社交网络的快速发展与信息的交互传播在改变消费者购物模式的同时,也促进了零售商营销与定价的方式。对消费者而言,观察其他消费者的评论与信息共享已成为用户进行购物选择的重要参考依据。而对于企业,在社交媒体驱动下构建品牌自身的社区互动平台,同时考虑消费者行为和信息扩散强度以及社交关系的信任度,从而制定最优的营销策略与利润最大化的销售策略日益成为目前重点关注的对象。本文在已有的关于策略型消费者行为文献基础上,将虚拟品牌社区中的互动学习引入到定价环境中,通过贝叶斯学习理论构建两阶段垄断模型,在对消费者效用函数进行分析的基础上,重点研究虚拟品牌社区零售商在推出质量未知的新产品时,初始信息告知人数和消费者评论信息精确度对策略型消费者决策行为和零售商定价的影响。研究表明,相比初始告知所有消费者产品上市信息,仅选取部分消费者新品发布信息,能确保在新产品质量较差的情况下仍能通过调整定价保留一部分市场份额。当新产品复杂度较低,评论信息的精确度较高时,零售商应采取在虚拟品牌社区中初始选取部分消费者告知信息发布的策略,通过互动学习制定最优的定价。同时整体利润随信息精确度的降低而减小,表明精确度较高的信息能使零售商获得更高收益。为了更好的应用社交关系影响力,我们将模型扩展至虚拟品牌社区内外,借助社区内消费者的社交影响力在社区内外进行信息扩散,以提高品牌知名度获取更多潜在客户。重点分析信息扩散强度与用户之间信任度对信息传播和消费者估值的影响价值。研究表明,在信息扩散强度适中时,能确定最佳的种子客户选取人数促使零售商获取最大收益。零售商初始告知人数的选取也受到社区外消费者对评论信息信任度的影响,最优的告知人数随信任度的提高而降低,即同伴之间高度的信任更有利于社区品牌新品营销活动的展开。而品牌社区内已有的客户群数量也是零售商定价与信息告知人数的重要参考因素,当品牌社区的用户较多时,选取较少种子客户就使零售商获取更高利润。