音乐流媒体平台中补偿艺术家的新方法

《Games and Economic Behavior》：New methods to compensate artists in music streaming platforms

　　

研究人员研究了如何度量音乐流媒体平台中艺术家的流行度（popularity）。通过考察若干具有规范性吸引力原则的公理所蕴含的后果，研究揭示了流行度指数（popularity indices）的空间。由此，研究人员刻画了若干类指数。上述刻画结果有助于回应音乐产业中日益增长的关切，即探索能够更恰当地奖励艺术家的新方法（奖励资金来源于平台向用户收费所获得的收入）。研究还将这些指数族与Spotify和Deezer近期推出的新型版税（royalties）模型建立了联系。

本文发表于《Games and Economic Behavior》，聚焦音乐流媒体平台中艺术家补偿规则的规范性基础，核心问题是：平台应如何依据用户播放行为更合理地衡量艺术家“重要性”并据此分配用户支付形成的收入。研究背景在于，随着流媒体已成为录制音乐贸易收入的主要来源，传统版税分配机制，尤其是按总播放量分配的按比例法（pro-rata）和按用户分别核算的用户中心法（user-centric），虽然已被广泛采用，但其规范依据、适用边界以及与新型平台规则之间的关系仍缺乏系统刻画。现有研究已经对这两类经典方法进行了公理化分析，也从合作博弈与多议题请求问题等角度提供了理论解释，但其中部分基础公理，特别是成对齐次性（pairwise homogeneity），规范含义较强且带有一定“反向工程”色彩。因此，有必要以更弱、也更具直观公平含义的公理重新展开分析，以揭示更广泛的指数空间，并为产业中新近出现的补偿制度创新提供理论基础。

围绕这一目标，研究人员在既有工作的基础上，以可加性（additivity）和零播放艺术家（null artists）两条基础公理为出发点，系统研究流媒体问题中的流行度指数。论文首先证明：满足可加性与零播放艺术家公理的指数，恰好构成可分解指数（decomposable indices）这一大类。该结果以更弱公理替代成对齐次性，显著拓展了可被规范化刻画的补偿规则范围。随后，研究人员进一步考察三类“等影响”公理对该指数族的约束：其一，针对播放量的“相似用户的相同个体影响”（equal individual impact of similar users）；其二，针对用户的“用户的相同总体影响”（equal global impact of users）；其三，针对艺术家的“艺术家的相同影响”（equal impact of artists）。结果表明，这三类公理分别将可分解指数缩减为三个具有明确结构含义的子族：用户独立可分解指数（user-independent decomposable indices）、总量不变可分解指数（aggregate-invariant decomposable indices）以及Shapley诱导可分解指数（Shapley-induced decomposable indices）。进一步地，论文还分析了这些子族之间的交集结构，发现某些公理对彼此不相容，而某些交集则唯一导出Shapley指数（Shapley index）。

从结论上看，本文最重要的理论贡献在于揭示了音乐流媒体平台艺术家补偿指数的一个系统分类框架。研究证明：一方面，经典的按比例法和用户中心法不过是更广泛可分解指数空间中的特殊情形；另一方面，以艺术家间对称影响为核心的规范要求，会自然导向基于Shapley值（Shapley value，合作博弈中按边际贡献平均分配的解概念）的指数结构。论文还指出，在同时要求两类“等影响”公理时，可能出现无解、丰富函数族或唯一解三种不同情形，其中Shapley指数在“用户总体影响相同”与“艺术家影响相同”两公理联立时成为唯一满足条件的指数。研究意义在于，它不仅为音乐流媒体平台中的新型补偿方法提供了清晰的公理化基础，也为解释Spotify、Deezer等平台近期推出的新规则提供了统一理论语言，并显示平台的奖励机制设计可以在公平、抗操纵与市场激励之间进行更精细的制度选择。

就主要技术方法而言，研究采用规范性公理分析（axiomatic analysis）作为主线，在流媒体问题三元组P=(N,M,t)的形式模型上定义艺术家流行度指数，并通过“当且仅当”形式的刻画定理识别各指数族。论文同时引入合作博弈论（cooperative game theory）工具，利用可转移效用博弈（TU game）与Shapley值来定义并表征Shapley诱导指数；并通过构造函数d(i,j,x)研究指数的可分解结构、用户独立性与总量不变性。全文属于理论研究，不涉及实验样本队列。

下面结合论文主体结果进行分段解读。

2. Streaming problems
本节建立了全文分析的基本模型。研究人员将平台中的艺术家集合记为N、用户集合记为M，并以矩阵t=_(tij)记录用户j对艺术家i的播放次数。每个用户的支付额被标准化为1，因此平台待分配总额等于用户数m。基于这一设定，论文将一个流媒体问题形式化为三元组P=(N,M,t)。同时，研究人员定义了艺术家总播放量T_i、用户总播放量T_j、用户播放过的艺术家集合L_j以及用户画像t_.j等基本量，为后续公理与指数定义提供精确基础。该部分的结论性作用在于：流媒体补偿问题可以被严格抽象为一个基于用户—艺术家播放矩阵的分配问题，从而允许对补偿规则进行形式化比较。

2.2. Indices
在该小节中，研究人员定义了流行度指数I，即为每个问题中的每位艺术家赋予一个非负重要性数值，并令奖励R^I_i与该重要性成比例。随后，论文回顾并形式化了几类关键指数。第一类是按比例指数（pro-rata index），其重要性等于艺术家总播放量T_i；由此对应的补偿机制按总播放量在全体艺术家间分配收入。第二类是用户中心指数（user-centric index），其重要性为各用户对该艺术家播放占其总播放比例之和，因此每位用户的支付只在其实际播放过的艺术家之间分配。第三类是加权指数（weighted indices），通过权重系统ω(j,x)为不同用户及其画像赋予不同权重，从而构成介于按比例法与用户中心法之间的一般化家族。第四类是Shapley指数，它将每位用户支付在其播放过的艺术家之间平均分配，而不考虑同一用户内部的播放次数比例。该节的重要结论是：本文所讨论的若干经典和新型补偿规则都可统一表述为流行度指数，并能在同一理论框架中比较其性质。

2.3. Axioms
本节提出论文的规范性公理体系。可加性要求：若一个问题由两组互不重叠用户构成，则整体问题的指数应等于两个子问题指数之和。零播放艺术家公理要求：若某艺术家没有任何播放，则其指数为0。成对齐次性要求：若每位用户对艺术家i的播放量都恰为对艺术家i′的λ倍，则指数也应保持该比例。研究人员指出，成对齐次性强于零播放艺术家公理。随后，论文引入三类“等影响”公理：相似用户的相同个体影响要求，对于某艺术家而言，两位在该艺术家上播放量相同的用户，在被移除时对该艺术家指数的影响应相同；用户的相同总体影响要求，不同用户被移除时对全部艺术家指数总和的影响应相同；艺术家的相同影响要求，两位艺术家彼此离开平台时，对对方指数造成的变化应对称。该部分的意义在于，全文所有主要刻画结果都建立在这些公理组合之上。

3. Results
这是论文的核心部分。研究首先回顾既有结果：满足可加性与成对齐次性的指数，当且仅当是加权指数；若再加入相似用户的相同个体影响，则唯一得到按比例指数；若改为加入用户的相同总体影响，则唯一得到用户中心指数。该结果构成本文新分析的参照系。

随后，研究人员提出并证明本文首个核心定理。通过引入函数d(i,j,x)，论文将可分解指数定义为：每位艺术家的指数可以写成所有用户贡献项之和，且当x_i=0时对应贡献为0。基于此，定理1表明：满足可加性与零播放艺术家公理的指数，当且仅当是可分解指数；若再加上相似用户的相同个体影响，则恰好得到用户独立可分解指数；若再加上用户的相同总体影响，则恰好得到总量不变可分解指数。通过这一结果，研究人员将原本依赖较强成对齐次性的分析，扩展为一个更为宽广且规范含义更清晰的框架。其直接含义是，平台规则完全可以超越传统加权结构，而仍保持良好的公理基础。

接着，论文转向艺术家维度的对称性。研究人员借助可转移效用博弈与Shapley值构造Shapley诱导可分解指数，并给出定理2：满足可加性、零播放艺术家与艺术家的相同影响这三条公理的指数，当且仅当是Shapley诱导可分解指数。也就是说，只要要求艺术家之间在“相互影响”意义上的对称性，指数就必须可由某个适当构造的合作博弈Shapley值导出。这一结果将流媒体补偿问题与合作博弈论深度联结起来，说明Shapley型规则并非孤立设计，而是由明确的规范原则推导出的制度形式。

在此基础上，论文进一步分析两两“等影响”公理的兼容性，并给出定理3。第一，任何可分解指数都不可能同时满足相似用户的相同个体影响与用户的相同总体影响，说明“逐流公平”与“逐用户公平”在该框架下存在根本张力。第二，若要求相似用户的相同个体影响与艺术家的相同影响同时成立，则可分解指数必须具有d(i,j,x)=f_i(x_i)的形式，即每位艺术家的贡献只取决于该用户对该艺术家的播放量，构成对按比例指数的自然推广。第三，若要求用户的相同总体影响与艺术家的相同影响同时成立，则唯一可行的指数就是Shapley指数。研究人员由此指出，三条“等影响”公理无法同时成立，而Shapley指数则在若干关键公平要求交汇处呈现出唯一性。这些结果精炼揭示了不同公平理念之间的逻辑结构与制度后果。

在本节后段，论文还讨论了“合理下界”（reasonable lower bound）公理，即一组用户所播放艺术家的总体报酬至少应达到该组用户支付总额。研究人员证明，在略经修改的问题域P^*上，可加性加合理下界与总量不变可分解指数等价。这表明，更强的公平约束并未导出全新的指数家族，而是再次收敛到总量不变结构。

4. Connections to the literature
本节系统比较本文指数族与既有文献中的家族。研究指出，加权指数是可分解指数的真子集，但与用户独立、总量不变及Shapley诱导这三个子族都不存在简单包含关系。概率指数（probabilistic indices）同样是可分解指数，而且一定属于总量不变可分解指数，但并非所有总量不变可分解指数都是概率指数。进一步，根据前文结果，没有概率指数能够同时属于用户独立可分解指数，而Shapley指数则是唯一同时属于概率指数与Shapley诱导可分解指数的规则。该部分说明，本文提出的新家族并非既有概念的简单重命名，而是在既有文献版图中增加了新的结构层次与联系。

5. The current debate in the music industry
本节将理论结果对接产业实践。关于Spotify的新版权费模型，研究人员指出，其中“低于1000次播放的曲目不参与版税分配”的规则，可被形式化为一个阈值型指数，但该指数满足零播放艺术家而不满足可加性，因此不属于本文刻画的指数族。为此，论文提出一种更兼容公理框架的替代思路：不按全平台总播放量设阈值，而按“单个用户对单个艺术家的播放量是否超过阈值τ”来界定贡献，从而得到一类可分离的阈值指数。

关于Deezer的artist-centric方法，论文认为其中若干支柱实际对应于播放矩阵t的定义方式变化，如噪声过滤、欺诈检测或对活跃播放的重新认定，而非补偿规则本身。至于“单用户上限”机制，研究指出，如果采用按比例截断用户播放量，则总量不变可分解指数不受这一截断影响；而用户独立可分解指数和Shapley诱导可分解指数中，则既有受影响者，也有不受影响者。由此可见，本文得到的可分解指数族具有足够灵活性，能够容纳现实平台制度创新中的多种设计。

5.3. Click-fraud proofness
论文最后还讨论了点击欺诈抗性（click-fraud-proofness）。该性质要求：若只有一位用户改变其播放行为，则任何艺术家所得报酬变化不应超过该用户订阅费。研究人员援引既有结果指出，满足可加性与预算平衡（budget balance）的指数必然满足点击欺诈抗性。因此，只要对每个用户的局部贡献满足总和为1，一些可分解指数便具备该抗操纵性质。用户中心指数与Shapley指数都属于此类，而按比例指数则不满足。论文还通过构造例子说明，即便对按比例法加入用户上限调整，仍不能保证点击欺诈抗性。该分析表明，抗欺诈能力是评价平台补偿制度的重要维度，而不同指数族在这一维度上的表现存在实质差异。

6. Discussion
讨论部分总结指出，本文以可加性和零播放艺术家为基础，刻画了广义的可分解指数家族，并展示了关于播放、用户与艺术家三类“同等影响”原则如何分别将其收缩为具有鲜明结构特征的子家族。用户独立与总量不变两子族互不相交；总量不变与Shapley诱导的交集唯一等于Shapley指数；用户独立与Shapley诱导的交集则形成对经典按比例指数的重要推广，包括能够实施播放阈值的规则。论文还说明了这些新家族与加权指数、概率指数等既有家族的关系，并展示了它们与Spotify、Deezer新制度之间的对应方式。

研究结论部分可译为：本文还探讨了这些新指数族如何与文献中已有的指数族（例如概率指数或加权指数）相联系，甚至如何与Spotify和Deezer近期推出的新方法相联系。因此，本文结果为音乐流媒体平台中补偿艺术家的新方法提供了规范性基础。