质量保证机制、平台治理透明度与旅游线路在线销售

朱镇 姚甜甜 刘琪

[摘    要]旅游线路质量难以提前识别，多元化的质量保证机制可有效降低旅游者在线购买的感知风险，进而推动在线销售。而电商平台的治理透明度则为消费者识别质量信号提供有力保证。当前，多数研究聚焦于用户生成内容（UGC）的影响，缺乏对平台认证作用解释，聚焦旅游线路的影响研究更为少见。文章利用携程网2017年6月调整平台治理透明度的准自然实验机会，使用6个月225个细分市场出境包价旅游产品数据，检验了基于UGC和基于平台认证两种质量保证机制对在线销售的影响。首先，稳健估计了基于平台认证这一新质量信号的作用，发现钻级每提高1个等级平均可增加30.3%在线销量。其次，严谨证实了基于UGC的口碑评分与在线销量呈倒U形关系。研究还验证了平台治理透明度调整对上述两种质量保证机制的调节效应。结果显示，透明度的提高使得口碑评分与在线销量的关系变为平缓的U形，说明在极端高分的评分有用性得到加强，但是对平台认证不具有显著的调节效应。研究结果为构建品质驱动的旅游电商平台生态系统提供了实践启示。

[关键词]旅游电商平台;旅游线路;质量保证机制;透明度策略;平台治理;准自然实验

[中图分类号]F59

[文献标识码]A

[文章编号]1002-5006（2021）08-0071-15

Doi： 10.19765/j.cnki.1002-5006.2021.08.011

引言

随着互联网技术的广泛应用，电商平台打破了交易信息不对称，借助不断扩大的网络效应实现商业创新和销售增长[1]。然而，买卖双方在时空上的分离引发了产品质量披露的不对称性，入驻商家的机会主义行为不可避免。旅游线路产品作为典型的体验品，由于服务质量难以提前识别[2]，旅游者在线购买面临的感知风险很高。因此，有效的质量信号是刺激旅游产品在线销量的关键因素。

质量保证机制（quality assurance mechanisms）源于经济学的信号理论[3]，是为披露质量信息而设计的一整套管理策略。根据内外部信号来源的差异[4]，电商平台的质量保证机制可分为用户自发生成以及平台主动构建两大类[5]。首先，用户自发生成的质量保证机制源于用户生成内容（user-generated content，UGC）[6]所蕴含的质量信号。通常UGC被视为是一种外部质量信号，通过消费者评分、评论和点赞或支持等构成网络口碑，形成基于UGC的质量保证机制[4]。对旅游和餐饮这类体验服务而言，产品质量只有在消费和体验后才能确定。网络口碑所蕴含的质量信号源于先前接受服务的用户，可减少入驻商家自述存在的质量信号偏差，易于被消费者接受[7，8]，进而影响消费者产品选择。因此被认为是电商平台重要的质量信号[7]。

其次，电商平台也会利用质量监管的证据，以平台认证形式主动构建并发布质量信号。平台认证可以视为电商平台对销售产品质量的客观评价，呈现了平台为主体的质量背书（endorsement）[9]。也有文献将这种质量信号归为内部质量信号[4]。基于平台认证的质量保证机制既涉及店铺，也聚焦产品。前者如淘宝发布“心-钻-冠”三级认证体系，以此反映不同店铺的信用水平，金冠表征最高水平。后者如携程网将旅游线路以钻级形式分为5级，钻级越高线路品质越好。

事实上，基于UGC和基于平台认证这两种质量保证机制可以视为电商平台通过多元化质量信号呈现，进而实现质量披露的一种平台质量治理。以往多数研究是以图书和数码相机为例，实证检验了基于UGC的质量保证机制对在线销量的影响，并计算了口碑评分以及评论量的边际弹性[10-12]。在旅游服务研究领域，质量保证机制的研究主要集中于酒店客房在线销售[13-14]。有学者研究了网络口碑，特别是评分和评论量对在线销售的线性关系以及对客户满意度形成的影响[13，15]。例如，高宝俊等利用TripAdvisor数据，研究了消费者推荐和口碑评分对不同档次酒店订满率的影响，证实了消费者推荐和口碑评分对高端酒店产品的影响更大[16]。由于旅游线路产品的服务质量不确定性，特别是包价旅游线路的质量识别难度大[2]，多种来源的平台质量披露有助于传递多维度的质量信号，也是激发消费者做出购买决策的重要依据。但在先前的文献中还未发现质量保证机制与旅游线路在线销售关系的论述，也缺乏相关的实证证据。本文第一个研究问题是：基于UGC和基于平台认证两种质量保证机制如何影响旅游线路在线销售？

质量保证机制作用的发挥不仅依赖于质量信号本身，还取决于平台治理的透明度。平台治理是指平台制定的协调多方参与行为的一系列政策的集合，致力于营造健康的商业生态，以增强市场的网络效应[17]。更加透明的平台治理有助于提高质量信号传递的效率，进而減少消费者的认知成本并提高识别效率。例如，携程在产品搜索栏增加平台认证钻级的说明，将钻级标注在产品标题页。这些举措有助于消费者更精准地识别包价游产品的质量信号。先前文献证实了平台透明度策略对酒店和机票定价的作用[18-19]，对在线销售业绩影响还缺乏相关研究。第二个研究问题是：平台治理透明度如何提升质量保证机制对旅游线路在线销售的效应？

为了填补上述两个研究缺口，本文利用携程网2017年6月调整平台治理透明度作为准自然实验的机会，以出境包价游产品这一典型的高风险体验品为例开展实证研究。通过构建6个月的非平衡面板进行计量模型检验，发现了基于UGC和基于平台认证两种质量保证机制对在线销量的差异化影响。研究还分析平台质量监管和治理透明度的作用，为揭示不同质量保证机制对旅游电商平台产品治理效果提供了新的管理启示。

1 理论基础与文献进展

1.1 质量保证机制

由于信号来源不同，基于UGC和基于平台认证两种质量保证机制的作用效应存在很大差异。在电商平台中，前者主要通过网络口碑等形式向消费者传递产品质量信息[20]，可用于修正厂商或者卖方产品质量自述所造成的信息不对称。基于服务类体验品（如餐饮、电影以及在线游戏）研究表明，网络口碑对销量具有积极影响[7，21]。但对于细分市场领域质量信息较少或者产品质量较难衡量的产品（如新上线产品、旅游线路）而言，网络口碑对产品质量的反映可能存在不均衡性[22-23]。先前在餐饮和酒店的在线口碑研究中发现，区分积极评价（高评分）与消极评价（低评分）有助于更好地识别用户对何种质量信号更值得信赖。例如，Park和Nicolau的研究发现，在TripAdvisor酒店市场中，消费者认为消极评价（低评分）比积极（高评分）评论的有用性更高[14]。作为旅游服务领域重要的产品类型，旅游线路产品，特别是跟团游的服务质量难以提前识别。这也决定了旅游者在线购买面临的感知风险很高，网络口碑对于有效显示产品质量显得尤为重要。但是先前文献中还未探讨这一类产品网络口碑与在线销售之间的关系。

作为第二种质量保证机制，平台认证是一种质量背书，是以平台信誉为担保，为产品进行系统检测，并报告其质量的一种保证策略[9]。在传统市场中，质量背书有很多形式，如政府推进的行业准入（如食品药品准入资格），认证机构的评估背书（如穆迪、标准普尔的证券评级）。质量背书有利于高质量的服务提供商进入市场，能够有效避免声誉机制和担保机制失灵导致的市场需求萎靡。例如在P2P（peer-to-peer）网贷平台上，平台对借贷人的信用评级是一个重要的规避风险的质量信号[24]。在电商平台中，Ozpolat等运用实验数据证实，健康医疗产品零售网站的平台质量标识可以大大提高交易可能性[25]。陈艳莹和李鹏升利用淘宝引入金牌卖家认证构成的准实验研究机会，发现店铺获得平台认证后销量会增加，而且增加的销量并非仅来源于对竞争对手的挤出，还包括新创造的市场需求[26]。但以往的研究主要聚焦于商家层面，忽略了对产品质量认证的关注。要完成电商平台上海量产品一对一的质量认证，无论是平台技术架构，还是认证专业能力，都面临巨大的挑战。

1.2 平台治理透明度

平台治理以平台与多边参与对象的关系作为治理对象[27]。为了让消费者意识和感知各种质量信号，平台需要不断优化和提升治理的透明度。更透明的平台治理有助于提高质量信号传递的效率，进而减少消费者认知成本。在本研究中，平台治理透明度是指电商平台利用非价值机制完善交易双方关系的信息可见性和可用性程度。

透明度是平台战略文献中一个重要的概念，起步于Zhu对互联网的企业间交易中的信息效应的研究[28]。市场竞争中的整体信息透明度策略可分为披露、扭曲、偏见和隐藏[29-30]，当前的研究主要集中在信息透明选择和价格设计对销售的影响。很多实证研究发现，合理利用不同的信息透明度可以撬动在线销售[19，31]。例如，Hotwire和Priceline.com两个旅游平台通过屏蔽酒店的部分信息（如隐藏酒店名字仅告知大致地域），降低价格进行销售，特别是不畅销或淡季的酒店客房得益于这种隐藏策略而获得更好的销量[32]。Granados等通过理论建模和实证研究发现，航空公司也可以通过设计特定的信息透明度策略（如线下代理商与线上平台），减少透明和不透明机票产品之间的价格差异来增加利润[18]。

一些研究也指出，平台透明度策略并非经济效益获取的直接因素，取决于披露信息的特征，如质量、身份、产品特性以及信息集合效率等因素[33-34]。旅游电商平台治理的透明度对于消费者的决策显得额外重要。一方面，买卖双方在电商平台交易的时空分离，产生了质量信息不对称;另一方面，旅游线路产品本身具有体验品特征，产品设计与交付的服务质量本身就存在一定偏差[2]。因此，平台需要不断发起针对产品质量的治理，不断提高平台治理透明度，增加消费者识别产品质量的能力。然而，当前关于平台治理的研究中主要集中在技术接入控制、创新激励以及伙伴合作协调等领域[17，27]，还未对平台治理透明度的影响开展深入分析。

在旅游电商平台上，消费者的购买决策不仅取决于平台释放的多种质量信号，还取决于他们对这些质量信号的有效识别。因此，质量保证机制为识别基于UGC和基于平台认证的质量信号提供了理论基础，而针对质量信号的平台治理透明度则进一步为追踪质量保证机制如何激发消费者的购买决策提供了环境条件。本文目的是从上述两个理论视角整合解释旅游线路在线销售的驱动机制。

2 研究假设

2.1 平台认证对在线销量的影响

平台认证通常是电商平台基于产品质量的综合属性，通过发布的具体的评价详细展现产品质量信号。由于该评价方式通常对外公开（也可能对消费者不公开具体的认证过程）且融入了平台的信誉和背书，平台认证成为旅游电商平台传递给消费者的重要质量保证机制。例如，携程使用钻级认证评价旅游线路产品的质量等级，小猪短租使用优品认证表征比其他房源房间设施、卫生等表现更优。

平台认证对在线销量的影响主要包括以下3个方面：第一，通过认证标识向消费者传递平台对旅游线路产品质量的信誉背书，降低卖方在售前为销售最大化而故意隐瞒真实质量信息所导致的产品质量信号偏差[35]。例如，Wang等认为第三方认证是在线市场的一种保障机制，能够降低交易风险[3]。第二，除了降低决策不确定性外，平台认证也有助于消费者区分旅游线路产品的质量，从而引导消费者合理筛选产品并做出购买决策。质量认证等级标准化了这些产品质量等级，且简单归一，便于不同体验品之间的質量比较。最后，作为一种第三方、更具权威的官方质量信号，具有更高认证等级的产品表征了平台对其产品质量的认可程度越高，消费者购买可能性越高。因此，本文假设：

H1：平台认证等级越高，旅游线路产品的在线销量越高

2.2 口碑评分对在线销量的影响

作为一种基于UGC的质量保证机制，口碑评分对在线销售作用已经在酒店、餐饮等在线服务平台中得到证实[7，13]。口碑评分蕴含了先前产品的质量信号，所具有的说服效应将影响消费者购买决策。说服效应本质上是利用口碑评论的效用特征强化消费者对质量信号的识别能力[11]。例如，Mudambi和Schuff的研究首先发现了体验品的极端评分蕴含的说服效应并非直线，而是倒U形曲线。他们的研究指出，体验品的极端评分通常所蕴含的口碑价值低于中部区间评分[36]。Cui等进一步区分了极端评分的正面说明效应与负面说服效应的差别[37]。首先，当评分较低时，口碑评分存在较高的负面说服效应[37]促使负面质量信号产生不购买的消费决策。接着，随着评分增大，评分负面说服效应降低，正面说服效应开始增强。在这种情形中，消费者可以感知到更多的正面质量信号，因此购买意愿得到增强，产品销量会增加。

最后随着评分的进一步提高（如极端高评分），尽管负面说服效应较小，但旅游线路口碑评分的正面说服效应识别难度也随之增加。这是由体验品的质量感知基于主观认知决定的。极端高评分反映了统一的优质产品指向，是以隐藏消费者多元化的主观偏好为前提的[36]。这对于搜索品而言是有利的，但对于体验品而言则降低了口碑的价值性。例如，旅游线路产品包含食、住、行、游、购、娱6个方面，其口碑评分是众多服务维度的综合集成。极端高分指示了该产品没有任何缺陷，导致有效口碑信息减少，削弱了评分的正面说服效应，进而降低了消费者对优质产品质量的识别。在实践中，这种正面说服效应的减弱表现为消费者对极端高分的怀疑和忧虑，进而减少了购买决策。

基于此，本文认为相较于中等区间评分，体验品低口碑评分区间较高的负面说服效应以及高评分区间较低的正面说服效应均带来了降低口碑评分所蕴含的质量信号，进而阻碍了消费者的购买决策。因此提出倒U形假设：

H2：口碑评分对旅游线路产品在线销量的影响呈倒U形关系

2.3 平台治理透明度的调节效应

在电商平台中，由于在线环境的虚拟性和跨地域性阻断了消费者与产品直接联系[38]，使得消费者不得不依赖平台公开的产品质量信号作为购买决策的依据。平台可以通过质量治理手段，释放更容易识别、更明确的质量信号，为提高消费者对平台产品质量的信赖提供保障。很多旅游电商平台不断发起质量治理行动，提高治理透明度，便于消费者更易识别产品质量信息。例如，途牛推出牛人专线产品的行程100%透明的承諾，就是一个典型平台治理例子。

提高平台治理透明度是为了完善质量信号的公开程度以及可获得性，对于电商平台的质量保证机制发挥对销售的刺激效应具有重要的调节作用。其影响作用通过以下两个方面实现：第一，通过平台治理手段调整产品质量信息的披露方式，降低消费者对产品质量感知的不确定性[39]，提高消费者购买意愿。第二，提高平台治理透明度有助于消费者区分体验品质量，从而引导消费者做出合理的购物决策。例如，携程网在产品搜索栏增加平台认证钻级的说明，该举措有助于消费者更直接地关注该质量信号的含义，便于对不同产品进行质量比较。

在较低的平台治理透明度环境中，平台认证的质量信号传递较弱，消费者无法识别平台认证“质量背书”的含义，从而导致平台认证固有的质量信号无法产生足够的决策购买刺激作用。从消费者角度看，由于无法识别来自平台发起的质量信号，容易产生一种平台对旅游线路产品的质量“不管不问”的怠责感受。而随着平台治理透明度的提高，消费者可以更为直接地感知到平台为产品质量监控所做的监控职责[5]，平台的质量背书作用才能得以充分发挥。因此，提出以下假设：

H3：相比于低平台治理透明度，高透明度环境增强了平台认证对旅游线路产品在线销量的影响

相似地，在较低的平台治理透明度环境中，消费者难以在电商平台上获得透明的产品信息，例如产品服务信息不全面、导游服务时间不详细等。在这种情境中，来自消费者的口碑评分作为判断旅游线路质量的主要依据。但由于低透明度导致的产品信息不全面，使得口碑评分所蕴含的质量信号无法形成信息聚合效应[33]，导致基于口碑评分的质量保证机制无法发挥应有的区分产品质量的功效。随着平台治理透明度的提高，消费者可以识别更多的产品属性和特征，口碑评分所蕴含的产品质量可以与公开的产品信息进行校对，从而减少消费者质量认知的成本，增加了对口碑评分的信任，因此将会提高在线销量。因此，提出以下假设：

H4：相比于低平台治理透明度，高透明度环境增强了口碑评分对旅游线路产品在线销量的影响

根据上述假设，假设模型见图1。

3 研究设计

3.1 数据来源

携程网的出境包价游产品为本研究提供了绝佳的研究情景。第一，消费者无法在购买前就识别旅游线路质量，需要多渠道的质量信号支持其决策;第二，出境游产品的购买者通常具有更丰富的旅游经验，具备较高的产品质量识别能力;第三，出境包价游产品价格较高，消费者对质量更为敏感，做出购买决策更为谨慎。根据原国家旅游局发布的出境游市场份额数据，选取前15个主要出境口岸城市以及15个主要出境目的地构成旅游线路网络（即15×15=225个出境游细分市场。根据中国旅游研究院和携程旅行网联合发布的《2017中国出境旅游者大数据》，上述区域出境游线路涵盖近90%的出境游市场。

本文利用携程网的一项准自然实验开展研究。准自然实验是一种以处理组和控制组的近似随机选择为前提，精确估计政策效应的研究方法，可避免内生性以及选择性偏差对政策效应的估计。

2017年6月底，携程网发起了一项平台治理行动，在以下几个方面改变了质量信号传递的透明度：第一，产品搜索栏增加平台认证的说明;第二，将认证钻级标注在产品标题页;第三，将包价游产品导游服务和交通行程细节细化到按小时节点公布。这些举措有助于消费者更精准地识别包价游产品的质量信号。例如，消费者可以很容易发现平台认证的质量信息，也可以将口碑评分与产品服务细节进行对比，从而提升口碑说服效应的识别能力。

此外，同期自由行产品由于不被平台认证，且无导游服务细节，因此，天然形成了一个准自然实验机会。包价游产品视为处理组，而同期不受影响的自由行产品视为控制组。双重差分（differences-in-differences，DID）可估计治理透明度政策对包价游销量的影响。本研究将在双重差分基础上，进一步估计两种质量保证机制在不同治理透明度的情况下对在线销量的影响。

由于旅游线路属于低频消费产品，但更新速率比书籍、计算机等搜索品频繁，合适的数据采集周期可降低测量偏差。旅行社业界通常将出境包价游产品更新周期固定为半月，因此，以此为周期构建面板数据。以携程变更治理透明度这一事件为基准，前后各选择3个月作为数据窗口期，形成从2017年3月至9月的12期面板数据。研究基于以下标准清洗数据：（1）根据离群点算法，删除明显的离群数据;（2）删除多地销售又采用不同口径合并销量的样本;（3）剔除信息缺失、无销量新产品的线路;（4）根据携程认证钻级的标准，低于3钻统一不标识，为减少不同类产品认证的差异化影响，删除无产品钻级的产品。作为处理组，包含1255条线路共3960个观察值构成的非平衡面板数据，合计销量为8.47亿元。此外，获取同时期内的所有自由行产品，根据上述3条标准清洗数据，共获得1120个数据作为对照组。

3.2 变量与测量

3.2.1    因变量、自变量与调节变量

因变量为旅游线路在线销量（Sales），用相邻两期的累计销量之差计算当期的销量，即产品i在t期的销量。自变量平台认证（Grade）由携程公布的线路钻级表示，即产品i在t期时的产品钻级，产品钻级取值在3～5之间。自变量口碑评分（Valence）使用出境包价游产品i截止到t期的平均评分衡量。

调节变量为治理透明度（Transparency），使用一个虚拟变量测量。将政策调整前记为0，调整之后记为1。为了识别处理组和控制组，将包价游产品记为1，自由行产品记为0。

3.2.2    控制变量

为了精确估计计量模型，本文首先控制了网络口碑的其他因素机制。作为网络口碑的重要指标，评论量是一种基于销售基数的网络口碑。较多的评论量预示着该产品更受欢迎，而并不能直接表示产品品质更高。因此，一些研究将评论量作为前期销量的指示变量[40]，可用于控制消费者因“羊群效应”[41]跟风而形成的偏差。控制评论量，不仅可以控制“羊群效应”带来的在线销量，还可以在一定程度上剥离前期销量对当前的内生性影响。在本研究中，评论量使用t期评论增量数表示（t期累计评论量与t-1期累计评论量之差）。

研究还控制了其他可能影响销量的因素，包括季节（Season）、销售城市（City）、促销（Promotion）、行程时长（Day）和产品价格（Price）。受季节影响，旅游产品销售存在明显的淡旺季特征。本研究采用节气划分法，使用虚拟变量表示3个不同的季节。3月、4月属于春季（Season_1），5月、6月、7月属于夏季（Season_2），8月、9月属于秋季（Season_3）。由于季节是典型的外生因素，可以很好地控制旅游产品销售的淡旺季特征。销售城市和促销都是虚拟变量。由于一线和非一线城市的可支配收入存在差异，可能导致潜在的销量差异，因此把一線城市记为1，非一线城市记为0。促销作为一种常见的营销手段，对产品销量有积极影响[42]。若产品i在第t期参与促销活动记为1，不参与记为0。出国旅游也需要较长的假期，存在时间成本。出游天数是消费者购买的重要考虑因素，通过产品标题的关键词提取时间信息。产品价格对销量有负向影响[43]，本文用产品i在t期的销售价格作为控制变量。

为减少数据分布范围差异对回归结果的影响，对评论量、销量和价格取自然对数，使得模型系数可以解释为弹性（取值为0的变量对其加1再取对数，误差可忽略不计）。所有变量的测量汇总如表1所示。

3.2.3    描述性统计

表2显示了包价游各变量的描述性统计和相关矩阵。从表中可看出，产品平均行程天数为8天，出境游多为中长线旅游;产品价格均值为8559元;评分均值大于4，所有旅游线路产品总体评价偏正面;每条产品平均半月评论量为7条。相关分析结果表明，各自变量与销量具有显著相关关系。

4 假设检验与结果

4.1 DID计量模型

DID的基本假设是，在处理效应前，处理组和控制组因变量的时间趋势是相同的。如图2显示，处理效应前两组之间总体上呈现较为稳定的差异。进一步估计平行趋势的显著性，参照Song等[44]的方法，采用相对时间模型（模型1）去检验处理效应前（图2的竖虚线左侧）是否存在平行趋势。

式（1）中，[Diτ]为反映时间的虚拟变量，[δτ]用于识别处理效应前的平行趋势平稳显著性。模型1结果显示，前6期中，有5期在0.05显著性水平下不显著，说明处理效应前两组差异基本保持平行趋势。

鉴于处理效应前显著的平行趋势，可以利用DID模型（模型2）估计治理透明度（Transparency）的作用。

式（2）中，[Transparencyt]是政策虚拟变量，[Typei]是处理组和控制组分组虚拟变量，[ui]代表产品i的个体固定效应，[vi]是产品i的时间固定效应。[  β1]系数反映了治理透明度的处理效应，[βψ]为控制变量的回归系数。

4.2 面板模型

在明确治理透明度的政策效应基础上，可以进一步估计两种质量保证机制的直接作用以及与政策效应的交互作用。口碑评分的假设为倒U形，引入二次项。计量模型如下：

[βs]为回归系数和截距项，[ui]代表产品i的个体固定效应，[vi]是产品i的时间固定效应。模型3中的[β1、β2和β3]反映了两种质量保证机制的直接作用系数，[β4、β5和β6]反映了两种质量保证机制与治理透明度政策的交互作用系数。

4.3 假设检验

表3报告了模型2双重差分的主要结果。结果显示，处理效应-0.121在0.05显著性水平下通过检验，证实治理透明度对改变包价游的在线销量具有明显的作用。为检验政策干预的随机性（即安慰剂检验），将调整时间提前2期重新计算处理效应。结果显示，提前2期的DID作用不显著（β=-0.102，p>0.05），说明治理透明度作为自然实验估计处理效应具有稳健性。

为了分析治理透明度政策效应是如何改变质量保证机制的作用，接着使用非平衡面板对4个假设进行检验。包价游产品样本的Wald检验显示，强烈拒绝原同方差假设（p=0.00），说明存在异方差。当异方差时，Hausman检验无效，可使用Sargan-Hansen统计量对固定和随机效应的选择进行检验。结果显示，Sargan-Hansen统计量在0.05显著性水平下拒绝原假设（p=0.00），说明选择固定效应检验更合适。因此，本文采用“普通最小二乘+稳健标准误”来估计计量模型参数，采用逐步回归法估计直接效应以及交互效应。为避免多重共线性，交互项由中心化的自变量和调节变量相乘得到。方差膨胀系数均小于5，说明变量之间不存在显著的多重共线性。

模型3的估计结果见表4。M1模型仅考虑控制变量和治理透明度的影响，结果证实治理透明度对于销量的弹性达到0.246，即治理透明化平均增加24.6%在线销量。研究也证实评论量对销量的影响是显著正向影响（β=0.421，p<0.001），这与图书和酒店的研究结论基本一致[11，13]。

M2模型加入平台认证，结果显示具有显著正向影响（β=0.303，p<0.01），即认证的钻级每提高一钻可增加30.3%的销量，因此H1成立。M3模型进一步加入平台认证与治理透明度的交互项，结果显示交互项在0.05水平下不具有显著性。因此，H3没有得到验证，说明治理透明度政策在短期内没有改变平台认证对在线销量的影响。可能的原因是，治理透明度调整虽然提高了质量认证等级的认定标准，其蕴含的新质量信号还未在消费者中得到重视，可能存在滞后效应，在后文附加分析中做进一步检验。

接着检验口碑评分的曲线假设。M4模型中继续增加口碑评分一次项和二次项，结果显示，二次项（β=-0.528，p<0.1）和一次项（β=-0.466，p<0.05）均为负向显著，说明口碑评分与产品销量之间存在倒U形关系。销量随着口碑评分的增大，呈现先增长后减少的趋势，二次曲线的对称轴为4.62。为了进一步验证曲线的显著性，采用Lind和Mehlum的步骤[45]，借助于Fieller统计量计算得到对称轴的95%置信区间。结果显示，曲线拟合的对称轴置信区间为[4.58， 4.66]，对称轴落在数据区间内，且在0.01显著性水平通过检验（t=8.92，p<0.001）。说明这是一个具有极值点的二次曲线。因此，H2得到验证。网络口碑的曲线拟合图如图3所示。

在M4模型基础上，继续纳入口碑评分与治理透明度的交互项。结果显示，无论是二次项（β= 1.073，p<0.05）还是一次项（β=0.501，p<0.05）均具有显著的调节效应。为了进一步勾勒治理透明度的调节效应，以2倍标准差区别高低透明度的差别，并绘制了如图4的调节作用图。图4表明，当质量披露透明度由低变高时，口碑评分对在线销量的影响作用发生改变。由原来倒U形曲线变为平缓的U形曲线，特别是在高口碑评分的弹性由负转为正，且整个曲线上移。因此，H4得到证实，即相比于低治理透明度，在高透明度治理环境中口碑评分将产生更多的销量，且口碑评分越高销量越高。

4.4 稳健性检验

为了检验模型的稳健性，在调整估计方法和比较其他产品质量信号干扰效应两个方面进行稳健性检验，主要结果见表5。

由于数据存在异方差，也可使用DK标准误（Driscoll和Kraay）进行非参数协方差矩阵估计[46]，排除异方差的影响重新估计模型，结果见M9模型。与基准模型（M5）相比，各项系数以及显著性基本相同，计算结果稳健。

考虑到评论量也是网络口碑的重要组成。对于评论量较少的产品而言，用户难以获得足够的源于用户生成内容的质量信号，用户面临的决策不确定性更高。在治理透明度提高后，仍然可能存在评论量少的产品比评论量多的产品受益更多的情况。因此，以累计评论量均值（Volume=125）为基准，把样本拆分为两个子样本，分别进行计量分析，结果见M7和M8。两模型比较结果显示，两类质量保证机制的直接效应无差别。主要差别集中在少评论量样本的治理透明度与口碑评分二次项交互项正向显著（β=1.139，p<0.01），而较多评论量样本不显著（β=1.928，p>0.05）。这说明，面对评论量少的产品，用户难以获得足够的用户生成内容（UGC）的质量信号，而治理透明度提高明显减少了口碑评分所蕴含的质量不确定性。

最后，由于价格也是一种质量信号[47]。尽管本研究已将其纳入控制变量，但是仍然可能对基于UGC和基于平台认证的两类质量信号产生干扰。例如，旅行社采用不同的定价策略，高于市场平均价格表征其高端产品，抑或低于平均价格表示低端产品，进而影响消费者产品的选择模式。为了检验定价策略这一潜在的质量信号影响，本文依据“金棕榈旅游看板”微信小程序（金棕榈集团针对大型出境游公司价格监控平台）上定期更新的中端产品价格作为基准，把样本拆分为高定价策略与低定价策略两个质量信号样本。计量结果（如模型M9和M10）显示，低价产品模型基本与基准模型一致，而高价产品主要依赖于平台认证的质量信号，且治理透明度的调节效应不显著。因此，该结果进一步证实低价产品需要更多的质量信号才能驱动消费者购买决策。

4.5 附加分析

由于H3没有得到验证，说明治理透明度调整在短期内没有显著改变平台认证对在线销量的影响。根据信号理论的传播阶段特性，新的质量信号需要一定时间传播并建立信号识别体系。在更为透明的平台产品治理场景中，平台认证对在线销量刺激作用的提升效应可能需要更长周期的时间去检测。参照前文研究设计，选择2017年10—12月的6期数据估计基于UGC和基于平台认证两种不同的质量保证机制对在线销量的影响。通过与表4的M5结果比较，平台认证对在线销量的弹性由30.3%提升到38.2%，弹性提升了26%。据此，可推断在更加透明的环境中，平台认证发挥了更为显著的刺激效应。因此，平台治理透明度对平台认证质量信号的改进不是短期的政策冲击，而是一种长期治理，证实了平台治理透明度对电商平台产品质量生态建设具有战略指导意义。

5 结果与讨论

5.1 主要结果

本研究基于出境包价游的电商平台销售场景，利用DID和固定效应面板回归，发现用户自发生成以及平台主动构建形成的两种质量保证机制对在线销量具有差异化影响，并首次证实了平台治理透明度对质量保证机制的调节作用。主要结论如下。

（1）证实了基于UGC和基于平台认证两种不同的质量保证机制对旅游线路在线销售的刺激作用存在明显差异。通过严谨的统计检验，发现了旅游线路产品的口碑评分与销量呈倒U形曲线关系，此外，通过稳健的计量模型精确地估计了平台认证这一新质量信号的作用。研究结果证实了基于平台认证的质量保证机制对在线销量的具有显著刺激效应。具体体现为，钻级每提高一个等级，平均可增加30.3%的在线销量。

（2）通过准自然实验机会发现了平台治理透明度的政策冲击效应，为追踪质量保证机制如何激发消费者的购买决策提供了环境条件。本文发现，治理透明度政策调整有助于理解口碑评分与在线销量的调节效应。更加透明的治理环境增加了产品质量信息的披露可见性，抵消了质量认知风险，从而使口碑評分对销量的曲线影响方向发生改变，成为平缓的U形曲线。特别是，高口碑评分对在线销售的弹性由负转为正，且整个曲线上移。此外，治理透明度的政策调整在短期内无助于提升平台认证对在线销量的刺激效应。附加分析证实了在高治理透明度环境中，平台认证对产品销量具有更为明显的刺激作用，因此具有长期治理效应。

5.2 理论贡献

如何有效利用质量保证机制，在线披露多维的产品质量信息是电商平台生态治理的重要策略。有效的质量保证机制可以降低消费者在线购买决策的不确定性，推动在线销售。本文在理论上阐述了用户自发生成以及平台主动构建形成的两种质量保证机制。基于UGC和基于平台认证两种不同的质量保证机制为推动旅游电商平台的产品质量治理提供了新的治理思路。理论贡献主要包括以下3个方面。

（1）发现了旅游线路产品的口碑评分与销量存在倒U形曲线关系。尽管先前口碑评分研究已经关注到极端评分的影响，并建议关注非直线的影响机制[48-49]，但旅游管理领域的研究主要是基于酒店在线销售开展的[13-14]。旅游线路与酒店最大的差别在于，交付服务的复合化与复杂性导致的产品质量难以控制[2]，其口碑评分所蕴含的质量价值可能存在更大的感受偏差。本研究的证据证实，高度服务导向体验品的口碑评分所蕴含着质量信号的非线性影响特征，极端高分和低分将导致质量认知风险的提高，进而降低了口碑评分所蕴含的质量信号，最终减弱了口碑评分的说服效应[11]。该结论扩展了网络口碑在旅游线路产品的研究，也为网络口碑研究补充了体验品领域的实证证据。

（2）通过稳健的计量模型证实并估计了平台认证这一新质量信号的作用效应。电商平台主动构建背书已经逐渐成为平台治理的重要策略[9]。通过传递给消费者更为权威的质量信号，可以削弱质量信息不对称问题。以前关于电商平台质量认证的研究主要集中在商家层面[5，26]。例如，池毛毛等研究了平台认证信号在共享住宿中房客可持续消费行为的影响机制[5]。本研究在产品层面扩展了平台背书所蕴含的质量信号含义[9]，弥补了以往研究仅依靠网络口碑检验产品质量信号的不足，为全面识别体验品质量提供了新的理论视角。

（3）证实了平台治理透明度的调节效应，据此可追踪质量保证机制如何激发消费者的购买决策提供了环境条件。尽管信息透明度对在线销售的影响在一些研究中得到证实[18-19]，但很少有人关注平台治理透明度的作用。本文首次证实了治理透明度的提高有助于加强口碑评分与在线销量的关系，揭示了体验品电商平台中网络口碑对在线销量影响的变化机理，为理解不同情境中口碑评分作用的不一致性提供了新的证据。

5.3 实践启示

本研究为构建品质驱动的旅游电商平台生态系统提供了实践启示。对于平台而言，加强产品质量治理必须从多角度入手。研究证实平台认证传递的质量信号也是一种重要的质量治理手段。由于不断透明的质量披露可以修正买卖双方自发形成的质量信号所带来的偏差，这也为旅游产品电商平台合理利用多种质量保证机制，约束商家机会主义行为提供了新的手段。如基于平台认证的质量保证机制为商家操作客户评论和口碑提供了强有力的制衡手段。对消费者而言，口碑评分和平台认证两种治理机制为识别高质量旅游产品线路提供了多方面的信号指导。特别是，本研究发现的以平台质量背书为核心的认证质量信号，增加了来自平台的质量推荐。消费者可据此多方位地甄别高质量的旅游线路。据此，平台认证和消费者口碑两种质量信号可共同促进高质量产品生态的构建。

此外，平台治理透明度的改变，势必会打破平台原有的产品竞争格局。本文发现，携程网在提高平台治理透明度后，平台认证对在线销量的影响并无明显改善，而口碑评分的影响则大幅提高。这说明平台在治理透明度的改善还需要兼顾产品质量披露的内容。本次准自然实验涉及的治理主要集中于认证钻级说明、标注位置以及线路产品信息的透明度改變。口碑评分影响的增大可能与旅游线路产品信息的透明度有关。借鉴TripAdvisor酒店销售的经验，增加口碑评分的维度（如根据旅游线路的质量内涵更多的如导游服务、行程安排、服务特色等更为细致的性能评价[2]）也为后续携程推进产品质量治理提供了可实施手段1。

5.4 研究局限性与展望

本文局限主要存在两个方面：第一，对口碑评分测量仅考察了评分一项，如能对评论内容进行情感分析或主题建模等数据挖掘分析[5]，形成更为微观的口碑变量将能更精确地开展研究。第二，不同消费者接收、理解质量信号存在一定的差异，如能控制消费者特征影响，将得到更准确的估计结果。本研究关于质量保证机制的探索是基于旅游线路产品的电子商务实践，如能针对不同类型的电商平台识别独特的多维度的质量信号，将有助于精细刻画质量信号对电商平台销量的作用机制。此外，如能借助多阶段时间周期检验平台治理透明度的调节作用，可指导电商平台科学评估其治理效果。

参考文献（References）

[1] 李小玲， 任星耀， 郑煦. 电子商务平台企业的卖家竞争管理与平台绩效——基于VAR模型的动态分析[J]. 南开管理评论， 2014， 17（5）： 73-82. [LI Xiaoling， REN Xingyao， ZHENG Xu. Managerial tactics for sellers competition and performance of the e-commerce platform： Implication from the dynamic analysis of VAR model[J]. Nankai Business Review， 2014， 17（5）： 73-82.]

[2] 朱镇， 黄秋云. 大尺度旅游线路的设计质量评价体系与检验： 以欧洲出境观光游为例[J]. 旅游学刊， 2019， 34（1）： 23-33. [ZHU Zhen， HUANG Qiuyun. Performance evaluation system for large-scale tour routes and its empirical test on the sightseeing tour products in Europe[J]. Tourism Tribune， 2019， 34（1）： 23-33.]

[3] WANG Y， QU Z， TAN B. How do assurance mechanisms interact in online marketplaces？ A signaling perspective[J]. IEEE Transactions on Engineering Management， 2018， 65（2）： 239-251.

[4] DRANOVE D， JIN G Z. Quality disclosure and certification： Theory and practice[J]. Journal of Economic Literature， 2010， 48（4）： 935-963.

[5] 池毛毛， 潘美钰， 晏婉暄. 共享住宿中房客可持续消费行为的形成机制研究： 用户生成信号和平台认证的交互效应[J]. 旅游学刊， 2020， 35（7）： 36-48. [CHI Maomao， PAN Meiyu， YAN Wanxuan. An empirical study of tenants sustainable consumptionbehavior in the sharing accommodation： Interaction effection of user-generated signal and the platform certification signal[J]. Tourism Tribune， 2020， 35（7）： 36-48.]

[6] ABBASI A， LI J J， ADJEROH D， et al. Dont mention it？ Analyzing user-generated content signals for early adverse event warnings[J]. Information Systems Research， 2019， 30（3）： 1007-1028.

[7] 卢向华， 冯越. 网络口碑的价值——基于在线餐馆点评的实证研究[J]. 管理世界， 2009（7）： 126-132. [LU Xianghua， FENG Yue. The value of electronic word-of-mouth： An empirical study based on online restaurant reviews[J]. Management World， 2009（7）： 126-132.]

[8] CHEN Y， WANG Q， XIE J. Online social interactions： A natural experiment on word of mouth versus observational learning[J]. Journal of Marketing Research， 2011， 48（2）： 238-254.

[9] RIETVELD J， SCHILLING M A， BELLAVITIS C. Platform strategy： Managing ecosystem value through selective promotion of complements[J]. Organization Science， 2019， 30（6）： 1232-1251.

[10] GU B， PARK J， KONANA P. The Impact of external word-of-mouth sources on retailer sales of high-involvement products[J]. Information Systems Research， 2012， 23（1）： 182-196.

[11] 龔诗阳， 刘霞， 刘洋， 等. 网络口碑决定产品命运吗——对线上图书评论的实证分析[J]. 南开管理评论， 2012， 15（4）： 118-128. [GONG Shiyang， LIU Xia， LIU Yang， et al. Does online word-of-mouth determine products fate： An empirical analysis of online book reviews[J]. Nankai Business Review， 2012， 15（4）： 118-128.]

[12] LIN Z J. An empirical investigation of user and system recommendations in e-commerce[J]. Decision Support Systems， 2014， 68： 111-124.

[13] YANG Y， PARK S， HU X B. Electronic word of mouth and hotel performance： A meta-analysis[J]. Tourism Management， 2018， 67： 248-260.

[14] PARK S， NICOLAU J L. Effects of general and particular online hotel ratings[J]. Annals of Tourism Research， 2017， 62： 114-116.

[15] GEETHA M， SINGHA P， SINHA S. Relationship between customer sentiment and online customer ratings for hotels—An empirical analysis[J]. Tourism Management， 2017， 61： 43-54.

[16] 高宝俊， 孙含琳， 王寒凝. 在线评论对酒店订满率的影响研究[J]. 旅游学刊， 2016， 31（4）： 109-117. [GAO Baojun， SUN Hanlin， WANG Hanning. Influence of online reviews on hotelsfull-occupancy rates[J]. Tourism Tribune， 2016， 31（4）： 109-117.]

[17] SONG P， XUE L， RAI A， et al. The ecosystem of software platform： A study of asymmetric cross-side network effects and platform governance[J]. MIS Quarterly， 2018， 42（1）： 121-141.

[18] GRANADOS N， GUPTA A， KAUFFMAN R J. Designing online selling mechanisms： Transparency levels and prices[J]. Decision Support Systems， 2008， 45（4）： 729-745.

[19] TANFORD S， ERDEM M， BALOGLU S. Price transparency of bundled vacation packages[J]. Journal of Hospitality & Tourism Research， 2011， 35（2）： 213-234.

[20] HENNIG-THURAU T， WIERTZ C， FELDHAUS F. Does Twitter matter？ The impact of microblogging word of mouth on consumers adoption of new movies[J]. Journal of the Academy of Marketing Science， 2015， 43（3）： 375-394.

[21] 龔诗阳， 李倩， 赵平， 等. 数字化时代的营销沟通： 网络广告、网络口碑与手机游戏销量[J]. 南开管理评论， 2018， 21（2）： 28-42. [GONG Shiyang， LI Qian， ZHAO Ping， et al. Marketing communication in the digital era： Online advertising， online word-of-mouth， and mobile game sales[J]. Nankai Business Review， 2018， 21（2）： 28-42.]

[22] SUN M. How does the variance of product ratings matter？[J]. Management Science， 2012， 58（4）： 696-707.

[23] ZHANG Z Q， ZHANG Z L， LAW R. Positive and negative word of mouth about restaurants： Exploring the asymmetric impact of the performance of attributes[J]. Asia Pacific Journal of Tourism Research， 2014， 19（2）： 162-180.

[24] 王会娟， 廖理. 中国P2P网络借贷平台信用认证机制研究： 来自“人人贷”的经验证据[J]. 中国工业经济， 2014（4）： 136-147. [WANG Huijuan， LIAO Li. Chinese P2P platforms credit authentication mechanism research： Evidence from Renrendai [J]. China Industrial Economics， 2014（4）： 136-147.]

[25] ?ZPOLAT K， GAO G G， JANK W， et al. The value of third-party assurance seals in online retailing： An empirical investigation[J]. Information Systems Research， 2013， 24（4）： 1100-1111.

[26] 陈艳莹， 李鹏升. 认证机制的需求窃取和扩张效应——基于淘宝网金牌卖家认证的经验研究[J]. 南开管理评论， 2019， 22（3）： 77-90. [CHEN Yanying， LI Pengsheng. Demand stealing and expansion effect of certification mechanism： An empirical research based on Taobao gold-medal-seller certification[J]. Nankai Business Review， 2019， 22（3）： 77-90.]

[27] HUBER T L， KUDE T， DIBBERN J. Governance practices in platform ecosystems： Navigating tensions between cocreated value and governance costs[J]. Information Systems Research， 2017， 28（3）： 563-584.

[28] ZHU K. Information transparency in electronic marketplaces： Why data transparency may hinder the adoption of b2b exchanges[J]. Electronic Markets， 2002， 12（2）： 92-99.

[29] GRANADOS N， GUPTA A， KAUFFMAN R J. Information transparency in business-to-consumer markets： Concepts， framework， and research agenda[J]. Information Systems Research， 2010， 21（2）： 207-226.

[30] GRANADOS N， GUPTA A. Transparency strategy： Competing with information in a digital world[J]. MIS Quarterly， 2013， 37（2）： 637-641.

[31] GRANADOS N F， KAUFFMAN R J， LAI H， et al. Decommoditization， resonance marketing， and information technology： An empirical study of air travel services amid channel conflict[J]. Journal of Management Information Systems， 2011， 28（2）： 39-74.

[32] FAY S. Selling an opaque product through an intermediary： The case of disguising ones product[J]. Journal of Retailing， 2008， 84（1）： 59-75.

[33] YANG S， LI T， VAN HECK E. Information transparency in prediction markets[J]. Decision Support Systems， 2015， 78： 67-79.

[34] LU Y X， GUPTA A， KETTER W， et al. Information transparency in business-to-business auction markets： The role of winner identity disclosure[J]. Management Science， 2019， 65（9）： 4261-4279.

[35] 劉汉民， 张晓庆. 网络零售平台治理机制对卖家机会主义行为的影响——以感知不确定性为调节变量[J]. 商业经济与管理， 2017（4）： 16-27. [LIU Hanmin， ZHANG Xiaoqing. Influence of governance mechanisms of online retail platform on sellers opportunism with perceived uncertainty as moderator[J]. Journal of Business Economics， 2017（4）： 16-27.]

[36] MUDAMBI S M， SCHUFF D. What makes a helpful online review？ A study of customer reviews on Amazon.com[J]. MIS Quarterly， 2010， 34（1）： 185-200.

[37] CUI G， LUI H K， GUO X. The effect of online consumer reviews on new product sales[J]. International Journal of Electronic Commerce， 2012， 17（1）： 39-58.

[38] DIMOKA A， HONG Y， PAVLOU P A. On product uncertainty in online markets： Theory and evidence[J]. MIS Quarterly， 2012， 36（2）： 395-426.

[39] AKERLOF G A. The market for “Lemons”： Quality uncertainty and the market mechanism[J]. Quarterly Journal of Economics， 1970， 84（3）： 488-500.

[40] ROSARIO A B， SOTGIU F， DE VALCK K， et al. The effect of electronic word of mouth on sales： A meta-analytic review of platform， product， and metric factors[J]. Journal of Marketing Research， 2016， 53（3）： 297-318.

[41] CHEUNG C M K， XIAO B S， LIU I L B. Do actions speak louder than voices？ The signaling role of social information cues in influencing consumer purchase decisions[J]. Decision Support Systems， 2014， 65： 50-58.

[42] HOWELL J R， LEE S， ALLENBY G M. Price promotions in choice models[J]. Marketing Science， 2016， 35（2）： 319-334.

[43] KUBLER R， PAUWELS K， YILDIRIM G， et al. App popularity： Where in the world are consumers most sensitive to price and user ratings？[J]. Journal of Marketing， 2018， 82（5）： 20-44.

[44] SONG P， WANG Q， LIU H， et al. The value of buy-online-and-pickup-in-store in omni-channel： Evidence from customer usage data[J]. Production and Operations Management， 2020， 29（4）： 995-1010.

[45] LIND J T， MEHLUM H. With or without U？ The appropriate test for a u-shaped relationship[J]. Oxford Bulletin of Economics and Statistics， 2010， 72（1）： 109-118.

[46] HOECHLE D. Robust standard errors for panel regressions with cross-sectional dependence[J]. Stata Journal， 2007， 7（3）： 281-312.

[47] ERDEM T， KEANE M P， SUN B. A dynamic model of brand choice when price and advertising signal product quality[J]. Marketing Science， 2008， 27（6）： 1111-1125.

[48] DUAN W， GU B， WHINSTON A B. Do online reviews matter？ An empirical investigation of panel data[J]. Decision Support Systems， 2008， 45（4）： 1007-1016.

[49] CHEVALIER J A， MAYZLIN D. The effect of word of mouth on sales： Online book reviews[J]. Journal of Marketing Research， 2006， 43（3）： 345-354.