讲座题目：创作者经济中的推荐营销

主讲人：赵璞 北京大学光华管理学院助理教授

讲座时间：2025年6月11日10：00

讲座地点：学院南路校区主教学楼615

主持人：魏闯 中央财经大学商学院助理教授

主讲人介绍：

赵璞，北京大学光华管理学院市场营销学系助理教授。本科毕业于加利福尼亚大学洛杉矶分校（UCLA），获数学、经济学、政治科学三专业文理学士学位。2024年毕业于波士顿大学，获工商管理博士学位（市场营销方向）。赵璞博士的研究领域主要是量化市场营销策略设计与优化、数字平台设计与规制等，尤其关注数字平台创作者、消费者以及平台自身这三方的决策权衡。

讲座摘要：

Referral marketing is increasingly adopted by creators to incentivize existing subscribers through referral rewards for customer acquisition. In this study, we focus on a referral program design where creators have discretion over pricing and referral decisions. We quantify the financial consequences of referral marketing by investigating these decisions with a structural model. Using a unique panel dataset of 1,755 creators over 39 months from a Chinese creator platform, we find that (1) a 1% increase in referral rewards leads to an average 0.78% increase in new subscribers; (2) when creators produce highly exclusive content, simply increasing referral rewards does not significantly boost referred subscribers; (3) for every 1% increase in creator profits, the relative probability of choosing a higher referral percentage decreases by 0.96%. Our structural model is generalizable enough to accommodate creators’ pricing and referral decisions under different popular referral program designs in the market. In counterfactual analyses, we compare the current decentralized referral program design with two prevalent platform-driven designs: a fixed referral percentage or a fixed reward amount. We find that under the platform-driven designs, creators are less likely to adopt referral programs and lower subscription prices to attract subscribers, but platform revenue increases significantly, highlighting a misalignment between the profit-maximizing goal of creators and the revenue-maximizing objective of the platform.

摘要（中文）：

推荐营销正被越来越多的创作者采用，旨在通过推荐奖励激励现有订阅者进行获客。本研究聚焦于一种创作者对定价和推荐决策拥有自主权的推荐机制设计。我们通过结构模型量化了推荐营销的财务影响。利用一家来自中国创作者平台的独特面板数据集（包括1,755名创作者，涵盖39个月的时间跨度），我们发现：（1）推荐奖励增加1%使新订阅者平均增加0.78%；（2）当创作者发布高度排他（仅订阅该创作者用户可见）的内容时，仅仅提高推荐奖励并未显著增加推荐订阅者；（3）每当创作者利润增加1%，选择更高推荐百分比的相对概率降低0.96%。我们的结构模型具有较强的普适性，可以适应市场上不同流行推荐机制设计下创作者的定价和推荐决策。在反事实分析中，我们将当前的去中心化推荐机制设计与两种平台驱动的设计进行了比较：固定推荐百分比和固定推荐奖励金额。我们发现，在平台驱动的设计下，创作者更不愿采用推荐计划，并且会降低订阅价格以吸引订阅者；与此同时平台收入显著增加，凸显了创作者追求利润最大化目标与平台追求收入最大化目标之间的错配。