許啟發(fā)，賈俊穎，蔣翠俠，楊善林

(1.合肥工業(yè)大學 管理學院，安徽 合肥 230009；2.合肥工業(yè)大學 過程優(yōu)化與智能決策教育部重點實驗室，安徽 合肥 230009；3.哈爾濱工業(yè)大學 經(jīng)濟與管理學院，黑龍江 哈爾濱 150000)

?

基于門限分位數(shù)回歸的網(wǎng)上商品銷量影響因素探析

許啟發(fā)1,2，賈俊穎3，蔣翠俠1，楊善林1,2

(1.合肥工業(yè)大學 管理學院，安徽 合肥 230009；2.合肥工業(yè)大學 過程優(yōu)化與智能決策教育部重點實驗室，安徽 合肥 230009；3.哈爾濱工業(yè)大學 經(jīng)濟與管理學院，黑龍江 哈爾濱 150000)

摘要:網(wǎng)上商品銷售與線下商品銷售存在較大不同，為探索其消費模式，需要研究各影響因素對網(wǎng)上商品銷量的作用機制。文章基于心理抗拒、貝勃定律、盧因人類行為理論等,對網(wǎng)絡消費行為進行系統(tǒng)分析；綜合運用分位數(shù)回歸和門限回歸方法，建立了門限分位數(shù)回歸模型，揭示商品價格、商家信譽評分、商家信譽等級、保障標記數(shù)量、商品收藏人氣、口碑數(shù)量和口碑分數(shù)等對銷量的非線性異質影響。以受眾廣泛的iPad air2網(wǎng)上銷售為研究對象，實證結果表明：提高商家的信譽等級、增加口碑數(shù)量能使高銷量商家的銷量更高，而保障標記數(shù)量的增加對熱銷有阻礙作用；在非熱門商品轉向熱銷品的過程中，增加收藏人氣、增加口碑數(shù)量和一定價格范圍內的提價對低銷量商家的銷量有促進作用。

關鍵詞:網(wǎng)上商品；銷售量；分位數(shù)回歸；門限效應；行為理論

一、 引言

隨著互聯(lián)網(wǎng)全球連通性的推進和我國國民經(jīng)濟的發(fā)展，中國電子商務市場繼續(xù)快速向前發(fā)展，據(jù)艾瑞咨詢統(tǒng)計數(shù)據(jù)顯示，我國2015年電子商務市場交易額達16.2萬億元，增長率21.2%，其中網(wǎng)絡購物增長率37.2%。在“互聯(lián)網(wǎng)+”的時代背景下，搭借網(wǎng)絡電商平臺實現(xiàn)商品推廣和運營的商鋪與日俱增，網(wǎng)上商品銷售與線下商品銷售在銷售價格、銷售方式、銷售渠道等方面存在較大不同。研究網(wǎng)上商品銷量的影響因素，以及運用相關管理學和心理學原理挖掘背后的原因機制，對于預測和解釋消費者購買行為和消費模式具有重要的理論意義，對于把握電商銷售規(guī)律和商家營銷戰(zhàn)略決策具有重要的現(xiàn)實指導價值。

面對網(wǎng)絡銷售實戰(zhàn)中的不同銷量表現(xiàn)，針對網(wǎng)上可能對商品銷量產(chǎn)生影響的因素，國內外學者進行了不同角度的研究和探討。在信譽影響方面，經(jīng)歷了線性關系到非線性關系的探索過程。Bolton等(2004)[1]和Resnick等(2006)[2]經(jīng)過實驗研究表明，商家可以從一個更好的信譽中享有更大的利潤。周黎安等(2006)[3]和李維安等(2007)[4]認為，商家好的信譽可以減少交易中逆向選擇和道德風險的情況，影響消費者的購買決策，從而提高在線交易成功的概率，對銷量有顯著的影響。針對之前學者提出的信譽和銷量之間的簡單線性關系，Zhang等(2011)[5]通過淘寶網(wǎng)的在線交易數(shù)據(jù)分析得出了不同的結論：賣家信用和銷量存在一個復雜的非線性關系，在閾值左右兩側呈現(xiàn)不同的影響關系，在閾值右側，提高信譽會提升銷量；在閾值左側，提高信譽反而會降低銷量。

在價格影響方面，研究人員對價格與銷量的關系持有不同的意見。一方面，消費者在互聯(lián)網(wǎng)上對于價格信息的搜尋成本很低，較容易獲得同一產(chǎn)品不同商家的價格信息，消費者比價行為更易發(fā)生，因此網(wǎng)絡購物的價格需求彈性比傳統(tǒng)意義上的購物更大，如Smith(2002)[6]；另一方面，消費者通過網(wǎng)絡購物除了方便獲得產(chǎn)品的價格信息，也可以獲得其他反映產(chǎn)品品質的信息，從而使得價格對消費者的網(wǎng)購決策影響權重降低，消費者對于價格的敏感程度下降。此外E.Crespo-Almendros等(2016)[7]按照在線購買經(jīng)驗對消費者進行了分類，并得出了價格對銷售的促進作用在新消費者群體中更為明顯的結論，然而以購買意向而不是真實的購買行為作為被解釋變量會存在一定偏差。

在口碑影響方面，國內外學者發(fā)現(xiàn)口碑評分和數(shù)量對銷量有顯著影響。Wang等(2016)[8]首次以眼動實驗的形式探究了產(chǎn)品描述中在線評論的嵌入對銷量的顯著影響，然而實驗參與者的屬性比較單一，且樣本量較少，增加了研究誤差。Brinja等(2016)[9]通過無條件分位數(shù)回歸的方法得出在線評論數(shù)量和在線評論分數(shù)對低銷量商家的影響要比高銷量商家大。王克喜等(2014)[10]、龔詩陽等(2012)[11]和Ye等(2009)[12]分別以品牌茶葉、圖書、賓館客房為研究對象，得出了二者之間存在顯著影響的結論。

在保障標記方面，研究人員發(fā)現(xiàn)必要的保障標記會對銷售起促進作用。如趙占波等(2013)[13]利用泊松模型建模，發(fā)現(xiàn)七天退換保障等對銷量有顯著的正向影響。

然而，現(xiàn)有文獻尚缺乏眾多不同因素對銷量的綜合影響機制的探討，研究方法大多使用均值回歸，本文結合Koenker等(1978)[14]的分位數(shù)回歸模型與Tong(1977)[15]的門限自回歸，提出使用門限分位數(shù)回歸模型揭示其作用機理，主要開展了以下兩個方面新的研究工作。第一，考慮到網(wǎng)絡商品銷售與線下商品銷售存在銷售方式、渠道、價格等方面的不同，針對網(wǎng)絡銷量影響因素的異質性影響效應，本文將心理抗拒、貝勃定律、盧因人類行為理論等相關管理學和心理學理論與網(wǎng)絡消費行為相結合，克服了以往研究只注重研究方法而忽視探究網(wǎng)絡消費現(xiàn)象背后作用機理的局限，發(fā)現(xiàn)了與線下商品銷量影響因素不同的消費規(guī)律。第二，將門限分位數(shù)回歸模型引入網(wǎng)上商品銷量影響因素分析中，通過比較均值回歸、分位數(shù)回歸和門限分位數(shù)回歸等模型實證結果，發(fā)現(xiàn)門限分位數(shù)回歸模型更具優(yōu)勢：通過探討自變量價格在響應變量不同分位點上可能存在的門限，以及不同分位點上門限值是否相同、跳躍大小和斜率大小等，可以全面細致地反映價格對銷量的影響機制，為研究網(wǎng)上商品銷量特征提供了普適性的工具和框架。

二、 理論分析與研究假說

(一) 基于需求定律的價格彈性分析

網(wǎng)上商品市場存在大量銷售同種商品的異質性賣家，銷售呈現(xiàn)供大于求的現(xiàn)狀。因此，網(wǎng)上銷售市場是買方市場，消費者對商品數(shù)量的需求總能得到賣家的滿足，銷售量可近似視為消費者需求量的體現(xiàn)。

經(jīng)濟學中需求定律是除吉芬商品、炫耀性商品等，在其他條件不變的情況下，某一商品的價格越低，消費者對該商品的需求量越大；而商品的價格越高，消費者對該商品的需求量則越小。在互聯(lián)網(wǎng)購物中，由于高銷量賣家基于產(chǎn)品品質信息建立了完善的信譽系統(tǒng)，使得價格對消費者的網(wǎng)購決策影響權重降低，消費者對于價格的敏感程度下降。因此，本文提出如下假說：

H1：在其他銷量影響因素不變的情況下，隨銷售數(shù)量的增加，價格的彈性減小。

(二) 基于不完全信息的信譽彈性分析

信息經(jīng)濟學對市場經(jīng)濟的有效運行提出一個最重要的前提就是信息充分。消費者需要的信息有：市場上所有產(chǎn)品的價格信息、產(chǎn)品的市場價格信息、消費者對產(chǎn)品的需求信息等。網(wǎng)絡購物雖然為交易打破了時空的限制，但信息不對稱也是買賣雙方之間存在著的問題。商家的信譽能改善這種情況，提高陌生人體系中的合作效率，讓買家樹立起商家能提供某種品質產(chǎn)品的信任。因此，大部分電子商務交易平臺建立起了相應信譽評分系統(tǒng)來輔助消費者購買決策。淘寶網(wǎng)商家信譽評分系統(tǒng)的工作原理如下：一旦交易完成，淘寶買家有資格憑借交易經(jīng)歷反饋商家的服務評價。除了文字評價，評論必須給出“好”、“中”、“差”三個等級。根據(jù)買家的評論，商家信譽若為一條“好評”計一分，一條“差評”失一分，一條“中評”不得分。淘寶網(wǎng)在商家信譽分數(shù)的基礎上歸類了商家20個級別的信譽狀況。

消費者在購買網(wǎng)上商品時，對于低銷量商品的商家群體并不信任，當此時的商家信譽等級很高時反而會增加消費者的不解和懷疑，從而降低銷量。對于高銷量商品其購買決策更易受商家的信譽等級影響，尤其在無法辨明銷量信息真?zhèn)蔚那樾蜗?，通過商家的高信譽而增加信任感，進而做出購買決策。因此，本文做出如下假說：

H2：在其他銷量影響因素不變的情況下，隨銷售數(shù)量的增加，信譽的彈性增大。

在線信譽系統(tǒng)利用互聯(lián)網(wǎng)的雙向通信能力，構建了在線購物的大規(guī)模口碑網(wǎng)，一方面，在線評論使?jié)撛谫徺I者有了對產(chǎn)品的全面認知，從而影響其購買行為；另一方面，商家根據(jù)消費者的反饋信息在生產(chǎn)、銷售、運輸?shù)拳h(huán)節(jié)做出相應的改進，優(yōu)化營銷策略，以提高銷量?；ヂ?lián)網(wǎng)賦予口碑傳播的這種打破時空障礙和存儲障礙的性質，使得消費者在進行購買決策時更注重其他消費者的反饋意見，見Bakos(1997)[16]。相比于低銷量賣家，消費者對高銷量賣家的價格已經(jīng)不再敏感，會更注重口碑等信譽系統(tǒng)的建設，網(wǎng)絡口碑的評分越高，說明消費者對購物體驗越滿意，成為再次購買者以及產(chǎn)品傳播者的可能性越大，也為潛在消費者帶來信心，使得銷量上升。網(wǎng)絡口碑的數(shù)量即某商品擁有的在線評論數(shù)目，體現(xiàn)了消費者對商品的關注程度。網(wǎng)絡口碑數(shù)量越多，消費者對商品的關注程度越高，進而提升銷量。因此，本文做出如下假說：

H3：在其他銷量影響因素不變的情況下，隨銷售數(shù)量的增加，口碑的彈性增大。

保障標記是為了減少網(wǎng)購信息不對稱的問題而設計的一種賣方能夠履約承諾的標志，這種制度安排可以讓買家通過瀏覽商家的保障標記，從而及時做出是否相信商家的認知。金毅(2011)[17]的實證研究表明，商家提供的保障標記會給買家更多保障，從而吸引更多買家，保障標記對銷量有正的影響。周耿等(2010)[18]通過實證研究發(fā)現(xiàn)，保障標記對商品銷售有顯著的推動作用。低銷量賣家由于各種產(chǎn)品品質信息、信譽系統(tǒng)建設不完善，保障標記的數(shù)量對其銷量的作用會更為重要，通過較多的保障標記數(shù)量，消費者會增加初步的信任，進而影響其購買行為。因此，本文做出如下假說：

H4：在其他銷量影響因素不變的情況下，隨銷售數(shù)量的增加，保障標記數(shù)量的彈性減小。

(三) 基于盧因人類行為理論的收藏人氣彈性分析

在組織行為學中，盧因人類行為理論認為人的行為是環(huán)境與個體相互作用的結果，人的行為由動機決定，而動機是由需求支配的。

網(wǎng)絡購物網(wǎng)站中的人氣是綜合30天售出量、商家信用、好評率、累計本期售出量、寶貝瀏覽量、收藏人氣等因素來排序的。增加商品收藏人氣可以提高商品在網(wǎng)購網(wǎng)站中人氣排名的位置，在消費者檢索某一商品時，在同類商品中擁有高收藏人氣更易被消費者發(fā)現(xiàn)和關注，從而增加單品貨架的點擊流量。

根據(jù)盧因的人類行為理論，一方面，提高商品收藏人氣可以提高商品的人氣排名，在外部環(huán)境認可的情況下會增加消費者的購買信心，從而影響其網(wǎng)購決策，提高商品銷量。另一方面，消費者收藏商品的行為是一種購買需求的體現(xiàn)，它顯著地正面影響其購買行為，進而會提高商品銷量。對于高銷量賣家來說，消費者更注重除了價格外的其他產(chǎn)品品質信息，收藏人氣的增加會產(chǎn)生“熱門更熱”的效果，而低銷量賣家高的收藏人氣會使消費者產(chǎn)生懷疑和不信任的心理，對銷量的提高沒有更大的推動作用。因此，本文做出如下假說：

H5：在其他銷量影響因素不變的情況下，隨銷售數(shù)量的增加，收藏人氣的彈性增大。

(四) 基于社會心理理論的賣家銷量價格異質門限效應分析

貝勃定律是一個社會心理學效應，指當人經(jīng)歷強烈的刺激后，對于再施予的刺激反應減小。對于極低銷量賣家而言，其極低的銷量是對消費者的第一次刺激，讓消費者有了對賣家低銷量、低信譽等不信任的初始定位和感知。因此，當這類賣家所售商品價格低于某個閾值且降低價格時，消費者不信任的反應會減小，反而會產(chǎn)生對低價的趨利性，銷量增多；當這類賣家所售商品價格高于某個閾值且降低價格時，也會提高銷量，而且增幅會更大，因為已經(jīng)有了價格閾值的基本心理下限。因此，本文做出如下假說：

H6：在其他銷量影響因素不變的情況下，低銷量賣家在價格某個閾值左側，銷量與價格呈反向變動關系，在某個閾值右側，銷量與價格呈更明顯的反向變動關系。

1966年Brehm提出了心理抗拒理論，該理論描述了個體行為自由受到威脅時表現(xiàn)出的逆反情感。個體擁有自由選擇何時何地以及如何進行某種特定行為的權利，當個體感知自身的自由選擇權受到外界威脅時，他們往往會產(chǎn)生抵觸情緒，最終采取規(guī)避或對抗的方式來抵抗外來的干擾，保護自己的自由，詳見王艷萍等(2013)[19]。

高銷量賣家自身擁有了積累的銷量和信譽優(yōu)勢，處于消費者群體購買決策的優(yōu)先選擇地位。然而，當其商品價格高于某個閾值且繼續(xù)增加價時，會超出消費者的心理承受價格，由于受收入預算的約束，高價格上的強迫和收入的操縱矛盾影響了消費者個體對自由的感知，其自由被威脅或削弱的程度越高，個體產(chǎn)生的抗拒反應越大。因此在價格閾值右側隨著價格的提高，銷量下降。

在某個價格閾值之前，如果賣家采取降價的方式，同樣會與消費者高價高質的心理定位產(chǎn)生矛盾，極低的價格影響消費者的信任和對產(chǎn)品的心理預期，同樣會產(chǎn)生心理抗拒，減少購買行為。因此，本文做出如下假說：

H7：在其他銷量影響因素不變的情況下，高銷量賣家在價格某個閾值右側，銷量與價格呈反向變動關系，在某個閾值左側，銷量與價格呈正向變動關系。

三、 銷量影響因素的計量分析

(一) 線性分位數(shù)回歸模型

本文確定網(wǎng)上商品銷量Y的主要影響因素包括：商品價格、商家信譽評分、信譽等級、商品收藏人氣、口碑的分數(shù)、口碑的數(shù)量和保障標記數(shù)量，分別記為：X1,X2,…,X7。為了研究各影響因素對銷量在不同的分位點處的異質影響行為，構建了分位數(shù)回歸模型如下：

QY(τ|X)=β0(τ)+β1(τ)X1+…+β7(τ)X7

(1)

式中，τ為分位點，滿足：0≤τ≤1；QY(τ|X)為響應變量Y在給定X=(X1,X2,…,X7)′的第τ條件分位數(shù)；β(τ)=[β0(τ),β1(τ),…,β7(τ)]′為待估計的分位數(shù)回歸系數(shù)，依賴于分位點τ的取值，其估計過程可以通過求解如下優(yōu)化問題得到

(2)

式中，N為樣本量；ρτ(u)為非對稱損失函數(shù)，滿足

(3)

分位數(shù)回歸已經(jīng)廣泛應用于金融定量分析各領域，能夠有效揭示金融市場典型特征。李金昌等(2014)[20]指出：分位數(shù)回歸模型，不僅可以得到比均值回歸更為穩(wěn)健的結果，而且可以全景揭示解釋變量對響應變量在不同分位點處的異質影響。因此，本文使用分位數(shù)回歸模型，可以細致刻畫各因素對網(wǎng)上商品銷量在各個分位點處的異質影響。這一模型，便于深入理解網(wǎng)上商品消費行為，便于掌握對應的消費模式與變動規(guī)律。

(二) 門限分位數(shù)回歸模型

為了刻畫各因素(這里主要指價格因素)對銷量影響的門限效應，即在不同的區(qū)間內可能存在不同的線性影響模型，結合門限自回歸與分位數(shù)回歸，建立門限分位數(shù)回歸模型如下：

(4)

(5)

實際中，本文對θ(τ)的估計采用兩步法。第一步，通過網(wǎng)格搜索法，讓γ(τ)在商品價格X1的最小值與最大值之間均勻地取值1000個，選取能夠使得損失函數(shù)Loss(θ|X)達到最小的門限值作為最優(yōu)門限值γ*(τ)。第二步，將γ*(τ)代入式(5)，再次優(yōu)化損失函數(shù)，得到β′(τ)的估計。

四、 實證研究

(一) 數(shù)據(jù)獲取與指標分析

為了比較網(wǎng)上商品與線下商品的消費模式，探析各影響因素對網(wǎng)上商品銷量的異質影響機制，需要獲取最近30天的商品銷量、商品價格、商家信譽評分、商家信譽等級、保障標記數(shù)量、商品收藏人氣、口碑數(shù)量和口碑分數(shù)等七個變量的數(shù)據(jù)，詳見表1。

本研究以淘寶電商平臺為研究對象，選取淘寶網(wǎng)上iPadair2 16G產(chǎn)品在2015年2月份的交易數(shù)據(jù)。之所以選擇iPadair2，基于兩個原因：首先，iPadair2是由蘋果公司開發(fā)的最新平板電腦電子產(chǎn)品，已成為眾多時尚年輕消費者的熱門選擇，這一消費者群體具有熟悉網(wǎng)上交易規(guī)則和物流的特質。其次，iPadair2相比于其他現(xiàn)有的平板電腦而言，具備較大的獨特性和區(qū)分度。數(shù)據(jù)采集過程，主要通過網(wǎng)絡爬蟲軟件：八爪魚采集器實現(xiàn)。

在變量列表1中，對所有變量進行了詳細說明，并報告了主要變量的描述統(tǒng)計結果。原始樣本量為2183，剔除了2月份中商品銷量為0的偽交易信息，最終樣本觀察量為N=438。由表1的描述統(tǒng)計結果可以看出，不同商家在銷量上存在較大差異，最高銷量為1864臺，最低銷量僅有1臺。為此，需要通過分位數(shù)回歸分析手段，研究其消費模式的異質性。

表1　主要變量統(tǒng)計性描述(N=438)

(二) 線性回歸分析結果

首先，討論各影響因素對網(wǎng)上商品銷量的線性影響，分別建立線性均值回歸與線性分位數(shù)回歸模型，回歸系數(shù)估計結果見表2。

由均值回歸模型結果，修正R2值為0.7905，表明模型的解釋能力較強。進一步，分析回歸系數(shù)的顯著性，可以看出：收藏人氣和口碑在0.1%水平上顯著，商家信譽等級在10%水平上顯著，而價格水平與信用等級對銷量卻沒有顯著影響(10%水平下不顯著)。

表2　線性均值回歸與線性分位數(shù)回歸模型估計結果

注:.、*、**、***分別表示在10%、5%、1%和0.1%的統(tǒng)計水平上顯著。

在分位數(shù)回歸模型中，表2只報告了0.1、0.3、0.5、0.7、0.9五個具有代表意義分位點處回歸系數(shù)估計結果，能夠體現(xiàn)各因素對銷量在不同分位點處的異質影響。在分位數(shù)回歸中，在多個分位點處價格對銷量存在顯著的影響，得到了均值回歸中難以發(fā)現(xiàn)的結果。因此，探討價格與銷量的關系是后文的主要論述方向。根據(jù)表2的結果，可以得到如下結論：

1．商家信譽分數(shù)、收藏人氣和口碑的評分對銷量的影響并不顯著。商家信譽分數(shù)、收藏人氣和口碑的評分三個解釋變量在不同分位點上與銷量之間的關系均不顯著且回歸系數(shù)很小。由于信譽包括信譽分數(shù)和信譽等級，口碑包括口碑的評分和口碑數(shù)量，因此并不能對假設H2和H3做出真?zhèn)蔚呐袛啵梢宰龀鼍芙^假設H5的判斷。

2．在其他銷量影響因素不變的情況下，價格對銷量呈負向影響作用，隨分位點上升，價格彈性呈現(xiàn)出不同變化趨勢。價格的回歸系數(shù)在所有分位點上均為負值，意味著其對銷量呈負向影響作用。此外，價格對銷量的影響程度隨著分位點變化呈現(xiàn)出不同的變動趨勢。在0.7分位點以下，價格對銷量的影響程度隨著分位點的上升而增大，支持假設H1；而在0.7分位點之上，價格對銷量的影響程度隨著分位點的上升而減少，該結果不支持假設H1。這也啟迪低銷量(與低分位點對應)的商家應注重低價格對銷量的大幅提升效應，初入市場的產(chǎn)品滲透期應該通過低價吸引顧客，提高市場占有率。高銷量(與高分位點對應)的商家應把關注重點從價格上轉移，因為此時低價促銷對銷量的提高作用不再明顯，應該通過提高產(chǎn)品質量和提供優(yōu)質服務等其他途徑保證持續(xù)的銷量增長。

3．在其他銷量影響因素不變的情況下，隨分位點上升，信譽等級的彈性增加。商家信譽等級的回歸系數(shù)除了在0.1分位點處為負值外，其他分位點上均為正值，且隨著分位點上升(銷量水平提高)，商家信譽等級的回歸系數(shù)呈逐漸遞增的趨勢，意味著高銷量的商品群體受商家信譽等級正向影響效應更為明顯，這一結果支持了假設H2。消費者在購買網(wǎng)上商品時，對于低銷量的商品群體并不信任，此時商家信譽等級很高時反而會增加消費者的不解和懷疑，從而降低銷量。對于高銷量商品，其購買決策更易受商家信譽等級影響，尤其在無法辨明銷量信息真?zhèn)蔚那樾蜗?，通過商家的高信譽而增加信任感，進而做出購買決策。這也啟迪擁有低銷量商品的商家不要對信譽等級造假，使其明顯虛高；而高銷量商品的商家更應該考慮對商家信譽等級的提升，從而保持商品的高銷量。

4．在其他銷量影響因素不變的情況下，口碑的數(shù)量對銷量呈正向影響作用，隨分位點上升，口碑數(shù)量的彈性增加?？诒當?shù)量的回歸系數(shù)在所有分位點上全為正值，表明其對銷量有正向影響作用。同時，隨著分位點上升(銷量水平提高)，口碑數(shù)量的回歸系數(shù)呈逐漸遞增的趨勢，即高銷量的商品群體受口碑數(shù)量正向影響效應更為明顯，支持了假設H3。消費者在網(wǎng)購時，對于高銷量的商品除了關注商家信譽等級外，也更為關注口碑數(shù)量，通過觀察其他買家的關注程度，從眾心理會促使其做出相應的購買決策。因此，中等和高銷量的商家可以通過降價、評論返現(xiàn)等系列營銷手段提高商品的口碑數(shù)量，進而提高商品的銷量。

5．在其他銷量影響因素不變的情況下，隨分位點上升，保障標記數(shù)量的彈性增加。保障標記數(shù)量的回歸系數(shù)除了在0.1分位點處為正值外，其他分位點處均表現(xiàn)為負值，且保障標記數(shù)量對銷量的負向影響程度隨著分位點上升而增大，拒絕了假設H4。消費者在購買低銷量的商品時，出于不信任的心理作用，他們希望通過更多的保障標記來降低購買風險，此時保障標記數(shù)量越多，越易促使消費者購買。而在購買高銷量的商品時，消費者的注意力很少放在保障標記的數(shù)量上，只要求保留七天退貨等重要的保障標記。因此，這一實證結果啟迪低銷量商家應注重提高保障標記數(shù)量，以獲取消費者更多的信任；而高銷量商家只保留關鍵保障標記即可，重點關注對象應放在其他營銷元素上。

(三) 門限分位數(shù)回歸分析

圖1　網(wǎng)上商品價格和銷量的散點關系圖

淘寶網(wǎng)交易平臺展現(xiàn)出一個有趣的現(xiàn)象：當商家出售發(fā)布的項目時，有時賣家明確表明：是為了追求更高的銷量目的而進行特殊定價。當較好的銷量利益預期涉及定價決策時，賣家可能采取相應有利的定價策略。價格對銷量影響的門限效應，可以理解為：在價格水平某一門限值上，賣家可以決定降低或提高當前價格，以換取未來銷售數(shù)量從而獲益。這樣的定價模式意味著在定價規(guī)則中的“跳躍”或“結構性變化”，可以命名“為信譽定價”的模式。

圖1中顯示的價格與銷量之間的散點關系，證實了“為信譽定價”模式的存在。通過散點圖可以發(fā)現(xiàn)，價格主要集中分布在2000元至6000元之間，銷量主要集中主要分布在0至500件之間。進一步觀察散點的分布特征，可以發(fā)現(xiàn)在價格水平低于3000之前，隨著商品價格的上升，商品銷量呈上升趨勢；而在價格水平高于3000之后，隨著商品價格的上升，商品銷量呈下降趨勢。據(jù)此，可以推斷在價格水平為3000左右，可能存在門限效應，定價規(guī)則發(fā)生了結構性變化，可以使用門限分位數(shù)回歸模型來刻畫。

圖2　網(wǎng)上商品的價格門限與損失函數(shù)對應圖

根據(jù)前文陳述的門限分位數(shù)回歸模型兩步估計法，首先通過網(wǎng)格搜索，得到門限值與損失函數(shù)之間對應關系如圖2所示(限于篇幅，這里只報告了0.5分位點處的結果)。由圖2，最小損失值對應最優(yōu)門限值為3059.5960。其次，根據(jù)最優(yōu)門限值估計實現(xiàn)再估計，得到門限分位數(shù)回歸模型估計結果見表3。為比較，將門限均值回歸模型的估計結果也列于表3中。

由表3中門限均值回歸結果可以看出，門限值左側回歸系數(shù)為-0.0173，門限值右側的的回歸系數(shù)為-0.0173+0.0116=-0.0057。因此，在門限值左右兩側價格的回歸系數(shù)均為負值，說明價格對銷量存在反向影響，只是在門限值3086.061左側的影響程度更大。門限分位數(shù)回歸結果與之類似，這里不再贅述。這一門限效應表明，商家在為線上商品定價過程中，在一定價格之內實施降價策略會對銷量有較為顯著的提高作用，超過一定價格水平之后再采取降價策略對銷量提高作用不再顯著。因此，掌握合理的定價區(qū)間，對提高銷量具有重要的實踐意義。

為了進一步分析價格對銷量的邊際影響，找出在不同分位點處價格的門限、跳躍行為、斜率等的變化，以更加準確有效地分析價格對銷量的影響機制，將其他解釋變量取值固定為0，得到邊際貢獻效果如圖3所示。

表3　門限均值回歸與門限分位數(shù)回歸模型估計結果

注:.、*、**、***分別表示在10%、5%、1%和0.1%的統(tǒng)計水平上顯著。

圖3　基于門限分位數(shù)回歸的價格對銷量的邊際貢獻測度

綜合表3和圖3的結果，可以進一步分析如下：

1．低銷量商家價格對銷量的異質影響和門限效應。在0.1分位點處，在門限(門限值為2460)左側，價格與銷量呈正相關關系；而在門限右側，價格與銷量呈負相關關系。這一結果表明，對于低銷量低價格的商品，消費者是充滿不信任的，此時在較低的價格之內降價反而會減少銷量。這類極低銷量賣家由于其數(shù)據(jù)的極端性可以不考慮納入研究范圍之內。

在0.3分位點處，在門限(門限值為3009.63)左側,價格與銷量呈負相關關系；而在門限右側，價格與銷量的負相關關系更明顯。對于較低銷量的商品由于沒有高銷量商品的競爭優(yōu)勢，所以要通過降價來吸引消費者的注意和購買，尤其是超過一定價格之后，價格的降低對于提高銷量的效應更明顯。該結果驗證了假設H6的正確性。

2．高銷量商家的價格對銷量的異質影響和門限效應。在0.5與0.7分位點處，在門限(具有相同門限值3059.596)左側，價格與銷量呈正相關關系；而在門限右側，價格與銷量呈負相關關系。對于中高銷量的商品，由于商家有了一定的銷量資本，可以在一定價格內提價，進一步反饋給消費者高價高質的信息，從而提高商品銷量。然而也要掌握提價的范圍，在超出消費者的認可價格之外，提價會對銷量造成負面效應。

在0.9分位點處，在門限(門限值為3109.5620)左側，價格與銷量呈正相關關系；而在門限右側，價格與銷量呈不明顯的正相關關系。對于高銷量的商品，由于商家高銷量已經(jīng)給消費者帶來了信任和購買意圖，商家可以通過提價的方式給予消費者高價高質的信息，使他們更加確定地做出購買決策，但是超出一定承受價格之后，這種提價對銷量的促進作用則不再明顯。

以上結果驗證了假設H7的正確性。

五、 結論與展望

(一) 研究結論

本文主要使用門限分位數(shù)回歸方法研究網(wǎng)上商品銷售規(guī)律，采用八爪魚采集器爬取了淘寶網(wǎng)iPadair2 16G所有貨架的銷售數(shù)據(jù)進行實證研究，發(fā)現(xiàn)各因素對網(wǎng)上商品銷量存在異質影響。不僅如此，商品價格對銷量還存在非線性的門限效應。本文所得的主要結論如下：

第一，商家信譽等級、口碑數(shù)量以及一定價格范圍內的提價對網(wǎng)上商品熱銷具有促進作用。通過分位數(shù)回歸分析結果發(fā)現(xiàn)，商家信譽等級的回歸系數(shù)隨著分位點(與商品銷量)上升呈逐漸遞增的趨勢，說明高銷量的商品受商家信譽等級正向影響更為明顯?？诒當?shù)量的回歸系數(shù)隨著分位點(與商品銷量)上升呈逐漸遞增的趨勢，意味著高銷量商品受口碑數(shù)量正向影響效應更為明顯。因此，對于有熱門商品的商家應該注重自身信譽系統(tǒng)建設以及消費者的評論數(shù)量，這些可以保持商家的高銷量。此外，高銷量商家有了銷量資本，在適當?shù)膬r格范圍內可以采取提價策略，通過提價會反饋給消費者高價高質的信息，對于網(wǎng)上商品熱銷具有促進作用。

第二，保障標記數(shù)量的增加對網(wǎng)上商品熱銷具有阻礙作用。對于非熱門商品，消費者希望通過更多的保障標記數(shù)量來降低購買風險；而對于熱門商品，消費者的注意力很少放在保障標記的數(shù)量上，只要求保留七天退貨等重要的保障標記。因此，對于實施熱門戰(zhàn)略的商家應該只保留關鍵保障標記，重點關注對象應放在其他營銷元素上。

第三，在非熱門商品向熱銷商品轉變的過程中，商品品質信息完善的差異化策略比低價策略更為有效，一定價格范圍內的提價對冷門商品轉向熱門有一定促進作用。價格與銷量的回歸系數(shù)較低，因此價格戰(zhàn)并不是有效的競爭戰(zhàn)略。對于非熱門商品，低銷量低價格會使消費者產(chǎn)生不信任的購買心理，從而阻礙銷量的提升。因此，商家可以在一定價格范圍內適當提價，努力完善商家的商品品質信息，提高保障標記的數(shù)量，積極推動消費者的評論和收藏行為等營銷戰(zhàn)略，而盡量避免采取價格戰(zhàn)。

(二) 研究展望

由于本研究指定商品中銷量為零的貨架較多，使獲得的銷量非零樣本偏少，且銷量普遍較低，這些可能導致研究結果存在一定偏差。此外，不足的時間序列數(shù)據(jù)導致實證研究缺少持續(xù)地跟進和檢驗。未來的研究，可以沿本文的研究思路進行擴展：

第一，確定各影響因素對銷量的影響機制后，可根據(jù)時間序列數(shù)據(jù)進一步探討銷量的預測問題，這對互聯(lián)網(wǎng)商品銷售管理具有重要實踐意義。

第二，僅討論了價格對銷量不同分位點處的異質影響，然而是什么原因導致了不同商家之間的這些差異仍需進一步探討。由于本文對當前商家端數(shù)據(jù)收集有限，限制了對該問題的回答。

第三，對于網(wǎng)上商品銷量影響因素的相關理論研究值得深入探討，后續(xù)可通過實驗研究方法進行，將更多心理學原理融入管理研究分析中是管理學突破性發(fā)展的契機。

參考文獻:

[1]BOLTONGE,KATOKE,OCKENFELSA.HowEffectiveareOnlineReputationMechanisms?AnExperimentalStudy[J].ManagementScience,2004,50(11):1587-1602.

[2]RESNICKP,ZECKHAUSERR,SWANSONJ,etal.TheValueofReputationoneBay:AControlledExperiment[J].ExperimentalEconomics,2006,9(2):79-101.

[3]周黎安,張維迎,顧全林,等.信譽的價值:以網(wǎng)上拍賣交易為例[J].經(jīng)濟研究,2006,52(12):81-91.

[4]李維安,吳德勝,徐皓.網(wǎng)上交易中的聲譽機制——來自淘寶網(wǎng)的證據(jù)[J].南開管理評論,2007,10(5):36-46.

[5]ZHANGLF,ZHANGFJ.DoesE-commerceReputationMechanismMatter?[J].ProcediaEngineering,2011(15):4885-4889.

[6]SMITHM.TheImpactofShopbotsonElectronicMarkets[J].JournaloftheAcademyofMarketingScience,2002,30(4):446-454.

[7]CRESPO-ALMENDROSE,BARRIO-GARCIASD.DelBarrio-García.OnlineAirlineTicketPurchasing:InfluenceofOnlinesalesPromotionTypeandInternetExperience[J].JournalofAirTransportManagement,2016,53(3):23-34.

[8]WANGZ,LIH,YEQ,etal.SaliencyEffectsofOnlineReviewsEmbeddedintheDescriptiononSales:ModeratingRoleofReputation[J].DecisionSupportSystems,2016(8):1-9.

[9]MEISEBERGB.TheEffectivenessofE-tailers’CommunicationPracticesinStimulatingSalesofNicheversusPopularProducts[J].JournalofRetailing,2016(2):1-14.

[10]王克喜,崔準.網(wǎng)絡口碑對網(wǎng)絡銷售農產(chǎn)品的作用機理——基于“天貓”某品牌茶葉銷售的實證研究[J].農林經(jīng)濟管理學報,2014,13(2):186-191.

[11]龔詩陽,劉霞,劉洋等.網(wǎng)絡口碑決定產(chǎn)品命運嗎——對線上圖書評論的實證分析[J].南開管理評論,2012(4):118-128.

[12]趙占波,孫魯平,蘇萌.C2C中產(chǎn)品瀏覽量和銷量影響因素的對比研究[J].管理科學,2013,26(1):58-67.

[13]YEQ,LAWR,GUB.Theimpactofonlineuserreviewsonhotelroomsales[J].InternationalJournalofHospitalityManagement,2009,28(11):180-182.

[14]KOENKERR.RegressionQuantile[J].Econometrica,1978,46(1):33-50.

[15]TONGH,LIMK.ThreshodAutoregression,LimitCyclesandCyclicalData[J].JournaloftheRoyalStatisticalSociety,1980,42(3):245-292.

[16]BAKOSJ.ReducingBuyerSearchCosts:ImplicationsforElectronicMarketplaces[J].ManagementScience,1997,43(12):1676-1692.

[17]金毅.電子商務中信譽和保障的價值——基于淘寶網(wǎng)的研究[J].中國經(jīng)貿導刊,2011(9):79-80.

[18]周耿,王全勝.網(wǎng)上交易的信譽與保障標記機制[J].當代財經(jīng),2010,23(4):71-78.

[19]王艷萍,程巖.在線用戶對彈出式廣告的心理抗拒分析[J].工業(yè)工程與管理,2013,18(1):71-77.

[20]李金昌,楊松,趙楠.中國能源強度影響因素分析——基于分位數(shù)回歸法[J].商業(yè)經(jīng)濟與管理,2014(12):73-80.

(責任編輯鄭英龍)

收稿日期:2016-03-12

基金項目:國家社會科學基金資助項目(15BJY008)；教育部人文社會科學研究規(guī)劃基金項目(14YJA790015)；安徽省哲學社會科學規(guī)劃基金項目(AHSKY2014D103)；合肥工業(yè)大學產(chǎn)業(yè)轉移與創(chuàng)新發(fā)展研究中心招標項目(SK2014A073)

作者簡介:許啟發(fā)，男，教授，博士生導師，主要從事數(shù)量經(jīng)濟理論與方法研究；賈俊穎，女，碩士研究生，主要從事互聯(lián)網(wǎng)金融研究；蔣翠俠，女，副教授，主要從事金融計量研究；楊善林，男，中國工程院院士，教授，博士生導師，主要從事決策科學與技術研究。

中圖分類號:F224

文獻標識碼:A

文章編號:1000-2154(2016)07-0005-10

Analysis of Factors Affecting Online Goods Sales Through Threshold Quantile Regression Approach

XU Qi-fa1,2, JIA Jun-ying3, JIANG Cui-xia1, YANG Shan-lin1,2

(1.SchoolofManagement,HefeiUniversityofTechnology,Hefei230009,China; 2.KeyLaboratoryofProcessOptimizationandIntelligentDecisionMakingofMinistryofEducation,HefeiUniversityofTechnology,Hefei230009,China;3.SchoolofManagement,HarbinInstituteofTechnology,Harbin150000,China)

Abstract:There is big difference between selling goods online and offline. In order to explore the consumption patterns, we should study the mechanism of various factors affecting online goods sales. In this paper, we make a systematic study of the behaviors of consumption online through the theory of psychological resistance, Beb’s law, and Lewin metal of behavior. We construct a threshold quantile regression model to investigate the effects of price, credit, collection popularity, reputation and guarantee marks, on the sales. We select iPad Air 2 as our research object for its broad customers. The empirical results show that improving the sellers’ credit rating and increasing the amount of reputation will lead to the increase of the sales for high-volume sellers. However, increasing the number of guarantee marks is negative to sales promotion. During the process of non-popular goods changing into the popular goods, increasing the amount of collection popularity, reputation and price within a certain range will promote the quantity of sales.

Key words:online goods; sales; quantile regression; threshold effects; behavior theory