○陳鵬

（湖北科技學(xué)院經(jīng)濟(jì)與管理學(xué)院 湖北 咸寧 437100）

網(wǎng)絡(luò)口碑對(duì)在線銷售的影響實(shí)證分析
———基于淘寶網(wǎng)

○陳鵬

（湖北科技學(xué)院經(jīng)濟(jì)與管理學(xué)院 湖北 咸寧 437100）

隨著網(wǎng)絡(luò)的普及和電子商務(wù)的發(fā)展，網(wǎng)絡(luò)口碑對(duì)人們的網(wǎng)絡(luò)消費(fèi)影響也日益顯著。在梳理相關(guān)文獻(xiàn)的基礎(chǔ)上，本文實(shí)證分析好評(píng)、差評(píng)、中評(píng)、圖片數(shù)量、星級(jí)（評(píng)分）、瀏覽量對(duì)在線銷售數(shù)量的影響。結(jié)果表明，好評(píng)數(shù)量對(duì)在線銷售數(shù)量沒有顯著影響。中評(píng)數(shù)量顯著影響在線銷售數(shù)量，中評(píng)越多，在線銷售數(shù)量越多；差評(píng)數(shù)量顯著負(fù)向影響在線銷售數(shù)量，差評(píng)數(shù)量越多，在線銷售數(shù)量越少。

網(wǎng)絡(luò)口碑 在線銷售 網(wǎng)絡(luò)口碑?dāng)?shù)量

網(wǎng)絡(luò)口碑更多的來自于陌生的網(wǎng)絡(luò)購物者，他們通過發(fā)布在線評(píng)論，談自身使用產(chǎn)品或服務(wù)的經(jīng)歷，對(duì)產(chǎn)品或服務(wù)質(zhì)量的認(rèn)識(shí)和評(píng)價(jià)等信息傳遞給眾多潛在消費(fèi)者，同樣那些潛在消費(fèi)者也可以通過閱讀其他消費(fèi)者發(fā)布的評(píng)論，了解產(chǎn)品或服務(wù)信息，修正自身對(duì)于產(chǎn)品或服務(wù)的認(rèn)識(shí)，并在整個(gè)購買過程中輔助自己的購買決策，因此對(duì)網(wǎng)絡(luò)口碑的研究對(duì)企業(yè)和消費(fèi)者都有深遠(yuǎn)的意義。目前國內(nèi)對(duì)網(wǎng)絡(luò)口碑的研究依然不足，大部分研究僅僅停留在理論和框架模型的建立上，而實(shí)證性的文章相對(duì)較少。本文以淘寶為例，通過實(shí)證的方法，分析了影響網(wǎng)絡(luò)口碑對(duì)消費(fèi)者實(shí)際消費(fèi)行為的影響，最后給出了相應(yīng)的分析和建議。

一、文獻(xiàn)回顧

1、網(wǎng)絡(luò)口碑相關(guān)概念

（1）網(wǎng)絡(luò)口碑。網(wǎng)絡(luò)口碑是指消費(fèi)者借助網(wǎng)絡(luò)媒體發(fā)布的個(gè)人看法，消費(fèi)者發(fā)送的電子郵件，在網(wǎng)絡(luò)虛擬社區(qū)發(fā)表的帖子或者回帖，在博客上面發(fā)表的個(gè)人看法，借助即時(shí)的通訊工具的互動(dòng)交流等都看作是具體的網(wǎng)絡(luò)口碑。隨著互聯(lián)網(wǎng)與信息技術(shù)的發(fā)展以及消費(fèi)平臺(tái)和社交網(wǎng)絡(luò)的普及，口碑的傳播模式發(fā)生了極大的變化。消費(fèi)者可以在個(gè)人博客bbs，電子商務(wù)網(wǎng)站等平臺(tái)上發(fā)布對(duì)于產(chǎn)品服務(wù)或網(wǎng)絡(luò)零售商的評(píng)論。

（2）網(wǎng)絡(luò)口碑測(cè)量。消費(fèi)者在網(wǎng)上發(fā)表相關(guān)評(píng)論可以迅速地在網(wǎng)上傳播，很容易被搜集到，網(wǎng)絡(luò)口碑容易度量。目前關(guān)于網(wǎng)絡(luò)口碑的測(cè)量主要從網(wǎng)評(píng)數(shù)量、網(wǎng)評(píng)分?jǐn)?shù)、評(píng)論的離散程度及強(qiáng)度、持續(xù)時(shí)間等，這些指標(biāo)反映了網(wǎng)絡(luò)口碑的知曉效應(yīng)和說服效應(yīng)。

2、網(wǎng)絡(luò)口碑對(duì)在線銷售的影響

現(xiàn)有大量文獻(xiàn)研究網(wǎng)絡(luò)口碑對(duì)在線銷售的影響，特別體現(xiàn)在關(guān)于體驗(yàn)性產(chǎn)品的研究上。消費(fèi)者評(píng)論產(chǎn)品的次數(shù)越多，其他消費(fèi)者知道這個(gè)產(chǎn)品的可能性就越大，就更有可能有更多的銷量。通過分析美國亞馬遜網(wǎng)站上的網(wǎng)絡(luò)口碑與圖書銷量的關(guān)系，Chevaliar和Mayzlin發(fā)現(xiàn)網(wǎng)絡(luò)口碑的數(shù)量與評(píng)價(jià)好壞都對(duì)圖書銷量有顯著的影響；Liu研究發(fā)現(xiàn)電影點(diǎn)評(píng)數(shù)量而非評(píng)價(jià)的好壞對(duì)下周電影票房會(huì)產(chǎn)生正面影響。好評(píng)較高的網(wǎng)站，必定具有較高的網(wǎng)絡(luò)口碑和良好的品牌形象，并且在其所在的領(lǐng)域中具有較高的影響力，得到用戶和消費(fèi)者的普遍認(rèn)同。因此，本文提出假設(shè)：

h1：好評(píng)對(duì)銷量有正影響力，好評(píng)數(shù)量越多，購買量越高。

Chevalier&Mayzlin用方差分析法分析所調(diào)查的橫截面數(shù)據(jù)，發(fā)現(xiàn)95%的消費(fèi)者評(píng)論分?jǐn)?shù)是積極的，一星排名比五星排名影響要大，消費(fèi)者更愿意閱讀評(píng)論內(nèi)容而不是概括性的統(tǒng)計(jì)數(shù)據(jù)，網(wǎng)絡(luò)書評(píng)數(shù)量增加促使銷售額增加。據(jù)此我們提出假設(shè)：

h2：星級(jí)對(duì)銷量有正影響力，星級(jí)越高，購買量越高。

Park&Lee認(rèn)為負(fù)面口碑比正面口碑、有聲譽(yù)的網(wǎng)站比沒聲譽(yù)的網(wǎng)站、體驗(yàn)性產(chǎn)品比搜索性產(chǎn)品對(duì)口碑的影響要大。因而我們提出：

h3：差評(píng)對(duì)銷量有反向影響力，差評(píng)量越多，購買量越低。

3、回歸分析模型

在研究線上評(píng)論與銷量關(guān)系時(shí)，很可能會(huì)產(chǎn)生遺漏相關(guān)變量的問題。在回歸模型中，遺漏重要的相關(guān)變量是導(dǎo)致內(nèi)生性的主要原因。影響產(chǎn)品銷量的可能并非是網(wǎng)絡(luò)口碑效應(yīng)，而是其它一些因素，如質(zhì)量等。Duan等在控制內(nèi)生性后，發(fā)現(xiàn)僅有評(píng)論數(shù)量顯著影響電影票房收入，而評(píng)論效價(jià)的影響并不顯著。

基于上述考慮，本文將采用面板數(shù)據(jù)，通過固定效應(yīng)模型進(jìn)行分析，以此來控制由遺漏變量而產(chǎn)生的內(nèi)生性影響。具體的回歸模型設(shè)定如下：

lnit=α0+α1lnposit+α2lnmodit+α3lnnegit+α4lnaddit+ α5lnimait+α6vieit+α7scoit+μi+εit

下標(biāo)i=1，…N代表，t=1，…N代表時(shí)間。μi為以 為單位的固定效應(yīng)，用于控制“質(zhì)量”等非觀測(cè)效應(yīng)的影響。lnpos為好評(píng)數(shù)量；lnmod為中評(píng)數(shù)量；lnneg為差評(píng)數(shù)量；lnadd為追評(píng)數(shù)量；lnima為用圖片表示的評(píng)論數(shù)量；lnvie為瀏覽量；lnsco為評(píng)分。我們對(duì)上述的因變量和自變量均進(jìn)行了對(duì)數(shù)變換。除了因?yàn)榕琶∽匀粚?duì)數(shù)后與銷量線性相關(guān)以外，這樣做還有兩點(diǎn)好處。一是數(shù)據(jù)的對(duì)數(shù)化壓縮了變量的量綱，控制了離群值的影響。在我們的樣本

中，有的有上萬條消費(fèi)者評(píng)論，所以有必要對(duì)其進(jìn)行對(duì)數(shù)變換。二是將潛在的非線性關(guān)系變?yōu)榫€性關(guān)系，使得回歸模型的結(jié)果更加穩(wěn)健。經(jīng)過對(duì)數(shù)變換后，回歸系數(shù)的估計(jì)值為彈性，即自變量的變化率對(duì)因變量變化率的影響。

二、數(shù)據(jù)收集與分析

1、數(shù)據(jù)收集

本文采用淘寶網(wǎng)數(shù)據(jù)，以2014年4月15日到2014年5月5日期間消費(fèi)者在鞋類和服裝類產(chǎn)品的消費(fèi)評(píng)價(jià)記錄做為網(wǎng)絡(luò)口碑對(duì)在線銷售影響的研究樣本，找出了影響網(wǎng)絡(luò)口碑的變量，如：好評(píng)、中評(píng)、差評(píng)、追評(píng)、圖片、交易數(shù)量、游覽量主星級(jí)等數(shù)據(jù)，共有250條評(píng)論數(shù)據(jù)。

2、回歸分析

由于在模型中假設(shè)非觀測(cè)效應(yīng)μi與多個(gè)線上評(píng)論變量相關(guān)，所以采用固定效應(yīng)模型而非隨機(jī)效應(yīng)模型來進(jìn)行回歸分析。考慮到線上評(píng)論的影響與消費(fèi)者的購買行為在時(shí)間上可能存在一定的先后順序，用同期的因變量和自變量進(jìn)行回歸，以檢驗(yàn)回歸結(jié)果的穩(wěn)健性。

首先從表1可以看出，F(xiàn)值為84.778，較大，且其對(duì)應(yīng)的顯著概率遠(yuǎn)遠(yuǎn)小于0.05，因此可以推斷回歸方程成立。然后根據(jù)表2所示，在0.05顯著水平條件下，追評(píng)和好評(píng)沒有通過檢驗(yàn)，假設(shè)1不成立，表明追評(píng)和好評(píng)對(duì)銷量沒有顯著影響。中評(píng)、圖片、瀏覽量與評(píng)分的系數(shù)是正向顯著的，說明假設(shè)2和假設(shè)3都成立，其中中評(píng)的系數(shù)最大，再依次是瀏覽量、評(píng)分、圖片；差評(píng)的系數(shù)為負(fù)數(shù)，說明差評(píng)數(shù)量與銷售量之間呈反方向變動(dòng)，差評(píng)量越多，銷售量就越小。它們的關(guān)系如下面的模型框架回歸方程所示：

lnit=-406.655+0.595lnmodit-0.508lnnegit+0.173lnimait+ 0.334vieit+0.197scoit+μi+εit

表1 方差分析結(jié)果

表2 回歸分析結(jié)果

三、結(jié)論與營銷建議

1、結(jié)論

以淘寶網(wǎng)評(píng)論的大樣本面板數(shù)據(jù)，通過建立計(jì)量模型，對(duì)線上評(píng)論信息與銷量的關(guān)系進(jìn)行了實(shí)證分析，研究發(fā)現(xiàn)中評(píng)數(shù)量、圖片數(shù)量、瀏覽量與評(píng)分分?jǐn)?shù)對(duì)銷量有顯著的正向影響，差評(píng)分?jǐn)?shù)會(huì)負(fù)向影響產(chǎn)品銷量。

2、營銷建議

本研究可為網(wǎng)絡(luò)零售商乃至零售商提供有益的借鑒作用，首先網(wǎng)絡(luò)口碑對(duì)網(wǎng)絡(luò)銷售量有重大影響，網(wǎng)絡(luò)零售商應(yīng)該引起足夠的重視，在不斷改進(jìn)產(chǎn)品質(zhì)量和服務(wù)的同時(shí)，應(yīng)積極引導(dǎo)消費(fèi)者在網(wǎng)絡(luò)平臺(tái)上發(fā)布和分享相關(guān)信息，讓更多的潛在消費(fèi)者了解產(chǎn)品，從而有利于提升產(chǎn)品銷量，建立自己的競爭優(yōu)勢(shì)。

其次，中評(píng)數(shù)量對(duì)銷量影響最大，網(wǎng)絡(luò)零售商在管理和引導(dǎo)網(wǎng)絡(luò)口碑時(shí)，應(yīng)鼓勵(lì)消費(fèi)者發(fā)表針對(duì)產(chǎn)品和服務(wù)提出的意見，此時(shí)網(wǎng)絡(luò)零售商應(yīng)及時(shí)互動(dòng)，積極地傾聽并快速有效地把問題解決，讓消費(fèi)者滿意。

最后網(wǎng)絡(luò)零售商應(yīng)重視負(fù)面口碑對(duì)網(wǎng)絡(luò)銷售的影響，負(fù)面口碑往往是網(wǎng)絡(luò)零售商的問題所在，也是網(wǎng)絡(luò)零售商改進(jìn)管理的重要依據(jù)，企業(yè)應(yīng)切實(shí)做好售后工作，良好的售后服務(wù)不僅是企業(yè)經(jīng)營管理水平和職業(yè)道德水平的體現(xiàn)，而且能提高其產(chǎn)品在消費(fèi)者中的美譽(yù)度。消費(fèi)者自身的對(duì)產(chǎn)品的重購率提升的同時(shí)，通過他的口碑推薦，為企業(yè)贏得更多的客戶。完善的售后還可以解決產(chǎn)品方面出現(xiàn)的問題，降低負(fù)面口碑的蔓延。

[1]GodesD.、Mayzlin D.、Chen Y.，etal：The Firm’s Management of Social Interactions[J].Marketing Letters，2005（3）.

[2]龔詩陽、劉霞、劉洋、趙平：網(wǎng)絡(luò)口碑決定產(chǎn)品命運(yùn)嗎——對(duì)線上圖書評(píng)論的實(shí)證分析[J].南開管理評(píng)論，2012（4）.

[3]Chevalier J.A.，Mayzlin D.：The Effect of Word of Mouth on sales：Online Book Reviews[J].Journal of Marketing Research，2006（3）.

[4]Liu Y.：Word of mouth for movies：Its dynamics and impact on box office revenue[J].Journal of marketing，2006（7）.

[5]Park C.，Lee T.：Information direction，website reputation and eWOM effect：A moderating role of product type [J].Journal of Business Research，2009（1）.

[6]Duan W.，Andrew B G.，Whinston B.：The dynamics of online word-of-mouth and product sales——an empirical investigation of the movie industry[J].Journal of Retailing，2008（2）.

[7]李巍、王志章：網(wǎng)絡(luò)口碑發(fā)布平臺(tái)對(duì)消費(fèi)者產(chǎn)品判斷的影響研究——?dú)w因理論的視角[J].管理學(xué)報(bào)，2011（9）.

[8]郗河、徐金發(fā)、羅時(shí)鑫、黃國群：網(wǎng)絡(luò)口碑與傳統(tǒng)口碑對(duì)消費(fèi)者購買決策影響比較研究[J].財(cái)貿(mào)經(jīng)濟(jì)，2006（21）．