
Trial-Repeat Model[J]. Marketing Science, 1994, 13(3):224-247.
[21] SHARMARP,-HomogeneousR
Non-Uniform Influence Model of Innovation Diffusion [J].
Technological Forecasting and Social Change, 1994,46:279-288.
[22] GOLDERRPRN,:AnRAf-
fordability Model of the Growth of New Consumer Durables [J].
Journal of Forecasting, 1998,17 (3):259-280.
[23] HORSKY -
uct Benefits, Price, Income and Information[J]. Marketing Science,
1990,9 (4): 342-365.
[24] DEKIMPERM,RPARKERRP,-
fusionRofRTechnologicalRInnovations:RARCoupled-HazardRApproach
[J]. Journal of Marketing Research, 2000, 37(1):47-59.
[25] VANRDENRBULTERC, InnovationR
Revisited: Social Contagion Versus Marketing Effort [J]. American
Journal of Sociology, 2001, 106(5):1409-1435.
[26] BRONNENBERGRBRJ,
Retailer Adoption of New Brands [J]. Marketing Science, 2004, 23
(4):500-518.
[27] ROBERTSRJRH,-LevelRDif-
fusionRModels [M].RMahajanRV,RMullerRE,
Diffusion Models. Boston: Kluwer Academic, 2000.
[28] CHATTERJEER R,R ELIASHBERGR TheR InnovationR
Diffusion Process in a Heterogeneous Population: A Micro
Modeling Approach [J]. Management Science, 1990,36 (9):
1057-1079.
[29]
Goods: Word-of-Mouth Effect Versus Consumer Heterogeneity[M].
LAURENTRG,LILIENRGRL,-
keting. Boston: Kluwer, 1994.
[30] BEMMAORRA,R TheR ImpactR ofR HeterogeneityR
andR Ill-ConditioningR onR DiffusionRModelR ParameterR Estimates [J].R
Marketing Science, 2002,21(2):209-220.
[31] SONGR I,R CHINTAGUNTAR AR MieromodelR ofR NewR
Product Adoption with Heterogeneous and Forward Looking
Consumers: A pplication to the Digital Camera Category [J].
QuantitativeRMarketingRandREconomics,R2003,1:R371-407.
[32] SINHARRRK,-
ard Model for Analyzing the Diffusion of Innovations [J]. Journal of
Marketing Research, 1992, 29(1):116-127.
[33] CHANDRASHEKARANRM,
Determinants of Innovativeness: A Split-Population Tobit (SPOT)
Duration Model of Timing and Volume of First and Repeat
Purchase[J]. Journal of Marketing Research, 1995, 32(4): 444-456.
[34] KARSHENASRM,,RStock,ROrder,R
and Epidemic Effects in the Diffusion of New Process
Technologies:RAnREmpiricalRModel [J].RRandRJournalRofREconomics,R
1993,24 (4): 503-528.
[35] DiffusionR atR Sub-NationalR Levels:R AR
RegionalRAnalysisR ofRNewRProductRGrowth [J].R JournalR ofRProductR
Innovation Management, 1994, 11(2):201-212.
[36] GARBERRT,RGOLDENBERGRJ,RLIBAIRB,R etR
Density to Destiny: Using Spatial Dimension of Sales Data for Early
PredictionRofRNewRProductRSuccess[J].RMarketingRScience,R2004,R23
(3):419-428.
[37] ELIASHBERGRJ, toR
Hollywood:RPredictingR IndividualRDifferencesR inRMovieREnjoyment
[J]. Management Science, 1994, 40(9):1151-1173.
[38] SAWHNEYR MR S,R ELIASHBERGR AR ParsimoniousR
Model for Forecasting Gross Box-Office Revenues of Motion
Pictures[J]. Marketing Science, 1996, 15(2):113-131.
[39] ELIASHBERGRJ,RJONKERRJ-J,RSAWHNEYRMRS,
MOVIEMOD:R AnR ImplementableR DecisionR SupportR SystemR forR
Pre-ReleaseRMarketREvaluationRofRMotionRPietures [J].RMarketingR
Science, 2000, 19 (3):226-243.
[40] ELBERSERA,R ELIASHBERGR DemandR andR SupplyR
Dynamics for Sequentially Released Products in International
Markets:RTheRCaseRofRMotionRPictures[J].RMarketingRScience,R2003,R
22(3):329-354.
[41] LEER JR A,R BOATWRIGHTR P,R KAMAKURAR WR
BayesianRModelRforRPrelaunchRSalesRForecastingRofRRecordedRMusic
[J]. Management Science, 2003, 49(2):179-196.
[42] MOERW,
toRForecastRNewRProductRSales [J].RMarketingRScience,R2002,21(3):
347-364.
基金项目：国家自然科学基金资助项目(70671017)。
作者简介：何应龙，武汉科技大学（武汉 430081），
湖北省中小企业研究中心副教授， 电子科技大学管理
学院博士研究生；周宗放，电子科技大学管理学院。（成
都 610054）
原载《管理学报》（武汉），～536
159· ·
