莫秀錦

摘 要： 本文分別從在線評(píng)論數(shù)量、評(píng)論信息屬性、評(píng)論者屬性等方面開展實(shí)證研究，以京東營(yíng)銷平臺(tái)采集的數(shù)據(jù)為依據(jù)，以手機(jī)為研究對(duì)象，利用web挖掘技術(shù)研究了在線產(chǎn)品銷量的影響因素，利用決策樹方法以及情感分析方法研究影響銷量的多個(gè)因素。

關(guān)鍵詞：在線評(píng)論 電子商務(wù) 銷量 影響因素

中圖分類號(hào)：F724.6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-9082（2016）10-0105-02

引言

當(dāng)前，隨著網(wǎng)絡(luò)經(jīng)濟(jì)的快速發(fā)展，網(wǎng)絡(luò)營(yíng)銷發(fā)展進(jìn)入新階段，并成為當(dāng)前經(jīng)濟(jì)的一個(gè)重要組成部分。相對(duì)于實(shí)體銷售而言，網(wǎng)絡(luò)營(yíng)銷中的買賣雙方缺乏面對(duì)面獲取影響銷售的環(huán)境，在線評(píng)論是一種重要的網(wǎng)絡(luò)口碑形式，是網(wǎng)絡(luò)營(yíng)銷為買賣雙方增進(jìn)相互了解的一種互動(dòng)彌補(bǔ)方式。消費(fèi)者可通過查閱已有評(píng)論來了解產(chǎn)品的好壞。由于買賣雙方具有獲取信息方面的不對(duì)稱性，因此為了減少購(gòu)物的風(fēng)險(xiǎn)，越來越多的消費(fèi)者在購(gòu)物之前選擇參考已有的商品評(píng)論。

在線評(píng)論是指存在于產(chǎn)品網(wǎng)站、個(gè)人主頁(yè)或者商業(yè)銷售網(wǎng)站，由消費(fèi)者發(fā)表的有關(guān)產(chǎn)品、服務(wù)等的正面或負(fù)面觀點(diǎn)，能夠被大眾群體看到，方便用戶與商家進(jìn)行在線互動(dòng)與信息交流。國(guó)外大部分研究都是都是從產(chǎn)品層面對(duì)在線評(píng)論對(duì)產(chǎn)品銷量影響進(jìn)行研究，以產(chǎn)品數(shù)據(jù)作為研究對(duì)象，分析在線評(píng)論相關(guān)因素對(duì)產(chǎn)品銷量的影響。比如很多學(xué)者研究在線評(píng)論的評(píng)價(jià)總數(shù)、評(píng)價(jià)等級(jí)、好評(píng)率、差評(píng)率等因素和產(chǎn)品銷量之間的關(guān)系。國(guó)內(nèi)的學(xué)者對(duì)于在線評(píng)論對(duì)銷量影響因素的研究主要集中在對(duì)在線評(píng)論對(duì)消費(fèi)者購(gòu)買行為的影響和情感分析兩方面的研究。

一、理論背景與研究假設(shè)

1.評(píng)論信息屬性

評(píng)論的質(zhì)量只要涉及要求評(píng)論的信息真實(shí)可信，客戶評(píng)論的內(nèi)容能真實(shí)反映所購(gòu)買的商品，為以后的購(gòu)買用戶提供購(gòu)買依據(jù)，高質(zhì)量的評(píng)論是吸引客戶的關(guān)鍵。在線評(píng)論等級(jí)能體現(xiàn)買方對(duì)產(chǎn)品和服務(wù)的綜合態(tài)度，現(xiàn)有評(píng)價(jià)等級(jí)一般有5個(gè)等級(jí)，即1—5星級(jí)，一般情況下，1星級(jí)和2星級(jí)被定義為是對(duì)商品的消極評(píng)論或差評(píng)，4星級(jí)和 5星級(jí)定義為好評(píng)。在此基礎(chǔ)上，本文提出如下假設(shè)：

H1：評(píng)論內(nèi)容質(zhì)量越高，對(duì)銷售的的正面影響更大；

H2：評(píng)論的數(shù)量越多，對(duì)銷售的影響越大；

H3：評(píng)論時(shí)間越近，在線評(píng)論的有用性越大；

2.評(píng)論者屬性

消費(fèi)者在購(gòu)買前會(huì)查看買家的在線評(píng)論，因此，買家的評(píng)論很大程度上對(duì)消費(fèi)者的購(gòu)買行為具有引導(dǎo)作用，但是，目前由于存在一些商家編造虛假在線信息等問題，有些在線評(píng)論者的評(píng)論并不可靠，因此，我們提出一下假設(shè)：

H3：評(píng)論者的可信度越高，對(duì)消費(fèi)者的購(gòu)買決定影響越大；

基于以上研究假設(shè)，我們依據(jù)評(píng)論信息屬性，評(píng)論者屬性構(gòu)建了在線評(píng)論有用性影響因素模型，如下圖（圖1）所示。

二、實(shí)證研究

1.數(shù)據(jù)收集及預(yù)處理

本文使用研究數(shù)據(jù)抓取的工具是“八爪魚采集器”，該網(wǎng)頁(yè)數(shù)據(jù)抓取軟件的核心是分布式云計(jì)算平臺(tái)。我們可以用“八爪魚采集器”快速、輕松地從各種不同的網(wǎng)站大量地采集研究需要的規(guī)范數(shù)據(jù)。

針對(duì)手機(jī)產(chǎn)品性能、在線評(píng)論信息和銷售信息方面的影響因素，我們抓取了京東商城1473款手機(jī)產(chǎn)品的相關(guān)信息，其中關(guān)于在線評(píng)論的手機(jī)產(chǎn)品的字段有：首條產(chǎn)品評(píng)論評(píng)論時(shí)間、總評(píng)論數(shù)、好評(píng)率、中評(píng)率、差評(píng)率、銷售排名和每款手機(jī)產(chǎn)品的所有在線評(píng)論信息；每條在線評(píng)論采集的信息有：評(píng)論具體的文字內(nèi)容、評(píng)論者ID、評(píng)論時(shí)間、評(píng)論者會(huì)員級(jí)別、評(píng)論者來源省份、評(píng)論星評(píng)數(shù)、評(píng)論及時(shí)度。

本文進(jìn)行數(shù)據(jù)分析時(shí)需要對(duì)銷量進(jìn)行離散化處理，我們采用四分箱，其他連續(xù)變量的離散化處理過程中考慮到分組對(duì)其他變量的影響，所以采用熵分組的分組方式。分箱如下圖2、圖3、圖4所示。

2.數(shù)據(jù)分析及結(jié)論

本文的數(shù)據(jù)分析工作過程中是采用IBM SPSS Modeler 14.1軟件和ROST Content Mining System軟件完成的。我們對(duì)影響因素的規(guī)則分析進(jìn)行了統(tǒng)計(jì)，如下圖（圖5）所示。

由以上規(guī)則結(jié)果我們發(fā)現(xiàn)，手機(jī)產(chǎn)品的好評(píng)率、中評(píng)率、差評(píng)率、總評(píng)價(jià)數(shù)、評(píng)論時(shí)間跨度等對(duì)產(chǎn)品銷量都起到了顯著的作用。舉例來說，如果好評(píng)率為96%，中評(píng)率為2%，品牌為中興，則銷量屬于分箱4；好評(píng)率為97%，中評(píng)率為2%，品牌為華為，則銷量屬于分箱4。差評(píng)率小于3%且總評(píng)價(jià)數(shù)屬于分箱4即總評(píng)價(jià)數(shù)886～152248之間，則銷量屬于分箱4。規(guī)則7顯示如果差評(píng)率=4%，屏幕尺寸=5.0，網(wǎng)絡(luò)為移動(dòng)聯(lián)通雙四G，則銷量屬于分箱4。針對(duì)用于分箱1銷量的規(guī)則，規(guī)則1、規(guī)則2、規(guī)則3、規(guī)則4，我們可以總結(jié)為如果差評(píng)率大于等于15%，則銷量_TILE4=1。規(guī)則5顯示，如果品牌為邦華，則銷量_TILE4=1。規(guī)則6顯示，如果好評(píng)率<90，品牌=酷派，屏幕尺寸=5.0，分辨率=960X540，則銷量_TILE4=1。根據(jù)用于1的規(guī)則10和用于3的規(guī)則1顯示，當(dāng)手機(jī)產(chǎn)品性能比較低時(shí)，價(jià)格會(huì)對(duì)銷量產(chǎn)生負(fù)向影響。

根據(jù)以上規(guī)則結(jié)果顯示，銷量和總評(píng)論數(shù)并不呈正比關(guān)系，還和好評(píng)率、評(píng)論時(shí)間跨度以及產(chǎn)品內(nèi)存等變量因素有關(guān)，在總評(píng)價(jià)數(shù)少的情況下好評(píng)率對(duì)銷量的影響不明顯，但是在總價(jià)數(shù)少的情況下，差評(píng)率對(duì)銷量的負(fù)向影響就很明顯。當(dāng)差評(píng)率小于3%時(shí)，如果產(chǎn)品總評(píng)價(jià)數(shù)高、產(chǎn)品在線評(píng)論評(píng)論跨度小，則產(chǎn)品銷量會(huì)比較高。由規(guī)則16和17來看，對(duì)于高端手機(jī)，價(jià)格的小范圍差異并不會(huì)影響到銷量即無顯著影響。如果差評(píng)率>15%時(shí)會(huì)嚴(yán)重影響銷量。對(duì)于低端手機(jī)，價(jià)格的差異會(huì)對(duì)銷量產(chǎn)生負(fù)向影響。

三、結(jié)語(yǔ)

本文通過實(shí)證研究的方法，對(duì)當(dāng)前電子商務(wù)環(huán)境下的商品銷售中在線評(píng)論的部分影響因素進(jìn)行了研究探討，結(jié)果表明，銷量和總評(píng)論數(shù)有關(guān)聯(lián)但并不呈正比關(guān)系，銷量還和好評(píng)率、差評(píng)率、評(píng)論時(shí)間跨度等有關(guān)。

參考文獻(xiàn)

[1]馬艷麗.C2C 電子商務(wù)信用評(píng)價(jià)模型研究[D].北京：首都經(jīng)濟(jì)貿(mào)易大學(xué)信息學(xué)院，2014.

[2]張仙鋒.信譽(yù)的價(jià)值：基于淘寶數(shù)據(jù)對(duì)我國(guó)電子市場(chǎng)的特色解釋[J]，當(dāng)代經(jīng)濟(jì)科 學(xué)，2009（31），30-40.

[3]薛有志，郭勇峰.C2C 電子商務(wù)賣家的競(jìng)爭(zhēng)戰(zhàn)略研究：基于淘寶網(wǎng)的分析[J]，電子商務(wù)2012（15），129-140.

[4]李琪，崔睿. C2C環(huán)境下信用服務(wù)對(duì)賣家售出行為的影響研究--基于二元Logistic模型[J]，統(tǒng)計(jì)與信息論壇，2013（6），108-113.

[5]陳學(xué)旺.服務(wù)質(zhì)量對(duì)網(wǎng)店績(jī)效與價(jià)格、信用關(guān)系的調(diào)節(jié)作用研究--基于淘寶數(shù)據(jù)的實(shí)證分析[D].廣西：廣西大學(xué)企業(yè)管理，2014.

[6]Bellman S，Lohse G L，Johnson E J.Predictors of online buying behavio[J].Communications of theACM ，1999，42（ 12） ： 32-38.

[7]Doney P M，Cannon J P.An examination of the na-ture of trust in buyer -seller relationships[J].Jour-nal of Marketing ，1997，61（ 2） ： 35-51.

[8]翟麗孔.網(wǎng)店在線評(píng)論對(duì)消費(fèi)者購(gòu)買意愿的影響研究[D].大連：東北財(cái)經(jīng)大學(xué)，2011.

[9]武娟麗.在線評(píng)論對(duì)新舊產(chǎn)品銷量影響實(shí)證研究[D].北京：北京郵電大學(xué)，2014.

[10]羅時(shí)鑫.口碑溝通對(duì)購(gòu)買決策的影響研究[D].杭州：浙江大學(xué)，2007.