影响消费者网上购买决策的因素——基于B2C食品类网店经营策略分析

◆李 萍 李梅芳

影响消费者网上购买决策的因素
——基于B2C食品类网店经营策略分析

◆李 萍 李梅芳

本文以54个销售惊奇脆片饼干的天猫网店的价格、在线评论等九个指标数据，运用因子分析方法和聚类分析对486个数据进行定量分析，并对54家网店在线评论中的热门评论进行描述性统计。发现了影响消费者购买的三个主要因子以及消费者购物时所关注的产品需求，并对食品类网店经营者以及平台运营商提出切实有效的建议。

从众效应；二八定律；口碑营销；在线评论

一、引言

（一）研究背景

国家近几年来对于电子商务的投入支持逐渐增大，从大数据、“互联网+”顶层设计出台，到线上线下经济融合政策出台，无不促进和支持电子商务的快速规范发展；在经济方面上，随着居民的收入水平不断增加，其消费能力也不断加强，网购用户活跃度也继续提升，网购消费额占日常支出比例显著增加；在技术方面，移动支付升级，多种新兴物流模式发展，智能物流起步，电子商务开始进入发展的黄金时期。但是近几年随着网店数目的增加，一些潜在的问题逐渐显现出来。各个网店之间销量情况大相径庭，假货泛滥、买家报复……电子商务坏境的秩序混乱，解决这一问题刻不容缓。

（二）文献综述

据前人研究，张桂花(2016)认为消费者个性特征、产品价格、购物便捷性是影响消费者的主要因素，此外，还有购物时的便捷性和可靠性、物流配送效率、文化的共同性企业形象以及后续服务等因素。对于价格因素，林挺（2016）从供求关系预期、卖家之间竞争力、以及卖家对买家购买习惯的掌握情况、品牌等其他因素等隐性因素对定价的影响入手，建议网店店主定价须将隐性因素显性化，促使定价更加合理。关于在线评论方面，Deloitte Consumer Products Group研究表明，67%的消费者在购买决策前会参考在线评论，82%的顾客认为在线评论直接影响了他们的勾描决策。李健发现在线评论数量、商品的关注度，评论的时效性，顾客认为评论有用率对在线手机销量有显著性影响。郝媛媛等人在电影行业研究了在线评论对电影票房的影响，发现5星与1星这种极端评价对票房有显著影响，而中评则无显著影响。刘东胜等人以差评为主，中评为辅，通过对淘宝第一网店柠檬绿茶的信用评价系统进行实证研究，分析影响顾客满意度的因素，发现主要影响顾客满意度的有：产品质量、物流配送、售后服务、货不对板，并通过顾客满意度这个方面来对网络营销进行分析。廖成杰(2013)则从商品品牌对评论者排名与评论经验对评论有用性起到调节作用入手，发现评论者排名对评论有用性在中低端品牌中更为显著，评论经验对评论有用性在高端品牌中更为显著。金丽丽（2015）认为一个完善的网络消费过程是从网店的外部宣传到内部装饰装潢，从消费的开始到结束之后都是值得网上店主关注的地方。

二、电子商务发展现状

截至2016年6月，我国网络购物用户规模达到4.48亿，较2015年底增加3448万，增长率为8.3%，我国网络购物市场依然保持快速、稳健增长趋势。其中，我国手机网络购物用户规模达到4.01亿，增长率为18.0%，手机网络购物的使用比例由54.8%提升至61.0%。网购已成消费习惯，手机购物激发更多消费增量。如图1所示

图1 2015.12-2016.6网络购物用户规模及使用率

2015 年，中国网络购物市场的交易活跃度进一步提升，全年交易总次数 256 亿次，年度人均交易次数 62 次。与2013 及 2014 年相比，全年交易总次数和人均交易次数均大幅提升。究其原因：一方面，随着用户体验的逐渐提升，网络购物已然成为大多数网民的消费习惯；另一方面，手机购物用户增长迅速。手机购物缩短了决策时间，拓展了支付场景，激发了更多消费增量。如图2所示

国家统计局数据显示，2015 年全国网络零售交易额达到 3.88 万亿元，同比增长 33.3%，相当于社会消费品零售总额的比重继续增长至12.9%。根据商务部数据，B2C交易额2.02亿元，同比增长 53.7%。在网络零售交易额中，实物商品网上零售额为 32424 亿元，同比增长 31.6%，高于同期社会消费品零售总额增速 20.9 个百分点，占社会消费品零售总额（300931亿元）的比重为 10.8%；非实物商品网上零售额为 6349 亿元，同比增长 42.4%。由此可以看出交易规模稳步增长，未来增速持续放缓。如图3所示

图2 2010-2015中国网络零售交易规模及增长率

图3 2010-2015中国网民网络购物次数

三、分析方法

（一）描述性统计

描述性统计就是研究如何取得反映客观现象的数据，并通过图表形式对所收集的数据进行加工处理和显示，进而通过综合概括与分析得出反映客观现象的规律性数量特征。即描述性统计是以揭示数据分布特性的方式汇总并表达定量数据的方法。

在数据分析的时候，一般要首先对数据进行描述性统计，以发现其内在规律，再选择进一步分析的方法。主要包括数据的频数分析、数据的集中趋势分析、数据离散程度分析、数据的分布、以及一些基本的统计图形。描述性统计是一类统计方法的汇总，作用是提供了一种概括和表征数据的有效且相对简便的方法。通常用图示法来表述，易于看懂，能发现质量特性值（总体）的分布状况、趋势走向的一些规律，便于采取措施。用于汇总和表征数据，通常是对数据进一步定量分析的基础，或是对推断性统计方法的有效补充。常见的描述性统计方法可分为三类：用数据的统计量来描述，如：均值、标准差等；用图示技术来描述，如：直方图、散布图、趋势图、排列图、条形图和饼图等；用文字语言分析和描述，如：统计分析表、分层、因果图、亲和图和流程图等。

本文将54家网店在线评论中的热门评论进行汇总，对热门评论中的词条进行汇总，并以其百分比绘制饼图，以发现消费者购买时所关注的重要方面。

（二）因子分析

因子分析是由Charles Spearman于1904年首次提出的。通过对变量之间关系的研究，找出能综合原始变量的少数几个因子，使得少数因子能够反映原始变量的绝大部分信息，然后根据相关性的大小将原始变量分组，使得组内的变量之间相关性较高，而不同组的变量之间相关性较低。因此，因子分析属于多元统计中处理降维的一种统计方法，其目的就是要减少变量的个数，用少数因子代表多个原始变量。

较主成分分析因子分析存在的一个优点是：在对主成分和原始变量之间的关系进行描述时，如果主成分的直观意义比较模糊不易解释，主成分分析没有更好的改进方法；因子分析则额外提供了“因子旋转(factor rotation)”这样一个步骤，可以使分析结果尽可能达到易于解释且更为合理的目的。但是因子分析要求样本的个数要足够多，一般要求样本的个数至少是变量的5倍以上。同时，样本总数据量理论要求应该在100以上。而且用于因子分析的变量必须是相关的，如果原始变量都是独立的，意味着每个变量的作用都是不可替代的，则无法降维。

检验是否能进行因子分析的方法有：计算各变量之间的相关矩阵，观察各相关系数。若相关矩阵中的大部分相关系数小于0.3，则不适合作因子分析；使用Kaiser-Meyer-Olkin检验(简称KMO检验)和 Bartlett球度检验(Bartlett’s test of sphericity)来判断(SPSS将两种检验统称为“KMO and Bartlett’s test of sphericity”)Bartlett球度检验是以变量的相关系数矩阵为基础，假设相关系数矩阵是单位阵(对角线元素不为0，非对角线元素均为0)。如果相关矩阵是单位阵，则各变量是独立的，无法进行因子分析。KMO检验是用于检验变量间的偏相关性，KMO统计量的取值在0～1之间。如果统计量取值越接近1，变量间的偏相关性越强，因子分析的效果就越好。KMO统计量在0.7以上时，因子分析效果较好；KMO统计量在0.5以下时，因子分析效果很差。

因子模型的一般表达形式为：

这里的Xi均为标准化变量，均数为0，方差为1。在该模型中：f1，f2，…fp称公因子。它们是各个观测变量所共有的因子，解释了变量之间的相关；aij称 因子负荷系数。它是第i个变量在第j个公因子上的负荷。(i=1,2,…m; j=1,2…p)； ui称为特殊因子，或唯一性因子。它是每个观测变量所特有的因子，相当于回归分析中的残差项，表示该变量不能被公因子解释的部分。vi为第i个变量在特殊因子上的负荷。

本文是将54个销售AJI惊奇脆片饼干的天猫网店为样本，控制了产品种类、品牌等变量，从月历史销量、价格、宝贝描述、卖家服务、物流服务、运费、收藏宝贝人数、总评论数、追加评论九个指标进行分析。通过主成分分析的思想提取公因子，选择最大方差法进行因子旋转，将九个指标浓缩为少数几个因子，以期研究何种因素会对网店的销量有较大影响。

（三）聚类分析

根据事物本身的特性研究个体分类的方法，原则是同一类中的个体有较大的相似性，不同类中的个体差异很大。根据分类对象的不同，分为样品（观测量）聚类和变量聚类两种。聚类分析不必事先知道分类对象的结构，从一批样品的多个观测指标中，找出能度量样品之间或指标（变量）之间相似程度或亲疏关系的统计量，构成一个对称相似性矩阵，并按相似程度的大小，把样品或变量逐一归类。根据对样本聚类还是对变量聚类，聚类分析分Q型聚类和R型聚类。对样本（即观测值）聚类称为Q型聚类 ，而对变量的聚类称为R型聚类。根据方法分为：k-均值聚类（k-means cluster，也叫快速聚类，quick cluster）和分层聚类或系统聚类。本文选用系统聚类对54个样本进行聚类。SPSS提供了3种聚类方法：系统聚类法（又称层次聚类）、K-均值聚类（又称快速聚类法）和两步法聚类。

聚类分析是一种探索性的分析，在分类过程中，人们不必事先给出一个分类的标准，聚类分析能够从样本数据出发，自动进行分类。聚类分析所使用方法的不同，常常会得到不同的结论。不同研究者对于同一组数据进行聚类分析，所得到的聚类数未必一致。从实际应用的角度看，聚类分析是数据挖掘的主要任务之一。而且聚类能够作为一个独立的工具获得数据的分布状况，观察每一簇数据的特征，集中对特定的聚簇集合作进一步地分析。聚类分析还可以作为其他算法（如分类和定性归纳算法）的预处理步骤。

本文根据综合因子得分将54家店铺分类，然后对于处于不同分数段的店铺提出不同的建议。

四、实证分析

（一）指标选取与数据来源

通过对以前文献的查阅以及对天猫实体店铺中的数据进行采集整理，最终选取了54个销售AJI惊奇脆片饼干的天猫网店为样本，以月历史销量、价格、宝贝描述、卖家服务、物流服务、运费、收藏宝贝人数、总评论数、追加评论九个指标进行分析。控制了产品种类、品牌等变量，对九个指标进行因子分析和聚类分析来研究影响消费者网上购买决策的重要因子以及对已有网店进行分类。

并展开对54家的在线评论中的热门评论例如产品味道好、饼干碎了等热门词条进行汇总分类，凝缩成8个方面内容，分别为产品质量（涉及到保质期、产品真伪、产品的品质）、产品味道(味道不好与饼干好吃)、服务（卖家回复不及时、服务态度差与卖家服务超好）、价格实惠（价格便宜、很实惠）、物流速度（物流很快与物流极慢）、物流质量（饼干都碎了、物流质量很好）、包装（包装碎了、包装很好）与人群（适合小孩吃、买给爸妈吃的）。对这些热门评论中的词条进行汇总，并以其百分比绘制饼图。

在线评论中的描述性统计

在分析数据时，发现在线评论对于消费者对于营销策略，消费者购买行为，销售绩效售绩效有着重大影响。对54家店铺的在线评论中各个方面的热门评论做了汇总分类，包括产品质量、产品味道、服务、价格实惠、物流速度、物流质量、包装与人群。并依照其百分比制作了饼图，研究这几个方面在评论中所占的比重。结果发现产品味道、产品质量（保质期、真伪）、包装以及物流速度所占比重较大，尤其是产品味道所占比重最大为34%。由图4可知

而且在对评论进行汇总时，发现在同一方面的评论中又相互矛盾的说法，这对于消费者购买产生了严重的影响。它使评价不再具有较强的真实性与公信力。

图4 在线评论中各方面所占比例

（二）因子分析

KMO检验用于检验变量间的偏相关性，统计量的取值在0—1之间，统计量取值越接近1，变量间的偏相关性越强，因子分析的效果越好。一般来说，KMO统计量在0.7以上时因子分析效果较好。本检验中，KMO统计量的值为0.660，较适合作因子分析。在KMO 和 Bartlett 的检验中，KMO统计量为0.696，接近0.7，因子分析效果较好，适合作因子分析。

Bartlett球度检验统计量为415.929，检验的P值为0.00，达到显著性。表明相关系数矩阵不是单位阵，9个变量之间有较强的相关关系，适合做因子分析。由表1可知

表1 KMO和Bartlett 的检验

运用主成分分析对九个变量进行提取公因子，大多数变量的公因子方差都在0.7以上，提取的共同度量都比较高，因此，提取出的公因子对原始变量的解释能力应该是很强的。由表2所示

表2 公因子方差

“提取平方和载入”部分是提取的三个公因子对原始变量方差的解释情况通过最大方差法进行因子旋转，根据特征根大于1，提取了三个因子，三个因子共同解释了原始变量方差的87.682 %，一般而言，累计方差贡献率达到80%即可，因此所选取的三个公因子效果理想。由表3所示

表3 解释的总方差

由旋转成份矩阵可知，因子1（设为F1）与收藏宝贝人数、总评论数、追加评论、宝贝描述、月历史销量的载荷系数较大，主要解释了这几个变量，可以将其命名为“表象因子”；因子2（设为F2）与卖家服务、物流服务、运费这三个变量的载荷系数较大，主要解释了这三个变量，从实际意义看，可以将因子2姑且命名为“服务因子”；因子3（设为F3）与价格的载荷系数较大，将因子3命名为“价格因子”。由表4所示

表4 旋转成份矩阵

由因子得分系数矩阵，可以将公因子表示为各变量的线性组合。由表5可以得到的因子得分函数为：

表5 成份得分系数矩阵

最后，对各个食品类网店进行综合评价。具体方法是：利用公式

其中

最终获得各食品类网店的综合因子得分函数和54家店铺综合因子得分的折线图（见图5）：

图5 店铺因子得分折线图

（三）聚类分析

根据综合因子得分将54家店铺分类，将其分为3大类：第一类（F>2）有一个样本为一号店铺(大有食品专营店)，其网店的经营程度最高的店铺，销量多，消费者对其评价高，物流很成熟 。从因子分析中也可以看出,大有食品专营店的发展程度要远远高于其他网店。第二大类(F>0.5)是2，6，8，14，19，23号网店（如AJI旗舰店、大迈食品专营店、亨誉食品专营店等），总的来说,这一类网店经营水平很有发展潜力，销量较多，消费者对其评价较高，物流较成熟；第三大类(F＜0.5)是其余47个网店（三颗糖食品专营店、桔子花开等）。这一类网店经营潜力有待进一步的提高 ,这销量少，消费者对其评价低，物流不成熟。如图43所示

在聚类分析中，这54个网店中大多数的网店处于第三类水平，只有大有食品专营店处语第一类水平，6个店铺处于第二类水平。这说明B2C天猫平台上食品类网店的发展还处于起步状态，要达到第一类水平还要努力。

图43 店铺聚类树状图

五、结论及建议

（一）研究结论

本文中通过对一系列数据的分析得出以下的结论

1.在线评论反映的是消费者对于产品的需求维度，在描述性统计中，发现顾客在购买食品类产品更关注的是产品味道、产品质量（保质期、真伪）、包装以及物流速度。

2.具有矛盾性的在线评论会降低评论的效用，顾客产生疑虑的同时，他们所需要付出的精力成本和时间成本增大，继而会影响到消费行为。

3.在聚类分析中，这54个网店中大多数的网店处于第三类水平，只有大有食品专营店处语第一类水平，6个店铺处于第二类水平。这说明B2C天猫平台上食品类网店的发展还处于起步状态，要达到第一类水平还要努力。

4.因子分析中提取了三个主因子“表象因子”、“服务因子”、“价格因子”。其中“表象因子”权重最大，表象因子主要包括收藏宝贝人数、总评论数、月历史销量等，而这些变量一般与买过产品的消费者的一些行为有关，而这些行为所产生的影响可以对其他购买决策行为产生较大影响。这就说明消费者在购买行为上有较大的从众心理。

（二）建议

对于研究的结论，本文从聚类分析中分出的三类食品类网店分别给出经营的策略以及对运营平台提出对于解决在线评论的信息公信力提出了如下建议

123455.11.第一类（经营程度高）：保持忠诚顾客，保持服务水平。

（1）发展忠实顾客经济，保持产品好评率。加强网店管理，增强与消费者的沟通。及时对消费者反映的问题采取恰当的措施，做出满意的答复，尽量避免产品质量问题的出现，与顾客之间建立信誉关系，培养忠诚顾客，对于网店的产品宣传是不可多得的口碑宣传，往往消费者之间的对话，比商家做更多的宣传广告更为有效。这也就是我们所谓的“二八定律”，少量的忠实老顾客可以将产品推荐给新顾客，然后导致销量的增加。

（2）注重在线评论的价值，及时做出反馈。从在线评论的正面和负面体现了产品的维度，把握市场需求变化的趋势，以此来确定满足消费的产品。在线评论也会对之后的消费者的购买行为有说服效果和认知效果，而且顾客都是有限理性者，在信息获取不足的情况下，一般会依从前人经验。当顾客与众人行为一致时，自我感觉比较好。顾客在购买商品时前人的经验先一步进入他们的感觉，改变了他们对待产品的看法，产生与前者评论一样的感受，产生购买行为。

（3）加快沟通速度，提高服务水平，及时回复咨询信息。保证顾客在购物时有良好的服务体验，降低他们的购物时的精力成本与时间成本，有利于连通顾客与店家之间的关系，有利于产品销售。与购物顾客保持良好的沟通，在其再次购买或者评论中肯的购买者给予小奖品或者优惠券。

（4）在商品详情介绍时主要介绍最关心的点并突出特色。在商品详情的网页注重产品味道、产品质量（保质期、真伪）、包装以及物流速度等方面的介绍，一起消除消费者购买时的疑惑，从而产生购买行为。零食玩够的目标人群一般是学生、白领等比较念青的一代，他们注重个性化的体验，这个社会的主流渐渐会被一些个性化的碎片取代。所以在网页设计上在注重一些基本信息的表达之外，要将页面设计的更美化一些，突出店铺的个性化来吸引消费群。

2.第二类（经营程度较高）：增加忠诚顾客，加强服务水平以及物流水平。

（1）提高物流效率。选择信誉度高服务态度好的快递公司，保证产品能够及时、迅速地送到消费者手上。对大部分消费者来说，运费并不是消费时主要的考虑因素之一，而他们追求的是自己心仪的产品能够及时和安全地送到自己手中，尽快地可以用到自己从网上购买到的产品。

（2）加强售后服务。消费者购物时主要参考中有月销量、评分次数和追加评论数这几个因素，参考目标商品的销售量，因为月销量高证明该商品在近期的 30 天中比较受消费者欢迎，质量 有保证，而评分次数又在高评分的情况下，将会增加消费者的主观购买欲望，促进消费者的消费。

（3）加强沟通，以自己的特色来吸引忠诚的顾客。对于差评、中评要及时处理，注重与顾客的沟通以及处理时态度要好，不要进行恶意干扰别人的生活，这样既失去了顾客也损失了店铺的声誉。在吸引忠诚顾客时，要注重发展自己的特色如产品质量、服务等。

（4）注意网页管理。网页的浏览量证明本身产品对消费者的吸引力比较大，要吸引消费者的注意相当不容易，收藏量很大程度上是因为消费者想进行消费才会进行的举动，对消费者的主观影响是比较大的。由此商家应该积极适应不同商品的需 要，根据商品的特性，设计不同风格的商店主页，产品宣传窗口来吸引消费者，增加网页的浏览量，从而在一定程度上有可能增加商品的收藏量。或者进行网红宣传，微博宣传来增加商品的浏览量。

3.第3类（经营程度低）：定价合理，注重质量，注重服务。

除对第二类网店所述建议外，还有以下建议：

（1）定价合理。不要因为谋取利润而进行过高的定价或者因为过高的销量而过低的定价。定价要综合考虑合适的物流、产品的质量、竞争者的定价、以及产品本身的价值。

（2）注重产品质量。在评论中关于产品的质量内容占的比重较大，消费者在销售价格之上更着重于看重店铺所销售产品的质量，通过以往销售者购物的评价、销售记录、其他消费者对该商品的收藏次数为主要的参考信息，以此来评价该商品是否适合自己或者该商品的质量是否感到满意，其他消费者的意见对购买的影响比较大，尽管好评的作用很重要，但只要一旦销售的商品出现比较多的差评，而且卖家处理的措施不够迅速有效，很容易会使其他消费者丧失了对该商店的信心，因此，商家应该注重产品的质量把关。

4.对于运营平台我们的建议是：

网购的虚拟性，不确定性产生了购物的风险；假货泛滥，管理成本偏高；刷单等行为使信息的可信度降低，这样一来顾客在购买时就会产生不安的心理，增加了购物成本，减少了网购的便利性。电商之间的不正常竞争，店铺经营者网店经营知识的欠缺，造成了电子商务环境混乱，导致网络电商发展越显艰难。这时候电商运营平台(如天猫)要力求保证信息真实性，保护消费者权益；实施良好的运营秩序，给网店提供良好的竞争环境。虽然在管理过程中付出了较高的成本，但是远期的利益空间是庞大的。

（1）适当公开信息透明度，例如地点等信息。避免了刷单等不良行为影响在线评论的真实性，提高顾客对平台的信任程度。

（2）及时介入双方，提高冲突应对能力。对差评引起的买家与卖家的冲突进行调节，及时接受买家的举报，对于不良卖家或者因为差评对于消费者进行报复的卖家处于强力的惩罚机制，例如罚款和逐出平台。

（3）对评价内容进行细化，例如：开展质量、服务、物流等评价版块进行买家评价取消默认好评，使卖家分数更加真实。设置有效评论，让购买者对已有评论打分或者点赞，对于有用评论平台或者卖家进行奖励反馈。

[1]张桂花.消费者网络购物行为的影响因素分析[J].商业经济，2016（9）

[2]林挺 张俊.网络交易定价行为偏好演变规律研究[J].市场营销，2016（2）

[3]刘东胜张轶敏.网上购物顾客满意度影响因素实证研究[J]中国市场,2011（23）

[4]廖成杰 蔡春江.电子商务中在线评论有用性影响因素实证研究[J].软科学，2013（5）

[5]金丽丽.基于主成分分析的消费者网上购物决策影响因素分析[J].企业导报，2015(3)

[6]郭功星.消费者网购决策的营销因素分析 [J]，消费经济，2013（8）

[7]李宝玲.消费者网上购物的感知风险研究[J]，经济管理出版社，2010

[8]刘德寰 陈华峰 任东瑾 崔凯.透视电商：网络购物消费者 研究[J]，机械工业出版社，2013

[9]2015年中国网络购物市场 研究报告 [R].[2016-06 ].http://research.cnnic.cn/

[10]李健.在线商品评论对产品销量影响研究[J].现代情报2012（1）

[11]郝媛媛 邹鹏 李一军 叶强.基于面板数据的在线评论情感倾向对销售收入的实证研究[J].管理评论2009

[12]王洪伟 郭凯强 邹鹏 郑晗.基于在线评论的网络零售定价模型研究[J].商业经济与管理 2014

[13]马艳丽 胡正明.2006-2011年在线评论研究：主题分析和趋势展望[J].经济管理研究 2012（6）

李萍（1996-），女，山东青岛人，中国农业大学烟台研究院，市场营销本科生；李梅芳(1969-)，女，山东冠县人，中国农业大学烟台研究院，副教授，研究方向：公司理财。