网上商品热销的影响因素探析——基于分位数回归的实证研究

周 耿

(南京大学商学院,江苏 南京 210093)

在传统市场中,由于商店的货架有限,零售商为了追求最大利润,通常将销售资源用在小部分可能的明日之星上。只要他们准确地预测到几种热门商品,就可以弥补其他的亏损,并得到比例很高的收入和利润[1]。Anderson(2006)将上述传统渠道的战略称为 “大热门”战略,并提出了在互联网环境下与之不同的 “长尾”理论[2]。该理论认为,网上零售市场最大的特点是非热门产品供给与消费者需求的匹配实现了传统零售中难以达到的高度,互联网上热门产品销售所占的比例将会越来越低。根据该理论,在线企业应该实施 “长尾战略”,即尽可能地发展非热门产品,扩大产品种类,从而在总体上获得更大的收益。

然而,在网上销售的实践中,单品 “日销百件”甚至 “日销千件”的案例层出不穷,热门产品似乎变得更加畅销。对此,Elberse(2008)和Tan、Netessine(2009)通过对部分互联网企业的销售数据进行分析后,得到了与长尾理论相反的结论:在互联网上,消费者对热门产品的消费有增无减,网上销售越来越向少数热门商品集中[1][3]。但在他们的研究中,并没有揭示出少数网上商品热销的原因所在。本研究试图从网上销售的影响因素出发,通过实证研究来揭示这种现象背后深层次的原因,这不仅为少部分网上商品热销的现象找到理论上的解释,还能为在线商家的战略选择提供更好的建议。

一、网上交易影响因素回顾与评述

(一)价格。需求定律表明,在其他条件相同的情况下,产品 (炫耀性商品和吉芬商品等除外)价格上升时,需求会减少。但在互联网上,学者们对价格与需求 (销售)关系的看法出现了较大的分歧。一方面,互联网使人们低成本地获得了产品价格信息,消费者能更容易地进行比价。从这一点来看,需求定律不仅在互联网上继续适用,而且价格需求弹性比传统渠道更大[4]。另一方面,人们不仅能较容易地获得产品价格的信息,还能识别出更多产品品质的信息。根据信息整合理论,这些品质信息的丰富导致价格在消费者决策过程中的权重变得更小,消费者对价格更加不敏感。

(二)信誉。当买卖双方信息不对称时,消费者无法辨别产品的好坏,存在 “逆向选择”的问题。信誉能够改善这种信息不对称的情况,让买方接收到卖方 “能提供某种品质产品”的信号。互联网市场能使信息传递以较低的成本运行,具有建立信誉的显著优势。周黎安等 (2006)认为,好的信誉能够打消消费者购物决策前的疑虑,从而提高消费者的购买意愿和商品成交概率[5]。李维安等 (2007)的研究也发现,商家的信誉对销售有着显著的正向影响[6]。

(三)保障标记。网上商店仅仅是利用网上渠道进行销售,而支付、物流、售后服务等环节都有可能出现问题。保障标记 (Assurance Seal)就是针对上述问题设计出的一种保证卖方能按照他的承诺履约的制度安排。类似于传统交易中的财务审计,保障标记能让消费者只要观察几个关键的结果,就能迅速地做出商家是否值得信任的判断。周耿等 (2010)的实证研究表明,保障标记对于产品的销售有着明显的促进作用[7]。

(四)口碑的评分与数量。互联网的发展使口碑传播具有了可存储和穿越时空的性质,这使消费者在决策过程中能更多地考虑其他消费者的意见[8]。尽管口碑机制与信誉机制都反映了其他消费者的反馈信息,但它们的区别是明显的:(1)口碑信息一般针对的是某种具体的产品,而信誉所指向的对象则为商家;(2)口碑信息是多项具体的流量信息,而信誉则是一项简单而抽象的存量信息。鉴于口碑信息的这种复杂性,学者们经常采用口碑的数量和口碑的评分来对口碑进行度量。Chevalier和Mayzlin(2006)认为,口碑的量和评分的增长都能引起销售的增长,但口碑的量对销售的影响要大得多[9]。

在长尾理论相关的研究中,学者们过于纠缠热门产品与非热门产品销售比例的变化是否符合长尾理论,而对导致这种变化微观基础的讨论略显不足[1][2][3][8]。另外,网上销售的影响因素得到了较多学者的关注[4][5][6][7][9]。但这些因素对热门和非热门产品影响的差异并未得到足够重视,而热门产品销售比例的变化很有可能是这些差异所导致的。本研究引入分位数回归方法,将上述两方面的研究结合起来,为揭示 “销售向少数热门产品集中”这一反长尾现象背后所蕴含更深层次的原因提供一定的实证支持。

二、变量与模型的设定

表1 主要变量的说明 (N=4059)

(一)变量的设定。淘宝网是中国最大的网上零售交易的平台,2010年的交易总额达到4000亿元人民币,占我国网上零售总额的81.2%,是开展用户网上交易行为研究的理想对象。本研究在淘宝网上选取的变量见表1所示。

(二)计量模型的设定。由于产品的热门程度体现在产品销售量上,销售量的不同分位数即可较好地体现出产品热门程度的差异。因此,我们选择由Koenker和Bassett提出分位数回归模型来对以上变量进行分析。参考李维安等 (2007)的研究,我们对上述变量进行对数处理后 (在变量名前加上前缀L表示),将分位数模型设定为[6]:

三、数据的获取

我们自行开发了网络搜索程序,于2011年1月2日以 “毛衣”为关键字搜索出4077个货架。然后在1月3日到10日的1周时间内对这4077个货架进行了跟踪,并获取了这些商品的价格、信誉、保障标记、口碑记录、销售记录以及货架点击次数等数据。在此期间,有18件商品下架或受到了处罚,最终得到有效样本4059个。随后,我们对这些货架的口碑记录进行了人工编码 (好评为1,差评为-1,其他为0),并按货架汇总得到各货架口碑的评分 (wom1)和口碑的数量(wom2)。对销售记录按照货架进行了汇总处理,从而得到各货架1周的销量 (sales)。最终得到各变量的统计性描述见表2所示。

表2 主要变量统计性描述 (N=4059)

表3列出了各变量之间的相关系数,从中可以看出各自变量之间的相关系数都在0.5以下。我们对变量OLS回归分析的VIF值介于1.08-1.69之间,该值远远低于判别值10。这样我们就基本排除了模型的多重共线性。

表3 取对数后各变量之间的相关系数矩阵

四、数据的分析

我们按照 (1)式的模型,采用Stata软件对上述变量进行了10分位 (再加上0.01和0.99这两个分位数)的分位数回归分析,结果见表4和图1。由于本研究模型为双对数模型,自变量的系数就代表了需求弹性。从Lsales对Lp的系数可以看出,价格需求弹性在0.1-0.9的分位数上的系数不仅为负值,而且都表现出0.1%的统计显著性水平,这支持了Smith(2002)的观点,需求定律在互联网上仍然适用[4]。在0.1分位数时,价格每增加1%,销量下降37%。到了0.3-0.9分位数时,价格对销售的影响在-0.12和-0.20之间,其值相对稳定。而到了0.99分位数时,需求弹性系数不再显著。该结果也支持了信息整合理论的推断:对于非热门商品,消费者能搜索到商品品质有关的信息是有限的,价格在他们的决策中具有更大的权重。相反地,对于热门商品,由于存在足够的品质信息,价格在他们的决策中的权重较低,导致了价格需求弹性较低。

图1 分位数回归结果图示 (阴影部分表示95%的置信区间)

信誉的需求弹性在各分位数的回归模型中,均达到了1%以上的统计显著性水平。在0.1-0.7分位数处,信誉需求弹性在0.61-0.69之间波动。而在0.8分位数以上时,系数表现出明显的增长趋势。这说明产品热门程度越高,信誉对销售的影响越大。信誉对销售的影响可以采用Elberse(2008)对网上交易的消费者构成进行解释[1]。她将消费者分为重度消费者和轻度消费者两类。与前者相比,轻度消费者除了购买次数不太频繁外,其主要特点为没有掌握与产品相关的知识,对商家宣传的产品是否匹配自己的需求缺乏准确地评估。因此,轻度消费者就更加依赖商家的宣传以及商家宣传的可信度 (信誉)来进行决策,信誉对销售的影响就更大。而她调研的数据表明,互联网上热门产品的参与者主要是轻度消费者,更加依赖信誉进行决策。这就形成了销售增长→信誉对销售的影响提升→销售进一步增长的正反馈环,使得热门产品变得更加热门。

保障标记的需求弹性对于0.1-0.9分位数都表现出正向影响,而且在0.1%的统计水平上显著。但与信誉的表现相反,随着分位数的提高,其系数有着明显下降的趋势。从表1中可以看出,对最畅销1%的商品 (分位数0.99),其影响力衰减到几乎为零。这可能是由于非热门产品的购买者主要是经常进行网上购物的重度消费者,他们对退换货等售后服务有着更多的真实经历,服务保障标记在他们的决策过程中就表现出更大权重[1]。

无论是口碑评分还是口碑数量,他们对销售的影响均为正,而且在0.1-0.9的分位数上表现出0.1%的统计显著性水平。从图1中我们可以观察出一个非常明显的趋势:随着分位数的提高,其口碑评分和口碑数量的需求弹性在逐渐下降。对于最不热门的10%商品,口碑评分分数和口碑数量提高1%时,需求的数量则分别增加308%和69%。这证实了Bakos(1997)的观点,即基于网络口碑的推荐能帮助消费者找到符合他们偏好的非热门产品[8]。

表4 Lsales对各影响因素的分位数回归结果 (N=4059)

点击量对销售的影响均为正,而且在各分位数上都达到了0.1%的统计显著性水平。在0.1-0.4的分位数上,点击量提高1%时,销售数量由45%下降到了21%。而在0.5分位数以上时,点击量提高1%,销售数量的提升率在14%-18%之间小幅波动。这说明互联网特有的搜索引擎营销对非热门产品的影响相对较大。

从各因素的系数值来看,口碑评分的需求弹性最大,而价格的需求弹性最小。在大部分分位数上,他们的差距达到了10倍以上。因此,商家更应该关注提高客户满意度的方法,并采取一定的措施鼓励用户进行文字评论,而不是盲目地采用价格战来促进销售。

五、研究结论与局限性

本研究通过搜索程序获取了淘宝网4059件货架商品1周内的销售数据,对不同热门程度商品需求弹性的差异进行了对比分析。我们的主要发现是:

(一)信誉对网上商品的热销具有加速作用。与周黎安和张维迎 (2006)提出信誉的价值在于提高成交概率不同,本研究从动态的角度揭示了信誉进一步的作用:信誉与销售存在一个正反馈环,能加速热门产品的销售,使得热门商品更加畅销[5]。因此,实施 “大热门”战略的商家应该高度重视自身的信誉建设。否则,即使准确地预测到几种热门商品,由于低信誉导致较销量无法进一步提升,就可能达不到潜在的销量,甚至无法弥补其他的亏损。

(二)在非热门商品向畅销品转变的过程中,完善商品品质信息的差异化策略比低价格竞争策略更加有效。一方面,产品价格的需求弹性要低于其他因素的需求弹性,价格战不是最有效的竞争策略;另一方面,滞销产品的价格需求弹性较畅销品大,这可能是缺少价格以外的信息所导致的。因此,商家应该优先采取完善货架上商品品质相关的信息,采用更多的保障标记,积极推动消费者的评论和搜索引擎推广等竞争策略,而将价格战作为最后的、不得已而为之的竞争手段。

(三)口碑补充的信息能帮助消费者找到不太热门的、但更符合他们偏好的商品[8]。由于口碑在所有影响因素中的需求弹性最大,实施长尾战略的商家要特别重视对口碑系统的投入,尤其鼓励消费者对非热门产品进行评论。例如,在我国最大的B2C网站——京东商城的口碑系统中,对每件商品的前5位评论者给予多倍积分的奖励 (积分可用于下次购买商品),就在很大程度上激励了消费者对非热门产品的评论,从而促进了非热门商品的销售。

由于人工处理的工作量太大,本研究对商品图片的吸引力、服装的款式、品牌等因素未进行有效地控制,这有可能对分析结果带来一定的偏差,而且时间序列数据的不足也会导致对信誉加速作用的持续性缺乏有效的验证。在未来的研究中,除了通过改进搜索程序,加强与企业的合作,获得更高质量的数据外,揭示信誉加速作用的微观机理也是一个非常值得关注的研究方向。

[1]Elberse A.Should You Invest in the Long Tail?[J].Harvard Business Review,2008,86(7/8),pp.88-96.

[2]Anderson C.The Long Tail:Why the Future of Business Is Selling Less of More[M].Hyperion Press,2006.

[3]Tan T.,Netessine S.Is Tom Cruise threatened?Using Netflix Prize data to Examine the Long Tail of Electronic Commerce[C].Wharton Working Paper,2009.

[4]Smith M.D.The Impact of Shopbots on Electronic Markets[J].Journal of the Academy of Marketing Science,2002,30(4),pp.446-454.

[5]周黎安,张维迎,顾全林.信誉的价值:以网上拍卖交易为例[J].经济研究,2006,(12):81-92.

[6]李维安,吴德胜,徐锆.网上交易中的声誉机制:来自淘宝网的证据 [J].南开管理评论,2007,(5):36-46.

[7]周耿,王全胜.网上交易的信誉与保障标记机制[J].当代财经,2010,(4):71-78.

[8]Bakos J.Reducing Buyer Search Costs:Implications for Electronic Marketplaces[J].Management Science,1997,43(12),pp.1676-1692.

[9]Chevalier J.A.,Mayzlin D.The Effect of Word of Mouth on Sales:Online Book Reviews[J].Journal of Marketing Research,2006,43(3),pp.345-354.