張明璽　雷明

摘要：電商服務(wù)質(zhì)量與產(chǎn)品銷售頁面呈現(xiàn)的信息對消費(fèi)者的網(wǎng)絡(luò)購買決策具有越來越重要的影響。本文主要關(guān)注了國內(nèi)最大B2C電商平臺——天貓商城產(chǎn)品銷售頁面上反映電商服務(wù)質(zhì)量的五個指標(biāo)維度：“描述相符”、“服務(wù)態(tài)度”、“發(fā)貨速度”、“退款速度”、“糾紛退款比例”，探索電商服務(wù)質(zhì)量類在線觀察學(xué)習(xí)信息對電子類產(chǎn)品銷量的影響，以及這些影響如何分別受到產(chǎn)品市場年齡與頁面位置的調(diào)節(jié)。研究發(fā)現(xiàn)：五個電商服務(wù)質(zhì)量指標(biāo)維度中，只有“描述相符”與“糾紛退款比例”在線觀察學(xué)習(xí)信息對產(chǎn)品銷量具有顯著影響；產(chǎn)品市場年齡與頁面位置僅分別對“糾紛退款比例”在線觀察學(xué)習(xí)信息的產(chǎn)品銷量影響具有顯著的調(diào)節(jié)效應(yīng)，且該在線觀察學(xué)習(xí)信息對市場年齡較短或頁面位置靠前的產(chǎn)品銷量影響更大。

關(guān)鍵詞：電商服務(wù)質(zhì)量；在線觀察學(xué)習(xí)；兩交互模型

中圖分類號：F8314文獻(xiàn)標(biāo)識碼：A

一、引言

據(jù)中國網(wǎng)購市場數(shù)據(jù)顯示，2014年中國網(wǎng)購市場交易規(guī)模已達(dá)28萬億元，同比增長487%。各類產(chǎn)品賣家紛紛進(jìn)駐大型電商平臺（以天貓商城為例，其平臺上銷售的手機(jī)已近6 000部），這導(dǎo)致消費(fèi)者網(wǎng)絡(luò)購物的信息搜索成本急劇升高。為了節(jié)約選購時間，降低購買風(fēng)險，消費(fèi)者的購買決策越來越多地依賴于產(chǎn)品銷售頁面所呈現(xiàn)的信息，比如網(wǎng)絡(luò)口碑信息（Chevalier & Mayzlin，2006；Gu et al，2012）。由于羊群效應(yīng)的存在（Banerjee，1992；Bikhchandani et al，1992），個體消費(fèi)者傾向于參考前人行為以做出有關(guān)產(chǎn)品質(zhì)量的推斷（Foster & Rosenzweig，1995），所以產(chǎn)品銷售頁面呈現(xiàn)的在線觀察學(xué)習(xí)（Observational Learning，OL）信息對消費(fèi)者購買行為具有重要影響（Chen et al，2011）。然而，在線OL信息不同于網(wǎng)絡(luò)口碑信息，后者通常既包含已購物消費(fèi)者的總體評價，也包含做出每條評價的理由（Chen et al，2011），如在線點評；前者僅揭示已購物消費(fèi)者購買行為產(chǎn)生的綜合結(jié)果，但并不呈現(xiàn)每筆購買發(fā)生的理由（Bikhchandani et al，1998），具有一定的統(tǒng)計屬性，如銷售排行榜。

為了向潛在消費(fèi)者提供更多有價值的參考信息，國內(nèi)大型B2C電商平臺在產(chǎn)品銷售頁面陳列了各種在線OL信息，如京東商城按同價位、同品牌與同類別呈現(xiàn)了三種“排行榜”類在線OL信息。而作為國內(nèi)最大的B2C電商平臺，天貓商城則提供了另一類在線OL信息——電商服務(wù)質(zhì)量（E-commerce Service Quality， e-SQ），它是指虛擬市場中顧客對電子服務(wù)交付質(zhì)量的綜合評價與判斷（Santos，2003）。許多具有成功電子商務(wù)經(jīng)驗的企業(yè)已開始意識到經(jīng)營成敗的關(guān)鍵不只是網(wǎng)頁內(nèi)容展示與低價策略，還包括電商服務(wù)質(zhì)量（Yang，2001；Zeithaml，2002），它甚至被認(rèn)為是在線零售商追求長期績效與成功最重要的決定因素（Zeithaml，2002；Fassnacht & Koese，2006；Wolfinbarger & Gilly，2003）。改進(jìn)e-SQ可提高顧客滿意度與忠誠度（Chang et al，2009），極大地提高公司的競爭力（Oliveira et al，2002）。這暗示著e-SQ的高低將直接影響在線消費(fèi)者的購買意愿，進(jìn)而影響產(chǎn)品的受歡迎程度。

正是基于觀察學(xué)習(xí)現(xiàn)象的廣泛存在，以及e-SQ對消費(fèi)者購買行為影響的相關(guān)理論，本文主要研究大型B2C電商平臺上e-SQ類在線觀察學(xué)習(xí)信息對產(chǎn)品銷量的影響。關(guān)于e-SQ理論的研究，目前仍處于早期階段（Santos，2003；Fassnacht & Kese，2006；Cristobal et al，2007），大多數(shù)學(xué)者試圖提出具有廣泛適應(yīng)性的指標(biāo)量表。結(jié)合對網(wǎng)絡(luò)服務(wù)質(zhì)量的研究，Parasuraman等（2005）構(gòu)建的e-SQ指標(biāo)量表包含七個維度：有效性、系統(tǒng)可用性、完成性、私密性、響應(yīng)性、補(bǔ)償性與接觸性，其中前四個被稱為核心e-SQ維度，后三個被稱為售后e-SQ維度。Ladhari（2010）在回顧各種e-SQ評價模型的基礎(chǔ)上，指出其主要維度包括：可靠性/完成性、響應(yīng)性、使用容易、私密性/安全性、網(wǎng)頁設(shè)計、信息質(zhì)量。本研究只關(guān)注基于產(chǎn)品層面的e-SQ維度對產(chǎn)品銷量的影響，如可靠性（完成性）與響應(yīng)性，而對反映平臺層面的e-SQ維度不予關(guān)注，如網(wǎng)頁設(shè)計、私密性等①。關(guān)于e-SQ與顧客購買意愿（滿意度）之間關(guān)系的研究，已有文獻(xiàn)主要側(cè)重于討論顧客親身感受的服務(wù)質(zhì)量對其自身購買行為的影響（Cristobal et al，2007；Fassnacht & Kse，2007；Ho & Lee，2007；Lee & Lin，2005），而本研究側(cè)重于探索賣家過去的服務(wù)質(zhì)量綜合水平對后續(xù)顧客購買產(chǎn)品決策的影響。結(jié)合實證數(shù)據(jù)所選電商平臺（天貓商城）產(chǎn)品銷售頁面的特征，本研究將重點關(guān)注e-SQ的五個維度：“描述相符”②、“服務(wù)態(tài)度”、“發(fā)貨速度”、“退款速度”與“糾紛退款比例”，探討e-SQ這五個維度的在線OL信息對產(chǎn)品銷量的影響，以及這些影響是否分別受到產(chǎn)品所在頁面位置與市場年齡的調(diào)節(jié)。

二、研究設(shè)計

（一）數(shù)據(jù)來源

本研究實證分析將基于一個面板數(shù)據(jù)展開，數(shù)據(jù)源于國內(nèi)最大的B2C電子商務(wù)網(wǎng)站——天貓商城。不同于絕大多數(shù)類似研究均只選擇一種產(chǎn)品作為實證對象，如書籍（Chevalier & Mayzlin，2006）、電影（Duan et al，2008）、數(shù)碼相機(jī)（Gu et al，2012），本文選擇筆記本與平板電腦兩類電子產(chǎn)品作為實證對象，這種多類產(chǎn)品形成的樣本能提高實證結(jié)論的普遍性。借助網(wǎng)頁數(shù)據(jù)采集工具③，抓取頁面相關(guān)數(shù)據(jù)，每周抓取一次。為保證所有產(chǎn)品信息盡可能在同一時間獲取，防止銷售頁面信息更新導(dǎo)致數(shù)據(jù)誤差，本研究每次均選擇在周一凌晨00：00-6：00之間收集數(shù)據(jù)，該時間段內(nèi)顧客購買行為不活躍，產(chǎn)品銷售頁面信息相對靜止。數(shù)據(jù)收集時間跨度為2013年7月15日至2014年1月13日，持續(xù)近半年，共27周，每周均將天貓商城上銷售的所有筆記本④與平板電腦相關(guān)數(shù)據(jù)采集下來。由于商城產(chǎn)品上下架更新頻繁，平均每周上架與下架產(chǎn)品分別超過200種，甚至?xí)霈F(xiàn)下架幾周后又重新上架的現(xiàn)象，所以本研究實證樣本是一個非平衡面板數(shù)據(jù)。刪除無效或異常數(shù)據(jù)后，有效樣本共10 508條，其中筆記本有4 556條，包含1 142款產(chǎn)品；平板電腦有5 952條，包含1 303款產(chǎn)品。不難發(fā)現(xiàn)，有效樣本中無論是筆記本還是平板電腦，單個產(chǎn)品經(jīng)歷的平均周數(shù)均較短（前者約為40周，后者約為46周），導(dǎo)致該現(xiàn)象的一個重要原因是：本研究在數(shù)據(jù)處理時僅包含周銷量大于零的樣本，其目的主要是為了保證時間序列分析的有效性（Lu et al，2013），而實際上天貓商城中大量在售產(chǎn)品的周銷量均為0，尤其是陳列位置比較靠后的商品。

（二）變量定義

因變量。當(dāng)前絕大多數(shù)類似研究均因電商平臺銷售頁面未提供銷量信息，而選擇產(chǎn)品銷售排名代替產(chǎn)品銷量作為因變量（Gu et al，2012；Chevalier & Goolsbee，2003；Ghose，2009）。不同于亞馬遜、京東商城等國內(nèi)外知名電商平臺出于商業(yè)機(jī)密的考慮，均未在銷售頁面提供任何有關(guān)產(chǎn)品銷量的信息，天貓商城是目前我們所了解的唯一提供產(chǎn)品銷量信息的大型B2C電商平臺，根據(jù)其頁面提供的累計售出量信息，做差即可得到產(chǎn)品每周銷量。因此，本研究將以產(chǎn)品周銷量（Wsales）作為因變量。

自變量。本研究的自變量是銷售頁面反映e-SQ的五個指標(biāo)：“描述相符”（Depict）、“服務(wù)態(tài)度”（Service）、“發(fā)貨速度”（Delivery）、“退貨速度”（Refund）和“糾紛退款比例”（P_dispute），它們均屬于在線OL信息。其中前三個指標(biāo)主要反映售前e-SQ⑤，后兩個指標(biāo)主要反映售后e-SQ，其在銷售頁面的具體呈現(xiàn)方式如圖1所示⑥。根據(jù)已有文獻(xiàn)設(shè)計的e-SQ量表，“描述相符”與“發(fā)貨速度”可看做屬于完成性（Fulfillment）（Parasuraman et al，2005）或可靠性（Reliability）（Wolfinbarger & Gilly，2003；Lee & Lin，2005）維度的指標(biāo)；“退款速度”與“糾紛退款”可看做屬于響應(yīng)性（Responsiveness）維度的指標(biāo)（Parasuraman et al，2005）；“服務(wù)態(tài)度”可看做一個綜合性指標(biāo)。Ladhari（2010）通過回顧有關(guān)e-SQ評級模型的文獻(xiàn)，確定可靠性與響應(yīng)性是e-SQ的關(guān)鍵度量維度，這暗示著本研究選取的變量在一定程度上捕捉到了e-SQ的核心指標(biāo)，有助于提升實證結(jié)論的價值。前三個指標(biāo)均由產(chǎn)品購買者主觀評分產(chǎn)生，電商平臺產(chǎn)品銷售頁面將呈現(xiàn)出每個指標(biāo)與同行業(yè)相比的值（如“描述相符”與同行業(yè)相比高于1226%），具體計算規(guī)則為：（賣家店鋪得分-同行業(yè)平均分）/（同行業(yè)店鋪最高得分-同行業(yè)平均分）。若“高于”，則為正數(shù)；若“持平”，則等于0；若“低于”，則為負(fù)數(shù)。后兩個指標(biāo)由電商平臺系統(tǒng)客觀統(tǒng)計產(chǎn)生，其中，“退款速度”采用與同行業(yè)平均水平比較的絕對值來衡量，即賣家店鋪退貨速度-同行業(yè)平均退貨速度，若“快多少天”，則為正數(shù)；若“慢多少天”則為負(fù)數(shù)。關(guān)于“糾紛退款”，天貓商城產(chǎn)品銷售頁面呈現(xiàn)近30天內(nèi)發(fā)生糾紛退款的筆數(shù)，由于發(fā)生糾紛退款的筆數(shù)與產(chǎn)品月銷量有直接關(guān)系，月銷量越大，糾紛退款筆數(shù)可能也越大，但這并不意味著是負(fù)面信息，所以為了更加合理研究該指標(biāo)對產(chǎn)品銷量的影響，本研究將用月成交記錄作為糾紛退款的加權(quán)來衡量該指標(biāo)，并將其稱為“糾紛退款比例”。

控制變量。除了產(chǎn)品價格（Price）之外，本研究分別用產(chǎn)品已上市時間、頁面位置排名⑦和數(shù)據(jù)收集當(dāng)周是否含有節(jié)假日⑧來分別控制產(chǎn)品市場年齡（Age）、頁面位置（Rank或Page）、節(jié)假日（Holiday）這些容易對銷量產(chǎn)生影響的外界因素。此外，產(chǎn)品所處的競爭環(huán)境是另一個需要控制的重要因素，本研究將從價格角度衡量競爭環(huán)境的強(qiáng)弱，并以當(dāng)前頁面產(chǎn)品價格上下浮動20%范圍內(nèi)其他在售產(chǎn)品的總數(shù)來衡量當(dāng)前頁面產(chǎn)品面臨的市場競爭強(qiáng)度（Compete）⑨。

上述所有因變量、自變量與控制變量的具體定義與描述如表1所示。

（三）變量描述性統(tǒng)計與相關(guān)分析

表2對本研究涉及的關(guān)鍵變量進(jìn)行了描述性統(tǒng)計。從表2不難發(fā)現(xiàn)除了虛擬變量Holiday之外，因變量與所有控制變量的最小值與最大值之間相差均較大，這將導(dǎo)致變量的偏度與峰度均較大，而過大的峰度與偏度容易使得估計結(jié)果不穩(wěn)定，進(jìn)而引起實證結(jié)論不可靠。此外，一般來說，頁面位置、市場年齡、價格、競爭強(qiáng)度這些控制變量對產(chǎn)品銷量的影響往往存在邊際遞減效應(yīng)。所以，借鑒Chevalier & Mayzlin（2006）等其他類似研究的處理方法，本研究將對上述變量取對數(shù)，以克服因偏度與峰度過大可能帶來的估計誤差，并更好地揭示上述控制變量對銷量影響的邊際遞減效應(yīng)。

此外，表2也顯示，解釋變量Refund、P_dispute的最大值與最小值均相差懸殊。通過進(jìn)一步觀察數(shù)據(jù)樣本，我們發(fā)現(xiàn)導(dǎo)致這兩個變量偏度與峰度均較大⑩的原因是存在極少數(shù)電商平臺賣家的“退款速度”或“糾紛退款”極大地遠(yuǎn)離均值，甚至與常理不相符（如“退款速度”比行業(yè)平均水平慢782天，近30天內(nèi)發(fā)生的“糾紛退款”筆數(shù)是月成交量的55倍），為了消除這些少數(shù)特殊樣本可能對回歸結(jié)果造成的影響，本研究將刪除這些異常數(shù)據(jù)。

表3描述了本研究實證模型中所有變量之間的相關(guān)性。不難發(fā)現(xiàn)，衡量售前e-SQ的三個在線OL信息變量Depict、Service和Delivery之間高度相關(guān)。為了避免因多重共線性問題導(dǎo)致回歸系數(shù)估計存在誤差，本研究將運(yùn)用三個回歸方程分別研究每個變量對產(chǎn)品銷量的影響，每個方程中僅包含上述三個變量中的一個。此外，表3也顯示，衡量產(chǎn)品所在頁面位置的兩個變量（Ln_rank與Ln_page）之間高度相關(guān)（相關(guān)系數(shù)為096），故下文實證分析中，本研究將用變量Ln_rank來控制產(chǎn)品所處頁面位置，因為Ln_rank比Ln_page提供了更多有關(guān)頁面位置的信息。

與方程（1）類似，方程（2）也相當(dāng)于是三個回歸方程。方程（2）中電商服務(wù)質(zhì)量的五個維度分別與Ln_age或Ln_rank的交叉乘積項是用來衡量產(chǎn)品市場年齡與頁面位置是否對e-SQ類在線OL信息產(chǎn)品銷量的影響具有調(diào)節(jié)效應(yīng)。本研究將主要利用兩交互（Two-way Interaction）線性回歸模型中的簡單斜率檢測（Simple Slope Tests）方法來分析這種調(diào)節(jié)效應(yīng)。

三、實證結(jié)果與分析

本研究將采用面板數(shù)據(jù)的固定效應(yīng)模型B12進(jìn)行參數(shù)估計，且估計時均采用聚類穩(wěn)健性標(biāo)準(zhǔn)差，而非普通標(biāo)準(zhǔn)差B13。首先，借助回歸方程（1）得到電商服務(wù)質(zhì)量五個維度在線OL信息變量對產(chǎn)品銷量影響的主效應(yīng)估計結(jié)果，如表4中研究1所示。然后，借助回歸方程（2）得到產(chǎn)品市場年齡與頁面位置分別對上述影響的調(diào)節(jié)效應(yīng)估計結(jié)果，如表4中研究2所示。

（一）e-SQ類在線OL信息對產(chǎn)品銷量的影響（主效應(yīng)）

表4中研究1顯示，在衡量售前e-SQ的三個指標(biāo)中，“描述相符”對產(chǎn)品銷量具有顯著的正向影響，系數(shù)估計值為0549，這意味著與同行業(yè)平均水平相比，產(chǎn)品頁面信息和實際情況的相符程度每提高1個百分點，產(chǎn)品銷量將平均增加0549個百分點。一種可能的解釋是：頁面信息描述相符程度直接反映了賣家所提供信息（如色差、質(zhì)量等）的真實性與可靠性，這些都是顧客做出購買決策的重要依據(jù)，一旦“描述相符”得分較低，則意味著賣家可能在制造虛假信息以粉飾商品性價比，這將降低潛在顧客的購買意愿。此外，當(dāng)前各種網(wǎng)絡(luò)造假新聞層出不窮，消費(fèi)者購買產(chǎn)品前對頁面信息的真實性會更加警覺與重視，這些因素均導(dǎo)致了“描述相符”對消費(fèi)者的購買行為具有重要的參考價值，進(jìn)而影響產(chǎn)品銷量?！胺?wù)態(tài)度”對產(chǎn)品銷量沒有顯著影響，一種可能的解釋是：作為國內(nèi)最大的B2C電商平臺，天貓商城承諾提供100%優(yōu)質(zhì)服務(wù)，目前每個店鋪賣家均成立了專門的在線客服團(tuán)隊，其對潛在顧客在線咨詢的問題均非常友好地做出回答，這使得賣家在服務(wù)態(tài)度方面不具有很強(qiáng)的異質(zhì)性，以致“服務(wù)態(tài)度”對消費(fèi)者購買決策影響不大，進(jìn)而對產(chǎn)品銷量影響不顯著?！鞍l(fā)貨速度”對產(chǎn)品銷量也不具有顯著影響，一種可能的解釋是：隨著國內(nèi)物流網(wǎng)絡(luò)日益發(fā)達(dá)，顧客一般下單2-3天后貨物即可送達(dá)，網(wǎng)購消費(fèi)者對賣家發(fā)貨速度具有較強(qiáng)的預(yù)期；另外，越來越頻繁的網(wǎng)上購物也極大地降低了消費(fèi)者收貨的迫切性，這兩方面因素使“發(fā)貨速度”對消費(fèi)者購買決策影響不大，進(jìn)而對產(chǎn)品銷量影響不顯著。

在衡量售后e-SQ的兩個指標(biāo)中，“退款速度”對產(chǎn)品銷量沒有顯著影響，而“糾紛退款比例”對產(chǎn)品銷量具有顯著的負(fù)向影響，系數(shù)估計值為-0467，這意味著賣家的“糾紛退款比例”每降低1個百分點，產(chǎn)品銷量將增加0467個百分點。這可能是因為：當(dāng)發(fā)生退款時，消費(fèi)者更關(guān)心賣家是否會完整退還購買款，而對早一天或晚一天完成退款并不太在意，故“退款速度”對潛在消費(fèi)者的購買意愿影響不顯著。如果賣家“糾紛退款比例”較高，則意味著消費(fèi)者一旦對所購商品不滿意，申請退貨成功的概率將較低，這將極大地降低潛在消費(fèi)者對賣家售后服務(wù)水平的信賴程度，進(jìn)而影響其當(dāng)前購買決策，故“糾紛退款比例”對產(chǎn)品銷量具有顯著影響。

此外，表4中研究1還顯示，控制變量產(chǎn)品的市場年齡、頁面位置、銷售價格均對銷量具有顯著的負(fù)向影響，當(dāng)周是否含有節(jié)假日與市場競爭強(qiáng)度對產(chǎn)品銷量具有顯著的正向影響。一般來說，產(chǎn)品面臨的市場競爭強(qiáng)度越大，其銷量應(yīng)該越小，即競爭強(qiáng)度對產(chǎn)品銷量應(yīng)該具有負(fù)向影響，但本研究發(fā)現(xiàn)的結(jié)論卻與之相反。一個重要的原因是：對于天貓商城上銷售的筆記本與平板電腦，大多數(shù)產(chǎn)品價格均集中在各自均值附近，價格過低或過高的產(chǎn)品雖然面臨的市場競爭強(qiáng)度較低，但前者可能質(zhì)量不高，后者可能性價比偏低，最終導(dǎo)致消費(fèi)者對其購買意愿均不強(qiáng)，反而處于均值附近的商品更能獲得消費(fèi)者的青睞，所以才會出現(xiàn)市場競爭強(qiáng)度對產(chǎn)品銷量具有正向影響的實證結(jié)果。

（二）e-SQ類在線OL信息對產(chǎn)品銷量的影響（調(diào)節(jié)效應(yīng)）

表4中研究2顯示，產(chǎn)品市場年齡（Ln_age）與頁面位置（Ln_rank）對售前e-SQ維度的在線OL信息（如“描述相符”、“服務(wù)態(tài)度”、“發(fā)貨速度”）銷量影響均沒有顯著的調(diào)節(jié)效應(yīng)；對售后e-SQ維度的“退款速度”在線OL信息來說，產(chǎn)品市場年齡對其銷量影響具有顯著調(diào)節(jié)效應(yīng)，產(chǎn)品頁面位置對其銷量影響不具有顯著調(diào)節(jié)效應(yīng)；對售后e-SQ維度的“糾紛退款比例”在線OL信息來說，產(chǎn)品市場年齡與頁面位置對其銷量影響均具有顯著調(diào)節(jié)效應(yīng)。

為了進(jìn)一步解釋并分析這些顯著的兩交互變量，以揭示產(chǎn)品參與性與市場年齡分別對e-SQ類在線OL信息銷量影響的內(nèi)在調(diào)節(jié)機(jī)制，本研究將借助網(wǎng)站wwwjeremydawsoncom/slopeshtm提供的一個文件名為2-way_with_all_optionsxls的在線資源B14，描繪這些顯著的調(diào)節(jié)效應(yīng)圖，具體如圖2至圖4所示B15。

圖3與圖4顯示，無論產(chǎn)品市場年齡較短還是較長，頁面位置靠前還是靠后，“糾紛退款比例”對產(chǎn)品銷量的影響均是負(fù)向的B16。這意味著研究1中揭示的“糾紛退款比例”對產(chǎn)品銷量影響的主效應(yīng)不會隨著產(chǎn)品市場年齡（較長或較短）或頁面位置（靠前或靠后）而改變方向。此外，“糾紛退款比例”對市場年齡較短（頁面位置靠前）與較長（靠后）產(chǎn)品的銷量影響之間存在顯著差異B17。

上述調(diào)節(jié)效應(yīng)圖雖然能從定性角度看出在不同市場年齡或頁面位置情況下，“退款速度”與“糾紛退款比例”對產(chǎn)品銷量影響的方向與相對大小，但仍無法度量在不同市場年齡或頁面位置情況下，圖2至圖4中“退款速度”與“糾紛退款比例”對產(chǎn)品銷量影響的具體大小及其顯著性。為了回答該問題，本研究將運(yùn)用簡單斜率檢測方法計算圖2至圖4中各直線斜率大小，以及與水平軸（斜率為0）之間的差異性，結(jié)果如表5所示。

表5顯示，“退款速度”對市場年齡較短或較長產(chǎn)品的銷量均不具有顯著影響（p=0464， 0791），這與回歸模型（1）揭示的“退款速度”對產(chǎn)品銷量影響的主效應(yīng)不顯著的結(jié)論一致。此外，無論產(chǎn)品市場年齡較短還是較長，頁面位置靠前還是靠后，“糾紛退款比例”對產(chǎn)品銷量均具有顯著負(fù)向影響（p=0004， 0014， 0000， 0000）。一種可能的解釋是：電子產(chǎn)品屬于典型高參與性（High-involvement）產(chǎn)品，潛在消費(fèi)者往往對其具有較大的購買感知風(fēng)險（Hoyer & Macinnis，2008），購買決策的失誤可能導(dǎo)致消費(fèi)者需要花費(fèi)大量額外時間和精力來處理退貨退款問題（Laurent & Kapferer，1985），為了避免售后過程中遇到不必要的財務(wù)糾紛，消費(fèi)者在購買前會提高對賣家過去處理退款問題口碑的關(guān)注程度。所以，對任意市場年齡或頁面位置的產(chǎn)品，e-SQ中反映購買風(fēng)險的“糾紛退款比例”均能顯著地影響消費(fèi)者購買意愿，進(jìn)而影響產(chǎn)品銷量。

表5也顯示，相對于市場年齡較長的產(chǎn)品，“糾紛退款比例”對市場年齡較短產(chǎn)品的銷量影響更大（斜率=-2207，-2609）。一種可能的解釋是：當(dāng)電子類產(chǎn)品上架時間較短時，潛在消費(fèi)者對產(chǎn)品質(zhì)量、性能等相關(guān)信息一般了解較少，傾向于在做出購買決策前進(jìn)行廣泛的信息搜索（Clarke & Belk，1979），以降低購買產(chǎn)品的感知風(fēng)險，于是會對“糾紛退款比例”在線OL信息給予更高的重視。當(dāng)電子類產(chǎn)品上市時間較長時，各種其他營銷渠道（如廣告、同僚推薦等）提供的公開信息會極大地幫助顧客提高對產(chǎn)品性價比、質(zhì)量等方面的判斷，對退款風(fēng)險也有一定的評估，使得其對“糾紛退款比例”這種反映購買風(fēng)險的在線OL信息的依賴程度減弱（Bikhchandani et al，1992）。因此，相對于市場年齡較長產(chǎn)品，“糾紛退款比例”對市場年齡較短產(chǎn)品的銷量影響更大。

表5還顯示，相對于頁面位置靠后的產(chǎn)品，“糾紛退款比例”對頁面位置靠前產(chǎn)品的銷量影響更大（斜率=-1131，-1844）。一種可能的解釋是：由于消費(fèi)者偏好容易受到產(chǎn)品展示形式的影響（Hong et al，2004），當(dāng)面對某類產(chǎn)品（如筆記本）的搜索結(jié)果頁面時，消費(fèi)者通常按照頁面陳列方式，從前至后逐頁順序瀏覽產(chǎn)品，且一般不會詳盡瀏覽所有頁面產(chǎn)品（Lohse & Spiller，1998）。當(dāng)看到初步中意的某款商品后，才會通過點擊鏈接進(jìn)入該款產(chǎn)品銷售頁面，這時各種電商服務(wù)質(zhì)量類在線OL信息將被關(guān)注，這意味著處于頁面位置越靠前的產(chǎn)品，其銷售頁面的在線OL信息將擁有更大的概率被潛在消費(fèi)者參考。因此，產(chǎn)品頁面位置越靠前，其銷售頁面中電商服務(wù)質(zhì)量類OL信息（如“糾紛退款比例”）會受到更多消費(fèi)者關(guān)注，其對產(chǎn)品銷量影響也隨之更大。

四、啟示與不足

本文的研究發(fā)現(xiàn)為大型B2C電商平臺上的網(wǎng)絡(luò)賣家提供了以下管理啟示：（1）網(wǎng)絡(luò)賣家對e-SQ不同指標(biāo)維度應(yīng)給予差異化關(guān)注程度，特別應(yīng)加大對“描述相符”和“糾紛退款比例”這兩個指標(biāo)維度變化的重視。任何試圖在銷售頁面提供與實際產(chǎn)品不相符的信息均需要慎重，任何可能導(dǎo)致糾紛退款的事件均應(yīng)給予高度關(guān)注，盡可能避免產(chǎn)生糾紛退款記錄。（2）相對于上架晚期（或頁面位置靠后）的產(chǎn)品來說，賣家對處于上架早期（或頁面位置靠前）的產(chǎn)品，提升其e-SQ指標(biāo)維度——“糾紛退款比例”在線OL信息的表現(xiàn)水平，可獲得更大的銷量回報。而對于e-SQ指標(biāo)維度——“描述相符”在線OL信息的表現(xiàn)水平，無論產(chǎn)品市場年齡較短或較長，產(chǎn)品頁面位置靠前還是靠后，賣家都應(yīng)給予同等的重視程度。（3）網(wǎng)絡(luò)賣家在提高e-SQ水平時，需根據(jù)所售電子產(chǎn)品的類型采取一定的差異化策略。僅以本文實證樣本為例，賣家應(yīng)重點針對市場年齡較短的筆記本和頁面位置靠前的平板電腦產(chǎn)品，改進(jìn)其e-SQ指標(biāo)維度——“糾紛退款比例”在線OL信息的表現(xiàn)水平，這樣可在營銷資源受限的情況下，獲取更大投資回報。

當(dāng)然，本研究也存在一些不足之處：（1）實證樣本僅收集了筆記本與平板電腦兩類電子產(chǎn)品，這使得本文研究結(jié)論的普遍性還有待提高，包含更多其他類電子產(chǎn)品將有助于更加全面地評估大型B2C電商平臺e-SQ類在線OL信息對電子類產(chǎn)品銷量的影響。（2）實證樣本僅包含來自一個B2C電商平臺的產(chǎn)品，然而現(xiàn)實中消費(fèi)者進(jìn)行網(wǎng)絡(luò)購物時，往往會參考其他平臺（如其他電商平臺、綜合性比價網(wǎng)等）信息，這意味著當(dāng)沒有控制這種跨平臺信息對當(dāng)前平臺產(chǎn)品銷量的影響時，可能導(dǎo)致估計結(jié)果存在偏差。因此，選擇同時銷售在兩個同級別電商平臺的產(chǎn)品作為實證樣本，借助對照樣本研究e-SQ類在線OL信息對產(chǎn)品銷量的影響（或動態(tài)交互影響），將極大地提高實證結(jié)論的有效性。（3）由于售前e-SQ指標(biāo)維度——“描述相符”、“服務(wù)態(tài)度”和“發(fā)貨速度”之間具有較高的相關(guān)性，本研究采用三個獨立方程分別來估計其對產(chǎn)品銷量的影響，但消費(fèi)者對這三個維度的評分是同時進(jìn)行的，往往具有一定的關(guān)聯(lián)性。也就是說，可能存在一些不可觀測的因素（如個人偏好）同時對這三個維度得分造成影響，即這三個方程的擾動項可能存在相關(guān)性。所以，對這三個方程進(jìn)行聯(lián)合估計，可能會提高估計效率。（4）由于實證數(shù)據(jù)源于國內(nèi)最大的B2C電商平臺——天貓商城，該商城的付款途徑時基于第三方支付平臺——支付寶，其具有極高的支付信用，這使得消費(fèi)者不用擔(dān)心出現(xiàn)類似退貨不退款的糾紛，這才會有實證結(jié)果中“退款速度”對產(chǎn)品銷量不具有顯著影響，但這并不意味著在其他網(wǎng)絡(luò)購物平臺中，消費(fèi)者對退款速度不在意，所以本研究揭示的e-SQ類在線OL信息對產(chǎn)品銷量的影響主要限于具有良好商譽(yù)的大型網(wǎng)購商城。

注釋：

①由于本文選擇天貓商城作為實證數(shù)據(jù)來源，而該電商平臺淡化了商城店鋪的個性特征，對產(chǎn)品銷售頁面進(jìn)行統(tǒng)一設(shè)計，突出商城的整體形象，并承諾提供100%品質(zhì)保證，要求加入平臺的店鋪必須是在工商部門注冊的公司，或各大品牌的正規(guī)授權(quán)代理商，所以不同產(chǎn)品賣家的網(wǎng)頁設(shè)計、有效性與私密性不存在明顯差異。

②該指標(biāo)用于反映銷售頁面描述的產(chǎn)品信息與顧客實際買到的產(chǎn)品特征之間的一致性，如色差、功能等。

③本研究使用的網(wǎng)頁數(shù)據(jù)采集工具名為“火車頭數(shù)據(jù)采集器”，它是目前國內(nèi)使用最為廣泛的頁面數(shù)據(jù)采集軟件，有關(guān)該軟件的詳細(xì)介紹請參考網(wǎng)站：http：//wwwlocoycom/。

④為排除屏幕尺寸大小帶來的影響，本研究實際上僅收集天貓商城上銷售的所有14寸筆記本（約占所有筆記本的50%）的相關(guān)數(shù)據(jù)。

⑤目前，天貓商城要求買家對這三項指標(biāo)的評分必須在交易成功后15天內(nèi)完成，逾期未打分則視為放棄。對每個月相同買家與賣家之間的交易，賣家店鋪評分僅計取前三次，銷售頁面呈現(xiàn)的指標(biāo)得分為近6個月所有買家打分的綜合值。

⑥反映售前e-SQ的三個指標(biāo)在產(chǎn)品銷售頁面將呈現(xiàn)兩次，第一次出現(xiàn)在銷售頁面開頭位置左側(cè)區(qū)域（呈現(xiàn)形式如圖1中左側(cè)所示），第二次出現(xiàn)在銷售頁面描述“累計評價”區(qū)域之后（呈現(xiàn)形式如圖1中右側(cè)所示）。此外，反映售后e-SQ的指標(biāo)還包括：“近30天投訴率”與“處罰情況”（如圖1所示），但這兩個指標(biāo)對大多數(shù)產(chǎn)品均相同（即近30天內(nèi)投訴率與處罰情況均為0），所以其未被包含在本研究的模型中。

⑦目前，天貓商城產(chǎn)品搜索結(jié)果頁面，每頁陳列60種商品，本研究將采用兩個變量（Rank和Page）度量產(chǎn)品的頁面位置，其具體定義參見表1。

⑧本研究將法定節(jié)假日與電商節(jié)假日（如“雙11”、“雙12”）均看做節(jié)假日同等對待。

⑨本研究對用當(dāng)前銷售頁面產(chǎn)品價格上下浮動10%、15%、25%、30%范圍內(nèi)其他在銷售產(chǎn)品總數(shù)衡量競爭強(qiáng)度的情況也進(jìn)行了考慮，從定性角度來看，它們均不影響估計結(jié)果。

⑩前者偏度為-1022，峰度為25603；后者偏度為2035，峰度為64852。

B11實際上，本文也用各解釋變量的期末值或當(dāng)周平均值來進(jìn)行回歸分析，回歸結(jié)果顯示：從定性角度來看，其結(jié)論與文中用期初值進(jìn)行回歸得到的結(jié)論一致。

B12通過BP檢驗（原假設(shè)H0：不存在個體效應(yīng)），我們發(fā)現(xiàn)p=0000，即數(shù)據(jù)樣本存在個體效應(yīng)，所以隨機(jī)效應(yīng)模型優(yōu)于混合OLS模型。進(jìn)一步通過Hausman檢驗（原假設(shè)H0：個體效應(yīng)與所有解釋變量均不相關(guān)），我們發(fā)現(xiàn)p=0000，即個體效應(yīng)至少與某個解釋變量存在顯著相關(guān)性，所以固定效應(yīng)模型又優(yōu)于隨機(jī)效應(yīng)模型。

B13普通標(biāo)準(zhǔn)差假設(shè)干擾項服從獨立同分布，聚類穩(wěn)健標(biāo)準(zhǔn)差考慮了干擾項存在個體組內(nèi)自相關(guān)，對估計系數(shù)的標(biāo)準(zhǔn)差進(jìn)行調(diào)整，所以兩種情況下估計的系數(shù)相同，但標(biāo)準(zhǔn)差存在差異。一般情況下后者的標(biāo)準(zhǔn)差大于前者的標(biāo)準(zhǔn)差，估計結(jié)果（如t值、F值）更不容易顯著，但其估計結(jié)果更加有效。

B14該在線資源由Dawson 與 Richter于2006年開發(fā)完成，其目的是基于回歸結(jié)果與估計系數(shù)方差協(xié)方差矩陣數(shù)據(jù)繪制調(diào)節(jié)效應(yīng)圖，并完成簡單斜率檢測，以圖形化方式直觀展現(xiàn)調(diào)節(jié)因子對主效應(yīng)的調(diào)節(jié)方式。

B15本文所有調(diào)節(jié)效應(yīng)圖與簡單斜率檢測所需數(shù)據(jù)均基于表4研究2中模型1的回歸結(jié)果，若基于研究2中模型2（模型3）的回歸結(jié)果，從定性角度來看，得到的調(diào)節(jié)效應(yīng)圖與簡單斜率檢測與文中完全一致。此外，根據(jù)繪制調(diào)節(jié)效應(yīng)圖中對連續(xù)變量的慣用處理方式，圖2至圖4中“退款速度”較慢（較快）、“糾紛退款比例”較低（較高）、市場年齡較短（較長）、頁面位置靠前（靠后）分別表示變量“退款速度”、“糾紛退款比例”、市場年齡、頁面位置均值之下（之上）一個標(biāo)準(zhǔn)差。

B16由于表5中簡單斜率檢測顯示，無論市場年齡較短還是較長，“退款速度”對產(chǎn)品銷量的影響均不顯著，所以這里未提及“退款速度”對產(chǎn)品銷量影響的方向。

B17Dawson（2014）指出，對于兩交互模型，交叉項顯著即意味著解釋變量對被解釋變量的影響在調(diào)節(jié)變量（相當(dāng)于本研究中的產(chǎn)品市場年齡、頁面位置）不同取值情況下存在顯著差異。

參考文獻(xiàn)：

[1]Banerjee A. A simple model of herd behavior[J].Quarterly Journal of Economics，1992，107（3）：797-817.

[2]Bikhchandani S，Hirshleifer D，Welch I. A theory of fads，fashion，custom，and cultural change as informational cascades[J].Journal of Political Economy，1992，100（5）：992-1026.

[3]Bikhchandani S，Hirshleifer D，Welch I. Learning from the behavior of others： conformity，fads，and informational cascades[J].Journal of Economic Perspectives，1998，12（3）：151-170.

[4]Chang H H，Wang Y，Yang W. The impact of e-service quality，customer satisfaction and loyalty on e-marketing： Moderating effect of perceived value[J].Total Quality Management，2009，20（4）：423-443.

[5]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.

[6]Chevalier J，Goolsbee A. Measuring prices and price competition online： Amazon.com and BarnesandNoble.com[J].Quantitative Marketing and Economics，2003，1（2）：203-222.

[7]Chevalier J，Mayzlin D. The effect of word of mouth on sales： online book reviews[J].Journal of Marketing Research，2006，43（3）：345-354.

[8]Clarke K，Belk R W. The effects of product involvement and task definition on anticipated consumer effort[J].Advances in Consumer Research，1979，6（1）：313-318.

[9]Cristobal E，F(xiàn)lavian C，Guinaliu M. Perceived e-service quality（PeSQ）： measurement validation and effects on consumer satisfaction and web site loyalty[J].Managing Service Quality，2007，17（3）：317-340.

[10]Dawson J F. Moderation in management research：What，why，when，and how[J].Journal of Business Psychology，2014，29（1）：1-19.

[11]Duan W，Gu B，Whinston A B. The dynamics of online word-of-mouth and product sales-an empirical investigation of the movie industry[J].Journal of Retailing，2008，84（2）：233-242.

[12]Fassnacht M，Kse I. Consequences of Web-based service quality： Uncovering a multi-faceted chain of effects[J].Journal of Interactive Marketing，2007，21（3）：35-54.

[13]Fassnacht M，Koese I. Quality of electronic services： conceptualizing and testing a hierarchical model[J].Journal of Service Research，2006，9（1）：19-37.

[14]Foster A D，Rosenzweig M R. Learning by doing and learning from others：Human capital and technical change in agriculture[J].Journal of Political Economy，1995，103（6）：1176-1209.

[15]Ghose A. Internet exchanges for used goods： An empirical analysis of trade patterns and adverse selection[J].MIS Quarterly，2009，33（2）：263-291.

[16]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.

[17]Ho C I，Lee Y L. The development of an e-travel service quality scale[J].Tourism Management，2007，28（6）：1434-1449.

[18]Hong W，Thong J，Tam K Y. Designing product listing pages on e-commerce websites： an examination of presentation mode and information format[J].International Journal of Human-Computer Studies，2004，61（4）：481-503.

[19]Hoyer W D，Macinnis D H. Consumer Behavior，5th ed[M].South-Western，Mason，OH，2008.

[20]Ladhari R. Developing e-service quality scales： A literature review[J].Journal of Retailing and Consumer Services，2010，17（6）：464-477.

[21]Laurent G，Kapferer J. Measuring consumer involvement profiles[J].Journal of Marketing Research，1985，22（1）：41-53.

[22]Lee G，Lin H. Customer perceptions of e-service quality in online shopping[J].International Journal of Retail and Distribution Management，2005，33（2）：161-176.

[23]Lohse G L，Spiller P. Electronic shopping[J].Communications of the ACM，1998，41（7）：81-87.

[24]Lu X，Ba S，Huang L，F(xiàn)eng Y. Promotional marketing of word-of-mouth？ Evidence from online restaurant reviews[J].Information System Research，2013，24（3）：596-612.

[25]Oliveira P，Roth A V，Gilland W. Achieving competitive capabilities in e-services[J].Technological Forecasting & Social Change，2002，69（7）：721-739.

[26]Parasuraman A，Zeithaml V A，Malhotra A. E-S-Qual： a multiple-item scale for assessing electronic service quality[J].Journal of Service Research，2005，7（3）：213-233.

[27]Santos J. E-service quality： a model of virtual service quality dimension[J].Managing Service Quality，2003，13（3）：233-246.

[28]Wolfinbarger M，Gilly M C. eTailQ：dimensionalizing，measuring and predicting retail quality[J].Journal of Retailing，2003，79（3）：183-198.

[29]Yang Z. Customer perceptions of service quality in internet-based electronic commerce[C].Proceedings of the 30th EMAC Conference，Bergen，2001.

[30]Zeithaml V A. Service excellent in electronic channels[J].Managing Service Quality，2002，12（3）：135-139.

Abstract：E-commerce service quality （e-SQ） and information shown on product sales pages have more and more important effects on consumers′ online purchase decisions. This paper mainly concerns five index dimensions of e-SQ on product sales pages from the largest B2C e-commerce platform named Tmall.com： “description consistency”， “service attitude”， “delivery speed”， “refund speed” and “dispute refund proportion”， explores the impact of online observational learning （OL） information reflecting e-SQ on electronic product （such as notebook and tablet PC） sales， and how these effects are moderated by product market age and page location， respectively. Through an empirical analysis based on a panel data with span of nearly half a year， the paper finds that among five e-SQ index dimensions mentioned above， the online OL information only reflecting “description consistency” and “dispute refund proportion” have significant effects on sales performance； product market age and page location can only significantly moderate the effect of the online OL information reflecting “dispute refund proportion” on sales performance， respectively，and the magnitude of this effect is larger when product market age is shorter or page location is higher.

Key words：e-commerce service quality；online observational learning； two-way interaction model

（責(zé)任編輯：張曦）