异质产品的在线评论特征对产品销量的影响

宋 鹏,郭勤勤

(1.山西大学 经济与管理学院,山西 太原 030006;2. 中国工商银行山西省分行,山西 太原 030001)

一 引言

面对以用户生成内容为核心的社交媒体新情境,在线口碑传播已然成为消费者购买决策的主要信息来源。相较于其他口碑传播方式,产品的在线评论对消费者决策的影响更大。在线评论使消费者可以获得额外的产品质量信息,在电子商务中发挥口碑传播的作用[1-2]。当消费者在网上搜索产品信息时,他们往往会参考第三方的在线评论,而且以往学者的大量研究也表明在线评论对促进产品销量上升有着重要的影响,同时也对消费者购买决策产生了较大的作用[3-6]。目前各大购物网站的功能都在不停地更新迭代,消费者在其网站进行产品评论已经成为基础要素,这使得购买者可以通过在线评论的方式传达自身体验,这种方式在一定程度上降低了潜在消费者可能因信息不足而面临的质量风险。

从现有成果来看,有关在线评论的研究对象种类丰富,国内外学者对许多网站如淘宝、携程、豆瓣网、雅虎网等均有涉猎,并且取得了非常重要的研究结论。目前,在国际顶级期刊如ManagementScience、MarketingScience也发表了诸多关于在线评论的研究成果。近些年,学者们致力于研究在线评论的基本要素或者评论者的本身特征与产品销量之间的关系,也有一些学者另辟蹊径引入热度、产品类型以及产品生命周期作为调节变量开展研究。

经济学家Nelson[7-8]首次提出在线评论的影响力还会受到异质产品(即不同产品类型)的影响,他认为当搜索某产品的品质信息成本过高时,消费者就会购买产品亲身体验后以获得产品的品质,其在研究中指出依据不同的产品品质(即异质产品),按照消费者能否在购买前获得产品的品质信息,把商品分为体验型产品和搜索型产品。Nelson在文中将家具、地板、数码相机、计算器等归类为搜索型产品,书、手表、手机和酒等归为体验型产品。搜索品是在购买前消费者就能够获得产品质量信息,而体验品是必须在试用或者购买使用后才能评估产品质量。他认为消费者的任何购买行为对预期结果的正确性都有影响,有可能会引起消费者的情绪波动。因此,消费者在购买体验型产品时往往会比购买搜索型产品付出更多的信息搜索努力。

从国内现有研究成果来看,由于无法获得产品销量的具体数据,大量研究都以评论数量作为产品销量的代理变量[9-12]。事实上,国内、国外电子商务网站往往存在“卖家操纵评论行为”的现象[13],使得评论数量并不能客观真实地反映产品销量,进而给“评论数量作为产品销量的代理变量”带来了质疑。另一方面,从实证研究情况来看,诸多研究以淘宝、京东等为研究样本,然而与亚马逊中国相比,淘宝、京东的“默认好评”机制、“退货交易关闭”机制均扭曲了真实的在线评论情况,进而增加了研究的不确定性。基于上述原因,本文以不同类型的产品为研究对象,使用Scrapy爬虫框架和Redis数据库采集亚马逊中国的产品在线评论作为样本,以产品销量排名作为产品销量的代理变量,研究在线评论的属性特征如何影响产品销量。

二 理论基础与研究假设

现有研究表明在线口碑对产品的销售起着关键性的作用,但它对不同类型产品的影响可能不同。对于产品类型,目前被广泛接纳的一种定义是由Nelson[7-8]提出的分类,即体验型产品和搜索型产品。对于搜索型产品而言,消费者在购买前,通过搜索产品商标就可以查看到产品所有的品质信息,确认产品的品质属性(如颜色、款式、像素、硬度、存储大小等),进而确定产品品质质量。而对于体验型产品来说,消费者只有在购买之后或者消费的过程中才能获取产品全部的品质信息,确认其产品属性(如味道、润肤程度、体验感受等),从而确定产品品质质量。消费者在购买搜索品时,更偏向于运用传统决策过程,通过产品本身的质量信息评估产品质量。而在购买体验品时,消费者更加注重从第三方评论网站获取的评论信息[14]。因此对于两种类型的产品,尽管消费者都会利用在线评论做出购买决策,但对于不同产品,消费者对在线评论的需求是不同的[15]。

(一)评论数量

在线评论数量是消费者对在线产品或服务进行主观评价的数量,诸多研究都发现评论数量与消费者购买决策行为表现有显著关系[16-18]。消费者购买线上商品时,潜在消费者通过在线评论相关信息对所购产品进行质量评估的过程,其实质上就是从有限的评论信息数据库进行信息筛选,并将进一步整理加工后的信息同自己的预估值进行比较的过程。在这个评估数据库中,评论数量越多,理论上来讲,覆盖的商品信息越全,对潜在消费者进行购买决策的影响越大。而在线评论数量所反映的知晓效应也验证了这一点:评论数量越多,说明越多的消费者参与讨论了某种产品或服务,这会提高潜在消费者对该商品的关注度,并且可能进一步产生从众心理和行为,最终引发消费者的购买行为。如郝媛媛等[19]基于Yahoo电影面板数据,研究了在线评论数量与票房收入之间的关系,结果表明,滞后一天的在线评论数量对当天的票房销售收入有显著的正向影响。

在线评论的数量往往体现了产品的流行程度。对于体验型产品,它的产品信息不太指明产品质量,因此评论数量所表明的产品受欢迎程度等外在线索对于消费者来说更为重要;而对于搜索品来说,消费者在购买前就洞悉了质量信息,它的产品关键属性是客观且易于比较的。因此,虽然在线评论数量是影响产品销量的关键因素,但对于两种产品类型的影响程度是不同的。Cui等[14]以产品生命周期为调节变量研究在线评论对新产品销售的影响,结果发现评论数量对体验型新产品销售的影响更大。因此,本文做出如下假设:

H1a:评论数量对搜索型产品和体验型产品的销量均有正向影响。

H1b:评论数量对搜索型产品的销量影响小于对体验型产品的销量影响。

(二)评论效价

评论效价是指消费者对商品的认可程度[20],它可以是正向的或负向的。也就是说,正负向评价是从商品已使用者角度揭示产品质量的优劣程度。正面评论提供对商品的正向评估信息和积极的态度,向其他消费者推荐该产品;而负面评论提供对商品的负向评估信息和消极的态度,不推荐其他消费者使用该产品。郝媛媛等[21]以雅虎电影的影评作为研究样本,研究了不同评论效价的影评对电影票房收入的影响,结果表明,在线影评的评论效价对电影票房收入存在显著影响。石文华等[22]进一步将在线电影评论分为专业影评和非专业短评,研究发现,短评的评论极端性比影评的影响大。本文从评论极端性和平均得分两方面研究评论效价对不同类型产品销量的影响。

1.评论平均得分

商品在线评论得分是用来描述消费者购买商品后对商品质量、满意程度和商家的服务态度等做出评价的变量,一般以1-5分的形式来表示,1分代表消费者对所购买产品的极端差评,5分表示极端好评。Chevalier等[23]研究表明,在线评论情感倾向对消费者购买决策产生作用。Reinstein等[24]以体验型产品-电影作为研究对象,结果表明平均得分对电影票房收入有显著的正向影响,即平均得分越高,票房收入越多。基于以上分析,本文同样采用平均得分测量在线评论评分,平均星级就是消费者对商品满意度做出的综合性评价。但是也有学者认为平均得分的高低并不能完全代表产品的质量,例如Duan等[25]认为在线评论平均得分对产品的销量并无显著的影响。盘英芝[26]在对体验型产品-图书的研究中发现,在线评论得分对图书销量的影响并不呈线性相关。但是本文认为产品的平均得分越高,购买者对其整体性的评价越高,即代表产品的质量也高,因此本文提出以下假设:

H2:在线评论平均得分对搜索型产品和体验型产品的销量均有显著的正向影响。

2. 评论极端性

评论极端性是指消费者对商品进行评价时的情感倾向的强烈程度。消费者可以对所购买的商品进行评论打分(1-5),3分表示为中性评论,1分或5分评论是极端评论。Dellarocas等[27]指出,相对于搜索型产品而言,极端性评论对体验型产品的有用性更大,这可能是因为极端情感更容易引起消费者的一致共鸣。但Mudambi 和Schuff[1]以产品类型为调节变量,研究在线评论极端性对评论有用性的影响,其结果表明对于体验型产品来说,中性评价比极端评价会更受到消费者的欢迎。尽管之前的研究结果不一致,但仔细分析其研究对象,不难发现,产品类型对在线评论极端性和产品销量之间的关系可能起到了调节作用,因此导致了不同的研究结果。本文认为,体验型产品是必须在使用后才能评估产品质量,需要用个人感知来评估产品质量,所以对于体验型产品的评论往往带有很浓的个人色彩,该评论仅仅反映个人体验而非产品的真实品质,因此极端性的评论并不能对消费者的购买决策产生显著地影响。而对于搜索型产品,其商品的客观属性很容易被证实,所以极端的评论描述被认为是可靠的,基于以上的分析,本文提出以下假设:

H3a:评论极端性对搜索型产品的销量有显著的正向影响。

H3b:评论极端性对体验型产品的销量无显著影响。

(三)评论长度

评论长度,即评论深度,它是指消费者购买某种产品后进行产品评论的字数,其可以增加消费者对评论信息的认可程度。Mudambi 和Schuff[1]以产品类型为调节变量,通过将不同类型的产品进行研究,结果发现相比于体验型产品,评论深度更加影响搜索型产品的评论有用性。以往大多数学者认为,评论越长,反映产品的信息越全面,越能够增强消费者购买决策的自信,从而刺激产量的上升[9,28]。王智生等[29]认为,评论字数的多少关系到消费者对该信息认知的高低,评论字数越多,消费者信息认知越高,从而更好地评估产品质量。

然而,评论长度对不同类型产品的重要性可能不同。对于体验型产品来说,其评论内容更偏主观化,并且经常包含产品的次要信息,这种额外信息会增加消费者的搜索成本进而影响其购买决策。而购买搜索型产品的消费者更倾向于寻找以产品的客观属性和特征为核心的事实信息。由于搜索型产品的大多数评论通常是以产品事实呈现的,其评论的事实本质也意味着这些评论中的附加内容更可能包含关于产品如何使用以及它与其他商品相比较的重要信息。王智生等[29]指出,相比于体验型产品,评论长度对搜索型产品的评论有用性影响更大。因此,本文提出以下假设:

H4a:评论长度对体验型产品和搜索型产品的销量有显著的正向影响。

H4b:评论长度对搜索型产品的销量影响大于对体验型产品的销量影响。

(四)其他控制变量

除以上因素之外,评论时间也是产品销量的重要影响因素。本文将评论时间和产品价格作为控制变量来分析他们同产品销量之间的关系。概念模型图如图1所示。其中,“+”表示正向影响,虚线表示无显著影响。

图1 概念模型图

三 研究方法

(一)变量测量

本文基于上述理论假设,建立了基于产品类型效应的销量影响因素模型。研究模型共包括8个变量,其中因变量是产品销量:亚马逊网站产品排名与产品销量之间的关系可以用ln[Sales]=β0-β1*ln[Sales Rank]来描述[23]。自变量包括:评论数量与平均得分(直接抓取);评论极端性(由评论评分与中性评分之差的绝对值计算得到);评论长度(在线评论的字符个数)。控制变量:评论时间(爬取评论的时间与发表评论时间的差);产品价格(直接抓取)。综上,本文所使用的概念模型如图1所示,所有变量的具体符号和含义如表1所示。

表1 模型变量及测量指标

(二)数据收集

本研究使用Scrapy爬虫框架采集了亚马逊中国网站(https://www.amazon.cn/)排名前100的数码相机与化妆品的在线评论。为了保证数据的有效性,剔除评论数量为0的样本,最终保留40 207条的有效评论,其中体验型产品即化妆品21 306个样本,搜索型产品即数码相机18 901个样本。本研究采集了每一条评论的评论数量、评论得分、评论平均得分、评论时间、评论内容还有产品的价格和每个评论者ID等数据,在前人研究成果的基础上,使用SPSS22.0通过多元回归分析验证各因素对体验型产品与搜索型产品的销量影响。

四 分析与讨论

(一)搜索型与体验型产品在线评论对产品销量影响的比较研究

在本研究中,由于搜索型产品和体验型产品的价格和评论数量相差较大,因此本文并没有将两种产品放在一起进行描述性统计,表2和表3分别是两种产品的描述性分析。

表2 搜索型产品的描述性统计

表3 体验型产品的描述性统计

从表2和表3中可以看出,两种产品的平均得分和评论极端性等基本统计量并没有很大的差别,并且平均得分都大于3,即两种产品的平均得分都是好评,这一现象与多项相关研究中发现的消费者评论模式是一致的[23]。搜索型产品的评论长度、评论时间等基本统计量都比体验型产品略大,体验型产品的评论数量比搜索型产品大很多。

表4和表5分别给出了搜索型产品与体验型产品研究模型的验证结果。

表4 搜索型产品的样本回归结果

注:*表示p<0.10;**表示p<0.05;***表示p<0.01。

从表4中可以得知,此模型的R2值为0.307,F值对应的概率P值达到了显著水平,说明该模型拟合优度和方程的总体显著性较好。回归结果表明平均得分、评论数量对产品销量均有显著地负向影响,即平均得分越低,评论数量越少,产品销量越高,不支持假设H1a和H2。搜索型产品评论数量对产品销量具有显著负向影响的原因可能是因为:相对于体验型产品来说,搜索型产品(数码相机)更新换代速度快且更新周期较短,消费者一般会在对比原有产品的基础上购买新产品,而此时消费者主动评论新产品的意愿较低,因此造成评论数量与产品销量呈负相关关系。而对于评论平均得分而言,出现这种情况可能是商品评分值一般都比较高,从而导致评论平均分数值较大,并且其分布不服从正态分布而是 J 型分布[30],即商品评分掩盖了消费者商品评论的不一致性,其并不能真实反映消费者口碑的整体表现。

对于搜索品来说,消费者更倾向于相信极端性评论,从而正向影响产品的销量,假设H3a得到验证支持。评论长度与产品销量是显著正相关,这表明评论长度越长,对于搜索品来说,其反映产品的信息越全面,越能够增强消费者购买该产品的信心,从而促进产品销量的上升,假设H4a得到验证支持。

表5 体验型产品的样本回归结果

注:*表示p<0.10;**表示p<0.05;***表示p<0.01。

从表5中可以得知,此模型的R2值为0.290,F值对应的概率P值达到了显著水平,说明该模型拟合优度和方程的总体显著性较好。对于体验型产品来说,评论数量对产品销量具有显著地正向影响,说明评论数量越多,产品销量越高,假设H1a部分支持,H1b得到验证。而平均得分与产品销量之间具有显著地负相关关系,这可能是因为对于体验型产品来说,消费者进行产品评论的评分值一般都比较高,从而导致评论平均分数值较大[30],即商品平均得分掩盖了消费者评论的自我选择性偏差,其并不能真实反映消费者口碑的整体表现。假设H2没有得到验证。而评论极端性对产品销量的影响并不显著,对于体验型产品,评论极端性往往带有很浓的个人色彩,该评论仅仅反映消费者的个人感受而不是真实的产品品质,因此消费者可能不怎么注重评论极端性的作用,假设H3b得到验证。体验型产品的评论长度对产品销量的影响是负向的,其原因是对于体验型产品(化妆品)来说,消费者更倾向于在进行负面评论时写较长篇幅的评论,从而导致了这样的结果,假设H4a得到部分验证。

对假设的结果汇总如表6。

表6 假设结果汇总

(二)因变量的比较研究

为了进一步验证本文对“评论数量作为产品销量的代理变量”的质疑,本节将评论数量作为因变量,评论极端性和评论长度作为自变量进行回归分析[注]从现有研究成果来看,商品评分的分布不服从正态分布而是 J型分布,难以真实反映消费者口碑的整体表现。因此,这里不将评论平均得分作为自变量考虑。。其回归结果如表7、表8:

表7 搜索型产品的样本回归结果

表8 体验型产品的样本回归结果

从表7和表8中可以得知,评论极端性与搜索型产品和体验型产品的销量均无显著地影响,假设H3a没有得到验证。评论长度对搜索型产品销量有显著的负向影响,且对体验型产品销量的影响并不显著,假设H4a都没有得到验证,本文对“评论数量作为产品销量的代理变量”的质疑得到了进一步验证。

五 结论与启示

(一)研究结论

本文以搜索型和体验型产品为研究对象,使用Scrapy爬虫框架和Redis数据库采集亚马逊中国的大规模在线评论样本(共包括187种产品的40 207个在线评论样本,其中:体验型产品21 306个,搜索型产品18 901个),研究异质产品的在线评论特征如何影响产品的销量。主要研究发现如下:

1.评论数量越多,体验型产品销量越高,而搜索型产品销量越低。分析其原因,本文认为对于搜索型产品(数码相机)而言,由于其产品更新速度快,消费者在依据原有产品评论做出新产品购买决策后,其主动评论新产品的意愿不足,因此造成评论数量与产品销量呈负相关关系。研究结果表明评论数量在某些情况下并不能代表产品销量,这一发现也进一步印证了本文对“评论数量作为产品销量的代理变量”的质疑。

2.相对于体验型产品而言,评论极端性对搜索型产品销量的影响更加明显。原因在于,搜索型产品的客观性商品属性易于被验证,因此,极端性评论描述往往被认为是可靠的;而对于体验型产品(化妆品)而言,其评论往往与用户自身特性紧密相关,具有较强的个人主观色彩,反映的是消费者的主观感受,而无法完全代表产品的真实品质,因此潜在消费者在浏览评论时可能会直接略过过于极端的评论。

3.评论长度与搜索型产品销量具有正相关关系,而对体验型产品销量的影响是负向的。对于搜索型产品而言,其评论通常是以产品事实呈现的,相应地,反映产品的信息越全面,越有利于消费者做出购买决策;与搜索型产品不同,消费者在对体验型产品进行评价时,更倾向于在进行负面评论时写较长篇幅的评论,从而导致了这样的结果。

(二)管理启示

基于以上结论,本文对消费者更加有效地做出购物决策以及帮助电子商务购物网站建立高效有用的评价机制提出了以下建议:

1.从消费者的角度来看,本研究的结论有助于消费者能够快速识别有用的评论特征。面对不同类型的产品,消费者可以关注评论的不同特征,从而减少信息筛选和阅读的成本。本研究表明,评论极端性和评论长度对搜索型产品销量的影响大于对体验型产品的销量影响,因此,消费者在阅读体验型产品评论时,针对极端评价和长度较长的评论,只需简要浏览,从而节省购买产品的时间成本。

2.从亚马逊中国购物网站的角度来看,本研究结论有助于电商企业建立高效的在线评论系统。(1) 针对消费者主动评论新产品意愿不足的情况,亚马逊中国网站可以实行如“评论换积分”的激励制度,刺激消费者主动进行评论,进而提高评论的真实度。(2) 在评论主体方面,亚马逊网站可以考虑设置限制条件,如只有购买过产品的消费者才可以进行评论,包括购买后退货的用户也能进行评论,从而增强评论评分的可信度。(3) 在评论分类方面,该网站应细化评分分类,使与交易相关的环节能够独立评分。如可以考虑增加评论项目,使消费者在电子商务网站购买产品后,能对产品质量、产品包装、产品配送以及客服态度等进行评分,进而提高用户评价的客观性。

本文的研究局限在于:第一,本研究仅仅引入了在线评论的属性特征,而没有对评论者特征进行研究;在今后的研究中,可以将消费者网购经验与等级、收入水平等引入到模型中,使得研究更加全面和客观。第二,本研究基于Nelson的分类方法,将产品分为搜索型产品和体验型产品,并采集和分析了数码相机和化妆品的在线评论相关内容,基于大样本数据的研究结果表明了搜索型产品和体验型产品对产品销量的影响差异,研究结论对这两种类型的产品具有普适性,但其是否同样适用于其他产品,还需进一步验证。未来的研究还可以选择不同的产品分类方式进行拓展研究。