C2C模式下消费者的购买行为研究

彭惠+宋倩倩

摘要：本文比较了C2C模式下消费者的从众购买和口碑交易。基于淘宝网的样本数据显示：店铺日销量和历史累积销量强相关，日销量呈帕累托分布，且不受信用等级影响。因子分析和多元回归实证分析表明，历史累积销量对消费者决策产生显著正向影响，而消费者对店铺的口碑信息不敏感，说明电子商务市场信息不对称现象严重，导致消费者在选择店铺时从众行为比口碑交易更严重。本文认为改善信用评价体系、提高市场信息透明度，有助于缓解消费者从众行为、维护店铺间的公平竞争。

关键词：信息不对称；从众行为；帕累托分布；口碑交易

中图分类号：F713.36文献标识码：A文章编号：10035192（2014）04004206doi：10.11847/fj.33.4.42

1引言

网络购物和传统购物相比，除了在流程、支付、服务等方面存在差异外，还在消费者获取信息的方式、内容上有显著不同。比如，网络购物时消费者不能像线下购物一样与商家面对面交流，无法直接辨识店铺的诚信状况、无法直观地勘察商品质量，但可以获知商品的销售情况。因此，网络购物信息不对称、店铺不诚信的程度更高，消费者面临的潜在风险更大[1]。尤其在C2C市场中，消费者面临的信息不对称更严重，这可能导致消费者在网络购物时表现出和传统购物不一样的行为特征。消费者往往在信息不对称时会采取两种对策性行为：一是口碑交易，C2C市场中口碑一般指消费者购物后的评价、店铺信用积分等。消费者通过搜索网络口碑降低交易中对商品的感知风险，感知风险越高，消费者受口碑信息的影响越大。二是从众购买，即依从其他消费者的决策，选择销量高的店铺。口碑交易促使交易机会向信用等级高、口碑好的店铺倾斜，从众购买使交易机会向累积销量高的店铺倾斜。从众购买行为对交易规模大、经营时间长、商品上架早的店铺有利，不利于店铺间的公平竞争和C2C市场结构的动态平衡，导致C2C平台提供的信用等级信息不能有效地反映店铺诚信。因此，有必要对C2C市场中消费者的行为模式进行研究，为现有信用评价体系的改进提供科学依据。本文尝试检验我国C2C市场从众交易和口碑交易的存在性，首先，阐述C2C模式下消费者购买行为，提出口碑交易和从众购买的判断标准；其次，通过日销量的分布特征检验从众购买的存在性；最后，通过因子分析及构建消费者购买模型度量从众购买和口碑交易。

2文献综述

关于网络环境下消费者购买行为的研究有两方面：一是消费者口碑交易，认为口碑信息可以降低感知风险，影响消费者决策；二是少量研究认为消费者购买时存在从众行为。

彭惠，等：C2C模式下消费者的购买行为研究——从众购买还是口碑交易

Vol.33， No.4预测2014年第4期

大量文献证实消费者的购买决策受口碑信息影响。Shim等发现信息不对称带来的感知风险越高，消费者搜寻商品信息的意愿越强[2]。Kozinets[3]及李念武等[4]认为网络口碑能有效地减少买家的风险感知、信息不对称、信任缺乏等顾虑。消费者在网上报告和交流有关购物消费的信息是口碑交流形式的一种，个性化的评论内容、评论者资信度、评论数量和在线评论的一致性程度均对购买决策有显著正向影响，而评论的时效性无显著影响[5～8]。Chevalier和Mayzlin[9]也发现顾客对商品评价得分增加能提高销售量，并且一星的评价比五星的评价影响大。Su[10]和彭赓等[11]对卖家信誉度进一步研究发现，信誉度是对交易对象未来交易行为的一种预期，卖家信誉度较高会减少消费者的安全顾虑，从而正向影响消费者的信任和购买意向。

信息不对称导致的从众行为在金融市场中表现非常明显并被反复论证[12]，但仅少数文献直接或间接分析了C2C市场的从众购买行为。李敏乐[8]从理论上探讨了消费者从众、反从众和不从众决策的神经和心理机制，实证分析了在线评论对消费者决策的影响，但其研究混淆了口碑交易和从众购买的区别。Lin等[13]和彭惠等[14]发现C2C市场上店铺的信用积分的分布曲线有凸向原点的特征，即低等级上的卖家占比较高，但没有深入探讨导致信用积分分布特征的原因及其与消费者从众行为、口碑交易之间的联系。

以往文献有以下特点：第一，虽然深入研究了各种影响消费者在线购物决策的因素，但忽视了累积销量的影响；第二，侧重分析影响消费者是否进行网络购物而非选择哪个店铺；第三，研究集中于C2C市场中的口碑交易而未能对从众购买进行系统研究，更没有区分二者。现有文献缺失的原因在于：（1）C2C市场上交易数据难以获得。（2）口碑交易和从众行为都反映了优势集中效应，都导致交易机会在店铺间不均匀分布。如果好评率稳定，则店铺的信用积分和累积销量正相关，口碑交易似乎也表现为累积销量高的店铺获得的交易机会多。（3）消费者选择店铺时可能会同时考虑累积销量和店铺信用，从而使从众行为和口碑交易相互影响，二者无论在表现上还是结果上都难以区分。总之，以往研究忽视了累积销量信息对消费者的影响，未阐述消费者选择店铺时是基于口碑交易还是从众选择。本文希望弥补这一空白，从信息不对称角度研究消费者的行为模式，并将从众购买与口碑交易分离。

3C2C模式下消费者购买行为及从众购买与口碑交易的判断由于消费者对交易平台有较大的黏性，因此会选择自己所熟知的交易平台。消费者确定购物平台后，其网购过程一般分为五个步骤：（1）确定拟买物品；（2）搜集店铺信息；（3）综合评价对比方案；（4）选择店铺、购买商品；（5）购后评价。

图1C2C市场消费者决策流程

和传统购物模式不同，C2C购物过程呈现动态交互的特点。潜在购物者确定拟购商品后，开始搜集信息，这种信息包括由已购者的评价转化而来的口碑信息和以往交易转化的商品信息：（1）口碑信息。网络口碑指已购物者通过互联网传递商品及公司的正面或负面的评论[7]。本文将口碑信息分为商家信誉和商品感知。商家信誉属于主观评价口碑，包括信用积分、好评、中评、差评、好评率。消费者据此信息判断商家信誉，信誉高的卖家获得更多的信任和交易机会。商品感知指店铺的服务体验信息。网购消费者不能直接接触产品，只能通过交易平台的描述相符、发货速度、服务态度等主观评价口碑，处罚次数、退款率等客观信息判断商品质量、店铺诚信。（2）商品信息，指商品的价格和销量信息。网络购物多为买方市场，店铺竞争激烈导致价格差异小。相比之下，店铺之间的销量却有明显差异。明显的销量差异容易吸引消费者注意，从而影响消费者的购买决策。

在网络购物中，已购者的购后评价（商家信誉、商品感知）形成口碑，如果消费者根据口碑判断店铺信用和商品好坏决定店铺选择，此为口碑交易；如果消费者根据销量推断店铺信誉和产品质量决定店铺选择，则为从众交易。笔者认为C2C市场上更易发生从众购买。因为：（1）信息劣势的网购者无法接触商品，从众可减少个体成本。如果他人的购买决策是利己的、效用最大化的，那么在繁杂的信息中选择跟随是理性的。（2）销量信息的影响先于口碑信息。物流产生的时间差使口碑信息更新滞后于销量更新，消费者更关注变化敏感、及时的销量。（3）口碑信息可能虚假不可信。Tian等[15]指出卖家刷信用的欺诈成本低于其获得的利益，导致店铺不诚信、口碑信息虚假的现象在中国C2C市场广泛存在，消费者不再信任网店的声誉。从众购买和口碑交易均是消费者在信息不对称下的对策性行为，其差别是：从众者重视销量信息，口碑交易往往忽视销量。因此，是否以累积销量为购买决策因子是判别从众购买和口碑交易的标准。

4从众购买的存在性：店铺销量分布特征

4.1数据来源

提取中国C2C市场中交易份额最大的淘宝网店铺的交易数据，研究中国C2C市场的卖家诚信状况和买家行为。为使样本具有统计上的代表性，从淘宝网交易额最大的三个行业（鞋服、家电、虚拟）中分别抽取一类商品，该商品的选择标准是：第一，交易频繁，交易额占该行业总交易份额前三；第二，有明确的品牌，以控制品牌差异的影响。最后，选取的三类商品分别为：鞋服类belle鞋子、家电类飞科剃须刀、虚拟类魔兽游戏点卡。选取三种商品的交易日分别为：2012/10/30、2013/4/2、2013/4/8，店铺数分别为103、376、431家，剔除日销量为零的店铺后分别为80、45、91家。根据商品的日销量es，计算历史累积销量s，其中s=∑nt=1est-esn，t为销售时间，历史累积销量不包含当日日销量。

4.2从众购买存在性分析

样本数据显示，三种商品的日销量呈长尾分布，少量的店铺拥有大量的销量，而大部分店铺的销量很小。PP图进行帕累托分布检验发现三种商品日销量的期望累计概率和观测累计概率非常接近，说明C2C市场中店铺间的日销量呈帕累托分布，消费者存在从众购买。研究分等级店铺的销量分布特点发现：（1）相同信用等级的店铺间销量分布依然显著不均等，说明剔除口碑影响后，存在从众购买现象。（2）相同信用等级的店铺越多，销量分布越不均等，表明选择越多消费者越易从众。（3）信用等级高的店铺销量不均等程度比信用等级低的店铺销量不均等程度低，但降低趋势不显著。

造成上述店铺销量分布特征的原因如下：第一，信用等级不具区分性。第二，口碑信息虚假性。店铺为提高信用等级而采取信用炒作、以奖品或返现形式诱使消费者违背事实做出好评评价、威胁消费者以获取好评等做法，降低了口碑信息的可信度。第三，口碑信息的影响具有不确定性。当卖家信用等级较高（二皇冠以上）时，正面评论对消费者购买决策的影响更大；信用等级很低时（四钻以下），在线评论的影响不显著[16]。第四，信用积分的边际递减效应。信用达到一定等级后，信誉的效用增速递减，而销量影响力增强。正面口碑信息数量在某数值之前，口碑信息越多对消费者的决策影响越明显；达到某数后，消费者认为信息已经足够，则只受最先接触的信息影响，放弃其他信息以减少搜寻成本[17]。某些情况下，信誉得分增加不但不会增加销量，反而会使收益减少[18]。总之，卖家信用等级较高时，消费者依然从众购买，受销量信息的影响比口碑信息的影响大。

卖家信用积分分布也有长尾特征，这和彭惠等发现的卖家在信用等级上的分布曲线呈现凸向原点的特点一致[14]。但Lin等[13]发现卖家的信用积分增长速度呈现不一样的规律：信用积分最高的卖家的积分增长速度最快；其次是信用等级最低的卖家；信用积分较低的卖家比较高的卖家的增长速度快。Lin的研究中没有显著出现信用积分越高、信用积分增长速度越快的现象，说明消费者选择店铺时是基于历史累积销量而非总是信用积分，C2C市场总是存在从众购买并非总是口碑交易。

5从众购买与口碑交易的度量：C2C市场消费者购买决策的实证分析

上文证实消费者存在从众购买，则将历史累积销量引入消费者购买决策模型。为进一步度量从众购买和口碑交易对消费者决策的影响力，对价格、信誉评价、售后服务等因素进行因子分析，对日销量和历史累积销量、主因子建立消费者购买决策模型。

5.1数据处理

第一，口碑信息对消费者购买行为的影响。（1）商家信誉对消费者的影响。商家信誉包括信用积分、好评率、好评、中评、差评。信用积分在三个模型中负系数的绝对值大于正系数，说明日销量与信用积分负相关较大；好评率的正系数大于负系数的绝对值，说明日销量与好评率正相关较大。如果消费者依据口碑交易，那么信用积分与日销量有明显的正反馈效应，但实证表明日销量与信用积分没有产生正相关关系，所以C2C市场中消费者对口碑的依赖较小。模型A、B中好评率的系数为正，且其值比信用积分的绝对值大，模型C中相反，说明好评率、信用积分两个指标对消费者的相对影响与商品属性有关。这可能是因为：好评率是对商品质量的直接评价；而信用积分是店铺历史交易的累计值，不能敏感地反映店铺近期行为。由于消费者购买实物商品的频率低于虚拟商品，直接反映商品质量的好评率对实物商品消费者更有参考价值，而店铺的历史信用对虚拟商品消费者参考性更高。差评、中评的系数绝对值比好评的大，说明差评、中评对消费者决策的影响更大。（2）商品感知对消费者的影响。发货速度在三个模型中系数为正，说明消费者受发货速度正向影响；但描述相符、服务态度在模型A、B中系数为正，模型C中为负，说明消费者受产品描述和服务态度的影响与商品属性有关。实物商品标准化程度比虚拟商品低，信息更加不对称，因此，实物商品消费者更易受描述相符、服务态度的正影响。退款率、受处罚次数在三个模型中负系数的绝对值大于正系数，表明日销量与退款率、受处罚次数负相关较大，即退款率和受处罚次数越高，消费者的感知风险越大，购买欲越低。保障值在模型C中系数为正，模型A、B中为负，说明保障值可减少虚拟商品消费者的网购风险顾虑但不能减少实物商品消费者的顾虑。

第二，商品信息对消费者购买行为的影响。（1）商品销量对消费者的影响。对数累积销量（lns）的系数在三个模型中均是最大的，表明日销量和累积销量存在正反馈效应，消费者决策更容易受其他消费者明确的购买行为（而非评价信息）的影响。这也表明不论商品属性如何，C2C市场中从众购买现象比口碑交易更突出，交易机会最终将向销量高的店铺集中。（2）商品价格对消费者的影响。价格在模型A、B中系数为负，说明与传统购物一样，实物商品的网络消费者受价格负影响，但系数绝对值相对小，说明价格的影响力已大大降低；模型C中，由于虚拟商品价格的透明度较高，所以价格没有对销量产生负影响。

6结论与建议

C2C市场交易的虚拟性和信息不对称现象导致消费者既有口碑交易又有从众购买。我国C2C市场的从众行为更为普遍，其原因在于：销量信息更新快，导致消费者从众购买；信用等级区分不明显、信用积分边际递减效应，使消费者对口碑信息依赖不高。从众行为不仅表明现有信用评价体系对消费者的参考作用弱于累积销量信息，而且会促使店铺采取投机性行为，比如：商品上架初期卖家通过低价销售来增加累积销量，吸引从众交易者；累计销量增加使信用积分提高，从而吸引口碑交易者，形成从众购买、口碑交易连锁效应。即使后期店铺提高价格，但在从众交易和口碑交易的动态作用下，消费者依然会购买。这种利用消费者从众心理的行为，既损害了后续买家的利益，又不利于新老店铺之间公平竞争。为降低C2C市场的从众交易现象，本文提出以下建议。

第一，增加动态交易记录。首先，现有购后评价信息更新滞后于销量更新。在网上下订单到收货后评价的时间差内，交易平台上累积销量先增加，消费者产生从众心理。其次，不区分价格的模糊交易信息误导消费者决策。建议将成交记录动态化，即增加随时间变化的动态交易图和随价格变动的动态交易记录，展示商品在不同状态的销量。

第二，完善第三方评价体系，提高口碑信息的展示力和可信度。（1）计算好评率时增加差评及权重。在C2C市场中差评和中评对消费者决策的影响比好评的影响大，而现有信用评价体系中好评率的计算方法（好评率=好评数/评价总数）导致店铺间好评率的差异不显著，不利于消费者决策。建议计算好评率时增加差评及其权重（好评率=（好评数-a×差评数）/评价总数（a>1））。（2）细分差评原因。建议根据差评原因对差评细分，比如质量、物流、服务态度等。（3）提高店铺信用展示能力。在展示商品的页面同时显示信用等级、信用积分，增加平均信用等级（平均信用等级=信用等级积分/经营时间）。店铺的信用等级是经营时间的累积，但经营时间长的店铺不一定讲诚信，设置平均信用等级一定程度上可排除时间因素、增加信用等级区分度。（4）根据商品属性设置不同的信用评价体系。实物商品和虚拟商品的消费者受C2C交易平台信息的影响不同，有必要对不同属性的商品设置不同的信用评价体系。

C2C市场上消费者购买决策依赖于C2C交易平台提供的信息，评价体系、指标、展示信息一旦改变，消费者行为也将改变。因此，增加反映店铺诚信行为的细分、动态指标，改善评价体系，将减少信息不对称，提高市场的信息透明度，有利于店铺之间的公平竞争，鼓励消费者理性决策，促进网络购物市场良性发展。

参考文献：

[1]Reichheld F F， Schefter P. Eloyalty： your secret weapon on the web[J]. Harvard Business Review， 2000， 78（4）： 105113.

[2]Shim S， Eastlick M A， Lotz S L， et al.. An online prepurchase intentions model： the role of intention to search[J]. Journal of Retailing， 2001， 77（3）： 397416.

[3]Kozinets R V. Etribalized marketing： the strategic implications of virtual communities of consumption[J]. European Management， 1999， 17（3）： 252264.

[4]李念武，岳蓉.网络口碑可信度及其对购买行为之影响的实证研究[J].图书情报工作，2009，53（22）：133137.

[5]Stauss B. Global word of mouth[J]. Marketing Management， 1997， 6（3）： 2830.

[6]杨学成，钱明辉.网上口碑对消费者决策的影响及启示[J].当代经济管理，2006，28（3）：2731.

[7]郑小平.在线评论对网络消费者购买决策影响的实证研究[D].北京：中国人民大学，2008.132.

[8]李敏乐.在线评论对消费者从众行为的影响机制研究——神经科学视觉[D].杭州：浙江大学，2010.142.

[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）： 345354.

[10]Su B C. Consumer etailer choice strategies at online shopping comparison sites[J]. International Journal of Electronic Commerce， 2007， 11（3）： 135159.

[11]彭赓，吕本富，胡新爱.网上拍卖与信誉机制的缺陷[J].预测，2004，23（1）：3336.

[12]彭惠.信息不对称下的羊群行为与泡沫——金融市场的微观结构理论[J].金融研究，2000，（11）：5

19.

[13]Lin Z， Li D， Janamanchi B， et al.. Reputation distribution and consumertoconsumer online auction market structure： an exploratory study[J]. Decision Support Systems， 2006， 41（2）： 435448.

[14]彭惠，王永瑞.C2C电子商务市场整体卖家信用分布研究[J].情报杂志，2012，31（5）：123127.

[15]Tian G， Peng H， Sun C， et al.. Analysis of reputation speculation behavior in Chinas C2C ecommerce market[J]. Journal of Computers， 2012， 7（12）： 29712978.

[16]张玉芳.中国C2C在线客户评论对消费者购买决策影响的实证研究——以淘宝网为例[D].广州：暨南大学，2011.133.

[17]刘玉明.在线口碑信息对消费者购买决策影响的研究[J].价格理论与实践，2010，（3）：7778.

[18]Wan W， Teo H H. An examination of auction price determinants on ebay[A].

Proceedings of European Conference on Information Systems[C]. Bled， Slovenia， 2001. 898908.

第二，商品信息对消费者购买行为的影响。（1）商品销量对消费者的影响。对数累积销量（lns）的系数在三个模型中均是最大的，表明日销量和累积销量存在正反馈效应，消费者决策更容易受其他消费者明确的购买行为（而非评价信息）的影响。这也表明不论商品属性如何，C2C市场中从众购买现象比口碑交易更突出，交易机会最终将向销量高的店铺集中。（2）商品价格对消费者的影响。价格在模型A、B中系数为负，说明与传统购物一样，实物商品的网络消费者受价格负影响，但系数绝对值相对小，说明价格的影响力已大大降低；模型C中，由于虚拟商品价格的透明度较高，所以价格没有对销量产生负影响。

6结论与建议

C2C市场交易的虚拟性和信息不对称现象导致消费者既有口碑交易又有从众购买。我国C2C市场的从众行为更为普遍，其原因在于：销量信息更新快，导致消费者从众购买；信用等级区分不明显、信用积分边际递减效应，使消费者对口碑信息依赖不高。从众行为不仅表明现有信用评价体系对消费者的参考作用弱于累积销量信息，而且会促使店铺采取投机性行为，比如：商品上架初期卖家通过低价销售来增加累积销量，吸引从众交易者；累计销量增加使信用积分提高，从而吸引口碑交易者，形成从众购买、口碑交易连锁效应。即使后期店铺提高价格，但在从众交易和口碑交易的动态作用下，消费者依然会购买。这种利用消费者从众心理的行为，既损害了后续买家的利益，又不利于新老店铺之间公平竞争。为降低C2C市场的从众交易现象，本文提出以下建议。

第一，增加动态交易记录。首先，现有购后评价信息更新滞后于销量更新。在网上下订单到收货后评价的时间差内，交易平台上累积销量先增加，消费者产生从众心理。其次，不区分价格的模糊交易信息误导消费者决策。建议将成交记录动态化，即增加随时间变化的动态交易图和随价格变动的动态交易记录，展示商品在不同状态的销量。

第二，完善第三方评价体系，提高口碑信息的展示力和可信度。（1）计算好评率时增加差评及权重。在C2C市场中差评和中评对消费者决策的影响比好评的影响大，而现有信用评价体系中好评率的计算方法（好评率=好评数/评价总数）导致店铺间好评率的差异不显著，不利于消费者决策。建议计算好评率时增加差评及其权重（好评率=（好评数-a×差评数）/评价总数（a>1））。（2）细分差评原因。建议根据差评原因对差评细分，比如质量、物流、服务态度等。（3）提高店铺信用展示能力。在展示商品的页面同时显示信用等级、信用积分，增加平均信用等级（平均信用等级=信用等级积分/经营时间）。店铺的信用等级是经营时间的累积，但经营时间长的店铺不一定讲诚信，设置平均信用等级一定程度上可排除时间因素、增加信用等级区分度。（4）根据商品属性设置不同的信用评价体系。实物商品和虚拟商品的消费者受C2C交易平台信息的影响不同，有必要对不同属性的商品设置不同的信用评价体系。

C2C市场上消费者购买决策依赖于C2C交易平台提供的信息，评价体系、指标、展示信息一旦改变，消费者行为也将改变。因此，增加反映店铺诚信行为的细分、动态指标，改善评价体系，将减少信息不对称，提高市场的信息透明度，有利于店铺之间的公平竞争，鼓励消费者理性决策，促进网络购物市场良性发展。

参考文献：

[1]Reichheld F F， Schefter P. Eloyalty： your secret weapon on the web[J]. Harvard Business Review， 2000， 78（4）： 105113.

[2]Shim S， Eastlick M A， Lotz S L， et al.. An online prepurchase intentions model： the role of intention to search[J]. Journal of Retailing， 2001， 77（3）： 397416.

[3]Kozinets R V. Etribalized marketing： the strategic implications of virtual communities of consumption[J]. European Management， 1999， 17（3）： 252264.

[4]李念武，岳蓉.网络口碑可信度及其对购买行为之影响的实证研究[J].图书情报工作，2009，53（22）：133137.

[5]Stauss B. Global word of mouth[J]. Marketing Management， 1997， 6（3）： 2830.

[6]杨学成，钱明辉.网上口碑对消费者决策的影响及启示[J].当代经济管理，2006，28（3）：2731.

[7]郑小平.在线评论对网络消费者购买决策影响的实证研究[D].北京：中国人民大学，2008.132.

[8]李敏乐.在线评论对消费者从众行为的影响机制研究——神经科学视觉[D].杭州：浙江大学，2010.142.

[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）： 345354.

[10]Su B C. Consumer etailer choice strategies at online shopping comparison sites[J]. International Journal of Electronic Commerce， 2007， 11（3）： 135159.

[11]彭赓，吕本富，胡新爱.网上拍卖与信誉机制的缺陷[J].预测，2004，23（1）：3336.

[12]彭惠.信息不对称下的羊群行为与泡沫——金融市场的微观结构理论[J].金融研究，2000，（11）：5

19.

[13]Lin Z， Li D， Janamanchi B， et al.. Reputation distribution and consumertoconsumer online auction market structure： an exploratory study[J]. Decision Support Systems， 2006， 41（2）： 435448.

[14]彭惠，王永瑞.C2C电子商务市场整体卖家信用分布研究[J].情报杂志，2012，31（5）：123127.

[15]Tian G， Peng H， Sun C， et al.. Analysis of reputation speculation behavior in Chinas C2C ecommerce market[J]. Journal of Computers， 2012， 7（12）： 29712978.

[16]张玉芳.中国C2C在线客户评论对消费者购买决策影响的实证研究——以淘宝网为例[D].广州：暨南大学，2011.133.

[17]刘玉明.在线口碑信息对消费者购买决策影响的研究[J].价格理论与实践，2010，（3）：7778.

[18]Wan W， Teo H H. An examination of auction price determinants on ebay[A].

Proceedings of European Conference on Information Systems[C]. Bled， Slovenia， 2001. 898908.

第二，商品信息对消费者购买行为的影响。（1）商品销量对消费者的影响。对数累积销量（lns）的系数在三个模型中均是最大的，表明日销量和累积销量存在正反馈效应，消费者决策更容易受其他消费者明确的购买行为（而非评价信息）的影响。这也表明不论商品属性如何，C2C市场中从众购买现象比口碑交易更突出，交易机会最终将向销量高的店铺集中。（2）商品价格对消费者的影响。价格在模型A、B中系数为负，说明与传统购物一样，实物商品的网络消费者受价格负影响，但系数绝对值相对小，说明价格的影响力已大大降低；模型C中，由于虚拟商品价格的透明度较高，所以价格没有对销量产生负影响。

6结论与建议

C2C市场交易的虚拟性和信息不对称现象导致消费者既有口碑交易又有从众购买。我国C2C市场的从众行为更为普遍，其原因在于：销量信息更新快，导致消费者从众购买；信用等级区分不明显、信用积分边际递减效应，使消费者对口碑信息依赖不高。从众行为不仅表明现有信用评价体系对消费者的参考作用弱于累积销量信息，而且会促使店铺采取投机性行为，比如：商品上架初期卖家通过低价销售来增加累积销量，吸引从众交易者；累计销量增加使信用积分提高，从而吸引口碑交易者，形成从众购买、口碑交易连锁效应。即使后期店铺提高价格，但在从众交易和口碑交易的动态作用下，消费者依然会购买。这种利用消费者从众心理的行为，既损害了后续买家的利益，又不利于新老店铺之间公平竞争。为降低C2C市场的从众交易现象，本文提出以下建议。

第一，增加动态交易记录。首先，现有购后评价信息更新滞后于销量更新。在网上下订单到收货后评价的时间差内，交易平台上累积销量先增加，消费者产生从众心理。其次，不区分价格的模糊交易信息误导消费者决策。建议将成交记录动态化，即增加随时间变化的动态交易图和随价格变动的动态交易记录，展示商品在不同状态的销量。

第二，完善第三方评价体系，提高口碑信息的展示力和可信度。（1）计算好评率时增加差评及权重。在C2C市场中差评和中评对消费者决策的影响比好评的影响大，而现有信用评价体系中好评率的计算方法（好评率=好评数/评价总数）导致店铺间好评率的差异不显著，不利于消费者决策。建议计算好评率时增加差评及其权重（好评率=（好评数-a×差评数）/评价总数（a>1））。（2）细分差评原因。建议根据差评原因对差评细分，比如质量、物流、服务态度等。（3）提高店铺信用展示能力。在展示商品的页面同时显示信用等级、信用积分，增加平均信用等级（平均信用等级=信用等级积分/经营时间）。店铺的信用等级是经营时间的累积，但经营时间长的店铺不一定讲诚信，设置平均信用等级一定程度上可排除时间因素、增加信用等级区分度。（4）根据商品属性设置不同的信用评价体系。实物商品和虚拟商品的消费者受C2C交易平台信息的影响不同，有必要对不同属性的商品设置不同的信用评价体系。

C2C市场上消费者购买决策依赖于C2C交易平台提供的信息，评价体系、指标、展示信息一旦改变，消费者行为也将改变。因此，增加反映店铺诚信行为的细分、动态指标，改善评价体系，将减少信息不对称，提高市场的信息透明度，有利于店铺之间的公平竞争，鼓励消费者理性决策，促进网络购物市场良性发展。

参考文献：

[1]Reichheld F F， Schefter P. Eloyalty： your secret weapon on the web[J]. Harvard Business Review， 2000， 78（4）： 105113.

[2]Shim S， Eastlick M A， Lotz S L， et al.. An online prepurchase intentions model： the role of intention to search[J]. Journal of Retailing， 2001， 77（3）： 397416.

[3]Kozinets R V. Etribalized marketing： the strategic implications of virtual communities of consumption[J]. European Management， 1999， 17（3）： 252264.

[4]李念武，岳蓉.网络口碑可信度及其对购买行为之影响的实证研究[J].图书情报工作，2009，53（22）：133137.

[5]Stauss B. Global word of mouth[J]. Marketing Management， 1997， 6（3）： 2830.

[6]杨学成，钱明辉.网上口碑对消费者决策的影响及启示[J].当代经济管理，2006，28（3）：2731.

[7]郑小平.在线评论对网络消费者购买决策影响的实证研究[D].北京：中国人民大学，2008.132.

[8]李敏乐.在线评论对消费者从众行为的影响机制研究——神经科学视觉[D].杭州：浙江大学，2010.142.

[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）： 345354.

[10]Su B C. Consumer etailer choice strategies at online shopping comparison sites[J]. International Journal of Electronic Commerce， 2007， 11（3）： 135159.

[11]彭赓，吕本富，胡新爱.网上拍卖与信誉机制的缺陷[J].预测，2004，23（1）：3336.

[12]彭惠.信息不对称下的羊群行为与泡沫——金融市场的微观结构理论[J].金融研究，2000，（11）：5

19.

[13]Lin Z， Li D， Janamanchi B， et al.. Reputation distribution and consumertoconsumer online auction market structure： an exploratory study[J]. Decision Support Systems， 2006， 41（2）： 435448.

[14]彭惠，王永瑞.C2C电子商务市场整体卖家信用分布研究[J].情报杂志，2012，31（5）：123127.

[15]Tian G， Peng H， Sun C， et al.. Analysis of reputation speculation behavior in Chinas C2C ecommerce market[J]. Journal of Computers， 2012， 7（12）： 29712978.

[16]张玉芳.中国C2C在线客户评论对消费者购买决策影响的实证研究——以淘宝网为例[D].广州：暨南大学，2011.133.

[17]刘玉明.在线口碑信息对消费者购买决策影响的研究[J].价格理论与实践，2010，（3）：7778.

[18]Wan W， Teo H H. An examination of auction price determinants on ebay[A].

Proceedings of European Conference on Information Systems[C]. Bled， Slovenia， 2001. 898908.